کاربرد یادگیری عمیق در تحلیل و پیش بینی داده های سنجش بهره وری شبکه های مخابرات سیار
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,068
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IPRIA03_040
تاریخ نمایه سازی: 13 شهریور 1396
چکیده مقاله:
یادگیری عمیق یکی از شاخه های مهم در یادگیری ما شین و هوش م صنوعی ا ست و ن شان داده ا ست که توانایی بالایی در استخراجالگوها از داده ها دارد . یکی از کاربردهای آن می تواند در شبکه های مخابراتی باشد که داده های بسیاری از سنسورها و منابع مختلف جمع آوریمی گردند که می تواند از طریق الگوریتم های یادگیری عمیق تحت تحلیل و پیش بینی قرار گرفته و اطلاعات باارز شی را از داده ها بد ست آورد.از طرفی شرکت های مخابراتی ایرانی در سالهای گذشته هزینه بسیار بالایی برای ارتقای شبکه های مبایل خود انجام داده اند و این موضوع نیازبه هوش م صنوعی برای تحلیل داده های ب سیار حجیم شبکه های مبایل و و ضعیت آنها را اجتناب ناپذیر کرده ا ست . تلاش برای تحلیل و پیشبینی ر شد درآمد و کیفیت سرویس و هزینه های تجهیزات برای این شرکتها امری ضرروی ا ست ، با این وجود تاکنون کمتر به کاربرد یادگیریما شین در مخابرات پرداخته شده ا ست لذا در این مقاله تلاش شده با ا ستفاده از الگوریتم های بر مبنای رگر سیون و ا ستخراج الگوها از داده هااطلاعات مهمی را برای شرکت های مخابراتی بدست آورد تا در پیش بینی و تصمیم گیری مورد استفاده قرار گیرد.
کلیدواژه ها:
نویسندگان
حسین بهرامی
دانشجویی کارشناسی ارشد هوش مصنوعی ، دانشکده برق و کامپیوتر دانشگاه آزاد اسلامی قزوین
کریم فایز
استاد دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر ، تهران