Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19722
Τίτλος: Πρόβλεψη Διαλείψεων Μεγάλης και Μικρής Κλίμακας στις Ασύρματες Επικοινωνίες με τεχνικές Μηχανικής Μάθησης
Συγγραφείς: Θεοχαρόπουλος, Αχιλλεύς
Παναγόπουλος Αθανάσιος
Λέξεις κλειδιά: Ασύρματες επικοινωνίες, Διαλείψεις μικρής και μεγάλης κλίμακας, Πρόβλεψη διαύλου, Μηχανική Μάθηση, Πρόβλεψη χρονοσειρών, DP MIMO, UAV, B5G, XGB, LSTM
Ημερομηνία έκδοσης: 4-Ιου-2025
Περίληψη: Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη εύρωστων συστημάτων για την πρόβλεψη των απωλειών διάδοσης μικρής και μεγάλης κλίμακας, οι οποίες υπεισέρχονται σε ζεύξη μεταξύ αεροπλοίου χαμηλής τροχιάς και επίγειου τερματικού. Υιοθετώντας μια προσέγγιση οδηγούμενη από τα δεδομένα (data driven), τα εν λόγω συστήματα υλοποιούνται από μοντέλα μηχανικής μάθησης, η σχεδίαση των οποίων πραγματοποιείται με ιδιαίτερη έμφαση στην αξιοπιστία των προβλέψεων. Η πρόβλεψη της κατάστασης του ασύρματου διαύλου με υψηλή ακρίβεια και χαμηλή διασπορά σφάλματος επιτρέπει τη δυναμική αξιοποίηση των τηλεπικοινωνιακών πόρων, με τρόπο που να διασφαλίζει αφενός τη βέλτιστη διαχείρισή τους και αφετέρου τη συνδεσιμότητα μεταξύ των δύο άκρων της ζεύξης. Προκειμένου να καταστεί σαφής η πορεία διαχείρισης του προβλήματος, από το άκρο της διατύπωσής του και της συλλογής των δεδομένων, έως και το τελικό άκρο της διανομής του συστήματος πρόβλεψης σε λειτουργική μορφή, παρουσιάζεται κατ’ αρχάς η τυπική ροή σχεδίασης για ένα σύστημα μηχανικής μάθησης. Δίνεται έμφαση στον συλλογισμό με τον οποίο λαμβάνονται οι σχεδιαστικές αποφάσεις που ανακύπτουν, καθώς και στην επαρκή θεωρητική τεκμηρίωση των μεθόδων που εφαρμόζονται. Επιπλέον, αναλύεται με λεπτομέρεια η διαδικασία λήψης μετρήσεων από το πραγματικό περιβάλλον διάδοσης, η οποία στοχεύει στη διαμόρφωση ενός συνόλου δεδομένων κατά το δυνατόν αντιπροσωπευτικού των συνθηκών που θα συναντήσει το σύστημα σε πραγματική λειτουργία. Τα αποτελέσματα της μελέτης καταδεικνύουν ότι τα μοντέλα μηχανικής μάθησης έχουν τη δυνατότητα να επιτύχουν ιδιαίτερα υψηλές επιδόσεις στην πρόβλεψη των απωλειών διάδοσης, τόσο σε όρους μέσου σφάλματος, όσο και διασποράς. Δίνοντας έμφαση στην ανάλυση της διασποράς, διαπιστώνεται ότι οι ακραίες τιμές σφαλμάτων εμφανίζονται αρκετά περιορισμένες, στοιχείο ιδιαίτερα σημαντικό, καθότι είναι αυτές που δυνητικά μπορούν να οδηγήσουν τη ζεύξη σε διακοπή. Το γεγονός, μάλιστα, ότι οι επιδόσεις αυτές καταγράφονται επάνω σε πραγματικά δεδομένα υποδηλώνει την καταρχήν δυνατότητα ενσωμάτωσης των συστημάτων αυτών στην τηλεπικοινωνιακή υποδομή του μέλλοντος.
URI: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19722
Εμφανίζεται στις συλλογές:Διπλωματικές Εργασίες - Theses

Αρχεία σε αυτό το τεκμήριο:
Αρχείο Περιγραφή ΜέγεθοςΜορφότυπος 
thesis_theocharopoulos_final.pdf9.62 MBAdobe PDFΕμφάνιση/Άνοιγμα


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.