Resumen

Se requiere una predicción precisa del tráfico en tiempo real en muchas aplicaciones de redes como la asignación dinámica de recursos y la gestión de energía. Este documento explora varios predictores y busca uno que tenga alta precisión y baja complejidad de cálculo y consumo de energía. Se comparan muchos predictores de tres clases diferentes, incluidos los clásicos de series temporales, las redes neuronales artificiales y los predictores basados en la transformada wavelet. Estos predictores se evalúan utilizando trazas de red reales. Se presenta una comparación de precisión y costos, tanto en términos de complejidad de cálculo como de consumo de energía. Se observa que un predictor de suavizado exponencial doble proporciona un equilibrio razonable entre rendimiento y sobrecarga de costos.

• Materias:Redes Inalámbricas Teléfonos inteligentes Sistema de seguimiento Distribución de claves Enfoque estocástico
• Subjects:Wireless Networks Smart phones Tracking system Key distribution Stochastic approach
• Palabras claves:Predicción de tráfico en tiempo real; Aplicaciones de redes; Asignación de recursos; Gestión de energía; Predictores; Complejidad computacional
• Keywords:Real-time traffic prediction; Networking applications; Resource allocation; Power management; Predictors; Computation complexity