Ensemble-Lerntechniken wie LightGBM und XGboost modesl sind ein Gradient-Boosting-Framework, das baumbasierte Lernalgorithmen verwendet. Es ist so konzipiert, dass es dezentral und effizient ist und die folgenden Vorteile bietet:

Schnellere Trainingsgeschwindigkeit und höhere Effizienz.

Geringerer Speicherbedarf.

Bessere Genauigkeit.

Unterstützung von parallelem, verteiltem und GPU-Lernen.

Fähigkeit zur Verarbeitung großer Datenmengen. In dieser Arbeit wollen wir die beiden genannten Ensemble-Lerntechniken nutzen und optimieren, um die SINR in einem integrierten terrestrischen und luftgestützten Kommunikationsnetz vorherzusagen, das aus zwei Basisstationen, zwei Drohnen und einem HAPS besteht. Wir verwenden Sionna für die Generierung von Kanaldaten basierend auf dem TR 38.901 Kanalmodell.