Réduction des émissions de gaz à effet de serre des réseaux sans fil : amélioration des performances des approches d'intelligence artificielle

Temim, Samah (2023). Réduction des émissions de gaz à effet de serre des réseaux sans fil : amélioration des performances des approches d'intelligence artificielle. Thèse. Gatineau, Université du Québec en Outaouais, Département d’informatique et d'ingénierie, 87 p.

Prévisualisation

PDF Télécharger (1MB) | Prévisualisation

Résumé

Dans notre époque où les nouvelles technologies sont omniprésentes, nous constatons que les réseaux sans fil sont devenus une composante incontournable de notre vie quotidienne. La croissance rapide des technologies de mise en réseau, notamment l'émergence fulgurante de la cinquième génération (5G), a engendré une augmentation exponentielle des abonnements mobiles et des utilisateurs d'Internet à l'échelle mondiale. Cette expansion sans précédent met en exergue la nécessité impérieuse de créer des infrastructures solides et d'innover sur le plan technologique pour satisfaire aux demandes grandissantes en matière de connectivité. Cependant, cet essor technologique n'est pas sans susciter des préoccupations environnementales, en particulier, l’augmentation des émissions de gaz à effet de serre (GES).
La présente thèse se concentre sur le développement et le déploiement de solutions pratiques pour réduire les émissions de GES émanant des réseaux sans fil. Une première solution consiste à une intégration intelligente et décentralisée de l’énergie solaire pour répondre à la consommation des réseaux Wi-Fi. La deuxième solution est basée sur le déploiement d’algorithmes d’apprentissage automatique utilisés pour réduire l'énergie consommés par les réseaux sans fil.
Dans la première partie de la recherche, l'attention est portée sur la problématique des émissions de GES associées aux réseaux sans fil. Une méthodologie innovante est développée pour quantifier l'impact environnemental des réseaux Wi-Fi communautaires en évaluant leur consommation d'énergie et en estimant les émissions de GES résultantes. En proposant un cadre de GES, l'étude démontre comment la transition vers des sources d'énergie plus propres, comme le solaire, peut réduire significativement l'empreinte carbone des réseaux. L'application de cette méthodologie à un déploiement élargi de Wi-Fi communautaire permet d'évaluer les avantages environnementaux potentiels à grande échelle. Cette approche suggère également une voie pour évaluer l'impact environnemental d'autres solutions technologiques propres.
Dans la deuxième partie de la thèse, on présentera une nouvelle approche d’optimisation des performances des modèles d'apprentissage profond utilisés pour la prédiction du trafic cellulaire. Un cadre d'analyse des hyperparamètres est développé pour déterminer l'influence de ces paramètres sur les performances des modèles. En recherchant un compromis entre la précision des prédictions et l'efficacité énergétique, des ensembles appropriés d'hyperparamètres sont identifiés. Cette approche démontre l'importance cruciale de la sélection minutieuse des hyperparamètres pour améliorer à la fois la précision des modèles et leur efficacité énergétique.

Type de document:	Thèse (Thèse)
Directeur de mémoire/thèse:	Talbi, Larbi
Co-directeurs de mémoire/thèse:	Bensebaa, Farid
Départements et école, unités de recherche et services:	Informatique et ingénierie
Date de dépôt:	09 janv. 2024 16:32
Dernière modification:	09 janv. 2024 16:32
URI:	https://di.uqo.ca/id/eprint/1595

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt