| Título: | Avaliação do uso de bibliotecas de aprendizagem de máquina para integração com simuladores de redes ópticas elásticas |
| Autor(es): | Mello, Mikael Marques |
| Orientador(es): | Drummond, André Costa |
| Assunto: | Aprendizado de máquina
Redes ópticas
Transmissão de dados |
| Data de apresentação: | 7-Dez-2020 |
| Data de publicação: | 25-Mai-2021 |
| Referência: | MELLO, Mikael Marques. Avaliação do uso de bibliotecas de aprendizagem de máquina para integração com simuladores de redes ópticas elásticas. 2020. 73 f., il. Trabalho de conclusão de curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2020 |
| Resumo: | Redes ópticas elásticas são consideradas por pesquisadores uma das melhores soluções atuais para lidar com o crescente tráfego global de dados, provendo diversos benefícios ao serem comparadas com alternativas tradicionais, sendo a principal vantagem a possibili- dade de alocar recursos físicos de forma flexível, o que viabiliza estratégias mais eficientes de alocação. Pelo fato de estratégias tradicionais de alocação de recursos não serem apro- priadas para o cenário flexível, diversos estudos sobre novas estratégias de alocação têm sido desenvolvidos. Devido à complexidade de redes ópticas elásticas, tais estudos uti- lizam simulações para validar seus resultados. Recentemente, o uso de aprendizagem de máquina como ferramenta para o desenvolvimento de estratégias tem crescido, entretanto simuladores atuais da literatura não possuem suporte para uso de modelos de aprendiza- gem de máquina em suas implementações. Este trabalho apresenta uma análise qualitativa e quantitativa de bibliotecas de aprendizagem de máquina populares na literatura com o objetivo de definir direções e recomendações para futuras implementações, e realiza con- tribuições ao Optical Network Simulator (ONS) com implementações de funcionalidades para dar suporte ao uso de modelos de aprendizagem de máquina em simulações. |
| Abstract: | Elastic optical networks are currently considered one of the best solutions in regards to handling the increasing global data traffic, providing several benefits compared to tra- ditional alternatives. The flexibility in resources allocation allows it to be done in an adaptable and efficient manner. However, traditional resource allocation algorithms are not appropriate for a flexible scenario, resulting in several studies aiming to develop new allocation strategies. Because of the complexity of elastic optical networks, these studies often use simulations to validate their results. Recently, the use of machine learning as a tool for the development of strategies has been growing, although simulators currently found in the literature do not have support for using machine learning models in their implementations. This work presents a qualitative and quantitative analysis of popular machine learning libraries in the literature in order to define directions and recommenda- tions for future implementations, and contributes to the Optical Network Simulator (ONS) by implementing features supporting the use of machine learning models in simulations. |
| Informações adicionais: | Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2020. |
| Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
| Aparece na Coleção: | Ciência da Computação
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.
