Assas Recherche | Apprentissage automatique appliqué à l’identification du comportement des utilisateurs de réseaux mobiles 5G et au-delà : classification de l’environnement et de l’application

Apprentissage automatique appliqué à l’identification du comportement des utilisateurs de réseaux mobiles 5G et au-delà : classification de l’environnement et de l’application (Document en Anglais)

Accès au(x) document(s)

Accéder au(x) document(s) :

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :

Thèse consultable sur internet, en texte intégral.

Informations sur les contributeurs

Auteur : Hamidèche Sid Ali

Hamidèche, Sid Ali

Nom

Hamidèche

Prénom

Sid Ali

Nationalité

Date de soutenance : 17-12-2024

Directeur(s) de thèse : Viho César

Viho, César

Nom

Viho

Prénom

César

- Alberi-Morel Marie-Line

Alberi-Morel, Marie-Line

Nom

Alberi-Morel

Prénom

Marie-Line

- Singh Kamal Deep

Singh, Kamal Deep

Nom

Singh

Prénom

Kamal Deep

Etablissement de soutenance : Université de Rennes (2023-....)

Université de Rennes (2023-....)

Nom

Université de Rennes (2023-....)

Laboratoire : Institut de recherche en informatique et systèmes aléatoires (Rennes)

Institut de recherche en informatique et systèmes aléatoires (Rennes)

Nom

Institut de recherche en informatique et systèmes aléatoires (Rennes)

- ERMINE

ERMINE

Nom

ERMINE

Ecole doctorale : MATISSE

MATISSE

Nom

MATISSE

Informations générales

Discipline : Informatique
Classification : Informatique

Mots-clés libres : Apprentissage automatique, Apprentissage profond, IA, 5G 6G, Réseaux mobiles, RAN, Apprentissage des représentations, Contexte d’utilisation, Classification de l’environnement, Classification des applications
Mots-clés :

Apprentissage profond
5G (téléphonie mobile)
6G (téléphonie mobile)
Intelligence artificielle

Résumé : Les futurs réseaux mobiles, 5G et au-delà, sont confrontés à des défis importants pour répondre aux demandes croissantes de services plus rapides, plus fiables et plus innovants. Pour y faire face, les technologies d'intelligence artificielle (IA) peuvent être utilisées pour optimiser les performances du réseau en fonction des besoins et du comportement des utilisateurs. Notre travail présente une méthode pour comprendre le comportement des utilisateurs dans les réseaux mobiles, en mettant l'accent sur l'identification de l'environnement de l'utilisateur et du type d'application. Nous utilisons des modèles d'apprentissage profond pour analyser les mesures radio et le trafic réseau.Nous avons également exploré la combinaison d'informations a priori avec des modèles d'apprentissage automatique pour améliorer les performances, en utilisant une approche d'optimisation du comportement de l'utilisateur (UBO). De plus, nous avons démontré le potentiel de l'apprentissage de représentation et de l'apprentissage fédéré dans les réseaux mobiles, qui peuvent préserver les ressources de bande passante et atténuer les préoccupations concernant la centralisation des données.

Informations techniques

Type de contenu : Text
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2024URENS103
Type de ressource : Thèse