Título: Aplicação do Método de Entropia Cruzada em Aprendizagem por Reforço para Controle de Fator de Espalhamento Espectral em Sistemas Internet das Coisas
Autores: Vittor Gomes de Lima, Carlos Daniel de Sousa Bezerra, Flávio Henrique Teles Vieira
Resumo: O número de dispositivos de Internet das Coisas (IoT) conectados cresce cada vez mais. Dependendo do cenário na prática, pode ocorrer tráfego intenso de dados no sistema de comunicação, dificultando que o seu desempenho se mantenha adequado devido aos congestionamentos e perdas de pacote por colisão. Este trabalho propõe um algoritmo inteligente baseado em aprendizado por reforço para atuar no espalhamento espectral da tecnologia LoRa de forma que a vazão da rede seja aumentada e o número de colisões de pacotes seja reduzido. É proposto utilizar o método de Entropia Cruzada associado à aprendizagem por reforço profundo para essa aplicação. A metodologia de pesquisa é por meio de simulações computacionais, implementação e validação do algoritmo proposto. Os resultados apontam para uma técnica de otimização e controle promissora comparada a outros algoritmos de aprendizagem por reforço profundo, principalmente para um número elevado de dispositivos.
Palavras-chave: LoRaWAN, Otimização, Fator de Espalhamento Espectral, Internet das Coisas.
Páginas: 6
Código DOI: 10.21528/CBIC2023-168
Artigo em pdf: CBIC_2023_paper168.pdf
Arquivo BibTeX: CBIC_2023_168.bib