Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/87345
Títol: | Predicción de tráfico en redes móviles mediante Deep Learning |
Autoria: | Gran Josa, José Manuel |
Director: | Vilajosana, Xavier |
Tutor: | Lopez Vicario, Jose |
Resum: | Es pretén presentar en aquest treball un estudi per a la predicció de dades de trànsit de xarxa basat en tècniques de Deep Learnig. Amb les prediccions obtingudes es pretén optimitzar els elements virtualizados de l'arquitectura de xarxa d'accés mòbil Cloud RAN. En primer lloc, es presentaran conceptes relatius a fi d'estudi com la virtualització, 5G i l'arquitectura Cloud RAN. Es podran veure amb detall ja que formen part del context de la predicció de dades del treball. Per a aconseguir l'objectiu de predicció de dades, es presentaran també les eines que s'utilitzaran en el desenvolupament dels models predictius. Parlem de les eines Python, Colles, Numpy, Matplotlib i Tensorflow. Aquesta última ens permetrà aplicar els models basats en Deep Learning. S'analitzaran amb detall els principals algorismes que es poden implementar per a realitzar les prediccions. També es contemplarà com hem d'acomodar les dades per al treball en aquest tipus de models. Introduirem els conjunts d'entrenament, validació i test i conceptes com underfitting i overrfitting. Es mostraran els resultats obtinguts amb diversos mètodes de predicció de dades implementades. Observarem com aconseguim obtenir resultats més precisos utilitzant les xarxes neuronals. Es conclou amb èxit el propòsit del treball de predicció per a la seva possible aplicació en elements virtualizados del Cloud RAN per a l'optimització dels seus recursos i assegurar les seves prestacions. |
Paraules clau: | virtualització aprenentatge profund C-RAN |
Tipus de document: | info:eu-repo/semantics/masterThesis |
Data de publicació: | gen-2019 |
Llicència de publicació: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Apareix a les col·leccions: | Bachelor thesis, research projects, etc. |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
jgrajos_TFM_01_2019_Scripts.zip | Scripts | 243,51 kB | Unknown | Veure/Obrir |
jgrajosTFM0119memoria.pdf | Memoria del TFM | 3,65 MB | Adobe PDF | Veure/Obrir |
jgrajosTFM0119presentación.pdf | Presentación del TFM | 2,23 MB | Adobe PDF | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons