RT Conference Proceedings
T1 Gestión de redes 5G basada en clasificadores de imágenes de aprendizaje profundo
A1 Baena-Martínez, Eduardo
A1 Fortes-Rodríguez, Sergio
A1 Muro, Francisco
A1 Baena-González, José Carlos
A1 Barco-Moreno, Raquel
K1 Redes de banda ancha - Congresos
K1 Sistemas autoorganizativos - Congresos
K1 Procesado de imágenes - Congresos
AB Los enfoques tradicionales de resolución de problemas de la red celular se han basado en el análisis de alarmas o métricas de rendimiento para identificar la causa de los fallos de la red. A diferencia de este esquema, la creciente disponibilidad de trazas equipos de usuario (UE) posicionadas añade una nueva dimensión al valor de este tipo de datos para su uso en tareas de gestión. De este modo, dicha información representada en forma de mapas resulta mucho más compleja de analizar que las clásicas series temporales de las métricas celulares. Por ello, su aplicación para la resolución de problemas sigue dependiendo en gran medida de la interpretación de expertos humanos. Con el fin de poder obtener el máximo aprovechamiento que estas nuevas fuentes de información, el presente trabajo propone e implementa un marco de trabajo consciente de la localización que define los procesos necesarios para transformar trazas posicionadas en un formato visual denominado Imagen Sintética de Estado de red (ISE). Estas imágenes se utilizan como entrada para mecanismos de clasificación de aprendizaje profundo con el fin de proporcionar una gestión de la red celular mejorada. Este marco se evalúa bajo diferentes condiciones y configuraciones, mostrando las capacidades del enfoque para apoyar el diagnóstico supervisado de fallos como una de las posibles aplicaciones.
YR 2022
FD 2022-09
LK https://hdl.handle.net/10630/24956
UL https://hdl.handle.net/10630/24956
LA spa
NO Este trabajo ha sido apoyado por el programa de investigación e innovación Horizonte 2020 de la Unión Europea bajo la subvención nº 871249, proyecto LOCUS. También ha sido financiado por Ministerio de Asuntos Económicos y Transformación Digital y la Unión Europea - NextGenerationEU, en el marco del Plan de Recuperación, Transformación y Resiliencia y el Mecanismo de Recuperación y Resiliencia bajo el proyecto MAORI, además ha sido apoyado por el Ministerio de Ciencia e Innovación (subvención FPU19/04468). Además, también ha sido financiado parcialmente por II Plan Propio de Investigación de la Universidad de Málaga, Campus de Excelencia Internacional Andalucía Tech.
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 19 ene 2026