Apprentissage automatique pour déduire le comportement des utilisateurs dans des réseaux autonomes 5G

Defense type
Thesis
Starting date
End date
Location
Other
Room
Visioconférence limitée au jury
Speaker
Yllyyne SAFFAR (DIONYSOS)
Theme

L’idée développée dans cette thèse est d’utiliser le Machine Learning/Deep Learning et l’analyse de données radio 3GPP pour estimer et prédire le comportement d’un utilisateur, en termes d’habitudes et de préférence d’usage des services mobiles d’un réseau 5G. Le caractère multidimensionnel du comportement de l’utilisateur rend son estimation complexe et reste actuellement un défi. Nous avons donc étudié son estimation sous une approche innovante au regard de l’état de l’art. Nous avons proposé de la réaliser au sein d’un système unifié qui estime en parallèle chaque dimension du comportement. En utilisant des méthodes basées sur l'apprentissage approfondi (deep-learning) supervisé et hybride/semi-supervisé, nous proposons une solution pour la détection de l'environnement (Indoor/Outdoor Detection (IOD)) et jusqu’à 8 classes d’environnement d'un utilisateur de téléphone portable. Nous proposons ensuite une solution permettant de détecter la catégorie de mobilité (Mobility Speed Profile (MSP) detection) jusqu’à 8 profils de vitesses. Enfin, une solution innovante basée sur des algorithmes d’apprentissage profond dans une architecture multitâches permet d’estimer conjointement à la fois l’environnement et le profil de mobilité.  La comparaison avec l’état de l’art a montré l'efficacité des méthodes proposées, ce qui permet d’envisager leur utilisation par des opérateurs mobiles au sein de leurs futurs réseaux.

 Mots clés : LTE, 5G, Deep learning, Indoor/Outdoor detection (IOD), Mobility Speed Profile (MSP) detection

Composition of the jury
- M. Adlen Ksentini, Professeur Des Universites, Eurecom, Sophia Antipolis (Examinateur).
- Mme Nathalie Mitton, Directeur De Recherches , Inria Lille-Nord Europe (Examinatrice).
- M. Zwi Altman, Senior Researcher, Orange Labs (Examinateur).
- Mme Othman Ghaya Rekay-Ben, Professeur Des Universites, Telecom Paristech (Rapporteur)
- Mme Thi-Mai-Trang Nguyen, Maitre De Conference, Universite Paris 1 Pantheon Sorbonne (Rapporteur)
- M. Cesar Pascal Viho, Professeur Des Universites, Universite De Rennes 1 (Directeur De These).
- Mme Marie-Line Alberi Morel, Senior Researcher, Nokia Paris Saclay (Co-Directrice De These).
- M. Kamal Singh, Maitre De Conference, Universite Saint Etienne Jean Monnet (Co-Encadrant).