dc.contributor | Ralha, Célia Ghedini | |
dc.contributor | Marotta, Marcelo Antonio | |
dc.creator | Almeida, Jonathan Mendes de | |
dc.date.accessioned | 2021-06-29T15:01:17Z | |
dc.date.accessioned | 2022-10-04T12:22:19Z | |
dc.date.available | 2021-06-29T15:01:17Z | |
dc.date.available | 2022-10-04T12:22:19Z | |
dc.date.created | 2021-06-29T15:01:17Z | |
dc.date.issued | 2021-06-29 | |
dc.identifier | ALMEIDA, Jonathan Mendes de. Characterizing and improving decision-making in Fog Radio Access Networks. 2021. xiv, 65 f., il. Dissertação (Mestrado em Informática)—Universidade de Brasília, Brasília, 2021. | |
dc.identifier | https://repositorio.unb.br/handle/10482/41306 | |
dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/3846317 | |
dc.description.abstract | Fog Radio Access Networks (F-RANs) são o resultado da aplicação de paradigmas de fog/edge computing
em cloud radio access networks, herdando componentes e aspectos de ambos. As técnicas de Inteligência
Artificial (IA) podem ser aplicadas às F-RANs para obter maior eficiência energética, maior rendimento e/ou
menor consumo de energia de processamento, e melhor tomada de decisão em diferentes situações. No
entanto, para selecionar uma técnica apropriada de IA a ser aplicada, é necessário levar em consideração as
diferentes granularidades de tempo nas quais a tomada de decisão ocorre em F-RANs. Na primeira parte
deste trabalho são discutidos os benefícios e desafios da implementação de uma F-RAN orientado a IA,
considerando três granularidades de tempo. Para cada granularidade, são destacadas as principais técnicas de
aprendizado, como redes neurais profundas, aprendizado de reforço, aprendizado on-line e classificadores.
Para permitir a integração entre soluções de IA, é proposta uma arquitetura multiagente para F-RANs. Além
disso, é explorado um problema específico a partir da granularidade de horas. Nesse sentido, são
investigadas oportunidades para as operadoras reduzirem seus gastos através da alocação ideal de virtual
Base Band Units (vBBUs). A alocação ideal pode gerar oportunidades de receita adicionais, alugando
recursos de processamento ocioso para Application Service Providers (ASPs). Em particular, o desafio de
melhorar a alocação de vBBU em termos da atribuição ideal das cargas de trabalho entre Remote Radio
Heads (RRHs) e Micro Data Centers (MDCs), considerando o trade-off entre a distância entre MDC e RRH e
o consumo de poder de processamento. Assim, é proposto um modelo de otimização para decidir as
atribuições entre MDCs e RRHs. A solução ideal é obtida por meio de Binary Integer Linear Programming. A
solução é avaliada aplicando um conjunto de dados Call Detail Records reais, simulando diferentes regiões
de Milão. A técnica de agrupamento k-means foi utilizada para identificar o comportamento do tráfego de
Internet em diferentes regiões de Milão. Os resultados destacam oportunidades para as operadoras
explorarem sua infraestrutura e aumentarem seus ganhos. | |
dc.language | Inglês | |
dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | |
dc.rights | Acesso Aberto | |
dc.title | Characterizing and improving decision-making in Fog Radio Access Networks | |
dc.type | Tesis | |