DCluster: Geospatial Analytics with PoI Identification

Capanema, Cláudio Gustavo S.; Silva, Fabrício A.; Silva, Thais R. M. Braga; Loureiro, Antônio A. F.

doi:10.5753/jidm.2021.1952

Cited by 6 publications

(3 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…We rely on a privacy metric based on data dispersion, i.e., POI, that belong to the data distortion metrics. State-ofthe-art POI metrics are offline [22,19,33,9], they require the whole trace to be computed. Our paper contributes in presenting the first privacy metric based on POI that can be computed online.…”

Section: Online Privacy Measuresmentioning

confidence: 99%

Privacy protection control for mobile apps users

Cerf

Robu²,

Marchand³

et al. 2023

Control Engineering Practice

View full text Add to dashboard Cite

Section: Online Privacy Measuresmentioning

confidence: 99%

Privacy protection control for mobile apps users

Cerf

Robu²,

Marchand³

et al. 2023

Control Engineering Practice

View full text Add to dashboard Cite

“…Existem propostas que utilizam GNNs [Capanema et al, 2022] e aprendizado por reforço para escolher a próxima célula. A modelagem é feita considerando-se uma abstração da O-RAN onde RBSs e UEs são nós do grafo e a qualidade dos enlaces sem-fio é representada pelos pesos dos enlaces do grafo.…”

Section: Near Real Time (Near-rt)unclassified

Gerenciamento e Orquestração de Serviços em O-RAN: Inteligência, Tendências e Desafios

Couto,

Mattos,

Moraes

et al. 2023

Minicursos Do XLI Simpósio Brasileiro De Redes De Computadores E Sistemas Distribuídos

View full text Add to dashboard Cite

As redes de acesso via rádio (Radio Access Networks -RANs) atuais adotam soluções monolíticas que implementam toda a pilha de protocolos das comunicações celulares. Essa abordagem monolítica não favorece a integração de infraestruturas de diferentes fornecedores ou o desenvolvimento de ferramentas de controle e gerenciamento agnósticas às interfaces proprietárias. As redes móveis de próxima geração (Next Generation -NextG) são nativamente baseadas em nuvem e construídas sobre arquiteturas desagregadas com hardware de diversos fabricantes e inteligência incorporada. As interfaces de controle padronizadas permitem a definição de laços de controle fechados que garantem a execução de redes autônomas e auto-otimizadas. A O-RAN Alliance é um consórcio formado por membros da indústria e instituições acadêmicas, que visa prover a arquitetura das redes móveis de próxima geração, em que as operadoras de telecomunicações usam interfaces padronizadas e abertas para controlar infraestruturas de diferentes fornecedores e entregar serviços de alto desempenho para os assinantes. O consórcio propõe uma arquitetura inovadora baseada em dois princípios básicos: (i) as funcionalidades da estação rádio-base (Radio Base Station -RBS) são virtualizadas como funções de rede e divididas em vários nós de rede, unidade central (O-RAN Central Unit -O-CU), unidade distribuída (O-RAN Distributed Unit -O-DU) e unidade de rádio (O-RAN Radio Unit -O-RU); e (ii) a existência de um controlador inteligente da rede de acesso via rádio (RAN Intelligent Controller -RIC), que fornece uma abstração centralizada da rede, permitindo que as operadoras implantem funções personalizadas do plano de controle. O consórcio O-RAN prevê laços de controle fechado operando em diferentes escalas de tempo, dependendo das ações de controle, gerenciamento e orquestração a serem implantadas na rede. O objetivo deste capítulo é apresentar a arquitetura O-RAN, com o foco na inteligência para o gerenciamento e a orquestração de serviços.

show abstract

“…É importante ressaltar que, um dos datasets utilizados contém check-ins de usuários de uma rede social, de modo que cada estabelecimento visitado é considerado como um PoI. Por outro lado, a segunda base de dados utilizada contém trajetórias de GPS de usuários móveis e, dessa forma, foi necessário utilizar o algoritmo de identificação de PoIs descrito em (Capanema et al, 2021a(Capanema et al, , 2019Capanema & Silva, 2021). A componente de camada RNN indica o comportamento recente do usuário, enquanto a componente GNN indica o comportamento global/geral do usuário em termos da sua mobilidade entre PoIs e as suas respectivas categorias.…”

Section: Sistemas De Recomendaçãounclassified

Redes Neurais de Grafos no Contexto das Cidades Inteligentes

Capanema¹,

Silva²,

Loureiro³

2022

Minicursos Do XL Simpósio Brasileiro De Redes De Computadores E Sistemas Distribuídos

View full text Add to dashboard Cite

Graph neural networks, also known as GNNs, have been applied to solve problems in different domains, such as biology, chemistry, physics, natural language processing, computer vision, economics, among others. In particular, this class of neural network has been shown to be effective in modeling problems related to smart cities, such as traffic prediction; urban function classification of elements such as points of interest, roads and regions; forecasting the spread of diseases; autonomous agents; anomaly detection, among other activities. The objective of this chapter is to present the theoretical and practical foundations of graph neural networks in the context of smart cities. For this, the following topics are presented: types of tasks performed, taxonomy of GNNs layers, concepts, commonly used architectures, problems related to smart cities, modeling for the transformation of raw data to the graph structure and GNN structure, in addition to the implementation a model in practice. ResumoRedes neurais de grafos, também conhecidas como Graph Neural Networks (GNNs), têm sido aplicadas para resolver problemas em diferentes domínios, como biologia, química, física, processamento de linguagem natural, visão computacional, economia, dentre outros. Em particular, essa classe de rede neural tem-se mostrado eficaz na modelagem de problemas relacionados às cidades inteligentes, como predição de tráfego; classificação de função urbana de elementos como pontos de interesse, estradas e regiões; previsão de disseminação de doenças; agentes autônomos; detecção de anomalia, dentre outras atividades. O objetivo deste capítulo é apresentar os fundamentos teóricos e práticos das redes neurais de grafos no contexto das cidades inteligentes. Para isto, são apresentados os seguintes tópicos: tipos de tarefas realizadas, taxonomia das camadas GNNs, conceitos, arquiteturas comumente utilizadas, problemas relacionados

show abstract

DCluster: Geospatial Analytics with PoI Identification

Cited by 6 publications

References 7 publications

Privacy protection control for mobile apps users

Privacy protection control for mobile apps users

Gerenciamento e Orquestração de Serviços em O-RAN: Inteligência, Tendências e Desafios

Redes Neurais de Grafos no Contexto das Cidades Inteligentes

Contact Info

Product

Resources

About