Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/3656| Predicción del comportamiento de SLA en redes 5G utilizando inteligencia artificial Predicting the behavior of SLAs in 5G networks using artificial intelligence | |
| Rubersy Ramos García | |
| JOSE ELENO LOZANO RIZK Jorge Enrique Preciado Velasco | |
| Acceso Abierto | |
| Atribución | |
| 5G, aprendizaje automático, throughput, SLA 5G, machine learning, throughput, SLA | |
| El objetivo de la tecnología inalámbrica 5G es ser una plataforma unificada capaz de soportar tres servicios genéricos, heterogéneos y con características de tráfico diferentes que exigen requisitos estrictos y específicos de la red móvil. Estos servicios son: comunicación masiva tipo máquina; comunicación ultra confiable y de baja latencia; y banda ancha móvil mejorada. La tecnología 5G permitirá a los usuarios nuevas aplicaciones incluyendo: realidad aumentada, realidad virtual, internet de las cosas, vehículos autónomos y muchas más. Para cumplir con los requisitos divergentes de los diferentes tipos de servicios, las redes 5G deben admitir la segmentación, y para ello se utilizan tecnologías emergentes como la Virtualización de Funciones de Red y las Redes Definidas por Software, las cuales son consideradas componentes clave de las infraestructuras 5G. Las diversas características y la complejidad que definen estas redes requieren de flexibilidad y dinamismo, haciéndose imprescindible que sean capaces de determinar autónomamente la configuración óptima del sistema con la mínima intervención humana. En esta tesis de maestría se propone un modelo para la predicción de posibles violaciones de los SLA en redes 5G. Como parte del modelo propuesto se diseñan e implementan dos arquitecturas de redes neuronales artificiales: una red recurrente con arquitectura codificador-decodificador, y una red neuronal mixta compuesta por la unión de una red convolucional y una red recurrente. Dentro de los resultados está la predicción del throughput de la red 5G para una aplicación del segmento eMBB, considerando los indicadores de desempeño y los factores que impactan de manera más significativa al throughput en 5G; y la creación de un sistema de predicción de la calidad del servicio que garantice el cumplimiento de los SLA. The objective of 5G wireless technology is to be a unified platform capable of supporting three generic, heterogeneous services with different traffic characteristics that demand strict and specific requirements of the mobile network. These services are massive Machine-Type Communication; ultra-reliable Low Latency Communication; and enhanced Mobile Broadband. 5G technology will allow users new applications including augmented reality, virtual reality, internet of things, autonomous vehicles and many more. To meet the divergent requirements of different types of services, 5G networks must support segmentation, using emerging technologies such as Network Functions Virtualization and Software Defined Networks, which are considered key components of 5G infrastructures. The various characteristics and complexity that define these networks require flexibility and dynamism, making it essential that they be capable of autonomously determining the optimal configuration of the system with minimal human intervention. This master's thesis proposes a model for predicting possible SLA violations in 5G networks. As part of the proposed model, two artificial neural network architectures are designed and implemented: a recurrent network with an encoder-decoder architecture, and a mixed neural network composed of the union of a convolutional network and a recurrent network. Among the results is the prediction of the throughput of the 5G network for an application in the eMBB segment, considering the performance indicators and the factors that most significantly impact throughput in 5G, and the creation of a service quality prediction system that guarantees compliance with SLAs. | |
| CICESE | |
| 2021 | |
| Tesis de maestría | |
| Español | |
| Ramos García, R. 2021. Predicción del comportamiento de SLA en redes 5G utilizando inteligencia artificial. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 118 pp. | |
| INTELIGENCIA ARTIFICIAL | |
| Aparece en las colecciones: | Tesis - Electrónica y Telecomunicaciones |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| tesis_Rubersy Ramos García_03 dic 2021.pdf | Versión completa de la tesis | 5.89 MB | Adobe PDF | Visualizar/Abrir |