Al giorno d’oggi lo sviluppo di algoritmi di intelligenza artificiale necessita di rispettare degli standard nella qualità dei servizi offerta al fine di garantire un’esperienza che rispecchi le aspettative degli utenti. In questo campo, LSTM è un’ottima scelta come modello di deep learning per effettuare predizioni sulla qualità dei servizi. In questo lavoro di tesi viene effettuata un’analisi approfondita al fine di valutare il livello di qualità dei servizi applicati in campo radiomobile attraverso l’implementazione di modelli LSTM.

STUDIO DI ALGORITMI DI DEEP LEARNING PER LA PREDIZIONE DEL LIVELLO DI QUALITÀ DI SERVIZI MULTIMEDIALI IN RETI RADIOMOBILI

DEFLORIO, ANDREA
2023/2024

Abstract

Al giorno d’oggi lo sviluppo di algoritmi di intelligenza artificiale necessita di rispettare degli standard nella qualità dei servizi offerta al fine di garantire un’esperienza che rispecchi le aspettative degli utenti. In questo campo, LSTM è un’ottima scelta come modello di deep learning per effettuare predizioni sulla qualità dei servizi. In questo lavoro di tesi viene effettuata un’analisi approfondita al fine di valutare il livello di qualità dei servizi applicati in campo radiomobile attraverso l’implementazione di modelli LSTM.
2023
STUDY OF DEEP LEARNING ALGORITHMS FOR PREDICTING THE QUALITY LEVEL OF MULTIMEDIA SERVICES IN MOBILE RADIO NETWORKS
QoE
QoS
Digital Twin
LSTM
PyTorch
File in questo prodotto:
File Dimensione Formato  
Tesi_Triennale_Andrea_Deflorio.pdf

File consultabile da postazioni biblioteca

Descrizione: Tesi triennale di Andrea Deflorio
Dimensione 7.19 MB
Formato Adobe PDF
7.19 MB Adobe PDF

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/20.500.14253/85698