Η Εφαρμογή της Μηχανικής Μάθησης στα Δίκτυα Επικοινωνιών με έμφαση σε 5G Δίκτυα και Οπτικά Δίκτυα
Η Εφαρμογή της Μηχανικής Μάθησης στα Δίκτυα Επικοινωνιών με έμφαση σε 5G Δίκτυα και Οπτικά Δίκτυα
Λέξεις-κλειδιά
5G ; Οπτικά δίκτυα ; Οπτικό σύστημα επικοινωνιών ; Μηχανική μάθησηΠερίληψη
Η παρούσα διπλωματική εργασία ασχολείται με την εφαρμογή της μηχανικής μάθησης
στα δίκτυα 5G καθώς και σε οπτικά δίκτυα. Σε πρώτο στάδιο έχουν αναπτυχθεί κάποιες
εισαγωγικές έννοιες των δικτύων 5G αλλά και των οπτικών δικτύων γενικά, κάθε ένας από
τους οποίους περιγράφει τα δίκτυα αυτά καθώς και κάποιες αναφορές στις εφαρμογές
τους και στα «θέματα» που αντιμετωπίζουν. Στην συνέχεια αναπτύσσεται πως η μηχανική
μάθηση επηρεάζει στην επίλυση σύγχρονων προβλημάτων στα δίκτυα αυτά
αναπτύσσοντας τους σκοπούς, τις δυνατότητες, τις υπηρεσίες, τις προκλήσεις καθώς και
τις επιδόσεις των εκάστοτε δικτύων επικοινωνίας όπως το 5G και γενικά τα οπτικά δίκτυα.
Έπειτα, γίνεται μια εισαγωγή στην μηχανική μάθηση γενικά και στον σκοπό της, καθώς
και στους τύπους δικτύων και τις εφαρμογές της γενικά. Επίσης, πρέπει να αναφέρουμε
το γεγονός ότι γίνεται μια αναφορά γενική στο cloud computing και στην αρχιτεκτονική
του. Επιπροσθέτως, στο βασικό κεφάλαιο αυτής της διπλωματικής εργασίας γίνεται
εκτενής αναφορά στις εφαρμογές της μηχανική μάθησης και πως χρησιμεύουν αυτές στα
δίκτυα 5G και στα οπτικά, βάζοντας και κάποια παραδείγματα. Τέλος, στο τελευταίο
κεφάλαιο γίνεται επισκόπηση της διπλωματικής και τι συμπεράσματα βγαίνουν για την
εφαρμογή της μηχανικής μάθησης στα δίκτυα 5G και στα οπτικά δίκτυα.
Περίληψη
This dissertation deals with the application of machine learning in 5G networks
as well as in optical networks. In the first stage, some introductory concepts of 5G
networks and optical networks in general have been developed, each of which
describes these networks as well as some references to their applications and the
"issues" they face. It is then developed that machine learning influences the solution
of modern problems in these networks by developing the purposes, capabilities,
services, challenges and performance of the respective communication networks
such as 5G and optical networks in general. Next, an introduction is made to
machine learning in general and its purpose, as well as to the types of networks
and their applications. We should also mention the fact that a general reference is
made to cloud computing and its architecture. In addition, in the main chapter of
this dissertation there is an extensive reference to the applications of machine
learning and how they are used in 5G networks and optical networks, giving some
examples. Finally, the last chapter provides an overview of the diploma and what
conclusions are drawn for the application of machine learning in 5G networks and
optical networks.