Τεχνικές μηχανικής μάθησης στα ασύρματα δίκτυα.
Loading...
Date
Authors
Ηλίας, Ιωάννης
Journal Title
Journal ISSN
Volume Title
Publisher
Τ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Abstract
Type
Type of the conference item
Journal type
Educational material type
Conference Name
Journal name
Book name
Book series
Book edition
Alternative title / Subtitle
Description
Η παρούσα πτυχιακή εργασία έχει ως αντικείμενο την έρευνα η οποία εστιάζει στο πεδίο της Μηχανικής Μάθησης και των Ασύρματων Δικτύων. Πιο συγκεκριμένα ασχολείται με το ερευνητικό έργο επιστημόνων του κλάδου της Πληροφορικής και πραγματεύεται ζητήματα όπως η βελτίωση της δρομολόγησης σε δίκτυα MANET, σε δίκτυα Delay Tolerant, σε δίκτυα τα οποία παρουσιάζουν Elephant Flows, σε IoT δίκτυα και σε δίκτυα Software Defined με την χρήση τεχνικών Μηχανικής Μάθησης. Επιπροσθέτως γίνεται ανάλυση του πως η Μηχανική Μάθηση θα μπορούσε να βοηθήσει στην ασφάλεια από επιθέσεις spoofing σε 5G δίκτυα, στην πρόβλεψη της κάλυψης σε δίκτυα τηλεπικοινωνιών καθώς και παρουσιάζεται η χρήση του Edge Learning στον κλάδο.
The present thesis focuses on research in the field of Machine Learning and Wireless Networks. Specifically, this thesis deals with the research work of IT scientists and more specifically it deals with issues such as the improvement of routing in MANET networks, in Delay Tolerant Networks, in networks that present elephant flows in IoT networks and in Software Defined networks using Machine Learning techniques. In addition, there is an analysis of how Machine Learning could help in security against spoofing attacks on 5G networks, on the provision of coverage in telecommunications networks as well as the use of Edge Learning in the industry.
The present thesis focuses on research in the field of Machine Learning and Wireless Networks. Specifically, this thesis deals with the research work of IT scientists and more specifically it deals with issues such as the improvement of routing in MANET networks, in Delay Tolerant Networks, in networks that present elephant flows in IoT networks and in Software Defined networks using Machine Learning techniques. In addition, there is an analysis of how Machine Learning could help in security against spoofing attacks on 5G networks, on the provision of coverage in telecommunications networks as well as the use of Edge Learning in the industry.
Description
Keywords
Μηχανική Μάθηση, Τεχνητά Νευρωνικά Δίκτυα, Διαδίκτυο των Πραγμάτων, 5G Δίκτυα
Subject classification
Ασύρματα Δίκτυα
Citation
Link
Πτυχιακή Εργασία
Language
el
Publishing department/division
Τ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Advisor name
Examining committee
General Description / Additional Comments
Institution and School/Department of submitter
Τ.Ε.Ι. Ηπείρου
Table of contents
Sponsor
Bibliographic citation
Ηλίας, Ι., 2022. Τεχνικές μηχανικής μάθησης στα ασύρματα δίκτυα. Πτυχιακή εργασία. Άρτα: Τ.Ε.Ι. Ηπείρου. Σχολή Τεχνολογικών Εφαρμογών. Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Name(s) of contributor(s)
Number of Pages
82
Course details
Endorsement
Review
Supplemented By
Referenced By
Creative Commons license
Except where otherwised noted, this item's license is described as Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα