Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
3 results
Search Results
Item Модель інтеграції федеративного навчання в мережі мобільного зв’язку п’ятого покоління(Видавництво Львівської політехніки, 2022-03-01) Шубин, Б.; Максимюк, Т.; Яремко, О.; Фабрі, Л.; Мрозек, Д.; Shubyn, B.; Maksymyuk, T.; Yaremko, O.; Fabri, L.; Mrozek, D.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityУ роботі досліджено основні переваги використання федеративного навчання (FL) для обміну досвідом між інтелектуальними пристроями в середовищі мереж мобільного зв’язку п’ятого покоління. Цей підхід дає змогу будувати ефективні алгоритми машинного навчання у випадку використання конфіденційних даних, втрата яких може бути небажаною або навіть небезпечною для користувачів. Отже, для завдань, у яких важлива конфіденційність даних, що необхідні для обробки та аналізу, пропонуємо використовувати підходи FL. У такому випадку вся особиста інформація користувачів буде оброблятися локально на їхніх пристроях. FL забезпечує безпеку конфіденційних даних для абонентів, дає операторам мобільних мереж змогу зменшити кількість надлишкової інформації в радіоканалі та оптимізувати функціонування мобільної мережі. В роботі наведено трирівневу модель інтеграції федеративного навчання в мережу мобільного зв’язку та описано основні особливості цього підходу. Висвітлено також експериментальні дослідження, які демонструють результати використання запропонованого підходу.Item Управління мережами мобільного зв’язку 5G за допомогою використання технологій штучного інтелекту(Видавництво Львівської політехніки, 2021-04-01) Шубин, Б.; Климаш, М.; Масюк, А.; Осташевський, А.; Shubyn, B.; Klymash, M.; Maksymyuk, T.; Ostashevskiy, A.; Національний університет “Львівська політехніка”; Lviv Polytechnik National UniversityСтаття стосується проблеми надмірного навантаження трафіком комірок базових станцій. З метою зменшення впливу цієї проблеми на якість послуг операторів мережі мобільного зв’язку запропоновано використовувати технологію штучного інтелекту (ШІ) для аналізу та прогнозування навантаження у мережі. ШІ чудово підходить для середовищ із безпровідним зв’язком, оскільки в ньому є безліч доступних даних для аналізу та отримання певних шаблонів. В статті запропоновано модель машинного навчання та архітектуру нейронної мережі для прогнозування навантаження на 5G комірки.Item Теорія Кернера та фазові переходи для потоків у телекомунікаційних мережах(Видавництво Львівської політехніки, 2018-02-18) Кайдан, М. В.; Бешлей, М. І.; Максимюк, Т. А.; Стрихалюк, Б. М.; Матвіїв, Р. З.; Kaidan, M.; Beshley, M.; Maksymyuk, T.; Strykhalyuk, B.; Matvyev, R.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityВ роботі розглянуто можливість використання теорії Кернера трьох фаз для телекомунікаційних мереж. Описано принципи функціонування транспортних потоків для фаз вільного, синхронізуючого потоків та фази рухомого кластера у системах масового обслуговування з явними втратами, з очікуванням та у системах з повторними викликами. Також розглянуто теорію Кернера за пріоритетного обслуговування та визначено, що кількість фаз значно зростає. Розглянуто можливість дослідження фазових переходів у телекомунікаційних мережах на основі теорії Ландау. Описано параметр порядку, потенціал та коефіцієнт при квадратному члені для дослідження фазових переходів у мережах.