Search In this Thesis
   Search In this Thesis  
العنوان
Infrastructure awareness in 5G heterogeneous networks using machine learning /
المؤلف
El-Serwy, Aya Ahmed Abd El-Fatah Saber.
هيئة الاعداد
باحث / آيه أحمد عبدالفتاح صابر السروي
مشرف / محمد عبدالعظيم محمد
مشرف / ايمان محمود عبدالحليم
مناقش / راوية يحيي رزق
مناقش / شريف السيد كشك
الموضوع
Machine learning. 5G heterogeneous networks. Communications engineering.
تاريخ النشر
2022.
عدد الصفحات
online resource (94 pages) :
اللغة
الإنجليزية
الدرجة
ماجستير
التخصص
الهندسة الكهربائية والالكترونية
تاريخ الإجازة
1/1/2022
مكان الإجازة
جامعة المنصورة - كلية الهندسة - هندسة الالكترونيات والاتصالات
الفهرس
Only 14 pages are availabe for public view

from 94

from 94

Abstract

ان دمج تعلم الالة مع الشبكات القابلة للبرمجة يمكن ان يحقق نتائج جيدة في العديد من المجالات كالتعرف على الهجمات التي ممكن تتعرض لها الشبكة، ازدحام التدفق في الشبكة، التحكم وادارة الشبكة بكفاءة عالية، واخيراً تقسيم الشبكة الي شرائح والذي من خلاله يمكن تقديم خدمة مخصصة لتطبيق محدد علي نفس البنية التحتية. ويتفوق تعلم الالة عند استخدامه في تقسيم الشبكة الي شرائح مختلقة علي الطرق التفليدية التي تقدم جودة الخدمة في سهولة استخدامه وقدرته علي تقديم مميزات متقدمة في هذه الرسالة تم تقديم نموذج يقوم بعمل تقسيم التدفق في الشبكة الي شرائح لكل شريحة خصائص وصفات مستقلة عن الاخري ولان النموذج يعتمد بشكل اساسي على التعلم الالي الخاضع لإلشراف، تم تطوير هذا النموذج وعمل نموذج يقوم بتصنيف التدفق داخل الشبكة القابلة للبرمجة، هذان النموذجان يمكنهم ان يقدما حلولا لمسؤولي الشبكات يمكن استخدامها لجعل الشبكة أكثر ذكاء، وسهلة التحكم وهذا يرجع الي قابلية الشبكة للبرمجة والتحكم بها من خلال تطبيقات برمجية مختلفة والتي سوف تحل محل الشبكات التقليدية. لكي يتم تدريب النموذجين تم استخدام نوعين من البيانات، الاول بيانات من شبكة حقيقية ولكنها كانت مناسبة لاستخدام نظراً لان كلا الشبكتين يعتمدان على IP/TCP ،اما النموذج الثاني فقمنا بتوليد بيانات من شبكة تحاكي شبكة بسيطة قابلة للبرمجة، تكمن قوة النموذجين في انه يمكن استخدامهما في شبكات واقعية كما ان النموذج الثاني قابل لاعادة التدريب خلال فترات مختلفة.