Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/52937

Compartilhe esta página

Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorBALIEIRO, Andson Marreiros-
dc.contributor.authorSANTOS, José Raphael Danillo dos-
dc.date.accessioned2023-10-16T12:23:52Z-
dc.date.available2023-10-16T12:23:52Z-
dc.date.issued2023-09-26-
dc.date.submitted2023-10-04-
dc.identifier.citationSANTOS, José Raphael Danillo dos. Soluções baseadas em GMDH e árvore de decisão para o problema de CQI desatualizado em redes 5G. 2023. Trabalho de Conclusão de Curso Engenharia da Computação – Universidade Federal de Pernambuco, Recife, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/52937-
dc.description.abstractAs Redes 5G proporcionam melhor qualidade de conexão e transferência de dados se comparado à geração anterior, o 4G, oferecendo consumo energético de forma eficiente e com maior área de cobertura em regiões desfavoráveis. Mas para manter essa qualidade, a estação base 5G utiliza da Modulação e Codificação Adaptativa (AMC) para definir os esquemas de codificação e modulação a serem empregados na transmissão do canal, sendo que esses esquemas são mapeados pelo Indicador de Qualidade do Canal (CQI), o qual retrata a condição do canal de downlink para ajudar na tomada de decisão da estação base sobre qual esquema aplicar. O problema do CQI desatualizado em redes 5G ocorre quando o valor reportado pelo dispositivo do usuário já não expressa mais a condição do canal no momento em que a estação base o utiliza para a tomada de decisão e isso pode causar degradação na comunicação com o usuário. Este trabalho faz a avaliação de desempenho da comunicação do usuário, em termos de métricas como throughput, quando GMDH e Árvore de Decisão são empregadas para resolver este problema, estimando a qualidade do canal atualizada e comparando os respectivos resultados desses modelos. Esses resultados indicam uma taxa de acerto do CQI de 55.9% para GMDH e 54% para Árvore de Decisão, sendo o primeiro modelo a apresentar menor frequência de erro e desvio médio do CQI em relação ao segundo.pt_BR
dc.format.extent78p.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectredes 5Gpt_BR
dc.subjectmachine learningpt_BR
dc.subjectCQIpt_BR
dc.subjectGMDHpt_BR
dc.subjectárvore de decisãopt_BR
dc.titleSoluções baseadas em GMDH e árvore de decisão para o problema de CQI desatualizado em redes 5Gpt_BR
dc.typebachelorThesispt_BR
dc.degree.levelGraduacaopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/9825617657358787pt_BR
dc.description.abstractx5G Networks provide better quality of connection and data transfer compared to the previous generation, 4G, providing efficient energy consumption and a greater coverage area in unfavorable regions. But to maintain this quality, the 5G base station uses Adaptive Modulation and Coding (AMC) to define the commitment and modulation schemes to be used in channel transmission, and these schemes are mapped by the Channel Quality Indicator (CQI), which depicts the condition of the downlink channel to help the base station make a decision based on which scheme to apply. The outdated Channel Quality Indicator (CQI) problem in 5G networks occurs when the value reported by the user device no longer expresses the condition of the channel at the time the base station uses it for decision making, and this can cause failure to communicate with the user. This work evaluates the performance of user communication, in terms of metrics such as throughput, when GMDH and Decision Tree are used to solve this problem, estimating the quality of the updated channel and comparing the respective results of these models. These results indicate a CQI success rate of 55.9% for GMDH and 54% for Decision Tree, being the first model to present a lower error frequency and CQI average deviation in relation to the second.pt_BR
dc.subject.cnpqÁreas::Ciências Exatas e da Terra::Ciência da Computaçãopt_BR
dc.degree.departament::(CIN-DCC) - Departamento de Ciência da Computaçãopt_BR
dc.degree.graduation::CIn-Curso de Engenharia da Computaçãopt_BR
dc.degree.grantorUniversidade Federal de Pernambucopt_BR
dc.degree.localRecifept_BR
Aparece nas coleções:(TCC) - Engenharia da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC José Raphael Danillo dos Santos.pdf13,16 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons