Notícias

Banca de QUALIFICAÇÃO: INGRID ARIEL SILVA NASCIMENTO

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: INGRID ARIEL SILVA NASCIMENTO
DATA: 01/07/2022
HORA: 09:00
LOCAL: Google Meet
TÍTULO:
Aprendizagem por Reforço Profunda aplicada a Escalonamento e Alocação de
Recursos em Redes 5G/6G

PALAVRAS-CHAVES:
Alocação de recursos de rádio, redes 5G, aprendizado por reforço, redes móveis.

PÁGINAS: 50
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:
Casos de uso em redes 5G apresentam alguns desafios, tais como: número
massivo de conexões, geração de grande quantidade de dados e uma grande variedade de serviços e
dispositivos. Neste sentido, a Inteligência Artificial (IA) tem sido grandemente explorada a fim de trazer
soluções para estes desafios e para gerir de maneira eficiente todos os recursos em cenários dinâmicos de
aplicações 5G. O aprendizado por reforço (AR) é uma ferramenta importante para o Escalonamento de
Recursos de Rádio (ERR), pois tem sido frequentemente investigada em tarefas de escalonamento devido a
sua fácil adaptação a cenários dinâmicos. A aplicação de AR é promissora devido a dificuldade apresentada
por escalonadores convencionais a atender requisitos específicos de aplicações 5G considerando suas
figuras de mérito fixas que não se adaptam facilmente a diversas condições de canais, demandas das
operadoras de rede e a padrões de tráfego não-estacionários. Apesar de AR ser grandemente investigada
atualmente, as simulações são bastante artificiais. Por exemplo, muitos trabalhos recentes em tarefas de
escalonamento baseado em AR, apresentam um número constante de usuários em seus experimentos, o
que não caracteriza cenários de redes móveis realistas. Portanto, o objetivo desta tese é investigar
algoritmos realistas utilizando escalonadores baseados em AR para tarefas de ERR. Uma contribuição a ser
buscada é a definição de metodologia consistente para desenvolvimento e análise de escalonadores
baseados em AR. Além disso, esta proposta de tese inclui uma análise profunda de ambientes com um
número variável de usuários ativos. Ademais, serão discutidos os resultados preliminares que avaliam o
impacto de diferentes arquiteturas de redes neurais no desempenho do agente de AR, assim como a
constituição de cenário com um número variável de usuários ativos

MEMBROS DA BANCA:
Presidente - 1176325 - ALDEBARO BARRETO DA ROCHA KLAUTAU JUNIOR
Externo à Instituição - DIEGO DE AZEVEDO GOMES
Interno - 3439716 - DIEGO LISBOA CARDOSO
Externo à Instituição - KLEBER VIEIRA CARDOSO
Interno - 1035023 - LEONARDO LIRA RAMALHO
Notícia cadastrada em: 22/06/2022 10:27
SIGAA | Centro de Tecnologia da Informação e Comunicação (CTIC) - | Copyright © 2006-2022 - UFPA - jatoba.ufpa.br.jatoba1