DERİN ÖĞRENME YARDIMLI AKIŞ KONTROL MEKANİZMASI SEÇİMİ

dc.contributor.authorÇalhan, Ali
dc.contributor.authorLeblebici, Merih
dc.date.accessioned2026-07-01T11:33:52Z
dc.date.available2026-07-01T11:33:52Z
dc.date.issued2025
dc.departmentDüzce Üniversitesi
dc.description.abstractKüresel mobil veri trafiğindeki hızlı artış, altıncı nesil (6G) gibi ileri düzey iletişim sistemlerinin geliştirilmesini zorunlu kılmaktadır. Entegre algılama ve iletişim (ISAC), 6G kapsamında eş zamanlı bilgi iletimi ve çevresel farkındalık sağlayarak spektrum verimliliğini artıran ve gelecekteki uygulamaların gereksinimlerini karşılayan temel bir teknoloji olarak öne çıkmaktadır. Bu çalışma, fiziksel katman ile ortam erişim kontrolü (MAC) katmanındaki süreçleri entegre eden katmanlar arası kapsamlı bir ISAC çerçevesi sunmaktadır. Bu yapı, geleneksel ve birbirinden bağımsız yaklaşımların sınırlamalarını aşmayı hedeflemektedir. Sunulan çerçevede, gerçek zamanlı sinyal-gürültü oranı (SNR) tahmini ve akış kontrol mekanizması için derin öğrenme modelleri kullanılmaktadır. Ayrıca, SNR, bant genişliği ve gecikme parametrelerine dayalı olarak otomatik tekrar isteği (ARQ) mekanizmalarının dinamik şekilde uyarlanması, bulanık mantık sistemiyle sağlanmaktadır. Bulanık kontrol yüzeylerine ilişkin ayrıntılı analizler, sistemin kaynak tahsisi optimizasyonu, dinamik ortamlara adaptasyon ve güvenilirlik-verimlilik dengesi sağlama konularındaki etkinliğini ortaya koymaktadır. Elde edilen sonuçlar, ARQ karar süreçlerinde SNR’nin belirleyici bir unsur olduğunu; bant genişliği ve gecikmenin ise belirli koşullarda performans üzerinde önemli etkilere sahip olduğunu göstermektedir. Bu bulgular, bulanık çıkarım sisteminin akıllı iletişim sistemlerini mümkün kılma yeteneğini doğrulamakta ve ISAC teknolojisini 6G ağlarının temel bileşenlerinden biri olarak konumlandırmaktadır.
dc.identifier.dergipark1707304
dc.identifier.doi10.22531/muglajsci.1707304
dc.identifier.endpage20
dc.identifier.issn2149-3596
dc.identifier.issue2
dc.identifier.startpage10
dc.identifier.trdizinid1375237
dc.identifier.urihttps://doi.org/10.22531/muglajsci.1707304
dc.identifier.urihttps://search.trdizin.gov.tr/tr/yayin/detay/1375237
dc.identifier.urihttps://hdl.handle.net/20.500.12684/22790
dc.identifier.volume11
dc.indekslendigikaynakTR-Dizin
dc.language.isoen
dc.relation.ispartofMugla Journal of Science and Technology
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_TR_20260623
dc.subjectTelekomünikasyon
dc.titleDERİN ÖĞRENME YARDIMLI AKIŞ KONTROL MEKANİZMASI SEÇİMİ
dc.title.alternativeDEEP LEARNING AIDED FLOW CONTROL MECHANISM SELECTION
dc.typeArticle

Dosyalar