Use este identificador para citar ou linkar para este item:
https://repositorio.ufpa.br/jspui/handle/2011/16727
Tipo: | Dissertação |
Data do documento: | 10-Mar-2023 |
Autor(es): | BASTOS, Felipe Henrique Bastos e |
Primeiro(a) Orientador(a): | KLAUTAU JÚNIOR, Aldebaro Barreto da Rocha |
Título: | A Modular framework for AI/ML applied to B5G V2X networks co-simulations |
Agência de fomento: | CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico |
Citar como: | BASTOS, Felipe Henrique Bastos e. A Modular framework for AI/ML applied to B5G V2X networks co-simulations. Orientador: Aldebaro Barreto da Rocha Klautau Júnior. 2023. 59 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2023. Disponível em: https://repositorio.ufpa.br/jspui/handle/2011/16727. Acesso em:. |
Resumo: | O uso de inteligência artificial é um recurso chave para as novas gerações de comunicações móveis, já que com a evolução das gerações os sistemas vem ficando cada vez mais complexos para conectar cada vez mais usuários com taxas mais altas de transmissão, porém isto normalmente requer grandes bancos de dados para o treinamento de modelos inteligência artificial de alta qualidade. Devido aos custos para coletar medições reais, especialmente em cenários veiculares e aéreos, esta dissertação propõe uma metodologia modular onde é possível combinar diferentes simuladores para produzir banco de dados realistas para V2X e comunicações aéreas celulares. A metodologia também traz a possibilidade de treinar modelos de inteligência artificial integrados com as simulações. Além disso, este trabalho detalha análises para o uso de CPU e para o tempo de simulação em diferentes cenários, os resultados de um caso de uso mostrando os dados que podem ser extraídos das combinações dos simuladores utilizados também é discutido, mostrando que o com o uso de técnicas de computação paralela o tempo necessário para executar as simulações pode ser reduzido em aproximadamente cinco vezes. |
Abstract: | The use of AI/Ml is a key feature for the new generations of mobile communications as the actual generations are becoming more complex in order to provide a faster connection for a large number of users, but in general, it requires large datasets in order to produce high-quality AI/ML models. Due to the costs of collecting real measurements, especially in vehicular and aerial scenarios, this dissertation proposes a modular methodology that enables the combination of different simulators in order to produce realistic datasets for V2X and aerial cellular communications. The methodology also brings the possibility to train AI/ML models in-loop with the simulations. Furthermore, this dissertation details benchmarks for CPU and simulation time in different simulation scenarios and also the results of a use case showing the data that can be extracted from the combinations of the used simulators, where it is possible to observe that the use of parallel computing can reduce the simulation time by approximately five times. |
Palavras-chave: | 5G - quinta geração de tecnologia de telecomunicações móveis V2X - veículo-para-tudo UAV - veículo aéreo não tripulado IA/ML inteligência artificial/aprendizado de máquina 5G fifth-generation of mobile telecommunications technology UAV unmanned aerial vehicle, V2X vehicle-to-everything AI/ML artificial intelligence/machine learning |
Área de Concentração: | COMPUTAÇÃO APLICADA |
Linha de Pesquisa: | INTELIGÊNCIA COMPUTACIONAL |
CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES |
País: | Brasil |
Instituição: | Universidade Federal do Pará |
Sigla da Instituição: | UFPA |
Instituto: | Instituto de Tecnologia |
Programa: | Programa de Pós-Graduação em Engenharia Elétrica |
Tipo de Acesso: | Acesso Aberto Attribution-NonCommercial-NoDerivs 3.0 Brazil |
Fonte URI: | Disponível na internet via correio eletrônico: bibliotecaitec@ufpa.br |
Aparece nas coleções: | Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertacao_ModularFrameworkApplied.pdf | 6,07 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciado sob uma Licença Creative Commons