El presente PFG aborda la complejidad inherente a las redes 5G, que se caracterizan por su capacidad para soportar una densidad de conexiones sin precedentes y una masiva generación de datos. La vasta cantidad de información y la variabilidad de las comunicaciones exigen el uso de técnicas avanzadas para su gestión y análisis. En este contexto, la Inteligencia Artificial (IA) y el Machine Learning (ML) emergen como herramientas esenciales para procesar y extraer valor de los datos generados en estas redes, facilitando decisiones más rápidas y precisas.
En respuesta a estas necesidades, este PFG se centra en el desarrollo del Simulador-ML5G, un simulador avanzado para el entrenamiento y evaluación de modelos de ML específicamente diseñados para la observación y análisis inteligente de redes 5G. El simulador, desarrollado a través de una meticulosa integración de sistemas, incorpora un enfoque de Machine Learning Enabled System (MLES), permitiendo así la creación y puesta a prueba de modelos que pueden ser aplicados en diversas áreas como la monitorización del estado de la red, análisis de métricas específicas, predicción del tráfico y detección de anomalías.
La implementación de este simulador no solo provee un entorno controlado para el entrenamiento de modelos de ML, sino que también ofrece una plataforma robusta para simular diferentes escenarios y condiciones de red, lo que representa una contribución significativa tanto para la investigación como para la aplicación práctica en la industria de las telecomunicaciones. El Simulador-ML5G permite el entreno de modelos de ML que facilitan una comprensión más profunda y un análisis más efectivo de las complejas dinámicas de las redes 5G. Esto, a su vez, permite a los operadores y a los desarrolladores de redes optimizar recursos, mejorar la calidad del servicio y anticiparse a posibles fallos mediante el uso estratégico de la IA y el ML.
Abstract:
This diploma project addresses the inherent complexity of 5G networks, which are characterized by their capacity to support an unprecedented density of connections and massive data generation. The vast amount of information and variability of communications demand the use of advanced techniques for their management and analysis. In this context, Artificial Intelligence (AI) and Machine Learning (ML) emerge as essential tools for processing and extracting value from the data generated within these networks, facilitating faster and more accurate decisions.
In response to these needs, this project focuses on the development of the ML5G-Simulator, an advanced simulator for the training and evaluation of ML models specifically designed for the observation and intelligent analysis of 5G networks. The simulator, developed through meticulous system integration, incorporates a Machine Learning Enabled System (MLES) approach, thus allowing the creation and testing of models that can be applied in various areas such as network state monitoring, specific metrics analysis, traffic prediction, and anomaly detection.
The implementation of this simulator not only provides a controlled environment for the training of ML models but also offers a robust platform to simulate different network scenarios and conditions. This represents a significant contribution both to research and practical application in the telecommunications industry. The ML5G-Simulator enables the training of ML models that facilitates a deeper understanding and more effective analysis of the complex dynamics of 5G networks. This, in turn, allows network operators and developers to optimize resources, enhance service quality, and anticipate potential failures through strategic use of AI and ML.
El presente PFG aborda la complejidad inherente a las redes 5G, que se caracterizan por su capacidad para soportar una densidad de conexiones sin precedentes y una masiva generación de datos. La vasta cantidad de información y la variabilidad de las comunicaciones exigen el uso de técnicas avanzadas para su gestión y análisis. En este contexto, la Inteligencia Artificial (IA) y el Machine Learning (ML) emergen como herramientas esenciales para procesar y extraer valor de los datos generados en estas redes, facilitando decisiones más rápidas y precisas.
En respuesta a estas necesidades, este PFG se centra en el desarrollo del Simulador-ML5G, un simulador avanzado para el entrenamiento y evaluación de modelos de ML específicamente diseñados para la observación y análisis inteligente de redes 5G. El simulador, desarrollado a través de una meticulosa integración de sistemas, incorpora un enfoque de Machine Learning Enabled System (MLES), permitiendo así la creación y puesta a prueba de modelos que pueden ser aplicados en diversas áreas como la monitorización del estado de la red, análisis de métricas específicas, predicción del tráfico y detección de anomalías.
La implementación de este simulador no solo provee un entorno controlado para el entrenamiento de modelos de ML, sino que también ofrece una plataforma robusta para simular diferentes escenarios y condiciones de red, lo que representa una contribución significativa tanto para la investigación como para la aplicación práctica en la industria de las telecomunicaciones. El Simulador-ML5G permite el entreno de modelos de ML que facilitan una comprensión más profunda y un análisis más efectivo de las complejas dinámicas de las redes 5G. Esto, a su vez, permite a los operadores y a los desarrolladores de redes optimizar recursos, mejorar la calidad del servicio y anticiparse a posibles fallos mediante el uso estratégico de la IA y el ML.
Abstract:
This diploma project addresses the inherent complexity of 5G networks, which are characterized by their capacity to support an unprecedented density of connections and massive data generation. The vast amount of information and variability of communications demand the use of advanced techniques for their management and analysis. In this context, Artificial Intelligence (AI) and Machine Learning (ML) emerge as essential tools for processing and extracting value from the data generated within these networks, facilitating faster and more accurate decisions.
In response to these needs, this project focuses on the development of the ML5G-Simulator, an advanced simulator for the training and evaluation of ML models specifically designed for the observation and intelligent analysis of 5G networks. The simulator, developed through meticulous system integration, incorporates a Machine Learning Enabled System (MLES) approach, thus allowing the creation and testing of models that can be applied in various areas such as network state monitoring, specific metrics analysis, traffic prediction, and anomaly detection.
The implementation of this simulator not only provides a controlled environment for the training of ML models but also offers a robust platform to simulate different network scenarios and conditions. This represents a significant contribution both to research and practical application in the telecommunications industry. The ML5G-Simulator enables the training of ML models that facilitates a deeper understanding and more effective analysis of the complex dynamics of 5G networks. This, in turn, allows network operators and developers to optimize resources, enhance service quality, and anticipate potential failures through strategic use of AI and ML. Read More
Related posts:
Modelo de simulación de una unidad de cuidados intensivos
Modelo de simulación de la vía M40
Comparativa del rendimiento de una GPU usando OpenMP, OpenACC CUDA mediante un ejemplo de dinámica molecular
Transformación de datos tabulares a imágenes sintéticas: optimización y evaluación de la librería TINTOlib en Python
Generación de modelos neuronales mediante interfaces gráficas GENEXNET
Predicción de demanda de gas y electricidad utilizando técnicas estadísticas avanzadas e inteligencia artificial