Oppimiseen perustuva ennakoiva resurssien allokointi koneiden väliseen tietoliikenteeseen

Väitöstilaisuuden tiedot

Väitöstilaisuuden päivämäärä ja aika

Väitöstilaisuuden paikka

L3

Väitöksen aihe

Oppimiseen perustuva ennakoiva resurssien allokointi koneiden väliseen tietoliikenteeseen

Väittelijä

FM Samad Ali

Tiedekunta ja yksikkö

Oulun yliopiston tutkijakoulu, Tieto- ja sähkötekniikan tiedekunta, Tietoliikennetekniikka, CWC

Oppiaine

Tietoliikennetekniikka

Vastaväittäjä

Professori Jyri Hämäläinen, Aalto yliopisto

Kustos

Professori Nandana Rajatheva, Oulun yliopisto

Lisää tapahtuma kalenteriin

Oppimiseen perustuva ennakoiva resurssien allokointi koneiden väliseen tietoliikenteeseen

Tutkielman tavoitteena on suunnitella uudenlaisia kehyksiä kehittämään ennakoivia resurssien allokointimekanismeja konetyyppistä kommunikaatiota (MTC) varten. Tämä toteutetaan hyödyntämällä koneoppimistyökaluja, kuten kausaalipäättelyä, monikätisiä rosvoja (MAB) ja syväoppimista. MTC-verkot käsittävät usein erittäin suuren määrän konetyyppisiä laitteita (MTD), jotka edellyttävät langattomia radioresursseja tietopakettien lähettämiseen matkapuhelinverkkojen nousevassa siirtosuunnassa. MTC:ille ehdotetaan ennakoivaa resurssien allokointikehystä, joka perustuu niin sanottuun nopeaan nousevan siirtotien allokointiin. Tukiasema ennustaa aktiivisten MTD-laitteiden joukon kullakin aika-askelella ja allokoi resursseja niille ennakoivasti. Ennakoivan resurssien allokoinnin haasteita ovat muun muassa lähdeliikenteen ennustaminen ja optimaalinen resurssien allokointi.
Viimeksi päivitetty: 17.1.2022