Προτεινόμενη Διπλωματική εργασία Προπτυχιακού προγράμματος Σπουδών
Στα πλαίσια αυτής της διπλωματικής εργασίας θα μελετηθούν οι διάφορες τεχνικές μηχανικής μάθησης που έχουν δημοσιευτεί στην σχετική επιστημονική βιβλιογραφία και πραγματεύονται τη διαχείριση πόρων σε ασύρματα δίκτυα με έμφαση σε δίκτυα κινητής τηλεφωνίας και σε ασύρματα δίκτυα αισθητήρων στα πλαίσια του Διαδικτύου των Αντικειμένων.
Οι τεχνικές μηχανικής μάθησης μπορούν να διαδραματίσουν ουσιαστικό ρόλο στην αντιμετώπιση των προκλήσεων της διαχείρισης πόρων στα ολοένα αυξανόμενης τεχνολογικής πολυπλοκότητας ασύρματα δίκτυα. Σε αυτή την διπλωματική, θα διεξαχθεί μια συστηματική μελέτη των μηχανισμών μηχανικής μάθησης για την διαχείριση πόρων σε ασύρματα δίκτυα με έμφαση σε δίκτυα κινητής τηλεφωνίας και σε ασύρματα δίκτυα αισθητήρων στα πλαίσια του Διαδικτύου των Αντικειμένων.
Τέλος, θα προσδιοριστούν μελλοντικές ερευνητικές προκλήσεις σχετικά με την χρήση τεχνικών μηχανικής μάθησης για την κατανομή και διαχείριση ασύρματων πόρων.
Δίκτυα Κινητών Επικοινωνιών
Πρωτόκολλα και Αρχιτεκτονικές Διαδικτύου
Δίκτυα Υπολογιστών
Τηλεπικοινωνίες
Γνωστικές περιοχές των προαναφερόμενων μαθημάτων
F. Hussain, S. A. Hassan, R. Hussain and E. Hossain, "Machine Learning for Resource Management in Cellular and IoT Networks: Potentials, Current Solutions, and Open Challenges," in IEEE Communications Surveys & Tutorials. https://ieeexplore.ieee.org/abstract/document/8951180
Sun, Yaohua, Mugen Peng, Yangcheng Zhou, Yuzhe Huang, and Shiwen Mao. "Application of machine learning in wireless networks: Key techniques and open issues." IEEE Communications Surveys & Tutorials 21, no. 4 (2019): 3072-3108. https://ieeexplore.ieee.org/abstract/document/8743390