Nesnelerin interneti için adilliğe duyarlı derin pekiştirmeli öğrenme tabanlı GF-NOMA tasarımı
Design of fairness aware deep reinforcement learning-based GF-NOMA for internet of things
- Tez No: 909167
- Danışmanlar: PROF. DR. RADOSVETA İVANOVA SOKULLU
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 153
Özet
Yeni nesil ağların, Nesnelerin İnterneti gereksinimlerini karşılamak adına hücresel ağların verimliliğini artırması beklenmektedir. Hibesiz dikgen olmayan çoklu erişim (GF-NOMA) yöntemi, makine tipi iletişim cihazlarının farklı güç seviyelerine sahip sinyallerini aynı zaman ve frekans kaynakları üzerinden iletmelerine olanak tanıyan bir çözüm olarak görülmektedir. Ancak rastgelelik ve MTC cihazlarının güç seviyesi seçiminin yönetimi, GF-NOMA yönteminin dezavantajları arasındadır. 6G ağında, GF-NOMA'nın rastgele erişim ve tam koordineli erişim gibi iki uç yöntem arasında yer alması için, yapay zeka yöntemlerinin erişim yöntemine entegre edilmesi gerekmektedir. Derin-Q-Ağı (DQN), MTC cihazlarının verimliliğini artırmak için akıllı kararlar almasını sağlayan yeni bir araştırma konusudur. Bu tezde, güç alanı GF-NOMA için yeni bir öğrenme modeli önerilmiştir. Öğrenme modelinin amacı, IoT ağında güç tüketiminde MTC cihazları arasında adaleti sağlayarak verimliliği en üst düzeye çıkarmaktır. Öğrenme algoritması ile MTC cihazları, zaman içinde farklı kaynakları kullanabilmektedir. Sonuçlar, öğrenme tabanlı yöntemin, rastgele kaynak seçimi yapan geleneksel yönteme göre verimlilik açısından daha iyi performansa sahip olduğunu ve adalete duyarlı öğrenme modeli ile güç kaynaklarının kullanımında adaletin artırıldığını göstermektedir.
Özet (Çeviri)
Next generation networks have special areas related with the Internet of Things (IoT) to improve the performance of cellular networks in terms of throughput. Grant-free non-orthogonal multiple access (GF-NOMA) seems a feasible solution, letting machine type communication (MTC) devices transmits their packets by using the superimposing signals with different power levels over the same time and frequency resources. However, the main drawback of GF-NOMA is the high probability of collisions while selection of power level of MTC devices. In 6G the intelligence should be met to multiple access to solve the GF-NOMA issues that should be between the two extremes of randomness and fully coordinated medium access. Deep-Q-Network (DQN) has become a very hot research topic in recent years that let the MTC devices to make a smart decision in an intelligent way to improve the throughput. A novel learning framework for power domain GF-NOMA is proposed in this thesis. The goal of learning framework is to maximize the throughput considering fairness in power consumption which provides long-life to the IoT network. The learning algorithm push the MTC devices to exchange the resources between each other over time. The results show that the proposed method outperform the NOMA scheme with random selection in terms of throughput and increase the fairness index when the DQN with selfish behavior is employed.
Benzer Tezler
- Otomatik yineleme istemeli işbirlikli iletimde enerji hasatlama
Energy harvesting in arq-based cooperative communication
EMİRHAN ÖZGÜN
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ÜMİT AYGÖLÜ
- Nesnelerin interneti için hafif siklet kriptoloji algoritmalarına dayalı güvenli haberleşme modeli tasarımı
Design of a lightweight cryptography-based secure communication model for the internet of things
URAS PANAHI
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. CÜNEYT BAYILMIŞ
- Anomaly prediction for the internet of things
Nesnelerin interneti için anomali tahminlemesi
RIFAT ORHAN ÇIKMAZEL
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. VOLKAN RODOPLU
PROF. DR. CÜNEYT GÜZELİŞ
- Joint forecasting-scheduling for the internet of things via subspace-based application-specific error metric emulation
Nesnelerin interneti için altuzay tabanlı uygulamaya özgü hata metriği öykünmesi ile bütünleşik tahminleme-çizelgeleme
ALPEREN HELVA
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. VOLKAN RODOPLU
PROF. DR. CÜNEYT GÜZELİŞ
- Nesnelerin interneti için genel amaçlı yeni bir mimari modelin önerilmesi
Proposing a novel general purposed architectural model for the internet of things
ERCÜMENT ÖZTÜRK
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TUĞRUL ÇAVDAR