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.
2018
DEEP LEARNING ARCHITECTURES FOR THE MOBILITY PREDICTION OF AUTONOMOUS VEHICLES AND THE CONFIGURATION OF MEC RESOURCES IN 5G NETWORKS
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