Machine learning algorithms for inter-cell interference coordination
Los despliegues actuales de LTE y LTE-A requieren mayor esfuerzo para la gestión de recursos radio debido al incremento de usuarios y a la gran demanda de servicios; en ese escenario, la optimización automática es un punto clave para evitar problemas como la interferencia inter-celda. El presente tr...
- Autores:
-
Trejo Narváez, Omar Albeiro
Miramá Pérez, Víctor Fabián
- Tipo de recurso:
- Article of investigation
- Fecha de publicación:
- 2018
- Institución:
- Universidad ICESI
- Repositorio:
- Repositorio ICESI
- Idioma:
- spa
- OAI Identifier:
- oai:repository.icesi.edu.co:10906/84498
- Acceso en línea:
- http://repository.icesi.edu.co/biblioteca_digital/handle/10906/84498
https://doi.org/10.18046/syt.v16i46.3034
- Palabra clave:
- Algoritmos
Aprendizaje automático
Redes
Gestión de recursos
Sistemas celulares
- Rights
- openAccess
- License
- https://creativecommons.org/licenses/by-nc-nd/4.0/
| Summary: | Los despliegues actuales de LTE y LTE-A requieren mayor esfuerzo para la gestión de recursos radio debido al incremento de usuarios y a la gran demanda de servicios; en ese escenario, la optimización automática es un punto clave para evitar problemas como la interferencia inter-celda. El presente trabajo recopila propuestas de algoritmos de aprendizaje automático [machine learning] enfocados en resolver este problema. Las investigaciones buscan que los sistemas celulares consigan su auto-optimización, un concepto que se enmarca dentro del área de redes auto-organizadas [Self-Organized Networks, SON], cuyo objetivo es lograr que las redes respondan de forma automática a las necesidades de los escenarios dinámicos de tráfico de red. |
|---|