Alocação de recursos em sistemas Internet das Coisas utilizando aprendizagem por reforço
I tiakina i:
| Kaituhi matua: | |
|---|---|
| Rā whakaputa: | 2021 |
| Hōputu: | Master thesis |
| Reo: | por |
| Puna: | Repositório Institucional da UFG |
| Download full: | http://repositorio.bc.ufg.br/tede/handle/tede/11751 |
Whakarāpopototanga: | This paper proposes a utilization of a reinforcement learning (RL) algorithm to control the packet transmission of multiple devices of a Cognitive Internet of Things (IoT) wireless communication system. The proposed approach consists of adopting a Markov chain to model the states of the communication system and its transitions, providing the required parameters to determine actions to the system using a Q-Learning algorithm. This paper also presents a performance evaluation of the developed algorithm in comparison to some scheduling algorithms in terms of: utility function, flow rate, buffer occupancy, packet loss rate, etc. |
Ngā tūemi rite: Alocação de recursos em sistemas Internet das Coisas utilizando aprendizagem por reforço
- Arquitetura da Informação Pervasiva : projetos de ecossistemas de informação na internet das coisas
- Arquitetura para privacidade na integração de internet das coisas e computação em nuvem
- Arquitetura base para soluções de Internet das Coisas : aplicações de telemetria e computação na ponta com uso de Microsoft Azure nos modelos de IaaS, PaaS e SaaS
- Gêmeos digitais, internet das coisas e o ambiente construído : Um protótipo
- Da necessidade de princípios de Arquitetura da Informação para a Internet das Coisas
- Proposal of an adaptable and scalable IoT middleware for hybrid computational models
