Geri Dön

Enhancing reliability in semantic communication: A stochastic approach to semantic-graph modeling

Anlamsal iletişimde güvenilirliğiarttırma: Anlamsal-grafik modellemesine stokastik yaklaşım

  1. Tez No: 830731
  2. Yazar: SADIK YAĞIZ YETİM
  3. Danışmanlar: PROF. DR. ORHAN ARIKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 134

Özet

Anlamsal iletişimin geleceğin büyük ölçekli akıllı sensör ağlarında trafik yükünü hafifletmede kritik bir rol oynaması beklenmektedir. Makine Öğrenmesi ve Derin Öğrenme alanlarındaki ilerlemeler sayesinde son yıllarda iletilen bilginin anlamını kavrayabilen sistemlerin tasarımı mümkün hale gelmiştir. Bu tez grafik tabanlı bir dil aracılığıyla temsil edilen anlamsal bilginin doğruluğunu artırmayı amaçlamaktadır. Algoritmik sorunlar ve sensör hataları anlamsal çıkarıcının gözlemlediği sinyalin grafik temsilinde hatalara yol açabilmektedir. Grafik dili kullanarak temsil edilen anlamsal bilginin zaman içindeki değişimini matematiksel olarak modellemeye ve anlamsal çıkarıcının başarısını artırmaya odaklanılmıştır. Sınırlı sayıdaki olası grafik yapıları üzerinde bir durum uzayı tanımlanmaktadır. Gözlemlenen grafik yapısının zaman içindeki değişimi bu uzayda bir Saklı Yarı-Markov Modeli olarak formüle edilmektedir. Bu yaklaşım öncül bilgileri anlamsal çıkarıcı tarafından üretilen grafik temsillerle birleştirmeyi sağlamaktadır. Bu sayede anlamsal çıkarıcının ürettiği grafik temsillerin başarısı artırılmakta ve gözlenen sinyaldeki anlamsal yenilikler daha isabetli bir şekilde tespit edilebilmektedir. Saklı Yarı-Markov Modeli çerçevesinde, hata düzeltme, anlamsal bilgi birleştirme ve model öğrenme için algoritmalar sunulmaktadır. Algoritmaların etkinliği, simülasyonlar ve CARLA platformunda üretilen video sinyalleri aracılığıyla doğrulanmaktadır.

Özet (Çeviri)

Semantic communication is expected to play a critical role in reducing traffic load in future intelligent large-scale sensor networks. With advances in Machine Learning (ML) and Deep Learning (DL) techniques, design of semantically-aware systems has become feasible in recent years. This thesis focuses on improving the reliability of the semantic information represented in a graph-based language that was previously developed. Inaccuracies in the representation of the semantic information can arise due to multiple factors, such as algorithmic shortcomings or sensory errors, deteriorating the performance of the semantic extractor. This thesis aims to model the temporal evolution of semantic information, represented using the graph language, to enhance its reliability. Each unique graph configuration is treated as a distinct state, leading to a Hidden Semi-Markov Model (HSMM) defined over the state space of the graph configurations. The HSMM formulation enables the integration of prior knowledge on the semantic signal into the graph sequences, enhancing the accuracy in identifying semantic innovations. Within the HSMM framework, algorithms designed for graph smoothing, semantic information fusion, and model learning are introduced. The efficacy of these algorithms in improving the reliability of the extracted semantic-graphs is demonstrated through simulations and video streams generated in the CARLA simulation environment.

Benzer Tezler

  1. Compiler support for enhancing reliability of network-on-chip architectures

    Yonga-üstü-ağ mimarilerinin güvenilirliğini artırmak için derleyici desteği

    MUHAMMAD ADITYA SASONGKO

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HALUK RAHMİ TOPCUOĞLU

  2. Software defect prediction performance monitoring of deep and machine learning models on NASA promise datasets

    NASA promise veri setlerinde derin ve makine öğrenme modellerinin yazılım hata tahmini performansının izlenmesi

    ABDULLAH AKRAM SHAKIR AL BAYATI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEFER KURNAZ

  3. Transformatörlerde kaçak akı kayıplarının incelenmesi ve şönt eleman ekranlaması ile kayıpların azaltılması analizi

    Investigation of stray losses on transformer and analysis of tank losses reduction with shunt elements

    AYÇA AGIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜVEN KÖMÜRGÖZ KIRIŞ

  4. Evaluation of mechanical properties of 500 hbw armor sheet after welding with different welding wires and preheating temperatures

    500 hbw zirh sacinin farkli kaynak telleri ve ön ısitma sicakliklarinda kaynak sonrasi mekanik özelliklerindeki değişimi

    FATİH AYKILIÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Otomotiv MühendisliğiÇukurova Üniversitesi

    Otomotiv Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ŞAFAK YILDIZHAN

  5. Ölü bloklara dayalı veri ön belleği güvenirliğinin artırılması

    Improving data cache reliablity based on dead blocks

    DAVUT AKÇİÇEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İSMAİL KADAYIF