HEAL DSpace

Βέλτιστη διαχείριση των πόρων του σταθμού βάσης σε ασύρματα δίκτυα επόμενης γενιάς με χρήση τεχνικών πρόβλεψης.

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.advisor Θεολόγου, Μιχαήλ el
dc.contributor.author Οικονομάκου, Μαρία Γ. el
dc.contributor.author Oikonomakou, Maria G. en
dc.date.accessioned 2014-05-12T08:45:51Z
dc.date.available 2014-05-12T08:45:51Z
dc.date.copyright 2014-01-13 -
dc.date.issued 2014-05-12
dc.date.submitted 2014-01-13 -
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/38482
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.7964
dc.description 127 σ. el
dc.description.abstract Η χρησιμοποίηση των ασύρματων δικτύων επόμενης γενιάς, που υπόσχονται παροχή υπηρεσιών «πάντα, παντού και με κάθε τρόπο» με οπισθόφορη συμβατότητα με τα υπάρχοντα συστήματα, αναμένεται να προκαλέσει μεγάλη αύξηση στην κίνηση του δικτύου. Για την υποστήριξη αυτής της αυξημένης κίνησης και την παροχή υπηρεσιών με τη βέλτιστη ποιότητα, μπορούν να γίνουν παρεμβάσεις στο οπισθοζευκτικό δίκτυο. Σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη της βέλτιστης διαχείρισης των πόρων στο οπισθοζευκτικό δίκτυο για ένα σταθμό βάσης χρησιμοποιώντας ένα τεχνητό νευρωνικό δίκτυο για την πρόβλεψη του εύρος ζώνης κάτω ζεύξης που θα κληθεί ο σταθμός βάσης να προσφέρει. Το εργαλείο βελτιστοποίησης που χρησιμοποιήθηκε για το τεχνητό νευρωνικό δίκτυο ήταν ο μαθηματικός ευρυστικός αλγόριθμος της Differential Evolution (DE). el
dc.description.abstract The employment of next generation wireless networks, that promise rendering of services “always, everywhere and in every possible way” along with backward compatibility to the existing infrastructure, is expected to trigger a large raise on the network traffic. In order to support this increased traffic with the best quality of service, there are options that can be followed as far as the backhaul network is concerned. The aim of the present diploma thesis is to examine the best resource management at the backhaul network for a base station by the use of an artificial neural network to forecast the downlink throughput the base station will need to offer. The optimization tool that was picked for the artificial neural network was the mathematical heuristic algorithm of Differential Evolution. en
dc.description.statementofresponsibility Μαρία, Γ. Οικονομάκου el
dc.language.iso el en
dc.rights ETDRestricted-policy.xml en
dc.subject Διαχείριση πόρων el
dc.subject Τεχνητά νευρωνικά δίκτυα el
dc.subject Διαφορική Εξέλιξη el
dc.subject Οπισθοζευκτικό δίκτυο el
dc.subject Ποιότητα υπηρεσίας el
dc.subject 4G en
dc.subject Resource Management en
dc.subject Artificial Neural Networks en
dc.subject Differential Evolution en
dc.subject Βackhaul network en
dc.subject Quality of Service en
dc.title Βέλτιστη διαχείριση των πόρων του σταθμού βάσης σε ασύρματα δίκτυα επόμενης γενιάς με χρήση τεχνικών πρόβλεψης. el
dc.title.alternative Optimized resource management at the base station for next generation wireless networks, using forecasting techniques en
dc.type bachelorThesis el (en)
dc.date.accepted 2014-01-10 -
dc.date.modified 2014-01-13 -
dc.contributor.advisorcommitteemember Συκάς, Ευστάθιος el
dc.contributor.advisorcommitteemember Στασινόπουλος, Γεώργιος el
dc.contributor.committeemember Θεολόγου, Μιχαήλ el
dc.contributor.committeemember Συκάς, Ευστάθιος el
dc.contributor.committeemember Στασινόπουλος, Γεώργιος el
dc.contributor.department Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής & Συστημάτων Πληροφορικής. Εργαστήριο Δικτύων Κινητών & Προσωπικών Επικοινωνιών el
dc.date.recordmanipulation.recordcreated 2014-05-12 -
dc.date.recordmanipulation.recordmodified 2014-05-12 -


Αρχεία σε αυτό το τεκμήριο

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής