Smart techniques in the dynamic spectrum alocation for cognitive wireless networks

dc.contributor.authorSalgado, Camilaspa
dc.contributor.authorMárquez, Hansspa
dc.contributor.authorGómez, Víctorspa
dc.date2016-07-01
dc.date.accessioned2019-09-19T21:45:06Z
dc.date.available2019-09-19T21:45:06Z
dc.descriptionObjective: The objective of this work is to study the applications of different techniques of artificial intelligence and autonomous learning in the dynamic allocation of spectrum for cognitive wireless networks, especially the distributed ones.Method: The development of this work was done through the study and analysis of some of the most relevant publications in current literature through the search in indexed international journals in ISI and Scopus.Results: the most relevant techniques of artificial intelligence and autonomous learning were determined. Also, the ones with more applicability in the allocation of spectrum for cognitive wireless networks were determined, too. .Conclusions: The implementation of a technique, or set of them, depends on the needs in signal processing, compensation in response times, sample availability, storage capacity, learning ability and robustness, among others.en-US
dc.descriptionObjetivo: El objetivo de este trabajo es estudiar las aplicaciones de las diferentes técnicas de inteligencia artificial y aprendizaje autónomo en la asignación dinámica de espectro para redes inalámbricas cognitivas, es especial las distribuidas.Método: El desarrollo del presente trabajo se realizó a través del estudio y análisis de algunas de las publicaciones más relevantes en la literatura actual por medio de la búsqueda en revistas internacionales indexadas en ISI y Scopus.Resultados: Se determinaron las técnicas de inteligencia artificial y aprendizaje autónomo más relevantes y con mayor aplicación en la asignación de espectro para redes inalámbricas cognitivas.Conclusiones: La implementación de una técnica o del conjunto de las mismas depende de las necesidades en procesamiento de la señal, compensaciones en los tiempos de respuesta, disponibilidad de las muestras, capacidad de almacenamiento, capacidad de aprendizaje, robustez, entre otras.es-ES
dc.formatapplication/pdf
dc.formattext/html
dc.identifierhttps://revistas.udistrital.edu.co/index.php/Tecnura/article/view/10981
dc.identifier10.14483/udistrital.jour.tecnura.2016.3.a09
dc.identifier.urihttp://hdl.handle.net/11349/20966
dc.languagespa
dc.publisherUniversidad Distrital Francisco José de Caldas. Colombiaes-ES
dc.relationhttps://revistas.udistrital.edu.co/index.php/Tecnura/article/view/10981/11845
dc.relationhttps://revistas.udistrital.edu.co/index.php/Tecnura/article/view/10981/11904
dc.rightsDerechos de autor 2016 Revista Tecnuraes-ES
dc.sourceTecnura Journal; Vol 20 No 49 (2016): July - September; 133-151en-US
dc.sourceTecnura; Vol. 20 Núm. 49 (2016): Julio - Septiembre; 133-151es-ES
dc.source2248-7638
dc.source0123-921X
dc.subjectmachine learningen-US
dc.subjectdynamic spectrum accessen-US
dc.subjectartificial intelligenten-US
dc.subjectcognitive radioen-US
dc.subjectwireless networks.en-US
dc.subjectaprendizaje autonomoes-ES
dc.subjectasignacion dinamica de espectroes-ES
dc.subjectinteligencia artificiales-ES
dc.subjectradio cognitivases-ES
dc.subjectredes inalambricas.es-ES
dc.titleSmart techniques in the dynamic spectrum alocation for cognitive wireless networksen-US
dc.titleTecnicas inteligentes en la asignacion de espectro dinamica para redes inalambricas cognitivases-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion
dc.type.coarhttp://purl.org/coar/resource_type/c_6501

Archivos

Colecciones