CCL

Összesen 6 találat.
#/oldal:
Részletezés:
Rendezés:

1.

001-es BibID:BIBFORM104236
Első szerző:Gál Zoltán (informatikus)
Cím:B5G/6G kommunikációs csatorna torlódásának elemzése mesterséges intelligenciával = Artificial Intelligence Based Analysis of the B5G/6G Communication Channel Congestion / Gál Zoltán, Talbi Djamila
Dátum:2022
ISSN:2734-6757
Megjegyzések:Pico-cell based very high-speed wireless communication technologies require new medium access control mechanisms to provide top efficiency in the control plane. Beyond 5G and 6G wireless services are studied currently with synthetic data generated with special simulators. In this paper we used ns-3 TeraSim tool to evaluate upload communication cases from mobile terminals to unique base station in different population and topology scenarios during 10 ms simulated time interval. Fractal properties of the congested channel access were extracted with wavelet method in different simulation cases. Classification of them belonging to different communication cases were executed with recurrent neural network. The methodology utilized in this research work performs stable and unstable phases of the new IEEE pre-standard mechanism called Adaptive Directional Antenna Protocol for THz.
A következő generációs, pikocella méretű nagysebességű vezetéknélküli kommunikációs technológiák a hagyományostól eltérő közeghozzáférési és vezérlési mechanizmust feltételeznek a vezérlő síkban működő folyamatok hatékonyságának további növelése érdekében. A B5G, illetve 6G vezetéknélküli szolgálatokat jelenleg speciális szimulátorok által előállított adatok segítségével elemzik. Jelen dolgozatban ns-3 TeraSim eszköz segítségével mobilterminálok egyetlen közös bázisállomáshoz történő adatfeltöltési folyamatait vizsgáltuk 10 ms-os szimulált időtartamban. Torlódásos helyzetben a rádiós csatornahozzáférés fraktál tulajdonságait wavelet módszerrel nyertük ki, majd visszacsatolásos neurális hálózat segítségével osztályoztuk a különböző kommunikációs eseteket. Az alkalmazott módszer az IEEE szabványosítási folyamatában lévő ADAPT mechanizmus stabil, illetve instabil fázisainak hatékony beazonosítására képes.
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
B5G
6G
mesterséges intelligencia
gépi tanulás
ADAPT csatornahozzáférési mechanizmus
Megjelenés:XXIII. Energetika-Elektrotechnika - ENELKO és XXXII. Számítástechnika és Oktatás : SzámOkt Multi-konferencia / szerk. Sebestyén-Pál György, Szabó Loránd. - p. 101-107. -
További szerzők:Talbi, Djamila (1999-) (mérnök informatikus)
Pályázati támogatás:TKP2021
Egyéb
Internet cím:Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

2.

001-es BibID:BIBFORM104856
035-os BibID:(Scopus)85140962589
Első szerző:Korteby, Mohamed Amine (informatikus)
Cím:Fractals and Wavelets Based Energy Analysis of Cost-Balanced LEACH Sensor Network / Mohamed Amine Korteby, Djamila Talbi, Zoltan Gal
Dátum:2022
Megjegyzések:Wireless Sensor Networks (WSNs) have made significant strides in recent years owing to their growth in terms of equipment and cost reduction. Several protocols have been designed, based on the application and network architecture. The LEACH (Low Energy Adaptive Clustering Hierarchy) mechanism is one of the most energy-efficient solutions in WSN environments. This hierarchical protocol aggregates and forwards data from cluster members to a fixed sink node using the cluster head feature of the nodes. We propose a new family of routing mechanisms called CB- LEACH by introducing movement possibility to the sink node and balancing the cluster head election decision based on the distances between the nodes and on the remaining energy of the potential cluster head candidates. We introduced the Hausdorff dimension, memory exponent, and common metric of fractality metrics to characterize the new routing mechanism. It is proven that these metrics can highlight the most important features of the newly proposed CB-LEACH system.
ISBN:9781665496537 9781665496520
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
IoT
Low Energy Adaptive Clustering Hierarchy
fractal
wavelet
Hausdorf dimension
Megjelenés:2022 IEEE 2nd Conference on Information Technology and Data Science (CITDS) / ed. Fazekas István. - p. 116-121. -
További szerzők:Talbi, Djamila (1999-) (mérnök informatikus) Gál Zoltán (1966-) (informatikus)
Pályázati támogatás:TKP2021-NKTA
Egyéb
Internet cím:DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

3.

001-es BibID:BIBFORM104895
035-os BibID:(Scopus)85140973619
Első szerző:Mudhafar, Yousif (mérnökinformatikus)
Cím:Neural Network Based Comparison of Real and Synthetic Data Series in TeraHertz Domain / Yousif Mudhafar, Djamila Talbi, Zoltan Gal
Dátum:2022
Megjegyzések:Extension of real data by synthetic data becomes more important aspect of the virtualization technics today. In this paper we demonstrate how synthetic data generated from real data can be used in the supervised classification process of three different recurrent neural networks: Long-Short Term Memory (LSTM), Bidirectional LSTM (BiLSTM) and Gated Recurrent Unit (GRU). Other aspect is presented concerning the influence of the noise to the classification of real and synthetic data series. The paper demonstrates that LSTM network has better classification performance than GRU, even the last one has higher accuracy during the training. Synthetic data can eternalize just part of the features of the original real data and extraction efficiency of these characteristics depend on the applied neural network.
ISBN:9781665496537 9781665496520
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
TeraHertz communication
synthetic data
Gaussian white noise
recurrent neural network
Long-Short Term Memory
Gated Recurrent Unit
Megjelenés:2022 IEEE 2nd Conference on Information Technology and Data Science (CITDS) / ed. Fazekas István. - p. 152-156. -
További szerzők:Talbi, Djamila (1999-) (mérnök informatikus) Gál Zoltán (1966-) (informatikus)
Pályázati támogatás:TKP2021-NKTA
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

4.

001-es BibID:BIBFORM104896
035-os BibID:(Scopus)85140969123
Első szerző:Talbi, Djamila (mérnök informatikus)
Cím:Neural Network Based Analysis of Terahertz Frequency Signal Propagation for B5G/6G Wireless Networks / Djamila Talbi, Mohamed Amine Korteby, Zoltan Gal
Dátum:2022
Megjegyzések:Pico-cell based very high-speed wireless technologies require new medium access control mechanisms to provide top efficiency in the control plane. Beyond 5G and 6G wireless services are studied currently with synthetic data generated with special simulators. In this paper we used NS3 TeraSim tool to evaluate upload communication cases from mobile terminals to unique base station in different population and topology scenarios during 10 ms simulated time interval. Fractal based wavelet analysis is used to extract features of channel access in different simulation cases and classify them with recurrent neural network. The methodology utilized performs stable and unstable phases of the new IEEE pre-standard mechanism called Adaptive Directional Antenna Protocol for THz.
ISBN:9781665496537 9781665496520
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
B5G
6G
synthetic data
wavelet
fractal
medium access control
Adaptive Directional Antenna Protocol for THz
recurrent neural network
Long-Short Term Memory
Megjelenés:2022 IEEE 2nd Conference on Information Technology and Data Science (CITDS) / ed. Fazekas István. - p. 196-201. -
További szerzők:Korteby, Mohamed Amine (1990-) (informatikus) Gál Zoltán (1966-) (informatikus)
Pályázati támogatás:TKP2021-NKTA
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

5.

001-es BibID:BIBFORM104811
035-os BibID:(Scopus)85141609040
Első szerző:Talbi, Djamila (mérnök informatikus)
Cím:Impact of Multi-Layer Recurrent Neural Networks in the Congestion Analysis of TeraHertz B5G/6G MAC Mechanism / Djamila Talbi, Zoltan Gal
Dátum:2022
ISSN:1847-358X
Megjegyzések:Nowadays design of B5G/6G radio technologies require analysis based on simulations to determine optimum functioning properties. We executed ns-3 simulations to generate TeraHertz scale MAC event sequences. Standard communication proposal mechanism, called Adaptive Directional Antenna Protocol for Terahertz (ADAPT), was analysed by extract frame collision behaviour in the control plane of the high-speed channel. Seven step sizes of sector indexes with specific features were used at the base station to give access to the mobile terminals spread in 30 sectors of the circular radio cell. After presenting basic properties of the MAC mechanism we grouped collision sequences into four classes. Testing classifications were performed with three types of recurrent neural networks (RNN). Transfer learning was used to detect influence of the recurrent layers on the performance of the compound multilayer RNN. Complex metric was introduced to quantify the learning efficiency of the RNN. It was found that the proposed metric, called Weighted Accuracy-to-Time Ratio is able to characterize and compare in efficient manner goodness of different deep learning techniques used for evaluation of the ADAPT technology. This new metric quantifies transfer learning property and differentiates applicability of the most popular recurrent neural networks used in practice.
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
B5G
6G
Recurrent Neural Network
Long-Short Term Memory
Bidirectional Long-Short Term Memory
Gated Recurrent Unit
Transfer Learning
Weighted Accuracy-to-Time Ratio
Megjelenés:2022 International Conference on Software, Telecommunications and Computer Networks (SoftCOM). - p. 1-6. -
További szerzők:Gál Zoltán (1966-) (informatikus)
Pályázati támogatás:TKP2021-NKTA
Egyéb
Internet cím:DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

6.

001-es BibID:BIBFORM104767
Első szerző:Talbi, Djamila (mérnök informatikus)
Cím:Localization Behaviour of the THz Radio Communication Based on Unsupervised Machine Learning / Djamila Talbi, Zoltan Gal
Dátum:2022
Megjegyzések:Machine learning became useful tool not just in the engineering applications but in the geo-localization fields, as well. In this paper we analyzed Terabit/sec bandwidth wireless technology using specific ns-3 simulation tool. Different simulation cases were generated with parameters like population density, topology types and overlapping ratio between consecutive radio sectors around the unique base station. DBScan, unsupervised learning method was used to determine number of classes of the sector efficiency features. The optimization method takes in consideration the number of outliers and the minimum number of elements in each radio sector. Important findings were made concerning the optimum working point of the synthetic data set collected from the simulation cases.
ISBN:9789636150396
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
data science
geo-localization
Terahertz communication
unsupervised machine learning
Beyond 5G/ 6G
Megjelenés:Az elmélet és a gyakorlat találkozása a térinformatikában XIII.: Theory meets practice in GIS / szerk. Abriha-Molnár Vanda Éva. - p. 293-300. -
További szerzők:Gál Zoltán (1966-) (informatikus)
Pályázati támogatás:TKP2021-NKTA
Egyéb
Internet cím:Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Rekordok letöltése1 
Corvina könyvtári katalógus v7.5.23 © 2021 Monguz kft. Minden jog fenntartva.