Navegando por Assunto "Vehicular networks"

Agora exibindo 1 - 2 de 2

Acesso aberto (Open Access)
Entropy-based client selection strategy for federated learning over vehicular network environment
(Universidade Federal do Pará, 2024-08-13) SOUSA, John Lucas Rodrigues Portilho de; ROSÁRIO, Denis Lima do; http://lattes.cnpq.br/8273198217435163; https://orcid.org/0000-0003-1119-2450; CERQUEIRA, Eduardo Coelho; http://lattes.cnpq.br/1028151705135221; https://orcid.org/0000-0003-2162-6523
Aprendizado Federado (FL) surge como uma soluçao promissora para possibilitar o treinamento colaborativo de modelos para veículos autônomos, preservando a privacidade e abordando questões de sobrecarga de comunicaçao. A seleçao eficiente de clientes para participar do processo de treinamento permanece desafiadora, especialmente em cenários com heterogeneidade estatística da distribuição de dados e eventos de falha de clientes. A falha de clientes, um evento incontrolável durante o treinamento, reduz a precisão, a convergência e a velocidade. Esta dissertação de mestrado introduz mecanismos de seleção de clientes baseados em entropia para FL em ambientes de Redes Veiculares com falha de clientes e distribuições de dados não-IID. O método proposto é comparado a um mecanismo de seleção aleatória em cenários tanto IID quanto não-IID, bem como em cenários com quedas aleatórias de clientes. Os resultados demonstram que a seleção baseada em entropia supera outros métodos em relação à perda de treinamento, precisão e Area Sob a Curva ROC, especialmente em cenários com alta taxa de desistência de ´ clientes e dados não-IID. Esses achados destacam a importância de considerar dados de entropia para a seleção de clientes para abordar os desafios impostos pela falha de clientes e pela heterogeneidade estatística no FL sobre Redes Veiculares.
Acesso aberto (Open Access)
Mobility and cloud management in wireless heterogeneous 5g networks
(Universidade Federal do Pará, 2020-06-30) PACHECO, Lucas de Sousa; ROSÁRIO, Denis Lima do; http://lattes.cnpq.br/8273198217435163; HTTPS://ORCID.ORG/0000-0003-1119-2450; CERQUEIRA, Eduardo Coelho; http://lattes.cnpq.br/1028151705135221; https://orcid.org/0000-0003-2162-6523
O ramo de gerência de mobilidade de redes é responsável pelos protocolos e ações tomadas pela rede para garantir continuidade dos serviçoos consumidos por usuários móveis. Nesta dissertação é analisado como as redes de próxima geração abrirão caminho para a distribuição de vídeo em redes veiculares (VANETs), compostas por uma infraestrutura heterogênea ultradensa, unindo tecnologias de comunicação sem fio existentes para obter maior eficiência espectral. E apresentado um algoritmo de handover chamado HoVe. Baseado em vários critérios para distribuição de vídeo em VANETs 5G ultradensas. Resultados de simulação mostram a eficiência do HoVe em fornecer vídeos com qualidade 19% superior a algoritmos do estado-da-arte, melhorando a taxa de entrega de pacotes em pelo menos 30%. Este trabalho estuda um caso particular de VANETs que se beneficia da computação na borda da rede, o caso de Veículos Autonômos Conectados, ou CAVs. A computação de borda e em névoa são soluções emergentes para processamento remoto de dados para veículos autônomos. Este trabalho propõee o algoritmo MOSAIC para migração de serviço e gerenciamento de recursos para comunicação entre camadas e entre camadas na computação de borda e em névoa. Resultados da simulação mostram a eficiência do algoritmo proposto com melhor desempenho de ate 50% em termos de latência e cinco vezes menos falhas de migração.