Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.unach.edu.ec/handle/51000/9942Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.advisor | Tello Oquendo, Luis Patricio | - |
| dc.contributor.author | Casanova Rivera, Hugo Fernando | - |
| dc.date.accessioned | 2022-11-25T20:26:26Z | - |
| dc.date.available | 2022-11-25T20:26:26Z | - |
| dc.date.issued | 2022-11-25 | - |
| dc.identifier.other | UNACH- FI-IETEL | - |
| dc.identifier.uri | http://dspace.unach.edu.ec/handle/51000/9942 | - |
| dc.description | The present research work aimed to design “A DYNAMIC EFFICIENT MECHANISM IN ORDER TO REPORT DATA UPDATES GENERATION IN CELLULAR IOT COMMUNICATIONS” using reinforcement learning to optimize the age of performance metric information. A scientific methodology was applied, the same has allowed us to apply techniques such as Bellman's algorithm to fulfill with the control of the age of information and thus optimize the IoT network communication and guarantee on-time delivery information. The development was carried out in MATLAB mathematical software. Three scenarios have been studied to evaluate the maximum traffic load supported by the network; in each of them, the mechanism was designed, so that, the control proportional system directly to the AoI by keeping the reliability level, in terms of successful access probability ratio, greater than 97%. The results were tested using Neural Fitting for predicted value and the alternative hypothesis were accepted through statistical processes control. It is recommended continuing testing and modeling data networks using machine learning technology for greater accuracy future predictions. | es_ES |
| dc.description.abstract | El objetivo de este estudio fue diseñar un mecanismo dinámico para la generación de actualizaciones en comunicaciones celulares IoT utilizando aprendizaje reforzado para optimizar la métrica de la edad de la información. Se aplicó una metodología científica que nos permitió aplicar técnicas como el algoritmo de Bellman para cumplir con el control de la era de la información y así optimizar la comunicación de la red IoT y garantizar la entrega de la información a tiempo. El desarrollo se realizó en el software matemático MATLAB. Estudiamos tres escenarios para evaluar la carga máxima de tráfico soportada por la red; en cada uno de ellos, diseñamos el mecanismo para que la etapa de control sea directamente proporcional al AoI manteniendo el nivel de confiabilidad, en términos de probabilidad de acceso exitoso, superior al 97%. Los resultados fueron probados usando Neural Fitting para la predicción de valores, y la hipótesis alternativa fue aceptada a través de procesos estadísticos. Se recomienda continuar probando y modelando redes IoT utilizando tecnología de aprendizaje automático para una mayor precisión en estudios futuros | es_ES |
| dc.description.sponsorship | UNACH, Ecuador | es_ES |
| dc.format.extent | 73 páginas | es_ES |
| dc.language.iso | spa | es_ES |
| dc.publisher | Riobamba, Universidad Nacional de Chimborazo | es_ES |
| dc.rights | openAccess | es_ES |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/ec/ | es_ES |
| dc.subject | ACTUALIZACIONES | es_ES |
| dc.subject | APRENDIZAJE REFORZARDO | es_ES |
| dc.title | Diseño de un mecanismo de generación de actualizaciones dinámico utilizando aprendizaje reforzado en comunicaciones IOT celular para optimizar la frescura de la información | es_ES |
| dc.type | bachelorThesis | es_ES |
| Aparece en las colecciones: | Tesis - Ingeniería en Electrónica y Telecomunicaciones | |
Ficheros en este ítem:
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.