Geri Dön

Sıradaki hücre tahmini için döngü tabanlı markov zinciri

Loop-based markov chain for next cell prediction

  1. Tez No: 771451
  2. Yazar: BAHADIR YALIN
  3. Danışmanlar: PROF. DR. SERHAN YARKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Markov zinciri, Veri analitiği, Five-Generation Wireless Telephone Technology, Markov chain, Data analytics
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: İstanbul Ticaret Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmada Markov Zinciri yeni bir döngü tabanlı yaklaşımla Ağ Veri Analitiği Fonksiyonu (NWDAF) için kullanılarak bir Kullanıcı Ekipmanı (UE) için bir sonraki olası hücre ya da hücre sekansı tahmin edilmektedir. Başlangıçta, bu yeni yaklaşım ile kullanıcının bir sonraki durumu için tahmininin daha anlamlı olacağı varsayımı yapılmıştır. Çalışmanın sonucunda ise, bir UE'nin bulunduğu son hücreden sonra en çok ziyaret ettiği hücre arasındaki geçiş durumlarının çıkarımı yapılmış ve bu iki hücre arasında bir ilişki kurulduğunda yapılan tahminin güvenilirliğinin, döngü tabanlı Markov Zinciri yaklaşımıyla (geleneksel Markov Zinciri'ne kıyasla) arttığı gözlemlenmiştir. Ek olarak çalışma sonunda ise, üzerinde durulan yöntemin geliştirilebilmesi için kullanılan yönteme eklenebilecek özelliklerden de olarak bahsedilmiştir.

Özet (Çeviri)

In this study, next possible cell for a User Equipment (UE) is predicted for Network Data Analytics Function (NWDAF) by using Markov Chain with novel loop-based approach. At the beginning, it is assumedthat the prediction made for next state of a UE will be more meaningful with our novelapproach.As a result of the study, the transition states between the most visited cell after thelast cell where a UE is located were extracted and it was observed that the reliability of the prediction made is improved (compared to traditional Markov Chain), when a semantic was established between two cells with the loop-based Markov Chain approach. In addition, at the end of the study, the development of the method emphasized and the features that can be added to the method used are mentioned.

Benzer Tezler

  1. Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  2. Serological investigation of peste des petits ruminants in lambs in Iraq-Kirkuk region

    Irak–Kerkük bölgesinde kuzularda küçük ruminant vebası (pestedes petits ruminants ppr)'ın seroprevalansı

    SARWAT KHORSHED RAHEEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Sağlık YönetimiVan Yüzüncü Yıl Üniversitesi

    Sağlık Bilimleri Ana Bilim Dalı

    PROF. DR. SÜLEYMAN KOZAT

  3. Identification of novel inhibitors targeting putative dantrolene binding site for ryanodine receptor 2

    Ryanodine reseptörü için dantrolene bağlanma bölgesi hedef alınarak yeni inhibitör tanımlama

    CEMİL CAN SAYLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Biyofizikİstanbul Teknik Üniversitesi

    Hesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)

    DR. ÖĞR. ÜYESİ SEFER BADAY

  4. PyCASPESA: A new method for crystal structure prediction

    PyCASPESA: Krı̇stal yapı tahmı̇nı̇ ı̇çı̇n yenı̇ bı̇r yöntem

    GÖZDE İNİŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Kimyaİstanbul Teknik Üniversitesi

    Hesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)

    DOÇ. ADEM TEKİN

  5. Identifying functionally important missense mutations in cancer by dynamics-based analysis and predicting pathogenicity/disease category of missense mutations

    Kanserde fonksiyonel öneme sahip yanlış anlam mutasyonların dinamik tabanlı analizle belirlenmesi ve yanlış anlam mutasyonların patojenite/hastalık kategorisinin tahmin edilmesi

    JAN FEHMİ SAYILGAN

    Doktora

    İngilizce

    İngilizce

    2021

    BiyofizikKoç Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    DOÇ. DR. MEHMET GÖNEN