Diseño de un sistema de asignaciones de recursos radio mediante técnicas de Machine Learning

Payo Fernández, Laura (2020). Diseño de un sistema de asignaciones de recursos radio mediante técnicas de Machine Learning. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. y Sistemas de Telecomunicación (UPM), Madrid.

Description

Title: Diseño de un sistema de asignaciones de recursos radio mediante técnicas de Machine Learning
Author/s:
  • Payo Fernández, Laura
Contributor/s:
  • Pérez Yuste, Antonio
Item Type: Final Project
Degree: Grado en Ingeniería de Sistemas de Telecomunicación
Date: July 2020
Subjects:
Freetext Keywords: Asignación de recursos; Scheduling; Comunicaciones móviles
Faculty: E.T.S.I. y Sistemas de Telecomunicación (UPM)
Department: Departamento de Ingeniería Audiovisual Comunicaciones
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (5MB) | Preview

Abstract

El objetivo principal de este proyecto es el diseño de un sistema basado en algoritmos Machine Learning que asigne dinámicamente, mediante patrones ya aprendidos, recursos entre los distintos usuarios y demandas que se tienen en cada momento. Además de la asignación de recursos, se extraerán las figuras de mérito más usadas en la literatura, algunas del sistema y otras del usuario. La asignación de recursos tiene varias formas de resolverse, siendo más o menos equitativas. La propuesta es estudiarlas, ver cuál es mejor para la red, y para los usuarios e investigar si existe la posibilidad de hacer esta asignación de recursos mediante técnicas de Machine Learning. Es decir, crear un sistema que aprenda de patrones complejos mediante una serie de algoritmos y sea capaz de perfeccionar el proceso de asignación con el paso del tiempo. Otro objetivo que se pretende alcanzar es analizar los resultados de usar técnicas de Machine Learning y su capacidad para la asignación de recursos a este ámbito tan poco explorado. Con esto se consigue que el scheduler no sea algo prefijado, sino que pueda adaptarse a las condiciones del canal en cada momento y a la demanda real de los usuarios del sistema de forma adaptativa (dynamic scheduling). El resultado principal que se busca es la asignación de recursos radio en tiempo real mediante redes neuronales y la estimación de las figuras de mérito del scheduler con técnicas de Machine Learning, dando un paso más en el estado del arte. Abstract: The aim of this project is to design a system based on an algorithm of Machine Learning that dynamically assign, with patterns learned, resources between different users and claims in each moment. What is more, we will pull out the more use merit figures for users or for the system. The resource assignment has different ways for resolve, being more or less fair. The proposal is study its and look what is better for the network and for the users and search if exist the possibility of doing this assignment with Machine Learning techniques. That is, create a system that learns of complex patterns by a different algorithm and could have the capacity for get better in the process of assignment with the time. Another aim that we would like to achieve is to analyze the results using Machine Learning techniques and their capacity for the resource assignment in this topic. With that it is achieved that the scheduler can be adapted to the channel conditions in each moment and to the real demand of the users in the system (dynamic scheduling). The principal result that we look for is the resource radio assignment in real time by neural networks and the estimations of the merit figures with Machine Learning techniques, taking one more step in the state of the art.

More information

Item ID: 67378
DC Identifier: https://oa.upm.es/67378/
OAI Identifier: oai:oa.upm.es:67378
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 16 Jun 2021 04:13
Last Modified: 15 Aug 2021 22:30
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM