TY  - JOUR
TI  - LSTM Tabanlı Derin Sinir Ağı ile Beşinci Nesil KüçükHücre Ağlarında El Değiştirme Tahmini
AB  - Bu çalışmada, Uzun Kısa-Vadeli Hafıza (LSTM) tabanlı derin sinir ağı ile beşinci nesil küçük hücre ağlarında eldeğiştirme (handover, HO) tahminlerini gerçekleştiren yeni bir model geliştirilmiştir. İlk olarak HO tahminindeeğitim için kullanılacak olan veri seti Riverbed Modeler benzetim yazılımında tasarlanan benzetim senaryoları ileoluşturulmuştur. Bu senaryolar aracılığıyla sinir ağının veri kümesinde kullanılacak üç adet giriş (RSSI, SNR veJitter) değişkeni ve bir adet çıkış (istenen değer) değişkeni elde edilmiştir. Bu veri seti makine öğrenmesialgoritmalarından LSTM, SVM, Tree ve Lineer Regresyon teknikleri ile eğitilmiştir. LSTM tabanlı derin sinir ağıdiğer regresyon algoritmaları ile karşılaştırılmış ve daha yüksek başarıma sahip olduğu tespit edilmiştir. LSTMiçin eğitilen modelin test sonuçları incelendiğinde; $R^2$ 0.94, MAE 0.3315, MSE 0.3670 ve RMSE değeri 0.6058olarak bulunmuştur. LSTM tabanlı derin sinir ağlarının, regresyon işlemlerinde yüksek başarım gösterdiğigörülmüştür. Sonuç olarak önerilen regresyon modeli ile 5G küçük hücre ağlarında HO kararlarının tahminedilebildiği gösterilmiştir.
AU  - CİCİOĞLU, MURTAZA
DO  - 10.35193/bseufbd.840927
PY  - 2021
JO  - Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi
VL  - 8
IS  - 1
SN  - 2458-7575
SP  - 90
EP  - 99
DB  - TRDizin
UR  - http://search/yayin/detay/464416
ER  -