Nesnelerin interneti için altuzay tabanlı uygulamaya özgü hata metriği öykünmesi ile bütünleşik tahminleme-çizelgeleme

Abstract

The massive access problem refers to the challenge posed in uplink wireless communication from a massive number of Internet of Things (IoT) devices to an IoT gateway, base station or access point. In this thesis, first, we present an Application-Specific Error Function (ASEF), which measures the impact of the forecasting error on network performance for Joint Forecasting-Scheduling (JFS). Second, we propose a Neural Network (NN)-based emulation of ASEF on a subspace of forecasting errors, which we call ``Emulation of ASEF'' (E-ASEF), and develop a novel algorithm, ``Motion On a Subspace under Adaptive Learning rate'' (MOSAL), which moves on this subspace of forecasting errors while minimizing the application-specific error metric at the output of MAC-layer scheduling. Our results show that MOSAL improves the performance of the JFS system while achieving a low execution time. This work paves the way to achieving high network performance at an IoT Gateway that has a massive number of IoT devices in its coverage area.Devasa erişim problemi, çok sayıda Nesnelerin İnterneti (IoT) cihazından bir IoT ağ geçidi, baz istasyonu veya erişim noktasına kadar olan kablosuz iletişimde ortaya çıkan zorluğu ifade eder. Bu tezde ilk olarak, Ortak Tahmin-Çizelgeleme (JFS) için tahmin hatasının ağ performansı üzerindeki etkisini ölçen bir Uygulamaya Özgü Hata Fonksiyonu (ASEF) sunuyoruz. İkinci olarak, 'ASEF Öykünmesi' (E-ASEF) olarak adlandırdığımız tahmin hatalarının bir alt uzayı üzerinde Sinir Ağı (NN) tabanlı bir ASEF öykünmesi öneriyoruz ve geliştirdiğimiz ``Uyarlanabilir Öğrenme Hızı Yöntemi ile Alt Uzayda Hareket'' (MOSAL) olarak adlandırdığımız, MAC katmanı çizelgelemesinin çıktısında uygulamaya özel hata metriğini en aza indirirken tahmin hatalarının bu alt alanı üzerinde hareket eden yeni bir algoritma sunuyoruz. Sonuçlarımız, MOSAL'in düşük uygulama süresi elde ederken JFS sisteminin performansını iyileştirdiğini göstermektedir. Bu çalışma, kapsama alanında çok sayıda IoT cihazı bulunan bir IoT ağ geçidinde yüksek ağ performansı elde etmenin yolunu açmaktadır.