Nelle reti 5G tecnologie come la guida autonoma non sono più considerate difficilmente raggiungibili, soprattutto se supportate dai paradigmi Mobile Edge Computing e Deep Learning. In questo lavoro di tesi si effettua una predizione della mobilità di veicoli autonomi e una stima delle risorse di banda e computazionali necessarie ad ogni veicolo per poter eseguire ogni attività possibile.
ARCHITETTURE DI DEEP LEARNING PER LA PREDIZIONE DELLA MOBILITÀ DI VEICOLI AUTONOMI E LA CONFIGURAZIONE DI RISORSE MEC IN RETI 5G
de BARI, FABIO SERGIO
2018/2019
Abstract
Nelle reti 5G tecnologie come la guida autonoma non sono più considerate difficilmente raggiungibili, soprattutto se supportate dai paradigmi Mobile Edge Computing e Deep Learning. In questo lavoro di tesi si effettua una predizione della mobilità di veicoli autonomi e una stima delle risorse di banda e computazionali necessarie ad ogni veicolo per poter eseguire ogni attività possibile.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/20.500.14253/89734