Reduced-complexity reinforcement learning-based polar code construction
Düşük karmaşıklıklı pekiştirmeli öğrenme tabanlı kutupsal kod tasarımı
- Tez No: 764358
- Danışmanlar: PROF. DR. ALİ EMRE PUSANE, PROF. DR. İBRAHİM ALTUNBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Kodlama, Kutupsal kodlar, Öğrenme teknikleri, Coding, Polar codes, Learning techniques
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Haberleşme sistemlerinden faydalanan kullanıcı sayısının artmasıyla birlikte spektrumun etkin kullanılması, yüksek hızlarda veri iletimi ve yüksek hata başarımlarına sahip sistemler tasarlamak bir gereklilik haline gelmiştir. Bu sebeple yüksek hata başarımına sahip ve Shannon sınırına yakın kodlar tasarlamak amaçlanmış ve bu alanda literatürde birçok çalışma yapılmıştır. Erdal Arıkan'ın bu alandaki çalışmaları sonucunda teorik olarak Shannon limitine ulaştığı ispatlanan bir kodlama türü olan kutupsal (polar) kodlar ortaya çıkmıştır. Kutupsal kodların 5G NR teknolojisinde kullanılmaya başlanmasıyla birlikte kutupsal kodların çözümü ve tasarımı hakkında yapılan çalışmalarda artış olmuştur. Bu tez kapsamında pekiştirmeli öğrenme kullanarak kutupsal kod tasarımı üzerine çalışılmıştır. İlk olarak kutupsal kodlar ve pekiştirmeli öğrenme hakkında temel bilgiler verilmiş olup ardından kutupsal kod tasarımını pekiştirmeli öğrenme kullanarak yapan yöntemler tanıtılmıştır. Literatürde bulunan pekiştirmeli öğrenme kullanan bir kutupsal kod tasarım yönteminin uzun kod blokları için artan karmaşıklık sebebiyle hata başarımının yetersiz kaldığı gösterilmiş ve karmaşıklığı azaltmak için iki yeni yöntem önerilmiştir. Öncelikle kanalları kümelere ayırıp önceden bazı kanalları dondurulmuş (frozen) veya bilgi (information) olarak belirleyen bir yöntem önerilmiştir. Bu yöntemin sağladığı başarım her ne kadar uzun kod blokları için literatürdeki yöntemden daha iyi olsa da daha uzun kod blokları için yetersiz kalmaktadır. Karmaşıklığı daha da düşürmek için ilk önerilen yönteme komşu kanallara dayalı bir eleme yöntemi eklenmiş ve uzun kod blokları için yüksek hata başarımları elde edilmiştir.
Özet (Çeviri)
Due to the increasing number of users in the communication systems, efficient spectrum usage, high-speed data transfer, and better error performance became a necessity. Therefore, it is aimed to design error control codes that have low error rates and have a capacity close to the Shannon's limit. As a consequence of Erdal Arıkan's work, polar codes, a coding technique that is theoretically proven to achieve Shannon's limit, are introduced. After polar codes are used in fifth-generation new radio (5G NR) technology, more studies are done about the decoding of polar codes and the polar code construction. The scope of the thesis is on reinforcement learning-based polar code construction. Initially, the preliminaries of polar codes and reinforcement learning are given. Then, several reinforcement learning-based polar code construction methods are introduced. It is shown that a reinforcement learning-based method found in the literature performs weakly for long block lengths due to high complexity and therefore, two new methods are introduced to reduce the complexity. First, a method that groups the channels into clusters and predetermines some channels as frozen or information is proposed. For long block lengths, it had a better performance than the one proposed in the literature, but its performance was unsatisfactory for much longer block lengths. To further reduce the complexity, neighbor dependency is introduced to the first method. It is shown that the performance of the neighbor dependent method is better than both methods and its performance is satisfactory for longer block lengths.
Benzer Tezler
- A heuristic temporal difference approach with adaptive grid discretization
Adaptif ızgara ayrıklaştırması ile sezgisel zamansal fark yaklaşımı
OZAN BORA FİKİR
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. FARUK POLAT
- Incremental heuristic meta-learning using reinforcement learning
Pekiştirmeli öğrenme kullanarak artımsal sezgisel üst-öğrenme
ONUR KARADELİ
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Reinforcement learning-driven ensemble neural networks for heart disease prediction
Kalp hastalığı tahmini için takviyeli öğrenme tabanlı topluluk sinir ağları
ÖZGE HÜSNİYE NAMLI DAĞ
Doktora
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA YANIK ÖZBAY
- Intra-hospital transportation problem: A two-phase bayesian deep reinforcement learning framework
Hastane içi taşımacılık problemi: İki aşamalı bayesyen derin pekiştirmeli öğrenme çerçevesi
HOSSEIN TORKINEZHADIRANI
Yüksek Lisans
İngilizce
2025
UlaşımKoç ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA SİBEL SALMAN ULUTAŞ
- Deprem sonrası betonarme kolonlarda boyuna donatı burkulmasının makine öğrenmesi ile tespiti
Detection of longitudinal reinforcement buckling in reinforced concrete columns post-earthquake by machine learning
BAHADIR GÜLEŞMEN
Yüksek Lisans
Türkçe
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER TUĞRUL TURAN