DERİN ÖĞRENME YARDIMLI AKIŞ KONTROL MEKANİZMASI SEÇİMİ
| dc.contributor.author | Çalhan, Ali | |
| dc.contributor.author | Leblebici, Merih | |
| dc.date.accessioned | 2026-07-01T11:33:52Z | |
| dc.date.available | 2026-07-01T11:33:52Z | |
| dc.date.issued | 2025 | |
| dc.department | Düzce Üniversitesi | |
| dc.description.abstract | Küresel 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.dergipark | 1707304 | |
| dc.identifier.doi | 10.22531/muglajsci.1707304 | |
| dc.identifier.endpage | 20 | |
| dc.identifier.issn | 2149-3596 | |
| dc.identifier.issue | 2 | |
| dc.identifier.startpage | 10 | |
| dc.identifier.trdizinid | 1375237 | |
| dc.identifier.uri | https://doi.org/10.22531/muglajsci.1707304 | |
| dc.identifier.uri | https://search.trdizin.gov.tr/tr/yayin/detay/1375237 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12684/22790 | |
| dc.identifier.volume | 11 | |
| dc.indekslendigikaynak | TR-Dizin | |
| dc.language.iso | en | |
| dc.relation.ispartof | Mugla Journal of Science and Technology | |
| dc.relation.publicationcategory | Makale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.snmz | KA_TR_20260623 | |
| dc.subject | Telekomünikasyon | |
| dc.title | DERİN ÖĞRENME YARDIMLI AKIŞ KONTROL MEKANİZMASI SEÇİMİ | |
| dc.title.alternative | DEEP LEARNING AIDED FLOW CONTROL MECHANISM SELECTION | |
| dc.type | Article |












