Geri Dön

En küçük kareler destek vektör mekanizmalarını kullanarak darbeler arası zaman ölçümü ile elde edilen kaotik zaman serilerinin tahmini

Prediction of chaotic time series obtained from inter spike intervals using least squares support vector machines

  1. Tez No: 196982
  2. Yazar: HALİL ALPASLAN
  3. Danışmanlar: YRD. DOÇ. DR. SERDAR İPLİKÇİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Electrical and Electronics Engineering, Engineering Sciences
  6. Anahtar Kelimeler: Kaotik Zaman Serileri, Destek Vektör Mekanizmaları, Kaotik Zaman SerilerininTahmini, Chaotic Time Series, Support Vector Machines, Chaotic Time Series Prediction
  7. Yıl: 2005
  8. Dil: Türkçe
  9. Üniversite: Pamukkale Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 102

Özet

Başlangıç koşulları bilinen gerekirci dinamik sistemlerin uzun dönem davranışlarını kestirebilir miyiz?Bu soruya, sistem kaotik ise Amerikan Meteorolojist Edward Lorenz'in bilimsel çalışmaları sonucundabulduğu ve Kelebek Etkisi olarak isimlendirilen düşünceye göre ?hayır? cevabını verebiliriz. KelebekEtkisi, kaotik davranışa yol açan en az bir pozitif Liapunov üstelden kaynaklanan başlangıç koşullarınahassas bağlılığı belirtir.Bir kaotik sistemin matematiksel modelini kullanarak kısa dönem kestirim yapılabilmesine rağmen,pozitif Liapunov üstelden dolayı uzun dönem kestirim yapılamamaktadır.Bu çalışmada, En Küçük Kareler Destek Vektör Mekanizmaları (LS-SVMs) ile integralini-al-ve-ateşlemodeli kullanılarak elde edilen bazı sentetik kaotik ISI (Inter-Spike Interval) zaman serilerinin kısa dönemkestirimi uygulaması yapılmıştır. İncelenen Lorenz sistemi, Rössler sistemi ve Kimyasal sistem zamanaralığı 0.1 ms alınarak 4. dereceden Runga-Kutta metodu ile benzetim yapılmıştır. LS-SVM modelleri,bağlanım için tahmin kapasitelerinden dolayı kullanılır. Bunun yanı sıra tıp, ekonomi, mühendislik gibifarklı bilimsel alanlarda da sınıflandırma, örnek tanıma, kümeleme için kullanılabilir. LS-SVM yapısı veonun ağırlıklı versiyonu olan WLS-SVM, Gausiyen ve Gausiyen olmayan gürültüye karşı dayanıklılıklarınıtest etmek amacıyla, gürültülü şartlar altında incelenmiştir.

Özet (Çeviri)

Can we predict long-term future behavior of a deterministic dynamical system of which initialconditions are known exactly? If the system is chaotic, we can say ?no? due to the so-called Butterfly Effectnotion that was found at the end of the scientific studies of Edward Lorenz, an American meteorologist.The Butterfly Effect is the sign of the sensitive dependence on initial conditions stemming from at least onepositive Lyapunov exponent that leads to the chaotic behavior.Even though the governing mathematical model of a chaotic system enables us to predict short-termbehavior, long-term behavior of the system is unpredictable due to positive Lyapunov exponent.In this study, short-term prediction of some synthetic chaotic systems is carried out by using LeastSquares Support Vector Machines (LS-SVMs) exploiting some time series inter-spike interval datagathered by integrate-and-fire model. Investigated systems namely Lorenz system, Rössler system andChemical system are simulated by using 4th order Runga-Kutta method with a time step 0.1 msec. We useLS-SVM models for regression due to their approximation capability, which are also applicable inclassification, pattern recognition, clustering in different areas such as medical science, engineering,economy etc. The LS-SVM structure and its weighted version WLS-SVM have both been investigatedunder noisy conditions in order to test their robustness against both Gaussian and non-Gaussian additivenoise.

Benzer Tezler

  1. En küçük kareler destek vektör makineleriyle serbest yüzeyli akımların havalandırma veriminin modellenmesi

    Modelling aeration efficiency of free surface flows by using least square support vector machines

    MURAT BATAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Teknik EğitimFırat Üniversitesi

    İnşaat Mühendisliği Bölümü

    DOÇ. DR. AHMET BAYLAR

  2. En küçük kareler destek vektör makineleri ile Türkiye'nin uzun dönem elektrik tüketim tahmini ve modellemesi

    Modeling and forecasting of Turkey's long term electricity consumption with least square support vector machines

    FAZIL KAYTEZ

    Doktora

    Türkçe

    Türkçe

    2012

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. M. CENGİZ TAPLAMACIOĞLU

  3. NARMA-L2 controller design for nonlinear systems using online lssvr

    Doğrusal olmayan sistemler için çevrimiçi en küçük kareler destek vektör regresyonu ile NARMA-L2 kontrolör tasarımı

    GÖKÇEN DEVLET ŞEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜLAY ÖKE GÜNEL

  4. Destek vektör makinelerinin etkin eğitimi için yeni yaklaşımlar

    New approaches for effective training of support vector machines

    EMRE ÇOMAK

    Doktora

    Türkçe

    Türkçe

    2008

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ARSLAN

  5. Destek vektör regresyonu ile PID kontrolör tasarımı

    Design of PID controller via support vector regression

    KEMAL UÇAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. GÜLAY ÖKE