Search

Este projeto descreve uma abordagem padronizada de análise de dados coletados de redes reais e de dados gerados sinteticamente, que apresentam características lineares e não-lineares, dentro do espectro da Teoria do Caos e seus procedimentos canônicos, avaliando o desempenho de uma gama de algoritmos. O objetivo principal deste trabalho consiste em propor um método de predição e alocação dinâmica de taxa de transmissão para servidores de rede com base no expoente de Lyapunov e no parâmetro de Hurst, tendo em vista a análise de uma variedade de amostras de tráfego e dados sintéticos, de forma a quantificá-los com o uso de métodos matemáticos que revelem suas particularidades intrínsecas. São descritos processos característicos tais como autossimilaridade, dependência de longa duração entre as amostras e comportamento multi-escala. Para isso, reconstrói-se o espaço de fase e o atrator com o atraso ideal $\tau$, descrevendo métodos de cálculo do parâmetro; determina-se a dimensão de incorporação $m$ e a dimensão de correlação $D_2$; calcula-se o expoente de Lyapunov $\lambda$ e o parâmetro de Hurst $H$; e analizam-se estatisticamente os componentes principais; para então prever o tráfego dentro do limite de máxima duração da predição delimitada pelo inverso do expoente de Lyapunov, e alocar dinamicamente a taxa de transmissão correspondente para os servidores de rede. As simulações realizadas comprovaram a eficiência da abordagem proposta, quanto à sequência seguida neste trabalho e a classificação da natureza dos dados, especialmente nos casos de comportamento misto entre aleatoriedade e determinismo. This project describes a standard approach to analyze and measure experimental and synthetic data, which display linear and non-linear characteristics, within the spectrum of Chaos Theory and its canonical procedures, evaluating the performance of several algorithms. The main goal of this work is to propose a method to predict traffic and perform a dynamic traffic rate allocation for the network servers based on the Lyapunov exponent and the Hurst parameter, considering the analysis of a range of traffic samples and synthetic data, in order to quantify them with the use of mathematical methods that reveal their intrinsic features. Some of the characteristic processes described are self-similarity, long-range dependency among samples and multiscale behavior. Thus, it is necessary to: reconstruct phase space and the attractor with the ideal delay $\tau$, while describing a couple of methods to compute it; to determine embedding and correlation dimensions ($m$ and $D_2$, respectively); to calculate the Lyapunov exponent $\lambda$ and Hurst parameter $H$; to perform principal component analysis ($PCA$); to predict the traffic within the longest predictable duration constrained by the inverse of the Lyapunov exponent, and finally perform dynamic transmission rate allocation for the network servers. The simulations performed confirmed the efficiency of the proposed approach, regarding the sequence adopted in this work and the classification of data, especially in cases of mixed behavior between randomness and determinism. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES

Pesquisa sem auxílio de agências de fomento Este trabalho consiste na aplicação de dois algoritmos de Inteligência Artificial em duas situações reais de uma operadora de telecomunicações. A primeira aplicação é o conceito de rede neural recorrente ou recurrent neural network(RNN). Um tipo especial de rede neural, que possui grande aplicabilidade em cenários com dados temporais e que foi aplicada para previsão de tráfego em uma interface de um broadband remote access server(também denominado de broadband network gateway). A segunda situação de inteligência artificial aplicada foi a avaliação da utilização do modelo de rede neural self-organizing maps(SOM). Este foi utilizado para classificar e detectar dados inconsistentes de um relatório de falhas em campo de uma rede de acesso banda larga GPON. A utilização de SOM para detecção de anomalias e classificação conseguiu fazer a redução da dimensionalidade dos dados. Foi possível extrair a lista desses dados distantes (ou outliers) e fazer uma observação.O estudo busca demonstrar que as aplicações de redes neurais podem ser utilizadas como ferramenta para automatização de análises de rede em telecomunicações, gerando benefícios como redução de custo e maior agilidade o que propicia melhor qualidade aos usuários, redes mais otimizadas e evolução dos serviços de telecomunicações. This work consists of the application of two Artificial Intelligence algorithms in two real situations of a telecommunications operator. The first application is the concept of recurrent neural network or recurrent neural network (RNN). A special type of neural network, which has great applicability in scenarios with temporal data and which was applied for traffic forecast in an interface of a broadband remote access server (also called broadband network gateway). The second situation of applied artificial intelligence was the evaluation of the use of the self-organizing maps (SOM) neural network model. This was used to classify and detect inconsistent data from a field failure report from a GPON broadband access network. The use of SOM for anomaly detection and classification was able to reduce the dimensionality of the data. It was possible to extract the list of these distant data (or outliers) and make an observation. The study seeks to demonstrate that neural network applications can be used as a tool for automating network analysis in telecommunications, generating benefits such as cost reduction and greater agility, which provides better quality to users, more optimized networks and evolution of telecommunications services. Dissertação (Mestrado)

Dissertação de mestrado em Engenharia e Gestão de Sistemas de Informação, Com o aumento do número de veículos nas estradas o engarrafamento de trânsito nas zonas urbanas tem-se tornado um problema. Os engarrafamentos levam a prejuízos, poluem o ambiente e causam riscos para a saúde pública. Existe uma necessidade de gerir o trânsito de forma a evitar o congestionamento nas vias sem aumentar o número de infraestruturas, o que se tem demonstrado desafiador. Para combater estas dificuldades têm sido desenvolvidas novas soluções de gestão de trânsito, como a que será apresentada nesta dissertação. Para este projeto de dissertação os Transportes Urbanos de Braga (TUB) forneceram dados relativos às suas rotas desde 2016, até ao presente ano. O que se pretende com esta tese é recorrendo a técnicas de Data Mining, alimentados com estes dados e com dados de datasets complementares sobre o ambiente, como por exemplo um calendário de eventos na cidade, se consiga prever o comportamento do trânsito, de modo a otimizar as rotas feitas pelos autocarros dos Transportes Urbanos de Braga (TUB), reduzindo assim gastos em combustível, baixando a poluição e ter horários mais precisos para os utilizadores destes transportes., With the raise of the number of vehicles on the roads, traffic jams on urban areas became a problem. Traffic jams lead to financial losses, pollute the environment and cause risks to the public health. There is a necessity to manage traffic in order to avoid road congestion without increasing the number of infrastructures, which has been challenging. To combat these difficulties new traffic management solutions have been developed, like the one that will be presented in this dissertation. For this dissertation project the TUB provided data relative to their routes since 2016, until the present year. The objective of this thesis is using Data Mining techniques, powered by this data and with data from complementary datasets about the environment like, for example a calendar with the city events, we will be able to predict the behavior of the traffic in the following days in order to optimize the TUB bus routes accordingly with what is expected, reducing the fuel costs, lowering the pollution levels and have more accurate schedules for the costumers of these transports.

Orientadores: Lee Luan Ling, Flavio Henrique Teles Vieira Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação Resumo: O presente trabalho propõe um esquema de controle adaptativo de ?uxos baseado no modelo fuzzy TSK. Neste esquema de controle, o modelo fuzzy TSK é utilizado para prever adaptativamente o tamanho da ?la no buffer em um enlace. Com o objetivo de ajustar dinamicamente os parâmetros do modelo fuzzy TSK, propomos um algoritmo de treinamento adaptativo. Na primeira etapa do algoritmo de treinamento proposto, os parâmetros das partes premissas e das partes conseqüentes do modelo são obtidos. A segunda etapa consiste de um algoritmo de re?namento dos parâmetros do modelo baseado em gradiente descendente. A e?ciência do preditor proposto é avaliada através da comparação com outros preditores adaptativos fazendo uso de traços de tráfego reais. A partir dos parâmetros do modelo fuzzy TSK, derivamos uma expressão para a taxa da fonte controlável a qual minimiza a variância do tamanho de ?la no buffer. O controle de congestionamento proposto é então aplicado em diferentes cenários de rede com vários nós. Comparações realizadas com outros métodos de controle de congestionamento demonstram que o controle de congestionamento proposto obtém menores taxas de perdas e consegue de fato manter o tamanho da ?la no buffer abaixo do valor desejado Abstract: The present work proposes a adaptive control of traf?c ?ows based in the TSK fuzzy model. In this control, the TSK fuzzy model is used to predict in a manner adaptive the buffer length in one output link. With the objective of dynamically adjust the parameters of the TSK fuzzy model, we proposed a adaptive training algorithm. In the ?rst stage of the proposed training algorithm, the parameters of the premise and consequent parts of the model are obtained. The second stage consists of a re?ning algorithm of the parameters based in descent gradient. The effectiveness of the proposed predictor is evaluated through comparison with other adaptive predictors by using real network traf?c traces. With the parameters of the TSK model, we derive an expression for the controllable source rate which minimizes the variance of the buffer length. The proposed congestion control is applied in different network sceneries with several nodes. Comparison made with others congestion control methods demonstrates that the proposed congestion control obtain lesser loss rate and gets in fact to keep the buffer length below of the reference level Mestrado Telecomunicações e Telemática Mestre em Engenharia Elétrica