Go to the content. | Move to the navigation | Go to the site search | Go to the menu | Contacts | Accessibility

| Create Account

Guglielmi, Anna Valeria (2018) Network Science for IoT. [Ph.D. thesis]

Full text disponibile come:

[img]
Preview
PDF Document
1582Kb

Abstract (english)

The research work presented in this thesis is based on the concept and defintion of network that can spread in several and different real world contexts. Indeed, we can refer to a network in a telecommunications sense considering a collection of transmitters, receivers, and communication channels that send or are used to send information to one another. However, as a matter of fact, in nature there are other several examples of networks: the human brain is one of them. The relationship between the actors in Hollywood can be studied in terms of network as well, a generic social community can be compared to a network, eco-systems are networks of species. The recent Network Science aims at studying all these systems using a set of common mathematical methods. In the following of the thesis, we will focus on some of well known telecommunications networks issues using standard telecommunications procedures to address them, with relevant reference to video flow transmissions and management of electric vehicles networks. At the same time, different models aiming at reach the same goals in contexts that may differ from a telecommunications setup can be used. In more details, we will evaluate queueing systems, jamming problems, groups recognition in networks, and mobile computing using game theoretic approaches. It is worth noting that this aspect can be also seen in a reverse order. Indeed, we will discuss how standard telecommunications analysis can be used to investigate on problems not directly related to a telecommunications background. In particular, one of our future purposes is to investigate on the brain connectivity that is raising significant interest in the recent scientific society.

Abstract (italian)

Il lavoro di ricerca presentato in questa tesi è basato sul concetto e definizione di rete che può spaziare in diversi contesti del mondo reale. Infatti, facciamo riferimento ad una rete di telecomunicazioni se consideriamo una collezione di trasmettitori, ricevitori e canali di comunicazione che trasmettono o vengono usati per trasmettere informazioni. Tuttavia, anche in natura si possono trovare diversi esempi di rete: ad esempio il cervello umano è uno di questi. O ancora le relazioni tra gli attori ad Hollywood può essere studiato in termini di rete, una generica comunità sociale può essere comparata ad una rete, gli eco-sistemi sono da considerare come reti di specie. Network Science è la disciplina scientifica che si propone di studiare tutti questi sistemi usando un insieme comune di modelli matematici. In questa tesi ci focalizzeremo su alcune ben note problematiche relative a reti di telecomunicazioni usando classici metodi e modelli nati nell'ambito delle telecomunicazioni per analizzarle; in particolare, valuteremo trasmissioni video e la gestione di reti di veicoli elettrici. Allo stesso tempo, si può pensare di applicare a queste, o simili, tematiche modelli diversi che si propongono di raggiungere gli stessi obiettivi ma in contesti che possono differire da quelli propri delle telecomunicazioni. Più approfonditamente, valuteremo per mezzo di approcci basati sulla teoria dei giochi sistemi a coda, problemi di jamming, riconoscimento di gruppi nelle reti e il mobile computing. E' bene notare che il punto di vista di quanto appena discusso può essere invertito. Infatti, discuteremo inoltre come sia possibile applicare una classica analisi nell'ambito delle telecomunicazioni per investigare su problemi che non sono direttamente collegati ad un ambiente delle telecomunicazioni. In particolare, uno dei nostri futuri obiettivi è quello di valutare la connettività tra le varie aree che si possono definire nel cervello, tematica che recentemente sta acquistando un significativo interesse nella società scientifica.

Statistiche Download
EPrint type:Ph.D. thesis
Tutor:Badia, Leonardo
Ph.D. course:Ciclo 30 > Corsi 30 > INGEGNERIA DELL'INFORMAZIONE
Data di deposito della tesi:15 January 2018
Anno di Pubblicazione:15 January 2018
Key Words:Network science; IoT; game theory; complex systems; bayesian games; video transmissions; electric vehicles; Markov chain; mobile computing; brain networks
Settori scientifico-disciplinari MIUR:Area 09 - Ingegneria industriale e dell'informazione > ING-INF/03 Telecomunicazioni
Struttura di riferimento:Dipartimenti > Dipartimento di Ingegneria dell'Informazione
Codice ID:11014
Depositato il:26 Oct 2018 08:57
Simple Metadata
Full Metadata
EndNote Format

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record