Project

Denk klein: heroverwegen van de nood aan big data in draadloze netwerken

Acroniem
Denk klein
Looptijd
01-01-2019 → Lopend
Financiering
Fonds voor Wetenschappelijk Onderzoek - Vlaanderen (FWO)
Mandaathouder
Onderzoeksdisciplines
  • Natural sciences
    • Applied mathematics in specific fields
Trefwoorden
Draadloze netwerken machine learning optimalisatie
 
Projectomschrijving

Draadloze netwerken zijn complexer dan ooit met een toenemende configureerbaarheid. Het begrijpen van alle aspecten van complexe draadloze systemen en het bieden van oplossingen wordt onhaalbaar, zelfs voor domeinexperts. Dientengevolge is er in draadloze systemen een voortdurende trend om machine learning toe te passen, een techniek waarbij computers leren van data om kennis van experts te vermijden. Machinaal leren wordt momenteel gebruikt in draadloze netwerken voor taken zoals prestatievoorspelling, herkenning van technologieën zoals Wi-Fi, LTE, Bluetooth, enz. En netwerkoptimalisatie (bijvoorbeeld lokalisatiesysteem met heterogene instellingen). State-of-the-art benaderingen vereisen echter grote datasets met annotaties met betrekking tot prestaties en technolo- gieën van monsters. Deze benadering vereist dat bedrijven een enorme hoeveelheid tijd besteden aan het genereren en annoteren van (handmatige) datasets voordat er waarde wordt gecreëerd, waardoor big data-learning te duur wordt voor veel problemen die Vlaamse netwerkbedrijven tegenkomen. Daarom is het doel van dit project om technieken te ontwikkelen die op "kleine gegevens" gebaseerde draadloze machineleren mogelijk maken, ofwel door op intelligente wijze minder maar meer relevante informatie te verzamelen of door inzichten uit eerdere optimalisaties te hergebruiken. We stellen nieuwe benaderingen voor het leren van machines voor om met gedeeltelijk geannoteerde datasets om te gaan, methoden om kennis over te dragen naar nieuwe technologieën of omgevingen en uiteindelijk methoden om efficiënt te identificeren welke labels nodig zijn voor snel leren.