Geri Dön

Deep-learning based optimization framework for wireless powered communication networks

Enerji hasadı yapan kablosuz ağlar için derin öğrenme tabanlı eniyileme

PDF İndir

  1. Tez No: 836726
  2. Yazar: AYSUN GURUR ÖNALAN KÖPRÜ
  3. Danışmanlar: PROF. DR. SİNEM ÇÖLERİ
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Koç Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 161

Özet

Net sıfır enerjili haberleşme ağları, elektrik şebekesine bağlanmanın veya batarya değiştirmenin mümkün olmadığı durumlarda toplanan ve tüketilen enerjiyi dengeleyerek haberleşmenin devamını mümkün kılar. Radyo Frekansı Enerji Hasadı (RF-EH), RF sinyallerinin iklim koşullarından bağımsız, daha tahmin edilebilir ve kontrol edilebilir olmasından ötürü net sıfır enerjili haberleşme için tercih edilir.Bu tez, RF-EH ağları için düşük karmaşıklıklı kaynak tahsisi ve optimizasyonuna odaklanmaktadır. Bu tez kapsamında özellikle çoklu-gönderici-çoklu-röle RF-EH ağları için ortak röle seçimi, zamanlama ve güç kontrolü problemi çalışılmıştır. Bu problem veri talebi, enerji korunumu ve maksimum iletim gücü kısıtlamalarını göz önünde bulundurarak, toplam enerji hasatlama süresi ve veri iletim zamanını en aza indirgemeyi hedefler. Formüle edilen problem, karışık tamsayılı lineer olmayan bir problemdir ve NP-zor olduğu kanıtlanmıştır. Çözüm stratejisi olarak, problem basitten karmaşığa doğru ele alınmıştır. Öncelikle, önceden belirlenmiş röle seçimi için zamanlama ve güç kontrolü altproblemi çözülmüş, sonra, probleme ek röle seçimi değişkenleri eklenerek ana problemin çözümüne ulaşılmıştır. Problem çözümü için optimizasyon teorisi tekniklerine dayalı özyinelemeli optimal ve buluşsal algoritmalar önerilir. Bu algoritmaların karmaşıklığı yüksek ve çalışma süreleri uzun olduğundan, derin öğrenme yöntemlerini optimizasyon prensipleriyle entegre eden yeni bir yaklaşım sunulur. İleri beslemeli yapay sinir ağları (YSA) mimarileri, zamanlama ve güç kontrolü altproblemini çözmek için sunulurken, önerilen YSA modellerinde özellik kümesini genişletmek ve çıktı katmanını basitleştirmek için optimalite analizi kullanılır. Röle seçimi problemi, bir sınıflandırma problemi olarak yeniden formüle edilir ve çözümü derin öğrenme modelleri aracılığıyla ele alınır. Röle seçimi problemi için ileri beslemeli bir YSA mimarisi ve evrişimli sinir ağları tabanlı iki mimari önerilir. Bu tez ayrıca öğretmen-öğrenci öğrenme prensibini röle seçimi problemini daha hızlı çözmek içi kullanmaktadır. Bu prensip daha karmaşık bir öğretmen ağından daha basit bir öğrenci ağına bilgi aktaran bir süreçtir. Öğrenci ağının tasarımı için ikili arama yönetimi kullanışmıştır. Sonuçlar,RF-EH ağlarındaki kaynak tahsisi problemlerinde derin öğrenme modellerinin düşük karmaşıklıkta çözümleri optimalitaden ödün vermeden sunduğunu göstermektedir.

Özet (Çeviri)

Net-zero-energy networks enable communication when the connection to the electric grid or changing batteries is not feasible for the information sources by balancing harvested and consumed energy. Radio Frequency Energy Harvesting (RF-EH) is a key enabler for net-zero-energy networks as RF signals are independent from climate conditions, more predictable, and controllable. This thesis focuses on low-complexity resource allocation and optimization for RF-EH networks. In particular, the joint relay selection, scheduling, and power control problem in multiple-source-multiple-relay RF-EH network is formulated with the objective of minimizing the total schedule length and the constraints on data demand, energy causality, and maximum transmit power. The formulated problem is a mixed-integer non-linear problem and proven to be NP-hard. As a solution strategy, a bottom-up approach is followed by starting from a simpler scheduling and power control subproblem, then extending the problem with additional relay selection variables. First, the iterative algorithms for optimal and suboptimal solutions to the problem based on conventional optimization theory techniques are proposed. To address runtime concerns inherent in iterative algorithms, then, this thesis presents a novel approach integrating deep learning methods with established optimization principles. Feed-forward Deep Neural Network (DNN) architectures are presented to solve the scheduling and power control subproblem while leveraging optimality analysis for feature set extension and output layer simplification in the proposed DNN models. The remaining relay selection problem is reformulated as a classification task, successfully addressed through deep learning models, including a feed-forward DNN and two Convolutional Neural Network (CNN) based architectures. This thesis further introduces teacher-student learning, a process that transfers knowledge from a complex teacher network to a simpler student network, for an even lower complexity solution to the relay selection problem. A novel dichotomous-based neural architecture search algorithm designs the student network architecture. The results demonstrate the noteworthy reduction in runtime complexity achieved through deep learning models while maintaining optimality for the solution of resource allocation problems in RF-EH networks.

Benzer Tezler

  1. Tez No

    904948

    Deep learning based resource allocation for ultra-reliable communications in wireless control systems

    Kablosuz kontrol sistemlerinde ultra güvenilir iletişim için deep learning tabanlı kaynak tahsisi

    AMIRHASSAN BABAZADEH DARABI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiKoç Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. SİNEM ÇÖLERİ

  2. Tez No

    895933

    Kablosuz kapsül endoskopi görüntülerinin sınıflandırılması için derin öğrenme modellerinin optimize edilmesi

    On optimizing deep learning model performance for wireless capsule endoscopy image classification

    MOHAMED ALSHAIKH

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mekatronik MühendisliğiErciyes Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUZAFFER KANAAN

  3. Tez No

    794705

    New automatic (IDS) in IoTs with artificial intelligence techniques

    Başlık çevirisi yok

    ALAA FIRAS JASIM JASIM

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER KURNAZ

  4. Tez No

    863387

    New edge computing offloading methods for next generation wireless networks

    Yeni nesil haberleşme sistemleri için geliştirilen kenar ağlarda bilgi işlem yük boşaltma yöntemleri

    BESTE ATAN

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. LÜTFİYE DURAK ATA

  5. Tez No

    687003

    Array processing and optimization techniques of beamforming and resource allocation for enhanced spectral efficiency in 5g and beyond systems

    5g ve ötesı sıstemlerının hüzmeleme ve spektral verımlılığının vektör íşleme ve optımızasyon ıle gerçekleştırılmesı

    NANN WIN MOE THET NANN WIN MOE THET

    Doktora

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Medipol Üniversitesi

    Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı

    Assoc. Prof. Dr. MEHMET KEMAL ÖZDEMİR

Geri Dön