Graph neural network based handover optimization framework
Grafik sinir ağları tabanlı aktarım optimizasyon sistemi
- Tez No: 882798
- Danışmanlar: PROF. DR. TUNA TUĞCU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, mobil ağların gelişen yapısında, Açık Radyo Erişim Ağı (O-RAN) ortamlarında sonraki nesil ağlar için yenilikçi bir el değiştirme (handover) optimizasyon çerçevesi sunulmaktadır. Grafik Sinir Ağları (GNN) tabanlı bir çerçeve kullanılarak, araştırmada, el değiştirme kararlarında ağ dinamiklerini daha iyi yakalamak için Kullanıcı Ekipmanları (UE) ve Baz İstasyonları (BS) dahil olmak üzere mobil ağları gömme üzerine odaklanılmaktadır. Temel amaç, yük dengeleme, el değiştirme maliyeti, veri akışı kazancı ve kapsama alanı kazancı gibi kritik yönlerin optimize edilmesidir. GNN-HOF (Graph Neural Network Based Handover Optimization Framework - Grafik Sinir Ağları Tabanlı Aktarım Optimizasyon Çerçevesi) ismi verilen bu çerçeve, geleneksel yakınlık tabanlı yöntemlerden önemli bir ayrılık göstermekte, ağ dinamiklerini daha iyi anlamak ve öngörmek için ileri düzey makine öğrenimi tekniklerinden faydalanmaktadır. Yaklaşımın etkinliği, Stuttgart ve Monaco'daki gerçek dünya kentsel senaryolarında yanı sıra simüle edilmiş ortamlarda kapsamlı testlerle doğrulanmıştır ve Şehirsel Hareketlilik Simülasyonu (SUMO) aracı kullanılmıştır. Önerilen çerçevenin tüm anahtar metriklerde temel yöntemi tutarlı bir şekilde aştığı görülmektedir.
Özet (Çeviri)
In the evolving landscape of mobile networks, an innovative handover optimization framework for next-generation networks in Open Radio Access Network settings is presented in this thesis. The research, focusing on embedding mobile networks including user equipments and base stations to better capture the network dynamics in handover decisioning, is facilitated through the utilization of Graph Neural Network (GNN) based framework. The core objective is to optimize critical aspects such as load balancing, handover cost, throughput gain, and coverage gain. This framework, called GNN-HOF (Graph Neural Network Based Handover Optimization Framework), is a significant departure from traditional proximity-based methods, leveraging advanced machine learning techniques to better understand and predict network dynamics. The efficacy of the approach is validated through extensive testing in simulated environments as well as real-world urban scenarios in Stuttgart and Monaco using the Simulation of Urban Mobility (SUMO) tool. The results are compelling, demonstrating that the proposed framework consistently outperforms the baseline method across all key metrics.
Benzer Tezler
- Üzüm sularının pastörizasyonu ve kontsantresi sırasında hidroksimetilfurfural oluşumu üzerinde bir araştırma
Başlık çevirisi yok
ŞERİFE ŞAHİN
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ürünleri Teknolojisi Ana Bilim Dalı
DOÇ. DR. AYDIN URAL
- Çekirdeksiz kuru üzümde uygulanan politikanın Ege Bölgesinde üretim ve üretici açısından sonuçlarının değerlendirilmesi
Başlık çevirisi yok
GÜVEN ÖZERİN
- Çekirdeksiz kuru üzümlerde aflatoksin B1, B2, G1, G2 tayini için mevcut bazı metotların karşılaştırılması üzerinde bir çalışma
Başlık çevirisi yok
DİLEK BOYACIOĞLU
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MERAL GÖNÜL
- Zymomonas mobilis NRRL B-14023 bakterisi ile şeker pancarı melası ve kuru üzümden etanol üretimi
Başlık çevirisi yok
ÜLKÜ BAŞER