5G Slicing and Handover Scenarios: Compulsoriness and Machine Learning

Luntovskyy, Andriy; Shubyn, Bohdan; Maksymyuk, Taras; Klymash, Mykhailo

doi:10.1007/978-3-030-76343-5_12

Cited by 10 publications

(2 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Управління хендовером [5]. На основі інформації другого рівня (а саме моделі трафіку абонента) і знаючи, де спостерігається перевантаження та недовантаження стільникового зв'язку, пропонуємо використовувати нейронну мережу, яка регулюватиме зсуви MLB і MRO, щоб ефективно здійснити передавання абонента із меж однієї базової станції до іншої без втрати зв'язку.…”

Section: рис 2 ші на рівні пристроюunclassified

Модель Інтеграції Федеративного Навчання В Мережі Мобільного Зв’язку 5-Го Покоління

Шубин¹,

Maksymyuk²,

Яремко³

et al. 2022

ICTEE

Self Cite

View full text Add to dashboard Cite

This paper investigates the main advantages of using Federated Learning (FL) for sharing experiences between intelligent devices in the environment of 5th generation mobile communication networks. This approach makes it possible to build effective machine learning algorithms using confidential data, the loss of which may be undesirable or even dangerous for users. Therefore, for the tasks where the confidentiality of the data is required for processing and analysis, we suggest using Federated Learning (FL) approaches. In this case, all users' personal information will be processed locally on their devices. FL ensures the security of confidential data for subscribers, allows mobile network operators to reduce the amount of redundant information in the radio channel, and also allows optimizing the functioning of the mobile network. The paper presents a three-level model of integration of Federated Learning into the mobile network and describes the main features of this approach, as well as experimental studies that demonstrate the results of the proposed approach.

show abstract

Section: рис 2 ші на рівні пристроюunclassified

Модель Інтеграції Федеративного Навчання В Мережі Мобільного Зв’язку 5-Го Покоління

Шубин¹,

Maksymyuk²,

Яремко³

et al. 2022

ICTEE

Self Cite

View full text Add to dashboard Cite

show abstract

“…Одной из основных тенденций применения цифровых технологий является создание распределенных систем, осуществляющих управление различными прикладными процессами на основе сбора, обработки и анализа данных, полученных от многочисленных маломощных сенсорных приемо-передающих устройств. Подобные системы функционируют в рамках концепций «Интернета вещей» (Internet of Things, IoT), «умного города», «точного сельского хозяйства» Haque et al, 2020;Luntovskyy et al, 2021; и предполагают беспроводное подключение оконечных узлов-датчиков, суммарное количество которых по оценкам специалистов в текущем году достигнет 25 млрд.…”

unclassified

Модель Доставки Сообщения В Сенсорной Сети С Низким Энергопотреблением

Ясир,

Польщиков,

Федоров

2023

ЭИ

View full text Add to dashboard Cite

Статья посвящена разработке математической модели доставки сообщения в сенсорной сети с низким энергопотреблением. Обоснована актуальность исследования процессов функционирования беспроводных сетей для сбора данных, передаваемых многочисленными узлами-датчиками, а также необходимость создания теоретически обоснованных средств снижения энергопотребления конечными приемо-передающими устройствами. На основе применения математического аппарата вероятностных графов получены аналитические выражения, позволяющие оценить вероятность доставки сообщения в сенсорной сети и среднее число кадров, которое потребуется для этого передать. Представлены результаты вычислительных экспериментов, проведенных с использованием разработанной модели. Получены количественные данные, показывающие, что повышение допустимого числа повторных передач дает возможность увеличить вероятность доставки сообщений в сенсорной сети, но при этом требуется передача большего числа кадров, что приводит к нежелательному росту энергопотребления конечных узлов.

show abstract

Energy Efficient IoT

Luntovskyy¹,

Gütter²

2022

Highly-Distributed Systems

View full text Add to dashboard Cite

5G Slicing and Handover Scenarios: Compulsoriness and Machine Learning

Cited by 10 publications

References 12 publications

Модель Інтеграції Федеративного Навчання В Мережі Мобільного Зв’язку 5-Го Покоління

Модель Інтеграції Федеративного Навчання В Мережі Мобільного Зв’язку 5-Го Покоління

Модель Доставки Сообщения В Сенсорной Сети С Низким Энергопотреблением

Energy Efficient IoT

Contact Info

Product

Resources

About