Resumen

Las redes de malla inalámbricas son prevalentes para proporcionar un acceso descentralizado a los usuarios y otros dispositivos inteligentes. Mientras tanto, pueden ser empleadas como infraestructura de conectividad de los últimos kilómetros para diversas aplicaciones de red, por ejemplo, Internet de las Cosas (IoT) y redes móviles. Para una red troncal de malla inalámbrica, ha obtenido una amplia atención debido a su gran capacidad y bajo costo. La predicción del tráfico de red es importante para la planificación de la red y las configuraciones de enrutamiento que se implementan para mejorar la calidad de servicio para los usuarios. Este artículo propone un método de predicción de tráfico de red basado en una arquitectura de aprendizaje profundo y el método de Compresión Espacio-Temporal. El método propuesto primero adopta la transformada wavelet discreta para extraer el componente de paso bajo del tráfico de red que describe la dependencia a largo plazo del mismo. Luego, se construye un modelo de predicción aprendiendo una arquitectura profunda basada en la red de

• Materias:Internet de las cosas Dispositivos móviles Ransomware Ingeniería de Telecomunicación Servidores en la nube
• Subjects:Internet of things Mobile devices Ransomware Telecommunication engineering Cloud Servers
• Palabras claves:Red inalámbrica en malla; Acceso descentralizado; Aplicaciones de red; Internet de los objetos; Redes móviles; Predicción del tráfico de red.
• Keywords:Wireless mesh network; Decentralized access; Network applications; Internet of Things; Mobile networks; Network traffic prediction