Yazar "Tay, Muhammet" seçeneğine göre listele

Listeleniyor 1 - 5 / 5
  • Küçük Resim Yok
    Öğe
    Decision tree-based task offloading in vehicle edge computing
    (Wiley, 2024) Tay, Muhammet; Senturk, Arafat
    There are significant developments in the Internet of Vehicles (IoV) field, and the requirements needed in this area are increasing rapidly. When these needs are examined in the near future, it appears that the demand for connected, autonomous, shared, and electric vehicles will increase. Therefore, fundamental problems such as big data flow and storage will arise in the IoV field. Another problem is the delay sensitivity of IoVs and the need to minimize data loss. The use of edge computing (EC) tools can play an important role in obtaining effective solutions to overcome these problems. Delay, bandwidth, and energy consumption rate, which are important qualities in EC systems, emerge as a problem that needs to be improved for delay-sensitive systems. These improvements belong to the category of nonlinear challenging problems. Effective optimization or machine learning methods can be used to improve these types of problems. In this study, a two-stage machine learning method is proposed for a more efficient task completion rate and service time. According to the proposed method, in the first stage, the decision tree algorithm is used to select the computing tool to which the task will be sent, and the decision is made on which computing tool to send it to. In the second stage, a linear regression-based classification method is used to select a delay-sensitive computing tool. The performance analysis of the proposed method was made using the edgeCloudSim simulation tool, and according to the results obtained, the proposed method provides better results than other algorithms in the literature.
  • Küçük Resim
    Öğe
    Kablosuz algılayıcı ağlar için enerji duyarlı en iyi küme başı seçimine dayalı yeni bir kümeleme algoritması
    (Düzce Üniversitesi, 2019) Tay, Muhammet; Şentürk, Arafat
    Kablosuz Algılayıcı Ağ (KAA)'lar geniş kullanım alanı bulunan, oldukça küçük boyutlu, sınırlı pil ömrüne sahip ve kablosuz olarak veri ileten ve alan ağ elemanlarıdır. Sınırlı kapasiteleri nedeniyle algılayıcılar olabildiğince az enerji kullanarak yaşam döngülerini uzatmaları gerekmektedir. Bu açıdan bakıldığında algılayıcıların daha az enerji ile veri iletimi veya veri alımı yapabilmeleri için birçok algoritma geliştirilmiştir. Bu algoritmalar genel itibariyle algılayıcıların birlikte çalışarak iş bölümü yapmasına dayanmaktadır. Enerji tüketiminde önemli bir paya sahip olan veri iletimi ve alımı kablosuz algılayıcılar arasındaki mesafe, bant genişliği ve veri depolama kapasitesiyle doğrudan orantılıdır. Bu nedenle uzak iki algılayıcının veri iletimindeki enerji kullanımı yakın olan algılayıcıdan daha fazla olacağından bu mesafenin düşürülmesi adına kümeleme yöntemi geliştirilmiştir. Kümeleme yönteminde en etkili rolü Küme Başları (KB) oynamaktadır. Bu tez çalışmasında, algılayıcıların birbirlerine veya baz istasyonuna veri gönderirken harcamış oldukları enerjiyi en aza düşürerek algılayıcılar için hayati öneme sahip olan batarya ömrünün uzatılması sağlayan yeni bir kümeleme algoritması geliştirilmiştir. Kablosuz Algılayıcı Ağlar için etkin bir kümelemeye dayalı bu yeni algoritma Küme Merkezli-Küme Başı Seçim Algoritması (KM-KBA) olarak adlandırılmıştır. KM-KBA kümelenmiş bir Kablosuz Algılayıcı Ağ'da her bir kümenin kendi içerisinde iki kümeye ayrılmasına dayanmaktadır. Bu iki kümeden birincisi tüm algılayıcıların ortalama mesafesi içerisinde bulunan algılayıcılardan oluşan, küme içerisindeki algılayıcıların merkezi konumunda bulunan ve Küme Merkezi (KM) olarak adlandırılan küme, ikincisi ise Küme Merkezi dışında kalan algılayıcıların oluşturmuş olduğu ve Küme Merkezi Dışındakiler (KMD) olarak adlandırılan dış kümeden oluşmaktadır. Küme Merkezi içerisinde bulunan algılayıcılar Kablosuz Algılayıcı Ağ'ın veri gönderimi ve alımı için belirlen periyotlar (döngü) içerisinde KB olma önceliğine sahiptirler. Bu sayede merkezi konumda bulunan algılayıcıların KB olması sağlanarak mesafe bazlı enerji tasarrufu sağlanarak KAA'ların ömrü uzatılmaktadır. Geliştirilen bu algoritma, Matlab benzetim aracı ile başarım değerlendirmesi yapılarak, algılayıcıların yaşam döngü sayısı, döngü başına harcamış oldukları enerji miktarı ve gönderilen toplam paket sayıları diğer algoritmalarla karşılaştırmalı olarak analiz edilmiştir.
  • Küçük Resim
    Öğe
    Kablosuz Algılayıcı Ağlarda Kullanılan Enerji Duyarlı Kümeleme Algoritmaları
    (Ieee, 2019) Tay, Muhammet; Şentürk, Arafat
    Kablosuz Algılayıcı Ağ (KAA)'lar kullanıldıkları alanlar gereği enerjiye her zaman ihtiyaç duymaktadırlar. Bu sebeple var olan enerjilerini en verimli şekilde kullanmaları gerekmektedir. KAA'lar için enerji verimliliği sağlanmasında en önemli rollerden birisi algılayıcı düğümler arasında kümeleme oluşturmaktır. Kümelenen algılayıcılar içinde belirlenen kriterlere göre en uygun algılayıcı düğümü Küme Başı (KB) olarak seçmek enerji sarfiyatını azaltmaktadır. Bu çalışmada, literatürde en çok bahsedilen kümeleme algoritmalarına yer verilmiş ve bu algoritmalar belirli ölçütler çerçevesinde karşılaştırılmıştır. Karşılaştırma sonucunda kümeleme algoritmalarının avantaj ve dezavantajları belirtilmiştir.
  • Küçük Resim
    Öğe
    Nesnelerin internetinde kenar hesaplama ve makine öğrenmesi kullanılarak yeni bir görev tamamlama algoritması
    (Düzce Üniversitesi, 2024) Tay, Muhammet; Şentürk, Arafat
    Araçların interneti (IoV) alanında hızla gelişmeler yaşanıyor ve talepler her geçen gün artıyor. Yakın gelecekte, bağlantılı, otonom, paylaşımlı ve elektrikli araçlara olan ilgi artacak. Bu talep, IoV alanında büyük veri akışı ve depolama gibi temel sorunları beraberinde getirecek. Ayrıca, IoV sistemlerinin gecikme hassasiyeti ve veri kaybını en aza indirme ihtiyacı önem taşıyor. Kenar bilişim araçlarının kullanımı, bu sorunların çözümünde önemli bir rol oynayabilir. KB sistemlerinde gecikme, bant genişliği ve enerji tüketimi gibi temel faktörlerin iyileştirilmesi gerekiyor. Bu iyileştirmeler, genellikle karmaşık ve doğrusal olmayan problemlerle karşılaşılabilen zorlu konular arasında yer alıyor. Bu sorunların çözümü için etkili optimizasyon ve makine öğrenimi tekniklerinden yararlanılabilir. Bu çalışmada, görev aktarım oranını ve hizmet süresini artırmak amacıyla iki aşamalı bir makine öğrenimi yöntemi önerilmektedir. Önerilen yöntemde, ilk aşamada, görevin hangi hesaplama aracına gönderileceğine karar vermek için karar ağacı algoritması kullanılıyor. İkinci aşamada ise, gecikme hassasiyeti olan bir hesaplama aracı seçmek için doğrusal regresyon yöntemi kullanılmıştır. Önerilen yöntemin performansı, edgeCloudSim benzetim aracı kullanılarak analiz edilmiş ve elde edilen sonuçlar, önerilen yöntemin literatürdeki diğer algoritmalardan daha iyi sonuçlar sunduğunu göstermiştir.
  • Küçük Resim Yok
    Öğe
    Study of Edge, Fog, and Cloud Computing in Terms of IoT
    (RDCONF, 2021) Tay, Muhammet; Şentürk, Arafat
    Major developments in the field of the Internet of Things (IoT) and the increase in the number of objects/devices connected to the Internet continue rapidly. With this increase, the importance of concepts such as data analysis, storage, and interpretation is increasing. This increase also raises some problems that need to be solved. Software and hardware studies are needed for the next-generation cellular network technology (5G), which is thought to be a solution to speed, bandwidth, and latency, to achieve the expected improvement. Edge, Fog and Cloud Computing (EFC) technologies are very important to respond to the needs of the new generation technology and to analyze the data emerging with the increasing IoT devices and meet the end-user needs. Having a developing and growing network structure, IoT requires reconsideration of current needs day by day. In parallel with this growth, many researchers are working in this area to overcome the problems. According to the literature study, it has been seen that the use of distributed network structure and EFC technologies rather than centralized network structure is a solution for the delay, energy-saving, and bandwidth. In this study, the latest innovations were discussed by referring to the concepts of EFC and the solutions they have provided in the field of IoT. In addition, the ongoing problems were mentioned and the results.