Feature and classifier combination methods for delection of faulty electric motors
Hatalı elektrik motorlarının tanınması için parametre ve sınıflayıcı birleştirme metodları
- Tez No: 112041
- Danışmanlar: DOÇ. DR. ETHEM ALPAYDIN, PROF. DR. AYTÜL ERÇİL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2001
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
ÖZET HATALI ELEKTRİK MOTORLARININ TANINMASI İÇİN PARAMETRE VE SINIFLAYICI BİRLEŞTİRME METODLARI Bu tezde üç değişik motor parametresinden faydalanarak hatalı motor tanıma çalışması yapılmıştır. K-nn, single layer perceptron ve multi layer perceptron metodları gruplayıcı olarak kullanılmıştır. Parametrelerin ve gruplayıcıların değişik bileşimleri kullanılarak veri hakkında daha detaylı bilgi edinilmesi ve hatalı motorların en verimli şekilde tanınması için çalışma yapılmıştır. Aynı gruplayıcının değişik motor parametreleri için sonuçlarının birleştirilmesinin yanında, farklı gruplayıcıların da farklı parametreler için verdiği sonuçlar da optimal, oylama ve yığma metodları ile birleştirilerek yeni sonuçlar da incelenmiştir. Farklı gruplama metodlarının sonuçlarının birleştirilmesinin faydaları görülmüştür. Farklı gruplama metodları belli motor parametreleri ile daha iyi sonuç vermektedir ve bu sonuçların birleştirmeleri incelendiğinde son karara olan etkilerin de farklı olduğu saptanmıştır.
Özet (Çeviri)
ABSTRACT FEATURE AND CLASSIFIER COMBINATION METHODS FOR DETECTION OF FAULTY ELECTRIC MOTORS Faulty motor detection using three different motor features has been studied. K-tm, single layer perceptron and multi layer perceptron have been used as classifiers. Different combinations of the features and the classifier results have been studied to get a better understanding of the data and to find the most efficient way of classifying the faulty motors. In addition to the combination of the results for the different features with the same classifier, the combination of the results of different classifiers for different features have also been studied as the optimal combination, voting and stacking of the results. The advantages of using combination of different classifiers have been observed. It is seen that different classifiers perform better with certain features and these results have different affect on the final decision when their combinations are studied.
Benzer Tezler
- Nesneye yönelik sistemlerde kusurlu sınıfların öngörülmesi için makine öğrenmesi temelli bir yöntem oluşturulması
Creating a machine learning based method for predicting defective classes in object oriented systems
FİKRET AKTAŞ
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FEZA BUZLUCA
- Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti
Network anomaly detection with a hybrid approach of machine learning algorthms
FEYZA ÖZGER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT ÖZTEKİN
- Uzaktan algılama verileriyle orman yangını analizi
Forest fire analysis with remote sensing data
COŞKUN ÖZKAN
Yüksek Lisans
Türkçe
1998
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİLİZ SUNAR
- Model tabanlı kestirimci bakım ile kalan faydalı ömür tahmini
Estimation of remaining useful life with model based predictive maintenance
ENGİN MÖNGÜ
Doktora
Türkçe
2022
Mühendislik Bilimleriİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. HULUSİ GÜLSEÇEN
- COVID-19 hastalığının derin öğrenme yöntemleri kullanılarak tespiti
Detection of COVID-19 disease using deep learning methods
HÜSEYİN YAŞAR
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT CEYLAN