Técnicas de aprendizaje automático para reducir latencia en redes inalámbricas de quinta generación.
Authors
Loading...
Date
2025
Directors
Journal Title
Journal ISSN
Volume Title
Publisher
QUEVEDO: UTEQ
Abstract
La reducción de latencia en redes inalámbricas de quinta generación representa un obstáculo crítico en el desempeño óptimo de aplicaciones sensibles al tiempo de respuesta como telemedicina, Iot y realidad aumentada que requieren de un sistema estable con el mejor rendimiento que evite perdidas en la información. El uso de algoritmos avanzados como el aprendizaje automático representa una innovación en la mejora de las redes actuales, estos algoritmos permiten optimizar la gestión de recursos y reducir significativamente los tiempos de respuesta que existe entre comunicaciones inalámbricas en entornos de quinta generación. Identificar modelos supervisados y no supervisados permiten una mejor adaptación de funcionamiento en el enlace de equipos que son evaluados en su rendimiento bajo distintas condiciones de tráfico, los resultados son una clave para la mejora del algoritmo que permita una adaptación automática en solución a mejores respuestas porque evidencian la viabilidad en el uso de algoritmos avanzados en la red que permitan una mejoría constante en el tráfico de redes al reducir el tiempo de retraso que se genera en el uso de equipos inalámbricos.
Description
Reducing latency in fifth-generation wireless networks represents a critical bottleneck in the optimal performance of time-sensitive applications such as telemedicine, IoT and augmented reality that require a stable system with the best performance to avoid data loss. The use of advanced algorithms such as machine learning represents an innovation in the improvement of current networks, these algorithms allow optimizing Resource management and significantly reducing the response times that exist between Wireless communications in fifth generation environments. The identification of supervised and unsupervised models allows a better adaptation of the link performance of the equipment that are evaluated in their performance under different traffic conditions, these results are key to the improvement of the algorithm that allows an automatic adaptation in solution to better responses. These results show the feasibility in the use of advanced algorithms in the network that allow a constant improvement in the network traffic reducing the delay time generated in the use of wireless equipment.
Keywords
Latencia, Algoritmos avanzados, Aprendizaje automático
Citation
Lucas Cantos, Jordy Steven (2025). Técnicas de aprendizaje automático para reducir latencia en redes inalámbricas de quinta generación. Quevedo. UTEQ. 121 Paginas