Browsing by Author "Bardak, Fatma Kebire"

Now showing 1 - 2 of 2

Ergodic capacity estimation with artificial neural networks in noma-based cognitive radio systems
(Springer Heidelberg, 2023-09-21) Namdar, Mustafa; Güney, Abdulkadir; Bardak, Fatma Kebire; Basgümüş, Arif; BAŞGÜMÜŞ, ARİF; Bursa Uludağ Üniversitesi/Mühendislik Fakültesi/Elektrik ve Elektronik Mühendisliği Bölümü.; E-9497-2015
The aim of this study is to predict the total ergodic capacity of near users in a cognitive radio (CR)-based non-orthogonal multiple access (NOMA) system model using the proposed artificial neural network (ANN) architecture. The input dataset used in this study was collected from the CR-NOMA system model and consists of the path loss coefficient, power allocation coefficient, signal-to-noise ratio, the distance between the source-relay-destination, and the ratio of the power of the secondary user to that of the primary user. Using a supervised learning method, the output data are trained and input into the ANN to estimate the ergodic capacity of nearby users using test data. The trained system model demonstrates an accuracy of 96.43% for training data, 96.34% for validation data, and 95.66% for test data when estimating the total ergodic capacity.
NOMA tabanlı bilişsel radyo sistemlerinde sinir ağı yöntemleri ile ergodik kapasite tahmini ve başarım analizi
(Bursa Uludağ Üniversitesi, 2023-01-24) Namdar, Mustafa; Güney, Abdulkadir; Bardak, Fatma Kebire; Başgümüş, Arif; Bursa Uludağ Üniversitesi/Mühendislik Fakültesi/Elektrik Elektronik Mühendisliği Bölümü.; 0000-0002-0611-3220
Bu çalışmada, bilişsel radyo (BR) tabanlı dikgen olmayan çoklu erişim tekniği (NOMA) kullanılarak, yakın kullanıcıya ait toplam ergodik kapasite değerinin, önerilen ileri beslemeli geri yayılımlı yapay sinir ağı (YSA) ve doğrusal olmayan dışsal girdili otoregresif ağ (Nonlinear Autoregressive Network with Exogenous Inputs, NARX) modeli ile farklı eğitim algoritmaları yoluyla yüksek doğruluk oranında ve hızlı eğitim sürelerinde tahmin edilmesi amaçlanmıştır. Sinir ağında kullanılan veri seti, üstel sönümleme kanalı karakteristiği ile modellenen BR-NOMA sistem modelinden elde edilmiştir. Denetimli öğrenme yöntemi kullanılarak tasarlanan YSA’ya girdi ve çıktı verileri öğretilerek yakın kullanıcıya ait ergodik kapasite tahmini yapılmıştır. YSA ve NARX sinir ağları başarımı değerlendirilirken eğitim süresi, iterasyon sayısı, ağın doygunluğa ulaşmaması durumları göz önünde bulundurulmuştur. Yakın kullanıcıya ait gerçek ergodik kapasite değeri ile ileri beslemeli geri yayılımlı YSA ve NARX ağlarının tahmin etmiş olduğu değerler karşılaştırılmıştır. Önerilen sinir ağlarının Levenberg-Marquardt, Bayesian ve Scaled-Conjugate eğitim algoritmaları altındaki performans analizi, hatanın minimuma ulaştığı epok değer grafiği, hata histogram analizi ve eğitim durum analizi açılarından incelenmiştir.