Αλγόριθμοι βελτιστοποίησης και ανίχνευσης αλλαγών σε πραγματικό χρόνο για ευέλικτη διαχείριση πόρων σε δίκτυα 5ης γενιάς και πέραν αυτής
Περίληψη
Η ανάπτυξη των δικτύων κινητής τηλεφωνίας πέμπτης γενιάς (5G) καθώς και η επικείμενη έκτη γενιά (6G) θα επιφέρουν θεμελιώδεις αλλαγές στον τρόπο επικοινωνίας και πρόσβασης σε υπηρεσίες και ψυχαγωγία. Σχετικά με τα παραπάνω, η ραγδαία αύξηση του ρυθμού δεδομένων των βελτιωμένων υπηρεσιών ευρυζωνικής κινητής τηλεφωνίας (eMBB) θα παρέχει στους χρήστες εξαιρετικά υψηλή ανάλυση στη ροή βίντεο, και σε εφαρμογές πολυμέσων και εικονικής πραγματικότητας, προσφέροντας συναρπαστικές εμπειρίες.Για το σκοπό αυτό, είναι σημαντικό για τις υποδομές παράδοσης περιεχομένου να εντοπίζουν και να ανταποκρίνονται γρήγορα σε αλλαγές στη δυναμική της δημοτικότητας του περιεχομένου. Επικεντρώνοντας στην απαίτηση για ευέλικτες και εξαιρετικά προσαρμοστικές λύσεις, η ικανότητα για γρήγορη και εκ νέου κατανομή πόρων, θα πρέπει να καθοδηγείται από αλγορίθμους γρήγορης ανίχνευσης της δημοτικότητας του περιεχομένου και ταυτόχρονα χαμηλής πολυπλοκότητας. Στην παρούσα διατριβή, μελετάμε πτυχές που σχετίζονται με την ...
περισσότερα
Περίληψη σε άλλη γλώσσα
The roll-out of fifth-generation (5G) mobile networks and the forthcoming sixth-generation (6G) will bring about fundamental changes in the way we communicate, access services and entertainment. With respect to the latter, the multi-fold increase in the service data rates of enhanced mobile broadband (eMBB) services will provide users with ultra high resolution in video-streaming, multi-media and virtual reality, offering immersive experiences. To this end, it is important for Edge content delivery infrastructures to rapidly detect and respond to changes in content popularity dynamics. For flexible and highly adaptive solutions, the capability for quick resource (re-) allocation should be driven by early and low-complexity content popularity detection schemes. In the present thesis, we study aspects of low-complexity detection of changes in video content popularity in real-time, addressed as a statistical change point (CP) detection problem, breaking completely new ground compared to e ...
περισσότερα
Κατεβάστε τη διατριβή σε μορφή PDF (4.17 MB)
(Η υπηρεσία είναι διαθέσιμη μετά από δωρεάν εγγραφή)
|
Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.
|
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.