Вісники та науково-технічні збірники, журнали

Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12

Browse

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    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 University
    У 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.
  • Thumbnail Image
    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 University
    Стаття 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.