5. nesil ağlarda uzay, frekans ve gücün makine öğrenmesi ile kaynak yönetimi

5. Nesil kablosuz iletişimin gelişmesiyle birlikte, çeşitli kullanıcı türleri için yeni gereksinimler ortaya çıkmıştır. Bu gereksinimler doğrultusunda Yeni Radyo sistemlerinin, kişisel mobil cihazlar, otonom sürüş araçları, endüstriyel makineler, karanlık fabrikalar ve ev aletleri gibi farklı ihtiyaçlara sahip kullanıcılara hizmet vermesi gerekmektedir. Veri hızına, güvenilirliğe ve trafik hacmine olan talep büyük ölçüde artmaktadır. Çok daha yüksek kullanıcı trafiğine ve veri hızlarına uyum sağlamak için yeni frekans aralıkları tanıtılmıştır. Daha yüksek frekanslar, Kullanıcı Ekipmanındaki sinyal bütünlüğünü iyileştirerek Hizmet Kalitesini artırmanın bir yolu olarak hüzme oluşturmayı ve hüzme yönetimini optimize edilmesi gereken önemli bir nokta haline getirmiştir. Bir 5G ağının mevcut kaynaklarını tahsis etmek için, güç ve frekans kaynaklarının atanması, kullanıcı ilişkilerinin ve devirlerin yönetilmesi vb. ile Radyo Kaynak Yönetimi gerçekleştirilmektedir. Hüzmelerin, güç ve kaynak bloklarının yönetimi, bir optimizasyon problemi olarak formüle edilerek, bağlantı kalitesinin bir göstergesi olarak her kullanıcının CQI'sinin en iyilenmesi amaçlanmaktadır. Bu tezde, uzay, güç ve frekans kaynaklarının ortaklaşa tahsis edilmesi için Pekiştirmeli Öğrenme kullanımı araştırılmaktadır. DQN ile klasik optimizasyon yöntemlerinden veya kaynak uzayında tam kapsamlı aramadan daha iyi performans elde etmek hedeflenmektedir.