| Titre : | ESTIMATION DE LA LATENCE DANS UN RÉSEAU CELLULAIRE BASÉE SUR DES RÉSEAUX NEURONAUX |
| Auteurs : | Cherifi Aimene abdelkader, Auteur ; Benmeddah Maamar, Auteur ; Rahemani Mohamed Elhadi, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université de Saïda – Dr. Moulay Tahar – Faculté des Mathématiques, de l’Informatique et des Télécommunications, 2025/2026 |
| Format : | 73ص |
| Accompagnement : | CD |
| Langues: | Français |
| Index. décimale : | BUC-M 008546 |
| Catégories : |
Master en informatique Spécialité : Réseaux informatiques et systèmes distribués |
| Mots-clés: | Réseaux cellulaires, Estimation de la latence, Machine Learning,Deep Learning, réseaux de neurones, MLP. Cellular networks, Estimation latency, Machine Learning, Deep Learning, Neural networks, MLP. |
| Résumé : |
Ce mémoire s’inscrit dans le contexte de l’évolution rapide des réseaux cellulaires et de l’importance croissante de la
latence en tant qu’indicateur clé de performance. Avec l’émergence des technologies 4G et 5G, ainsi que le développement des applications temps réel telles que l’Internet des objets, la réalité virtuelle et les systèmes intelligents, la maîtrise et l’estimation précise de la latence réseau deviennent essentielles. L’objectif principal de ce travail est de proposer une approche basée sur les techniques d’apprentissage automatique, en particulier les réseaux de neurones artificiels, pour prédire la latence dans les réseaux cellulaires. Une méthodologie complète a été adoptée, incluant l’exploration des données, le prétraitement, la conception du modèle et son évaluation. Le modèle proposé repose sur un réseau de neurones multicouches (MLP) entraîné sur un jeu de données réel comportant plus de 16 000 observations issues de réseaux 3G, 4G et 5G. Les résultats expérimentaux montrent que le modèle atteint une bonne performance avec un coefficient de détermination R² d’environ 0,84 et une erreur moyenne acceptable. Une comparaison avec d’autres modèles de régression, tels que la régression linéaire et les forêts aléatoires, a permis de valider la pertinence de l’approche proposée. Enfin, des perspectives d’amélioration sont proposées, notamment l’intégration de nouvelles variables et l’utilisation de modèles plus avancés. This thesis is conducted within the context of the rapid evolution of cellular networks and the increasing importance of latency as a key performance indicator. With the emergence of 4G and 5G technologies, as well as real-time applications such as the Internet of Things, virtual reality, and intelligent systems, accurate latency estimation has become a critical challenge. The main objective of this work is to propose a Machine Learning-based approach, particularly using neural networks, to estimate latency in cellular networks. A comprehensive methodologie has been adopted, including data exploration, preprocessing, model design, and evaluation. The proposed model is based on a Multi-Layer Perceptron (MLP) trained on a real dataset containing more than 16,000 observations collected from 3G, 4G, and 5G networks. Experimental results demonstrate that the model achieves good performance, with a coefficient of determination (R²) of approximately 0.84 and an acceptable mean error. A comparison with other regression models, such as Linear Regression and Random Forest, validates the effectiveness of the proposed approach. Finally, several improvement perspectives are discussed, including the integration of additional features and the use of more advanced models. |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 008546 Adobe Acrobat PDF |
