8180

مروري بر راهكارهاي تخمين پروفايل تحرك‌‌‌‌‌‌ كاربر در شبكه‌هاي تلفن‌همراه بر مبناي اندازه‌گيري‌هاي گوشي

1399-1400

دكتر ابوالفضل ديانت

امروزه با گسترش ارتباطات بي‌سيم و محبوبيت شبكه‌هاي تلفن‌همراه، ترجيح كاربران به سمت اتصالات بي‌سيم مي‌باشد. كاربران از شبكه‌هاي تلفن‌همراه به‌ ويژه نسل پنجم، خواستار ارايه خدمات در هر زمان و هر مكاني هستند. با استفاده روز افزون از خدمات بي‌سيم، مديريت تجربه كاربر به يك فرآيند كليدي در شبكه‌هاي تلفن‌همراه نسل پنجم تبديل شده‌ است. از اين رو ارايه دهندگان شبكه و عملگر‌ها (Operators) در تلاش هستند تا كيفيت تجربه‌ي قابل قبولي به كاربران خود ارايه دهند. شرايط سختگيرانه در كيفيت تجربه كاربر، عملگر‌ها را مجبور مي‌كند تا در شبكه نسل پنجم رضايت كاربران را در طراحي و پيكربندي شبكه، در اولويت قرار دهند. شناخت رفتار كاربران هنگام استفاده از خدمات شبكه‌هاي تلفن‌همراه تاثير زيادي بر كيفيت تجربه و رضايت مشتركين دارد. محيط و تحرك، دو ويژگي مهم از رفتار كاربران مي‌باشد. بنابراين تخمين محيط و پروفايل تحرك‌ كاربران در مديريت شبكه‌، بسيار مورد توجه قرار گرفته است. با وجود برنامه‌هاي آگاه از زمينه(Context- aware) براي ارايه خدمات مبتني بر مكان و همچنين بهره‌برداري از اطلاعات محيط كاربر براي بهينه‌سازي و مديريت شبكه، علاقه به شناسايي محيط فعاليت كاربران به طور قابل توجه‌اي افزايش يافته است. چنين اهدافي به لطف تجزيه و تحليل داده‌هاي مشتركين به منظور استخراج دانش مربوط به مشخصات كاربر يا زمينه استفاده از خدمات، قابل دستيابي است. به‌كارگيري مكانيسم‌هاي يادگيري ماشين در روش‌هاي تشخيص محيط و پروفايل تحرك‌ كاربر، تاثير به‌ سزايي خواهد داشت. در اين سمينار به روش‌هاي تشخيص محيط و پروفايل تحرك‌ كاربران مبتني بر يادگيري ماشين مبادرت مي‌ورزيم. به اين منظور، به مطالعه تعاريف و مفاهيم مبناي حوزه مورد نظر پرداخته و كارهاي مرتبط مورد مطالعه و بررسي قرار خواهند گرفت. در نهايت پيشنهاد پايان‌نامه مبني بر ارايه يك روش مبتني بر يادگيري ماشين با استفاده از داده‌هاي واسط هوايي را، ارايه خواهيم

12/21/2020 12:00:00 AM

70431

1399/10/29

An overview of solutions for estimating user mobility profiles in mobile networks based on phone measurements

شبكه‌هاي تلفن‌همراه نسل پنجم , يادگيري ماشين , تشخيص محيط , پروفايل تحرك‌ كاربر

Fifth Generation Mobile Networks , Machine Learning , Environmental Detection , Mobility Profile