5G data communication defect detection on the internet of things using advanced deep learning techniques
Geliştirilmiş derin öğrenme tekniklerini kullanarak şeylerin internetinde 5G veri iletişim kusur tespiti
- Tez No: 768210
- Danışmanlar: Assist. Prof. Dr. AYÇA KURNAZ TÜRKBEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Doğrusal öngörülü kodlama, Nesnelerin interneti, Otokodlayıcılar, Five-Generation Wireless Telephone Technology, Deep learning, Linear predictive coding, Internet of things, Autoencoders
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
5G, telekomünikasyonda, dünyanın dört bir yanındaki mobil operatörlerin 2019'da uygulamaya başladığı beşinci nesil geniş bant hücresel ağ teknolojisi standardıdır ve mevcut cep telefonlarının çoğunu bağlayan 4G ağlarının planlanan halefidir. GSM Birliği'ne göre, 5G ağlarının 2025 yılına kadar dünya çapında 1,7 milyardan fazla aboneye sahip olması bekleniyor. Bu çalışmada, k-ortalama ve doğrusal diskriminant analizi kullanılarak nesnelerin internetinde hata tespiti için yeni bir yöntem. Girilen 5G verilerini azaltmak ve hesaplama süresini azaltmak için boyutunu küçültmeye çalışmak için uygulanan Doğrusal öngörücü kodlama (LPC). Ardından, 5G veri iletişim sistemindeki IoT kusurlarını tespit etmek için derin seyrek otomatik kodlayıcı uygulandı. Önerilen yöntemi kanıtlamak için önerilen yöntem, bu alanda sunulan birkaç yaygın çalışma ile karşılaştırılmıştır.
Özet (Çeviri)
In telecommunication, 5G is a fifth-generation broadband cellular network technology standard that mobile operators around the world began rolling out in 2019 and is the planned successor to the 4G networks that connect most existing mobile phones. According to the GSM Association, 5G networks are projected to have over 1.7 billion subscribers worldwide by 2025. In this study, new method defect detection in internet of things using k-mean and linear discriminant analysis. The Linear predictive coding (LPC) applied to reduce the input 5G data and try to reduce its size to decrease the computation time. Then, the deep sparse autoencoder applied to detect the IoT defects in 5G data communication system. The proposed method compared with several common studies presented in this field to prove the proposed method.
Benzer Tezler
- Deep learning aided data detectionfor future wireless communication systems
Gelecek nesil telsiz haberleşme sistemleri içinderin öğrenme yardımıyla data tespiti
MERVE TURHAN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- How cryptographic implementations affect mobile agent systems
Şifreleme gerçekleştirmelerinin gezgin aracı internet sistemlerini nasıl etkilediği
İSMAİL ULUKUŞ
Yüksek Lisans
İngilizce
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiSistem ve Kontrol Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN ANARIM
- Automotive radar interference mitigation with next generation sequence models
Yeni nesil dizi modelleri ile otomotiv radarlarında girişim giderme
ELİF ÖZTÜRK KOÇ
Yüksek Lisans
İngilizce
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Cybersecurity measures for attacks detection in iot with 5G based on artificial intelligence technologies
Yapay zeka teknolojilerine dayanan 5G ile nitelikler arasındaki saldırı tespitine yönelik siber güvenlik önlemleri
REEM TALAL ABDULHAMEED AL-DULAIMI
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Core network anomaly detection using the LSTM model and comparison with various unsupervised learning methods
Telekomünikasyon merkezi şebekelerinde LSTM model ile anomali tespiti ve bazı denetimsiz öğrenme metotları ile kıyaslanması
SAMED ÇALIK
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiBüyük Veri ve İş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN