@MASTERSTHESIS{ 2022:1124539267,
 	title = {An?lise de mobilidade e um  Autoencoder Robusto},
 	year = {2022},
 	url = "https://tede.inatel.br:8080/tede/handle/tede/234",
 	abstract = "A modelagem estat?stica de canais desempenha um papel importante no desenvolvimento de redes de comunica??es, com o advento da quinta gera??o de redes m?veis (5G) e sexta gera??o de redes m?veis (6G), j? que se espera redes cada vez mais diversificadas quanto aos dispositivos conectados e com maior necessidade de recursos e efici?ncia. Um paradigma promissor para redes modernas e a intelig?ncia artificial ( artificial intelligence, AI), com o papel de otimiza??o, integra??o e ger?ncia em v?rios n?veis.
 Este trabalho procura avaliar um modelo generalista de desvanecimento ?-? afetado
 por um sombreamento Gama em um cen?rio de mobilidade do tipo modelo de paradas aleat?rias (  random waypoint model, RWP) para diferentes ambientes de propaga??o e topologias. Obtiveram-se novas express?es para fun??o densidade de probabilidade (FDP), fun??o de distribui??o cumulativa (FDC), probabilidade de erro de s?mbolo media ( average symbol error probability, ASEP), probabilidade de indisponibilidade (PI) e capacidade. Tamb?m, verificou-se a aplica??o? ao de um sistema de comunica??o, 
 baseado em rede neural densa (dense neural network, DNN), na forma de um autoencoder (AE) no canal proposto. Com o conhecimento apenas das amostras do canal, o AE obteve desempenho similar as modula??es tradicionais e se mostrou robusto para varia??es no canal.",
 	publisher = {Instituto Nacional de Telecomunica??es},
 	scholl = {Mestrado em Engenharia de Telecomunica??es},
 	note = {Instituto Nacional de Telecomunica??es}
}