:: Programa de Pós-graduação em Engenharia Elétrica da UFBA ::

 |  Português Este site em português  |  English This site in english  |  Español Este sitio en español

 

 

Aumentar o tamanho do texto Diminuir o tamanho do texto Imprimir página atual

Sessão de Defesa da Tese de Doutorado No. 53 do PPGEEC - Aplicação de técnicas de aprendizado de máquina para planejamento e gerenciamento de redes ópticas elásticas

DISCENTE : TALISON AUGUSTO CORREIA DE MELO

DATA : 09/12/2024

HORA: 14:00

LOCAL:  https://conferenciaweb.rnp.br/sala/karcius-day-rosario-assis

TÍTULO: Aplicação de técnicas de aprendizado de máquina para planejamento e gerenciamento de redes ópticas elásticas

PALAVRAS-CHAVES: Redes ópticas elásticas; RSA; Proteção; Virtualização; Aprendizado de Máquina;

RESUMO: As Redes Ópticas Elásticas (EONs) surgiram como uma resposta inovadora às redes ópticas tradicionais, trazendo novas concepções operacionais que melhoram a flexibilidade e a eficiência no uso dos recursos. Um problema recorrente em EONs é o Roteamento e Alocação de espectro (RSA), que busca definir uma rota para cada requisição e alocar um número adequado de slots de acordo com a demanda requerida, utilizando a menor quantidade possível de espectro. Este trabalho apresenta técnicas de aprendizado de máquina supervisionado para o projeto de virtualização com proteção em EONs, com o objetivo de prever o número total de slots de espectro necessários para suportar todas as demandas de tráfego. Focando em Redes Ópticas Virtuais (VONs) sujeitas a proteção específica, investiga-se a aplicação de técnicas de Aprendizado de Máquina (ML), especificamente Perceptron Multicamadas (MLP) e Regressão por Vetores de Suporte (SVR), para resolver o problema de capacidade de enlace de EONs com virtualização de forma mais rápida do que as formulações tradicionais de Programação Linear Inteira (ILP), mantendo resultados próximos dos ótimos. O desempenho dos modelos foi avaliado por meio de métricas estatísticas, tempo de treinamento e inferência. Os resultados mostraram que o método proposto é eficaz para prever o número de slots necessários no substrato físico sujeito a várias VONs.

MEMBROS DA BANCA: 

KARCIUS DAY ROSARIO ASSIS (ORIENTADOR) UFBA

MARCELA SILVA NOVO                                   UFBA

VITALY FELIX RODRIGUEZ ESQUERRE              UFBA

JOSÉ VALENTIM DOS SANTOS FILHO                UFRB

WASLON TERLLIZZIE ARAÚJO LOPES                UFPB

Em 06/12/2024

 


© 2010 PPGEE - ppgee@ufba.br
Rua Aristides Novis, n.02, 4° andar, Sala 23 Federação - CEP: 40210-630. Salvador - Bahia, Brasil.
Telefone  Tel: +55 (71) 3283-9775 - Feedback Formulário de Contato


  Administração