Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/29914
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorAzzouz, Abir-
dc.contributor.authorKouachi, Asma Iman (promotrice)-
dc.date.accessioned2024-07-24T11:54:01Z-
dc.date.available2024-07-24T11:54:01Z-
dc.date.issued2024-
dc.identifier.urihttps://di.univ-blida.dz/jspui/handle/123456789/29914-
dc.description75 p.; ill.+1 cd rom.-Mémoire de Master option Télécommunications Spatiales.-Numéro de Thèse 029/2024fr_FR
dc.description.abstractThe telecommunications sector is a vast global industry, fraught with numerous anomalies and challenges that companies must manage. A critical component of the mobile network infrastruc- ture is the Base Station (BS). In Algeria, mobile operators such as Mobilis, Ooredoo, Djezzy, and Telecom Algeria continue to address BS anomalies using traditional methods, which can be inefficient and time-consuming. Large language models (LLMs) have recently demonstrated significant promise across various domains due to their advanced capabilities in understanding and generating human-like text. This dissertation investigates the application of LLMs within the telecommunications industry to resolve BS anomalies intelligently. In our research, we im- plemented three LLMs: Llama, GPT-2, and Mistral-to generate solutions for BS anomalies. Our results demonstrate that the Mistral model outperforms the others in effectively resolving BS anomalies, highlighting its potential to revolutionize how telecommunications issues are ad- dressed. Résumé Le secteur des télécommunications est une vaste industrie mondiale, confrontée à de nombreuses anomalies et défis que les entreprises doivent gérer. Un composant essentiel de l'infrastructure des réseaux mobiles est la station de base.En Algérie, les opérateurs mobiles tels que Mobilis, Ooredoo, Djezzy et Algérie Télécom continuent de traiter les anomalies des stations de base en utilisant des méthodes traditionnelles, souvent inefficaces et chronophages. Les grands modèles de langage se sont récemment révélés très prometteurs dans divers domaines en raison de leurs capacités avancées de compréhension et de génération de textes semblables à ceux des humains. Cette thèse étudie l'application des LLM dans l'industrie des télécommunications pour résoudre intelligemment les anomalies des stations de base.Dans notre recherche, nous avons implémenté trois modèles: Llama, GPT-2 et Mistral, pour générer des solutions aux anomalies des stations de base. Nos résultats démontrent que le modèle Mistral est plus performant que les autres dans la résolution efficace des anomalies des stations de base, soulignant son potentiel à révolutionner la façon dont les problèmes de télécommunications sont traités.fr_FR
dc.language.isoenfr_FR
dc.publisherUniversité Blida 01fr_FR
dc.subjectTelecomfr_FR
dc.subjectLarge Language Models (LLMs)fr_FR
dc.subjectBase Stations Anomalies (BSA)fr_FR
dc.subjectMis- tralfr_FR
dc.subjectLlamafr_FR
dc.subjectGPT 2fr_FR
dc.subjectTélécommunicationsfr_FR
dc.subjectGrand modèle de langagefr_FR
dc.subjectAnomalies des stations de basefr_FR
dc.subjectاتصالاتfr_FR
dc.subjectنماذج اللغات الكبيرةfr_FR
dc.subjectمشاكل المحطات الأساسيةfr_FR
dc.titleLLMS-TBSA: Large Language Models for Troubleshooting of Base Stations Anomaliesfr_FR
dc.typeThesisfr_FR
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
029-2024.pdf5,74 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.