Robust contextual bandit-based selection algorithms
Gürbüz bağlamsal haydut tabanlı seçim algoritmaları
- Tez No: 1023273
- Danışmanlar: DOÇ. DR. CEM TEKİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın odak noktası, uyarlanabilir mmWave haberleşme sistemlerine yönelik sağlam (robust) ve kombinatoryal öğrenme tabanlı hüzme hizalama (beam alignment) çerçevelerinin incelenmesi ve uygulanmasıdır. Bağlamsal kombinatoryal çok kollu haydut (contextual combinatorial bandit) teorisi ve Gaussian Process (GP) haydut yöntemleri temel alınarak, hüzme ve iletim hızı uyarlaması belirsizlik altında sıralı karar verme problemi olarak formüle edilmiştir. Hüzme paylaşım kısıtlarının sağlandığı merkezi bir çok kullanıcılı mmWave MISO sistemi ele alınmış ve hüzme ile iletim hızı atamaları ortaklaşa optimize edilmiştir. Pratik hizmet kalitesi gereksinimlerini karşılamak amacıyla, katı ödül maksimizasyonu yerine güvenilir veri iletim garantilerine öncelik veren satisficing pişmanlık (regret) formülasyonları benimsenmiştir. Kullanıcı hareketlerini temsil eden belirsizlik bölgeleri üzerinde en kötü durum (worst-case) optimizasyonuna dayalı sağlam hüzme izleme algoritmaları önerilmiştir. Ayrıca, hüzmeler arasındaki karşılıklı bağımlılık kısıtlarını dikkate alarak birden fazla kullanıcı için hüzme atamalarını ortaklaşa optimize eden kombinatoryal çok kullanıcılı yapılara yönelik genişletmeler geliştirilmiştir. Buna ek olarak, belirli kullanıcı konumlarında uygulanabilir görüş hattı (LOS) veya görüş hattı dışı (NLOS) hüzme yapılandırmalarının geçici olarak bulunamayabildiği aralıklı gerçekleştirilebilirlik (intermittent realizability) senaryolarını ele almak amacıyla, alt güven sınırlarına (Lower Confidence Bounds, LCB) dayalı satisficing temelli eleme mekanizmaları önerilmiştir. Deneysel değerlendirmeler, birden fazla baz istasyonu ve yönlü hüzme oluşturma kod kitapları içeren gerçekçi kentsel mmWave ortamlarındaki DeepMIMO kanal veri kümeleri kullanılarak gerçekleştirilmiştir. Elde edilen sonuçlar, önerilen sağlam satisficing ve en kötü durum optimizasyonu yaklaşımlarının hareketlilik belirsizliği ve engellenme (blockage) koşullarında haberleşme güvenilirliğini ve uyarlanabilirliğini artırdığını göstermektedir. Özellikle, alt güven sınırına dayalı eleme stratejilerinin, yüksek belirsizlik altında çalışan sistemlerde geleneksel en kötü durum optimizasyonu yaklaşımlarına kıyasla daha yüksek sağlamlık sağladığı gösterilmiştir. Bu tezin bulguları, kombinatoryal banditler, sağlam optimizasyon, bağlamsal öğrenme ve yeterlilik karar teorisini bir araya getiren bütünleşik bir çerçeve ortaya koymaktadır.
Özet (Çeviri)
The focus of this work is the investigation and application of robust and combinatorial learning-based beam alignment frameworks focusing on adaptive mmWave communication systems. Building on contextual combinatorial bandit theory and Gaussian Process (GP) bandit methods, beam and rate adaptation has been formulated as a sequential decision-making problem under uncertainty. A centralized multi-user mmWave MISO framework is considered in which beam and transmission-rate assignments are selected jointly while satisfying the constraint that beams cannot be shared among users. To address practical quality-of-service requirements, satisficing regret formulations are adopted, enabling the learner to prioritize reliable throughput guarantees rather than strict reward maximization. Robust beam tracking algorithms are proposed based on worst-case optimization over uncertainty regions representing possible user movements. Extensions to the combinatorial multi-user setting are developed to jointly optimize beam assignments across multiple users while accounting for coupling constraints between beams. Additionally, satisficing-based elimination mechanisms using lower confidence bounds are introduced to address intermittent realizability scenarios in which certain user locations may temporarily lack feasible line-of-sight or non-line-of-sight beam configurations. Experimental evaluations are conducted using realistic DeepMIMO channel datasets in urban mmWave environments with multiple base stations and directional beamforming codebooks. The results demonstrate that the proposed robust satisficing and worst-case optimization approaches improve communication reliability and adaptability in the presence of mobility uncertainty and blockage. In particular, lower-confidence-bound elimination strategies are shown to provide improved robustness relative to conventional worst-case optimization approaches, especially during high-uncertainty operation. The findings of this thesis establish a unified framework for beam management in absence of channel state information combining combinatorial bandits, robust optimization, contextual learning, and satisficing decision theory.
Benzer Tezler
- Adaptive physical layer security with machine learning: From detection to defense
Makine öğrenmesi ile adaptif fiziksel katman güvenliği: Tespitten savunmaya
UFUK ALTUN
Doktora
İngilizce
2026
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERTUĞRUL BAŞAR
- Yapay zekâ destekli kişiselleştirilmiş menü öneri sistemleri ve kullanıcı deneyimine yansımaları: Eatmosphere uygulaması örneği
Artificial intelligence–supported personalized menu recommendation systems and their reflections on user experience: The case of the Eatmosphere application
OĞUZHAN KENDİRLİ
Yüksek Lisans
Türkçe
2026
Gastronomi ve Mutfak SanatlarıSakarya Uygulamalı Bilimler ÜniversitesiGastronomi ve Mutfak Sanatları Ana Bilim Dalı
PROF. DR. OĞUZ TÜRKAY
- Mesoporous black arsenic (MBA): synthesis and red-light-enhanced photocatalytic activity in C─H arylation
Mezogözenekli siyah arsenik (MBA): sentez ve kirmizi işik destekli C─H arilasyonda fotokatalitik aktivitesi
TUANA AYLA DEMİRCİOĞLU
- Robust satisficing in Bayesian optimization
Bayesci eniyilemede gürbüz yeterlilik
ARTUN SADAY
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEM TEKİN
- Contextual modeling of remote sensing images with conditional random fields
Uzaktan algılama görüntülerinin koşullu rasgele alanlarla bağlamsal modellenmesi
GÜLCAN CAN
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATOŞ TÜNAY YARMAN VURAL