
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Ribeiro, David Augusto | - |
| Autor(es): dc.creator | Carrillo Melgarejo, Dick | - |
| Autor(es): dc.creator | Saadi, Muhammad | - |
| Autor(es): dc.creator | Rosa, Renata Lopes | - |
| Autor(es): dc.creator | Zegarra Rodríguez, Demóstenes | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:52:15Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:52:15Z | - |
| Data de envio: dc.date.issued | 2023-05-25 | - |
| Data de envio: dc.date.issued | 2023-05-25 | - |
| Data de envio: dc.date.issued | 2023-01 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/56854 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1016/j.phycom.2022.101938 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1169898 | - |
| Descrição: dc.description | Traffic congestion has been an actual problem in large cities, causing personal inconvenience and environmental pollution. To solve this problem, new applications for Intelligent Transportation System (ITS) have been created, to monitor actual traffic conditions. Therefore, fast, reliable and safe systems are desirable for creating a real intelligent transportation environment. Deep learning algorithms have been proposed for a better understanding of traffic behavior from a security-related perspective. Thus, we aim to maximize the safety problems using a deep learning algorithm, where a novel policy gradient model is presented for detecting vehicular misuse. The proposed model uses a triple network replay algorithm, maximizing the network convergence speed. Three networks are selected to optimize the policy network variables. Finally, the replay algorithm is partitioned with the aim of obtaining a faster model. Simulations on a real urban map are performed in a scenario with the integration of 5G or 6G networks. An architectural model for the integration of a Vehicular Ad-hoc Network (VANET) and cellular networks is determined in software-defined networking (SDN). The results show that the accuracy prediction of the proposed system presents better performance compared to related studies, where the proposed model increases its convergence speed and cumulative reward. Thus, the ITS improvement by the proposed deep learning algorithm increases the prediction accuracy, and reduces the transmission delay, treating the traffic path according to the congestion. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Physical Communication | - |
| Palavras-chave: dc.subject | Deep deterministic policy gradient | - |
| Palavras-chave: dc.subject | Intelligent transportation system | - |
| Palavras-chave: dc.subject | Software defined network | - |
| Palavras-chave: dc.subject | Traffic monitoring | - |
| Palavras-chave: dc.subject | 5G and 6G networks | - |
| Palavras-chave: dc.subject | Política de Gradiente Determinístico Profundo | - |
| Palavras-chave: dc.subject | Sistemas de Transporte Inteligente | - |
| Palavras-chave: dc.subject | Rede definida por software | - |
| Palavras-chave: dc.subject | Tráfego de rede - Monitoramento | - |
| Palavras-chave: dc.subject | Redes 5G e 6G | - |
| Título: dc.title | A novel deep deterministic policy gradient model applied to intelligent transportation system security problems in 5G and 6G network scenarios | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: