Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi
Yazarlar: ["Aygül TEKİN KAKIZ", "Muhammet TALHA KAKIZ", "Ramazan COBAN"]
Konular:-
DOI:10.47495/okufbed.1037534
Anahtar Kelimeler:Nesnelerin interneti,Uç bilişim,Bulut bilişim,Autoencoder,Yapay sinir ağları
Özet: İnternete bağlı IoT cihazların sayısındaki hızlı artış ile çok büyük miktarda veri üretilip, depolanmak ve analiz edilmek üzere Bulut Bilişim düğümlerine gönderilir. IoT cihazlar enerji, hesaplama gücü ve depolama açısından kısıtlı makineler olmasından dolayı, Bulut Bilişim depolama ve veri analizi için etkili bir paradigmadır. Bulut Bilişimin avantajlarına rağmen, genellikle uzun mesafelerde konumlandığı için trafik sıkışıklığı ve gecikmelere neden olur. Bunun yanında, güvenlik ve gizlilik meseleleri de Bulut Bilişimin dezavantajlarındandır. Uç bilişim hesaplama gücünü veri kaynağına yaklaştırarak Bulut Bilişimin kusurlarını bertaraf edecek umut verici bir sistemdir. Uç Bilişim, IoT cihazdan daha fazla Bulut Bilişimden ise daha az hesaplama gücüne sahip. Uç Bilişim ile, Bulut Bilişimin olumsuzlukları azalmasına rağmen, tamamen ortadan kalkmaz. Çünkü, yoğun hesaplamalı görevlerin hala uçtan bulut kaynaklarına gönderilmesi gerekir. Autoencoder, girdi verisini etkili bir şekilde kodlar/sıkıştırır ve orijinal girdi verisine daha yakın olacak şekilde kodu çözmeyi öğrenen denetimsiz sinir ağı tekniğidir. Uç bilişim ve Bulut Bilişimdeki veri trafiği ve gecikmeyi azaltmak için ideal bir aday. Bütün veriyi buluta göndermek yerine, girdi verilerinin kodlandığı yer olan darboğaz gizli katman verileri uçtan buluta gönderilir. Sıkıştırılmış veri öğrenilmesi ve analiz edilmesi amacıyla orijinal inputa döndürmek için bulutta çözülür. Bu çalışmada, ağ trafiği ve gecikme açısından Autoencoder’ın uç bilişimde kullanan çalışmaları ve performans etkilerini araştırdık. Uç ve bulut katman arasında Autoencoder kullanan çalışmaların performans sonuçları büyük veri, ağ trafiği ve doğruluk açısından değerlendirildi.