Predição de Enlaces em Redes Oportunistas utilizando Redes Neurais Profundas

Abstract

As Redes oportunistas, caracterizadas pela sua natureza móvel e ausência de infraestrutura fixa, apresentam desafios singulares no contexto da predição de enlaces, um problema tradicional em redes de computadores. Embora diversas abordagens tenham sido propostas para solucionar esse problema, a aplicação de tais técnicas em redes oportunistas surge como uma estratégia promissora para otimizar a entrega de pacotes. Dessa forma, este trabalho realiza uma análise aprofundada, comparando métodos de Aprendizado de Máquina empregados na tarefa de predição de enlaces em redes oportunistas. Dentre as abordagens investigadas, incluem-se Redes Neurais Artificiais, Redes Neurais Convolucionais, Redes Neurais Recorrentes e Mecanismos de Atenção. Os experimentos conduzidos utilizam dois conjuntos de dados provenientes de redes oportunistas reais, o ITC e o Infocom06. Pela análise de desempenho dos resultados, foi possível observar que as Redes Neurais Convolucionais utilizando convoluções de duas dimensões são promissoras opções para a predição de enlaces, tendo obtido os valores de 0,9831 para AUC e de 0,7590 para PRAUC nos dados do Infocom06.