Fifth generation mobile networks have the goal of supporting the unprecedented explosion of mobile traffic in place these last years. In this thesis work various Deep learning techniques are studied in order to manage in an effective way network systems. In particular, a LSTM network is designed to predict network behaviors using channel gains

Le reti mobili di quinta generazione si pongono come obiettivo quello di supportare l'esplosione di traffico mobile senza precedenti che sta avvenendo in questi ultimi anni. In questo lavoro di tesi sono studiate tecniche di Deep Learning per gestire in modo efficiente i sistemi di rete. In particolare, è progettata una rete LSTM per predire i comportamenti della rete tramite guadagni di canale

APPLICAZIONE DELLE TECNICHE DI DEEP LEARNING PER LA GESTIONE DELLE RETI MOBILI DI QUINTA GENERAZIONE

ERAMO, GIOVANNI LUCA
2019/2020

Abstract

Fifth generation mobile networks have the goal of supporting the unprecedented explosion of mobile traffic in place these last years. In this thesis work various Deep learning techniques are studied in order to manage in an effective way network systems. In particular, a LSTM network is designed to predict network behaviors using channel gains
2019
APPLICATION OF DEEP LEARNING TECHINQUES FOR THE MANAGEMENT OF FIFTH GENERATION MOBILE NETWORKS
Le reti mobili di quinta generazione si pongono come obiettivo quello di supportare l'esplosione di traffico mobile senza precedenti che sta avvenendo in questi ultimi anni. In questo lavoro di tesi sono studiate tecniche di Deep Learning per gestire in modo efficiente i sistemi di rete. In particolare, è progettata una rete LSTM per predire i comportamenti della rete tramite guadagni di canale
5G
Deep Learning
Predizione
LSTM
RNN
File in questo prodotto:
Fulltext non presente su UNITESI – Verifica la disponibilità della tesi in formato cartaceo interrogando il Catalogo di Ateneo

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/84235