Algoritmi raslojavanja mreže 5G temeljeni na strojnom učenju

diplomski rad

• Naslov (engleski): 5G network slicing algorithms based on machine learning
• Autor: Hrvoje Grabovac
• Mentor: Željko Ilić (mentor)
• Član povjerenstva: Željko Ilić (predsjednik povjerenstva)
• Član povjerenstva: Gordan Šišul (član povjerenstva)
• Član povjerenstva: Adrian Satja Kurdija (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-06-28, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Tradicionalne mreže sada dosežu svoje granice. Povećanje propusnosti i broja korisnika ne može se zadovoljiti jednostavnom evolucijom hardvera. Način upravljanja mrežom također treba evoluirati. Uvođenje SDN-a i NFV-a započelo je ovu evoluciju. Ove dvije paradigme omogućuju programibilnu mrežu i apstrakciju resursa, čime se dopušta automatsko upravljanje i puno veća kontrola prometa i resursa. 5G dodatno povećava potrebu za evolucijom i inovacijama u upravljanju mrežom. Uvodi snažna ograničenja za kašnjenje, mobilnost, propusnost, energetsku učinkovitost, sigurnost i prije svega QoS. Infrastruktura mobilnih mreža također se razvija, ali to mora biti povezano s promjenom pristupa upravljanju mrežom. Velika heterogenost slučajeva korištenja i njihovih zahtjeva dovela je do uvođenja mrežnog raslojavanja. Ova nova paradigma uključuje podjelu fizičke mreže na više neovisnih virtualnih mreža, od kojih svaka pruža specifičnu uslugu kako bi zadovoljila preciznim zahtjevima. Naravno, sa novom paradigmom dolaze i novi algoritmi koji zahtijevaju daljnje razvijanje.

Sažetak (engleski)

Traditional networks are now reaching their limits. The increase in throughput and in the number of users cannot be satisfied with a simple hardware evolution. The management of networks also needs to evolve. The introduction of SDN and NFV started this evolution. These two paradigms enable a programmable network and an abstraction of resources, thus allowing an automatic management and a much greater control of traffic and resources. 5G further increases the need for evolution and for innovation in network management. It introduces strong constraints on latency, mobility, throughput, energy efficiency, security, and above all QoS. The infrastructure of mobile networks is also evolving, but this must be coupled with a change in the network management approach. The great heterogeneity of use cases and of their requirements led to the introduction of network slicing. This new paradigm involves the partitioning of the physical network into multiple independent virtual networks, each of which provides a specific service to meet precise requirements. Of course, with the new paradigm come new algorithms that require further development.

• Ključne riječi: mrežno raslojavanje; 5G; strojno učenje; duboko učenje; kvaliteta usluge
• Ključne riječi (engleski): network slicing; 5G; machine learning; deep learning; Quality of Services
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:837832
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 14:59:23