AI/ML Techniques for 5G Coverage Drop Prediction
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/382631
Tipus de documentTreball Final de Grau
Data2022-07-04
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
This project introduces Machine Learning techniques to the wireless communication environment. In particular, the objective is to predict when the 5G network will not give coverage to a certain User Equipment. A sort of different techniques could be used to solve this, but the solution provided in this document uses a special type of Artificial Neural Network: The Echo State Network. As will be seen through the document, the project will focus on predicting the 5G Quality Parameter, and by introducing the Artificial Neural Networks it is expected for the solution to be able to predict not just the immediate next value, but the next five to ten values. On the results section a comparison between how the final model predicts the 5G Quality Parameter on different time instances will be provided. Finally, on the conclusions, the objective accomplishment will be discussed. Este proyecto tiene como objetivo introducir técnicas de Machine Learning al entorno de las comunicaciones inalámbricas. En particular, se quieren predecir esos momentos en los que la red 5G es incapaz de dar cobertura a un cierto usuario. Muchas técnicas, tanto dentro como fuera del Machine Learning, se podrían haber usado, pero la solución propuesta en este documento se basa en un tipo concreto de Red Neuronal Artificial: las Echo State Network. Como se podrá observar a lo largo del documento, el objetivo será predecir el nivel de calidad futuro de la red 5G. Haciendo que el modelo esté basado en una Red Neuronal Artificial, se espera que pueda ser capaz de predecir no sólo el valor posterior al recibido, sino también de los cinco a los diez valores posteriores. En la sección de Resultados, diversas comparativas entre la predicción del modelo y el valor real se harán, y finalmente, en la sección de Conclusiones se hará una breve discusión sobre el complimiento de los diferentes objetivos del proyecto. Aquest projecte té com a objectiu introduir tècniques de Machine Learning en l’entorn de les comunicacions inalàmbriques. En concret, es vol predir quan la xarxa de 5G no serà capaç de donar cobertura a un cert usuari. Moltes tècniques, tant dins com fora del Machine Learning, es podrien haver utilitzat, però la solució donada en aquest document s’ha fet a partir d’un tipus de Xarxa Neuronal Artificial: les Echo State Network. Com es podrà veure a mesura que avancem pel document, l’objectiu serà predir el nivell de qualitat donat per la xarxa 5G. Introduint les xarxes neuronals artificials, el que es vol és que el model final sigui capaç de predir, no només l’instant posterior al valor rebut, sinó els cinc o inclús els deu futurs valors. A la secció de Resultats veurem diverses comparatives entre la predicció donada pel model i els valors reals. Finalment, a les conclusions es durà a terme una breu discussió sobre l’acompliment dels objectius
MatèriesComputer networks--Remote access, Wireless communication systems, Artificial intelligence, Ordinadors, Xarxes d'--Accés remot, Comunicació sense fil, Sistemes de, Intel·ligència artificial
TitulacióGRAU EN ENGINYERIA DE TECNOLOGIES I SERVEIS DE TELECOMUNICACIÓ (Pla 2015)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
David_Reiss_TFG.pdf | 1,801Mb | Visualitza/Obre |