Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/87345
Título : | Predicción de tráfico en redes móviles mediante Deep Learning |
Autoría: | Gran Josa, José Manuel |
Director: | Vilajosana, Xavier |
Tutor: | Lopez Vicario, Jose |
Resumen : | Se pretende presentar en este trabajo un estudio para la predicción de datos de tráfico de red basado en técnicas de Deep Learnig. Con las predicciones obtenidas se pretende optimizar los elementos virtualizados de la arquitectura de red de acceso móvil Cloud RAN. En primer lugar, se presentarán conceptos relativos al objeto de estudio como la virtualización, 5G y la arquitectura Cloud RAN. Se podrán ver con detalle ya que forman parte del contexto de la predicción de datos del trabajo. Para alcanzar el objetivo de predicción de datos, se presentarán también las herramientas que se utilizarán en el desarrollo de los modelos predictivos. Hablamos de las herramientas Python, Pandas, Numpy, Matplotlib y Tensorflow. Esta última nos va a permitir aplicar los modelos basados en Deep Learning. Se analizarán con detalle los principales algoritmos que se pueden implementar para realizar las predicciones. También se contemplará como debemos acomodar los datos para el trabajo en este tipo de modelos. Introduciremos los conjuntos de entrenamiento, validación y test y conceptos como underfitting y overrfitting. Se mostrarán los resultados obtenidos con varios métodos de predicción de datos implementados. Observaremos como conseguimos obtener resultados más precisos utilizando las redes neuronales. Se concluye con éxito el propósito del trabajo de predicción para su posible aplicación en elementos virtualizados del Cloud RAN para la optimización de sus recursos y asegurar sus prestaciones. |
Palabras clave : | virtualización aprendizaje profundo C-RAN |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | ene-2019 |
Licencia de publicación: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Aparece en las colecciones: | Bachelor thesis, research projects, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
jgrajos_TFM_01_2019_Scripts.zip | Scripts | 243,51 kB | Unknown | Visualizar/Abrir |
jgrajosTFM0119memoria.pdf | Memoria del TFM | 3,65 MB | Adobe PDF | Visualizar/Abrir |
jgrajosTFM0119presentación.pdf | Presentación del TFM | 2,23 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons