Browsing by Issue Date, starting with "2021-07-02"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
- Prestação de serviços às PME em comércio eletrónicoPublication . Oliveira, Ana Rita Silva; Azevedo, José Manuel Monteiro LopesA expansão da Internet provocou profundas alterações na forma como as organizações orientam os seus negócios. A compra e venda de bens e serviços através da Internet trouxe inúmeros benefícios às organizações, permitindo um maior alcance tanto a clientes como a fornecedores, além da hipótese de uma loja sempre aberta. Mais ainda, o comércio eletrónico revelou-se uma importante ferramenta para combater os efeitos dos confinamentos provocados pela pandemia COVID-19 nas organizações. Assim, em virtude do contexto pandémico, muitas organizações viram-se pressionadas a tomar a decisão de criar uma loja online. No entanto, a opção pela adoção do comércio eletrónico por parte das organizações pode significar, por vários motivos, uma sobrecarga financeira significativa. Existem, disponíveis no mercado, diversas soluções para apoiar as empresas na implementação de comércio eletrónico. Estas soluções são capazes de dar resposta às necessidades e requisitos de empresas de diferentes dimensões, estado de maturidade e áreas de negócio e é da maior importância que todas as soluções sejam estudadas e ponderadas. O trabalho realizado durante o estágio procurou um melhor entendimento das várias soluções existentes e da sua adequação a pequenas e médias empresas, tendo sido realizado numa empresa que desenvolve soluções deste tipo. A intervenção aí realizada teve como objetivo perceber e colmatar carências identificadas. Este relatório contém uma revisão da literatura na área e apresenta a análise de dados recolhidos, através de um questionário do tipo diagnóstico. Foi utilizada a metodologia Investigação-Ação, de forma que se pudessem implementar melhorias na empresa e nos serviços prestados aos clientes. Foram executadas todas as etapas de um ciclo de Investigação-ação, tendo sido o resultado do estágio avaliado como um sucesso.
- Deep Q-Networks for Aerial Data Collection in Multi-UAV-Assisted Wireless Sensor NetworksPublication . Emami, Yousef; Wei, Bo; Li, Kai; Ni, Wei; Tovar, EduardoUnmanned Aerial Vehicles (UAVs) can collaborate to collect and relay data for ground sensors in remote and hostile areas. In multi-UAV-assisted wireless sensor networks (MA-WSN), the UAVs' movements impact on channel condition and can fail data transmission, this situation along with newly arrived data give rise to buffer overflows at the ground sensors. Thus, scheduling data transmission is of utmost importance in MA-WSN to reduce data packet losses resulting from buffer overflows and channel fading. In this paper, we investigate the optimal ground sensor selection at the UAVs to minimize data packet losses . The optimization problem is formulated as a multiagent Markov decision process, where network states consist of battery levels and data buffer lengths of the ground sensor, channel conditions, and waypoints of the UAV along the trajectory. In practice, an MA-WSN contains a large number of network states, while the up-to-date knowledge of the network states and other UAVs' sensor selection decisions is not available at each agent. We propose a Multi-UAV Deep Reinforcement Learning based Scheduling Algorithm (MUAIS) to minimize the data packet loss, where the UAVs learn the underlying patterns of the data and energy arrivals at all the ground sensors. Numerical results show that the proposed MUAIS achieves at least 46\% and 35\% lower packet loss than an optimal solution with single-UAV and an existing non-learning greedy algorithm, respectively.
- Federated Learning for Energy-balanced Client Selection in Mobile Edge ComputingPublication . Zheng, Jingjing; Li, Kai; Tovar, Eduardo; Guizani, MohsenMobile edge computing (MEC) has been considered as a promising technology to provide seamless integration of multiple application services. Federated learning (FL) is carried out at edge clients in MEC for privacy-preserving training of data processing models. Despite that the edge clients with small data payloads consume less energy on FL training, the small data payload gives rise to a low learning accuracy due to insufficient input to the FL training. Inadequate selection of the edge clients can result in a large energy consumption at the edge clients, or a low learning accuracy of the FL training. In this paper, a new FL-based client selection optimization is proposed to balance the trade-off between energy consumption of the edge clients and the learning accuracy of FL. We first show that this optimization problem is NP-complete. Next, we propose a FL-based energy-accuracy balancing heuristic algorithm to approximate the optimal client selection in polynomial time. The numerical results show the advantage of our proposed algorithm.