<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="static/style.xsl"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-05-30T22:06:06Z</responseDate><request verb="GetRecord" identifier="oai:riuma.uma.es:10630/39990" metadataPrefix="qdc">https://riuma.uma.es/rest/oai/request</request><GetRecord><record><header><identifier>oai:riuma.uma.es:10630/39990</identifier><datestamp>2026-02-03T12:40:54Z</datestamp><setSpec>com_10630_2254</setSpec><setSpec>col_10630_37957</setSpec></header><metadata><qdc:qualifieddc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:doc="http://www.lyncode.com/xoai" xmlns:qdc="http://dspace.org/qualifieddc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://purl.org/dc/elements/1.1/ http://dublincore.org/schemas/xmls/qdc/2006/01/06/dc.xsd http://purl.org/dc/terms/ http://dublincore.org/schemas/xmls/qdc/2006/01/06/dcterms.xsd http://dspace.org/qualifieddc/ http://www.ukoln.ac.uk/metadata/dcmi/xmlschema/qualifieddc.xsd">
   <dc:title>AI-Driven failure management for mobile communication networks.</dc:title>
   <dc:creator>Trujillo Saborido, José Antonio</dc:creator>
   <dc:contributor>De la Bandera Cascales, Isabel</dc:contributor>
   <dc:contributor>Barco-Moreno, Raquel</dc:contributor>
   <dc:subject>Telecomunicaciones - Tesis doctorales</dc:subject>
   <dc:subject>Sistemas de comunicación inalámbricos</dc:subject>
   <dc:subject>Internet móvil</dc:subject>
   <dc:subject>Aprendizaje automático (Inteligencia artificial)</dc:subject>
   <dcterms:abstract>En el ámbito de las comunicaciones móviles, la evolución ha sido una constante en las últimas décadas. La implementación de la quinta generación (5G) ha propiciado una amplia diversidad de servicios y mejoras que conllevan a que las redes sean progresivamente más complejas y heterogéneas. En este contexto, la inteligencia artificial emerge como un componente esencial para la automatización de procesos de gestión en la red y la resolución de problemas que puedan surgir en su funcionamiento. La presente tesis aborda el empleo de dichas técnicas para la detección y resolución de problemas en redes móviles, mediante la utilización de diversas fuentes de datos y distintas técnicas automáticas que permiten una gestión más eficiente y la provisión de redes más robustas frente a fallos. Para ello, se implementa un análisis previo que permite identificar los datos relevantes obtenidos de una red móvil para estos algoritmos. En este contexto, se plantean enfoques para la supervisión autónoma de la red, que a su vez facilitan la identificación de anomalías. Específicamente, se han implementado metodologías que facilitan la integración del saber de un experto en un algoritmo destinado a la detección de anomalías. Además, se ha desarrollado un algoritmo destinado a la detección de potenciales fallos de cobertura. En última instancia, la tesis aborda la resolución de problemas en redes de nueva generación mediante la aplicación de técnicas de aprendizaje por refuerzo.</dcterms:abstract>
   <dcterms:dateAccepted>2025-09-22T11:24:15Z</dcterms:dateAccepted>
   <dcterms:available>2025-09-22T11:24:15Z</dcterms:available>
   <dcterms:created>2025-09-22T11:24:15Z</dcterms:created>
   <dcterms:issued>2025</dcterms:issued>
   <dc:type>doctoral thesis</dc:type>
   <dc:identifier>https://hdl.handle.net/10630/39990</dc:identifier>
   <dc:language>eng</dc:language>
   <dc:rights>http://creativecommons.org/licenses/by-nc-nd/4.0/</dc:rights>
   <dc:rights>open access</dc:rights>
   <dc:rights>Attribution-NonCommercial-NoDerivatives 4.0 Internacional</dc:rights>
   <dc:publisher>UMA Editorial</dc:publisher>
</qdc:qualifieddc>
</metadata></record></GetRecord></OAI-PMH>