Enerji hasadı yapan kablosuz ağlar için derin öğrenme tabanlı eniyileme

Net sıfır enerjili haberleşme ağları, elektrik şebekesine bağlanmanın veya batarya değiştirmenin mümkün olmadığı durumlarda toplanan ve tüketilen enerjiyi dengeleyerek haberleşmenin devamını mümkün kılar. Radyo Frekansı Enerji Hasadı (RF-EH), RF sinyallerinin iklim koşullarından bağımsız, daha tahmin edilebilir ve kontrol edilebilir olmasından ötürü net sıfır enerjili haberleşme için tercih edilir.Bu tez, RF-EH ağları için düşük karmaşıklıklı kaynak tahsisi ve optimizasyonuna odaklanmaktadır. Bu tez kapsamında özellikle çoklu-gönderici-çoklu-röle RF-EH ağları için ortak röle seçimi, zamanlama ve güç kontrolü problemi çalışılmıştır. Bu problem veri talebi, enerji korunumu ve maksimum iletim gücü kısıtlamalarını göz önünde bulundurarak, toplam enerji hasatlama süresi ve veri iletim zamanını en aza indirgemeyi hedefler. Formüle edilen problem, karışık tamsayılı lineer olmayan bir problemdir ve NP-zor olduğu kanıtlanmıştır. Çözüm stratejisi olarak, problem basitten karmaşığa doğru ele alınmıştır. Öncelikle, önceden belirlenmiş röle seçimi için zamanlama ve güç kontrolü altproblemi çözülmüş, sonra, probleme ek röle seçimi değişkenleri eklenerek ana problemin çözümüne ulaşılmıştır. Problem çözümü için optimizasyon teorisi tekniklerine dayalı özyinelemeli optimal ve buluşsal algoritmalar önerilir. Bu algoritmaların karmaşıklığı yüksek ve çalışma süreleri uzun olduğundan, derin öğrenme yöntemlerini optimizasyon prensipleriyle entegre eden yeni bir yaklaşım sunulur. İleri beslemeli yapay sinir ağları (YSA) mimarileri, zamanlama ve güç kontrolü altproblemini çözmek için sunulurken, önerilen YSA modellerinde özellik kümesini genişletmek ve çıktı katmanını basitleştirmek için optimalite analizi kullanılır. Röle seçimi problemi, bir sınıflandırma problemi olarak yeniden formüle edilir ve çözümü derin öğrenme modelleri aracılığıyla ele alınır. Röle seçimi problemi için ileri beslemeli bir YSA mimarisi ve evrişimli sinir ağları tabanlı iki mimari önerilir. Bu tez ayrıca öğretmen-öğrenci öğrenme prensibini röle seçimi problemini daha hızlı çözmek içi kullanmaktadır. Bu prensip daha karmaşık bir öğretmen ağından daha basit bir öğrenci ağına bilgi aktaran bir süreçtir. Öğrenci ağının tasarımı için ikili arama yönetimi kullanışmıştır. Sonuçlar,RF-EH ağlarındaki kaynak tahsisi problemlerinde derin öğrenme modellerinin düşük karmaşıklıkta çözümleri optimalitaden ödün vermeden sunduğunu göstermektedir.