Методи прийняття рішень в телекомунікаційних системах на основі Big Data з використанням штучного інтелекту
Автор: Березюк Богдан Володимирович
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні мережі зв'язку
Інститут: Інститут телекомунікацій, радіоелектроніки та електронної техніки
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Застосування великих даних і штучного інтелекту (ШІ) у системах зв’язку відкриває нові можливості для автоматизації процесів прийняття рішень. Це допомагає підвищити ефективність управління мережею та забезпечує стабільну роботу системи за мінливих умов. У той же час впровадження цих технологій також пов’язане з кількома проблемами, особливо при обробці великих обсягів даних і забезпеченні точності алгоритмів. Сучасні комунікаційні системи обробляють великі обсяги інформації в режимі реального часу, що вимагає розробки оптимальних методів обробки даних для підвищення якості рішень і швидкості їх прийняття. Неправильні рішення можуть призвести до збоїв у мережі, що негативно вплине на користувачів і бізнес. У цьому випадку застосування штучного інтелекту та машинного навчання має вирішальне значення для забезпечення стабільності комунікаційної системи. Алгоритми прийняття рішень на основі ШІ обробляють дані з різних джерел для формування оптимальних рішень. Чим більше джерел інформації задіяно, тим кращими будуть прогнози та рекомендації алгоритму. Однак через надмірність даних обробка може сповільнитися, що призведе до застарілих або неточних рішень. Щоб уникнути цього, використовуйте методи попередньої обробки даних, які дозволяють виділяти важливі параметри та відкидати зайву інформацію. Це забезпечує ефективність системи навіть при високому навантаженні на обчислювальні ресурси. Застосування технологій штучного інтелекту, таких як глибокі нейронні мережі та LSTM (довга короткочасна пам’ять), дозволяє визначати складні залежності у ваших даних і прогнозувати навантаження на мережу з високою точністю. Алгоритми прийняття рішень здатні обробляти величезні масиви даних, отриманих з різних джерел, таких як датчики, користувацький трафік, аналітичні сервіси тощо [1,2]. Чим більше різнорідних джерел інформації, тим більш точними стають прогнози, оскільки алгоритми мають доступ до багатошарових і взаємопов’язаних параметрів. Це дозволяє створювати комплексні моделі для прийняття рішень, які враховують безліч факторів і можуть адаптуватися до мінливих умов роботи телекомунікаційної системи. Однак, при збільшенні обсягу даних виникає проблема їх надмірності та можливого перевантаження системи. Зайві або малозначущі дані можуть знижувати швидкість обробки інформації, що, у свою чергу, впливає на своєчасність прийняття рішень. Уникнути цього можна за допомогою методів попередньої обробки даних, таких як відбір важливих параметрів, очищення даних та зменшення розмірності. Ці методи дозволяють відфільтрувати непотрібні дані, зосередивши ресурси системи на найбільш релевантній інформації. Такі алгоритми, як нейронні мережі, класифікація даних і кластеризація, дають змогу зрозуміти стан мережі та створювати адаптивні рішення, які можуть динамічно перерозподіляти мережеві ресурси. Наприклад, системи зв’язку можуть автоматично пересилати дані на основі реальної пропускної здатності, затримки та інших важливих параметрів. Це значно покращує якість обслуговування, що надається кінцевим користувачам, зменшуючи час простою та ризик збою з’єднання [3,4]. Крім того, технологію ШІ можна використовувати для покращення кібербезпеки систем зв’язку. Алгоритми глибокого навчання дозволяють автоматично виявляти зловмисні операції або ненормальні моделі поведінки в мережевому трафіку, тим самим підвищуючи захист від мережевих атак. Автоматизовані системи аналізу великих даних можуть виявляти загрози та негайно блокувати їх, запобігаючи витоку конфіденційної інформації або втраті даних. Методи підтримки прийняття рішень з використанням штучного інтелекту широко використовуються в системах зв’язку. Це дозволяє автоматизувати процеси управління трафіком, оптимізувати шляхи передачі даних і передбачити можливі збої системи. Завдяки використанню аналізу часових рядів і алгоритмів машинного навчання ці системи можуть адаптуватися до мінливих умов роботи мережі та забезпечувати безперебійну роботу. Це особливо вірно у великих мережах, де своєчасність і точність прийняття рішень мають вирішальне значення для підтримки стабільної роботи [5-9]. Розробка нових методів прийняття рішень для комунікаційних систем на основі великих даних і штучного інтелекту є практичною сферою досліджень. Це дозволяє підвищити ефективність систем управління мережами та забезпечити надійність зв’язку в складних умовах експлуатації. Об’єкт дослідження – Системи управління телекомунікаційними мережами на основі великих даних. Сфера дослідження – Методи прийняття рішень у телекомунікаційних системах. Мета дослідження: Дослідження методів прийняття рішень для обробки великих даних з використанням штучного інтелекту для підвищення ефективності телекомунікаційних систем.