Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Mühendislik Fakültesi, Elektrik Ve Elektronik Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: İngilizce
Öğrenci: ÇAĞRI ARI
Danışman: Elif Uysal
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:
Yapay zekâ alanındaki gelişmeler, endüstriyel robotik ve otonom araçlar gibi teknolojilerin hayata geçirilmesinde önemli bir rol oynamıştır. Ancak bu akıllı modeller, genellikle uzaktan toplanan verilere ihtiyaç duymakta olup, doğru verilerin zamanında iletilmesini sağlayabilecek bir ağ altyapısı gerektirir. Bu motivasyondan yola çıkarak, bu tezde akıllı bir modelin, bir hedef sinyalin gerçek zamanlı değerini uzaktaki bir kaynaktan iletilen veri örnekleriyle tahmin ettiği bir senaryo ele alınmaktadır. Bu sistemde çizelgeleyici (scheduler), i) iletilecek örneklerin yaşını, ii) iletim zamanlarını ve iii) her paketin uzunluğunu (yani her pakette kaç örnek bulunduğunu) belirler. Belirli bir paket uzunluğu için tahmin kalitesinin Bilgi Yaşı’na (Age of Information - AoI) olan bağımlılığı genel bir ilişkiyle modellenmiştir. Önceki çalışmalar ya i.i.d. (bağımsız ve özdeş dağılımlı) iletim gecikmeleri ve anlık geri besleme varsayımında bulunmuş, ya da yalnızca verinin yaşlandıkça çıkarım/tahmin performansının kötüleştiği sınırlı durumları ele almıştır. Buna karşılık, bizim formülasyonumuz performansın yaşa bağlılığı açısından monoton olmayan durumları da kapsamakta ve hem ileri hem de geri besleme bağlantılarında Markov gecikme süreçlerini dikkate almaktadır. Bu problem, sonsuz ufuklu ortalama maliyetli bir Yarı-Markov Karar Süreci (Semi-Markov Decision Process) olarak modellenmiştir. İlk olarak, sabit paket uzunluğu için (i) ve (ii)’yi belirleyen kapalı formda bir çözüm elde ediyor ve bu sabit uzunluk değerini ayrıca optimize ediyoruz. Daha sonra, değişken paket uzunluğu durumunda, dinamik programlama çözümünün hesaplama karmaşıklığını önemli ölçüde azaltan endeks tabanlı bir eşik politikası öneriyoruz. Simülasyon sonuçları, hedef odaklı zamanlayıcımızın, birim uzunluklu paketlerle yaş tabanlı zamanlamaya kıyasla çıkarım hatasını altı kata kadar azaltabildiğini göstermektedir.