Personalized quality of experience (QOE) management using data driven architecture in 5g wireless networks

Bu araştırmanın amacı, daha az enerji kullanan 5G Kablosuz Ağlarda kişiselleştirilmiş Deneyim Kalitesini (QOE) yönetmek için Veriye Dayalı Mimariyi kullanmaktır. Mevcut proje, daha büyük bir mevcut araştırmanın bir bileşeni olacaktır. Bu, çeşitli şirketlerin tüm işletmelerde heterojen kaynakların analizini kolaylaştırmak için bir Kurumsal Mimari uygularken karşılaştığı bir sorunu yansıtır. Dijital veri kullanımının ve video konferansın en yaygın ağ olarak katlanarak artmasıyla birlikte, hem telekomünikasyon şirketleri hem de müşterileri, telefon operatörlerinde mevcut bant genişliğine prim veriyor. QoE adaptasyonu ve daha yüksek müşteri seviyeleri için, görsel olarak Deneyim Kalitesini gerçekten değerlendirme yeteneği kritik öneme sahiptir. Bu çalışmada, hem bağlantı hem de beşinci nesil (5) değişkenler olan ağ Qos'u ile ilgili simülasyonlar QoE oluşturmak için makine öğrenimi kullanıldı. Eğitilecek bilgileri bulmak için mevcut trafik bilgisi ortamını temsil eden bir 5G modeli geliştirildi. Tahminleri uygulamak için gereken QoE bilgilerini toplamak için görüntü QoE değerlendirmesi için tarafsız bir yöntem kullanılıyordu. Encounter Tahmininin Performansı için, makine öğrenme yöntemleri olarak Svms, Random Forest, Boosted Regresyon Ağaçları ve Neural Network nn seçilmiştir. ve yüksek bir doğruluk düzeyine sahip oldukları gösterilmiştir. Wifi parametreleri de QoE tahmini üzerindeki etkileri açısından incelenmiş ve Karşılaşma Kalitesi tahminlerinde kullanım için ideal oldukları tespit edilmiştir. Sorun şu ki, Bilimsel Tabanlı Mimariler ile, işletmeler farkında değiller ve Kurumsal Çapında (DDA) güvenlik açıkları var veya bulacaklar. İlgili sorumluluklar, hem Geçiş Boşluk Analizi (TGA) hem de Karşılaştırılabilir Etki Değerlendirmesi'ni (CGA) destekleyecek şekilde yapılandırılacak ve Driven Architectures (CGA) ile Kablosuz Cihazların ilkelerine dayalı olacaktır. TGA, temel Hesaplamalı Verimli Altyapının (DDA) her iki DDA'nın da stratejik bir bakış açısıyla tanımlandığı istenen bir Deneyim Kalitesi (QoE) ile karşılaştırılmasıyla desteklenir. Bir QoE'nin iki veya daha fazla 53 g'ye yönlendirilmesi DDA'yı kolaylaştırır. Tezin teorik çerçevesi, QoE yönetimi ile 54 g için sistematik inceleme çalışmasıdır. 5G sensör ağı için QOE ve çeşitli örnek organizasyonlarda uygulama. Tezin amacı, önerilen veya mevcut iş süreçlerindeki güvenlik açıklarını (zayıf noktaları) görselleştiren ve QOE bakımı için farklı a5Grnative Roundupa spesifikasyonları ile nicel bir istatistiksel süreci destekleyen bir planlama ve geliştirme şablonu biçiminde QOE adı verilen bir yapıyı açıklamaktır. sağlanabilir ve yapılar Matlab kullanılarak uygulanabilir. Anahtar Kelimeler: Veriye Dayalı Mimari, 5G hücresel ağlar, Makine zekası (DDA).