07-11-2024
O Professor Carlo Fischione é professor catedrático do KTH Royal Institute of Technology, Suécia e presidente da iniciativa IEEE Machine Learning for Communications Emerging Technologies, que visa promover a investigação e a inovação em torno da utilização da aprendizagem automática (ML) para as camadas física e do controlo de acesso ao meio (MAC), para todos os tipos de sistemas de telecomunicações. O professor Carlo Fishione fará uma apresentação que aborda das futuras redes celulares, em que estão a surgir serviços de telecomunicações avançados, tais como aplicações de assistência ao condutor para veículos conectados. Nessa aplicações, as redes celulares devem fornecer serviços de conectividade fiáveis, com débitos muito elevados e atrasos muito baixos de ponta a ponta. Para fornecer serviços tão fiáveis, seria muito vantajoso se as redes celulares pudessem prever em tempo qual será a sua qualidade. Neste seminário, apresentamos uma nova estrutura preditiva baseada em aprendizagem automática para prever temporalmente a qualidade de serviço em redes celulares, especialmente para aplicações para redes veiculares. Em primeiro lugar, mostra-se empiricamente que os métodos de aprendizagem automática são superiores aos métodos baseados em modelos para prever os indicadores de qualidade de serviço, como as atenuações dos canais sem fios. De seguida, é proposta uma nova arquitetura de aprendizagem federada para prever temporalmente indicadores de qualidade de serviço mais avançados, como o débito que um veículo pode experimentar. A arquitetura divide as estradas em grupos geográficos com dados semelhantes e atribui a cada grupo um modelo preditivo que é treinado localmente em veículos dentro dos limites do grupo. Mostramos empiricamente que tal abordagem supera as abordagens preditivas existentes. São apresentadas as novas (e não resolvidas) questões teóricas que estes resultados empíricos estão a colocar no âmbito da aprendizagem federada agrupada.
