Nesnelerin İnternetinde (IoT) Devasa Erişim İçin Makine Öğrenmesine Dayalı Bütünleşik Tahmin-Çizelgeleme Yönteminin Geliştirilmesi

Abstract

Nesnelerin İnternetinin (IoT) Devasa Erişim Sorunu, çok sayıda IoT cihazının kablolu altyapıya kablosuz erişimini yüksek verimlilik ve düşük güç tüketimi ölçütlerini gözeterek sağlama sorunudur. Bu projenin ana katkısı, IoT'nin Devasa Erişim Sorununu çözmeyi hedefleyen bir metodoloji olarak Bütünleşik Tahmin-Çizelgelemenin (JFS) geliştirilmesidir. Bu amaçla, ilk olarak, bir IoT ağ geçidinde koşturulacak olan JFS için çok ölçekli bir algoritma (multi-scale algorithm: MSA) geliştirilmiştir. Orta Erişim Kontrolü (MAC) katmanında IoT veri trafiği için rastgele varışlar olduğunu varsayan, Devasa Erişim Sorununa yönelik mevcut yaklaşımların aksine, MSA, IoT cihazlarının yaklaşan trafiğini tahmin eder ve bu tahminlere dayalı olarak uplink kablosuz kaynaklarını önceden tahsis eder. İkinci olarak, JFS'de yüksek tahmin doğruluğu elde etmek için Uyarlanabilir Öğrenme Hızıyla bir Alt Uzayda Hareket (MOSAL) adlı bir algoritma geliştirilmiştir. Algoritmamız, tahmin hatalarının bir alt uzayına yakın kalırken Yapay Sinir Ağı aracılığıyla Uygulamaya Özgü Hata İşlevinin öykünmesine dayalı performans kaybını en aza indirerek bir JFS sisteminde tahmincileri eğitir. Üçüncü olarak, kapsama alanındaki her cihaz sınıfında değişen sayıda IoT cihazına dinamik olarak uyum sağlayacak şekilde JFS için en iyi performans gösteren tahmin şemasını seçen Dinamik Otomatik Tahminci Seçimi (DAFS) yöntemi geliştirilmiştir. Dördüncüsü, çok kanallı JFS için Minimal Kapasitede Minimum Kayıp ile Çok Kanallı Alt Küme Yineleme (MC-SIMLAC) adlı bir algoritma geliştirilmiştir. Algoritmamız, tüm IoT cihaz trafiği veri bloklarının alt kümeleri üzerinde yinelenir ve toplam kullanılabilir kapasitedeki kaybın en aza indirilmesini hedefleyerek kanal-yuva çiftlerini seçer. Bu projede elde edilen sonuçlar, yeni nesil kablosuz ağlarda çok sayıda IoT cihazını yönetmek için ölçeklenebilir JFS motorları oluşturmanın yolunu açmaktadır.