Aplicações de aprendizado de máquina em sistemas de comunicação e de energia [recurso eletrônico]
Felipe Moraes Laburú
TESE
Português
T/UNICAMP L115a
[Machine learning applications in communication and energy systems]
Campinas, SP : [s.n.], 2023.
1 recurso online (113 p.) : il., digital, arquivo PDF.
Orientador: José Cândido Silveira Santos Filho
Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação
Resumo: Esta tese apresenta aplicações de aprendizado de máquina em duas áreas do conhecimento: em comunicações sem fio e em sistemas de energia. No âmbito das comunicações sem fio, é proposto um problema inédito de estimar parâmetros essenciais da caracterização assintótica de canal a fim de...
Ver mais
Resumo: Esta tese apresenta aplicações de aprendizado de máquina em duas áreas do conhecimento: em comunicações sem fio e em sistemas de energia. No âmbito das comunicações sem fio, é proposto um problema inédito de estimar parâmetros essenciais da caracterização assintótica de canal a fim de calcular as principais métricas de desempenho do sistema. Trata-se de um problema de regressão: estimar via aprendizado profundo um modelo probabilístico dedicado que, a partir de uma coleção limitada de amostras de canal para determinado ambiente de propagação, forneça valores operacionais precisos para métricas de desempenho primordiais como probabilidade de interrupção e taxa de erro de bit. Para analisar o desempenho do nosso estimador obtido via aprendizado profundo, são desenvolvidas as equações da função regressora ótima. Além disso, é proposta uma etapa essencial de pré-processamento para atingir resultados próximos ao ótimo. Por fim, nessa primeira parte da tese, é apresentada de maneira inédita uma solução de máxima verossimilhança para o problema em questão utilizando um estimador clássico da estatística, o estimador de Hill. No âmbito dos sistemas de energia, trata-se de um problema de classificação: predizer diversas classes de falha em transformadores de potência a partir da concentração de gases dissolvidos em óleo. Em particular, é desenvolvida uma nova engenharia de atributos que pode melhorar o desempenho do preditor de falhas. Além disso, considerando que as bases de dados em questão são frequentemente desbalanceadas, são propostas medidas mais efetivas para avaliar o desempenho dos preditores treinados e, correspondentemente, é estabelecido um critério mais acertado para comparar e selecionar técnicas de balanceamento dos dados
Ver menos
Abstract: This thesis presents machine learning applications in two fields of knowledge: wireless communications and power systems. In the field of wireless communications, a new problem is proposed to estimate essential parameters of the asymptotic channel characterization to calculate the main...
Ver mais
Abstract: This thesis presents machine learning applications in two fields of knowledge: wireless communications and power systems. In the field of wireless communications, a new problem is proposed to estimate essential parameters of the asymptotic channel characterization to calculate the main performance metrics of the system. This is a regression problem: estimating via deep learning a dedicated probabilistic model that, from a limited collection of channel samples for a given propagation environment, provides accurate operational values for key performance metrics such as outage probability and bit error rate. To analyze the performance of our deep learning estimator, we device the benchmark equations of the optimal regressive function. Still, an essential pre-processing step is proposed to achieve results close to the optimal. Finally, in this first part of the thesis, a maximum likelihood solution to the referred problem is presented using a classic statistical estimator: the Hill estimator. In the field of power systems, we address a classification problem: predicting different classes of failure in power transformers based on the concentration of gases dissolved in oil. In particular, a new feature engineering is provided that can improve the performance of the failure predictor. Furthermore, considering that the databases in question are often unbalanced, more effective measures are proposed to evaluate the performance of the trained predictors. Correspondingly, a more accurate criterion is established to compare and select data balancing techniques
Ver menos
Santos Filho, José Cândido Silveira, 1979-
Orientador
Masiero, Bruno Sanches, 1981-
Avaliador
Fraidenraich, Gustavo, 1975-
Avaliador
Souza, Rausley Adriano Amaral de, 1972-
Avaliador
Souza, Reginaldo Nunes de, 1986-
Avaliador
Aplicações de aprendizado de máquina em sistemas de comunicação e de energia [recurso eletrônico]
Felipe Moraes Laburú
Aplicações de aprendizado de máquina em sistemas de comunicação e de energia [recurso eletrônico]
Felipe Moraes Laburú