Adaptive data compression in networks: A learning automaton approach
Ağlarda adaptif veri sıkıştırma: Öğrenebilen durum makinesi yaklaşımı
- Tez No: 104608
- Danışmanlar: YRD. DOÇ. DR. M. BORAHAN TÜMER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Adaptif denetim, Bilgisayar ağları, Görüntü sıkıştırma, Veri sıkıştırma, Adaptive control, Computer networks, Image compression, Data compression
- Yıl: 2001
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET Ağlarda Adaptif Veri Sıkıştırma: Öğrenebilen Durum Makinesi Yaklaşımı Eğer yapay zeka alanında çalışılıyorsa, çoğu zaman uygun çalışma araçları ve ortamları bulunmamaktadır. Çok sayıda araç ve uygulama bulunduran uzman sistemler buna bir istisnadır. Sinir ağlan ve bulanık sistemler için ise az sayıda araç vardır. Öğrenebilen durum makineleri sintaktik analiz konusunda güçlü bir araç olmasına karşın çok popüler olamamışlardır. Bu tezde öğrenebilen durum makineleri için bir simulator gerçeklenip çalıştırılmıştır. Öğrenebilen durum makinesi simülatörü öğrenebilen durum makineleri kullanımını yaygınlaştırmakta ve kolaylaştırmaktadır. Bu simülatörde değişken ve sabit yapılı durum makinelerinin tüm alt durum makinesi tipleriyle birlikte modellemeleri gerçekleştirilebilmektedir. Bilinen Öğrenme yetenekli durum makineleri için modellemeler yapan araçlar gerçeklenmiştir. Bu sebepten kullanıcılar kendi uygulamalarını bu bilinen durum makineleri ile deneme firsatı bulabilmektedir. Bu tezin başka bir amacı ise ağlarda kayıpsız veri sıkıştırmayı sağlayan bir yöntemin benzeticide gerçeklenmesidir. Orjinal yöntem alışılmışın dışında bir yaklaşımdır. Bu orjinal yöntem bu tezde geliştirilmiştir. Bu eklenti kayıpsız veri sıkıştırma için tek ölçüm birimi olan sıkıştırma oranını geliştirmektedir. Ayrıca bu yöntem dinamik olarak çalışmaktadır. Bu da veriyi devamlı iletmemiz gereken ağlar için etkili bir yöntem olmasını sağlamaktadır. Bu yöntem video sinyallerinin ağlar üzerinden gönderilmesinde öneme sahip olan görüntü sıkıştırmak için tasarlanmıştır. Temmuz, 2001 Emre BAYDOĞAN iv
Özet (Çeviri)
ABSTRACT Adaptive Data Compression in Networks: A Learning Automaton Approach Most of the time, it is hard to find an appropriate working tool or environment, if you want to work in an artificial intelligence related field. Expert systems are an exception since there are numerous tools and applications. There are limited tools in the fields of neural networks, and fuzzy systems. Although, learning automata are powerful syntactic analysis tool, they did not receive much attention in the past. We cannot find any well-known tool or application environment for learning automata field. In this work, a new tool and simulator for learning automata has been implemented. The learning automata simulator broadens and eases the use of learning automata. In this simulator, variable and fixed structure automata of various output generating capabilities may be modeled. Various learning automata models for well-known automata may be implemented. Thus, the users of the simulator can experiment with these well-known automata easily. Another goal of this thesis is to implement a method on the simulator for lossless data compression in networks. The novelty of our work is that the original method is extended to use state transition probabilities that was not used in original method. This extension improves compression ratio, which is the only measure for lossless data compression. Moreover, this modification provides for an increased efficiency of the method especially in networks where continuous data transmission is inevitable. The technique was designed for image compression, which is important in transmitting video signals over the networks. July, 2001 Emre BAYDO?AN
Benzer Tezler
- Yapay sinir ağları ile elektronik devre tasarım otomasyonu ve performans optimizasyonuna yönelik yeni yaklaşımlar
Novel approaches to electronic circuit design automation and performance optimization using artificial neural networks
FUNDA DAYLAK
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. İSMAİL SERDAR ÖZOĞUZ
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- A smart intrusion detection systemagainst cyber attacks in unmanned aerial vehicles
İnsansız hava araçlarında siber saldırılara karşıakıllı saldırı tespit sistemi
BURCU SÖNMEZ SARIKAYA
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR
- Derin öğrenme ile görüntülerde bulanıklık giderme
Image deblurring with deep learning
BURAK TÜRÜDÜ
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Federe öğrenme kullanılarak nesnelerin interneti (IOT) verileri analizi
Analyzing internet of things (IOT) data using federated learning
SÜLEYMAN BURAK ALTINIŞIK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TURGAY TUGAY BİLGİN