CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

کاربرد یادگیری عمیق در تحلیل و پیش بینی داده های سنجش بهره وری شبکه های مخابرات سیار

عنوان مقاله: کاربرد یادگیری عمیق در تحلیل و پیش بینی داده های سنجش بهره وری شبکه های مخابرات سیار
شناسه ملی مقاله: IPRIA03_040
منتشر شده در سومین کنفرانس بین المللی بازشناسی الگو و تحلیل تصویر ایران در سال 1396
مشخصات نویسندگان مقاله:

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

خلاصه 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.

کلمات کلیدی:
تحلیل بهره وری ، رگرسیون ، سری های زمانی ، مخابرات سیار ، یادگیری عمیق

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/638491/