Aprendizagem Profunda Aplicada a Comunicações: Classificação de Modulação e Controle de Congestionamento
Aprendizagem Profunda, Aprendizagem Profunda por Reforço, Comunicações, Controle de Congestionamento, Classificação de Modulação
O objetivo deste trabalho é explorar técnicas de Apredizagem Profunda (AP) aplicada à Telecomunicações. AP obtém sucesso comprovado em áreas como Visão Computacional e Detecção de Objetos, torna-se portanto importante investigar a sua aplicação em problemas na área da Comunicação. Sendo assim, dois problemas distintos são examinados, um deles é aplicação de AP juntamente com técnicas de Aprendizado por Reforço (AR) afim de atender requisitos estritos dos sistemas 5G impostos à rede Fronthaul, como parte da arquitetura C-RAN. É realizada a comparação entre métodos de Apredizagem Profunda por Reforço (APR) e métodos tradicionais de Controle de Congestionamento utilizando índices como vazão e latência. Além do controle de congestionamento, AP também é aplicado à Classificação de Modulação (CM), sendo outro problema relevante na área de Comunicações. CM é importante, por exemplo, em Rádios Cognitivos e aplicações militares. Neste trabalho é discutido os benefícios e desvantagens de usar AP como alternativa para MC e revela a sua eficiência em relação a outros métodos de Aprendizado de Máquina.