Cellular network based resources allocation using machine learning approaches
Başlık çevirisi mevcut değil.
- Tez No: 796567
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Bu tez, yoğun 5G ağlarında aşağı bağlantı güç tahsisi sorununu incelemekte ve derin pekiştirmeli öğrenmeyi kullanarak veri odaklı bir çözüm geliştirmeye çalışmaktadır. Derin Q-ağları (DQN) algoritmasını ve DQN'nin Rainbow uzantılarını kullanarak, çoklu pekiştirmeli öğrenme ajanlarını eğitiyor ve test ediyoruz. Bu yazıda, kaynakları yerel bilgilere göre seçen çok etmenli pekiştirmeli öğrenmeyi kullanan dağıtılmış bir kaynak tahsis mekanizması öneriyoruz. Spesifik olarak şu soruyu cevaplamaya çalışıyoruz; Aynı kaynağı kullanmalarını sağlayarak uzaktaki araçların PRR'sinden ödün verirken, paket alım oranını (PRR) en üst düzeye çıkarmak için çok aracılı takviye öğrenme ile dağıtılmış bir zamanlama algoritması tasarlayabilir miyiz? Önerilen yöntemimiz, çok etmenli ortak bilgi takviyeli öğrenmeden ilham alan görüş tabanlı konumsal dağılıma (VPD) dayanmaktadır. Tüm araçların diğer araçların konumlarını bilmesini sağlamak için her araç diğer araçların konumlarını güvenlik mesajlarıyla birlikte gözlemler ve bunlara bindirir. Daha sonra her araç kendi bakış açısından diğerlerinin konumlarını gözlemler ve algoritma için girdi olarak VPD vektörü üretir. Sezgi şu ki, eğer birbirlerinin gözlem menzilindeki araçlar birbirlerinin konumlarını bilebilirse, o zaman bir araç diğerlerinin gözlemlerini kendi gözleminden tahmin edebilir ve kaynakların başkaları tarafından en üst düzeye çıkarmak için kullanılacağını tahmin ederek bir kaynak seçer. sistem hedefi.
Özet (Çeviri)
This thesis examines the problem of downlink power allocation in dense 5G networks and attempts to develop a data-driven solution by employing deep reinforcement learning. Using the deep Q-networks (DQN) algorithm and the Rainbow extensions of DQN, we train and test multiple reinforcement learning agents. In this paper, we propose a distributed resource allocation mechanism using multi-agent reinforcement learning which selects resources based on local information. Specifically, we try to answer the following question; Can we design a distributed scheduling algorithm with multi-agent reinforcement learning to maximize packet reception ratio(PRR) while sacrificing the PRR of far vehicles via making them use the same resource? Our proposed method is based on the view-based positional distribution (VPD) which is inspired by multi-agent common knowledge reinforcement learning. Each vehicle observes and piggybacks the positions of other vehicles together with safety messages to ensure that all vehicles know the positions of other vehicles. Then, each vehicle observes the positions of others from its own view and generates VPD vector as an input for algorithm. The intuition is that if vehicles in the observation range of each other can know the positions of each other, then a vehicle can esti the observations of the others from its own observation and selects a resource by estimating the resources will be used by others to maximize the system objective.
Benzer Tezler
- Deep learning based resources allocation for 5G networks
Başlık çevirisi yok
ZIADOON TAREQ OBAID ALYASARI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Mobil nesnelerin interneti için yeni nesil hücresel ağ tabanlı ağ dilimleme
Next generation cellular network based network slicing for the mobile internet of things
WAFA HAMDI
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN BULUT
PROF. DR. ORHAN DAĞDEVİREN
- Machine learning based resource allocation for massive MIMO systems
Massive MIMO sistemleri için makine öğrenmesi tabanlı kaynak tahsisi
HÜSEYİN CAN SEVGİ
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BERNA ÖZBEK
- Artificial intelligence based resource allocation in cell-free networks
Hücresiz ağlarda yapay zeka tabanlı kaynak tahsisi
MERT DEMİREL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİzmir Katip Çelebi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ESRA AYCAN BEYAZIT
- Communication networks traffic prediction using machine learning
Başlık çevirisi yok
ASLIHAN REYHANOĞLU
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversity of HertfordshireDR. IOSİF MPORAS