Capitolo 7
Conclusioni
In conclusione, i risultati raggiunti da questo lavoro di tesi sono stati:
• la selezione di un insieme di KPI (Key Performance Indicator) significativi per la determinazione dello stato delle celle HSDPA. L’analisi effettuata ha tenuto conto di indicatori relativi alle risorse indispensabili per il funzionamento della rete di accesso HSDPA (come la disponibilità di potenza e codici), e si è cercato inoltre di valutare la qualità del servizio fornito agli utenti mobili.
• la definizione di criteri di classificazione delle celle. I KPI scelti, throughput medio utente in downlink, intensità di traffico e CQI medio, consentono di classificare lo stato di una cella secondo le seguenti categorie: nessuna criticità, criticità per traffico elevato e criticità per basso Ec=Io. È stato definito inoltre un valore del throughput medio utente minimo da garantire pari a 1 Mbps al fine di assicurare un’adeguata qualità del servizio HSDPA.
• il progetto, l’addestramento e la validazione di una rete neurale per la classificazione automatica delle criticità. Rendendo automatico il download dei KPI dai server territoriali e la loro elaborazione tramite rete neurale è possibile avere un monitoraggio del funzionamento della rete quasi in tempo reale ( il ritardo introdotto dai server che gestiscono i contatori statistici è pari ad un’ora).
7.1
Ambiti di sviluppo alternativi
Lo strumento sviluppato per Telecom Italia, potrebbe essere verosimilmente adattato e modulato per altri ambiti.
Le reti neurali vengono solitamente usate in contesti dove i dati possono essere parzialmente errati oppure dove non esistano modelli analitici in grado di affrontare il problema. Un loro tipico utilizzo è nei software di OCR, nei sistemi di riconoscimento facciale e più in generale nei sistemi che si occupano di trattare dati soggetti a errori o rumore.
Le reti neurali possono essere utilizzate come mezzo per previsioni nell'analisi finanziaria o meteorologica.
Negli ultimi anni è aumentata notevolmente la loro importanza anche nel campo della bioinformatica nel quale vengono utilizzate per la ricerca di pattern funzionali e/o strutturali in proteine e acidi nucleici. Mostrando opportunamente una lunga serie di input (fase di training o apprendimento), la rete è in grado di fornire l'output più probabile.
Negli ultimi anni inoltre sono in corso studi per il loro utilizzo nella previsione degli attacchi Epilettici.
Recenti studi hanno dimostrato buone potenzialità delle reti neurali in sismologia per la localizzazione di epicentri di terremoti e predizione della loro intensità.
