Geri Dön

Yapay sinir ağı tabanlı akıllı yöntemlerle karmaşık sistemlerin modellenmesi

Complex system modeling by using artificial neural network based intelligent methods

  1. Tez No: 200174
  2. Yazar: DAVUT HANBAY
  3. Danışmanlar: PROF.DR. YAKUP DEMİR, Y.DOÇ.DR. İBRAHİM TÜRKOĞLU
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Karmaşık Sistem, Akıllı Modelleme, Doğrusallaştırma, Özellik Çıkarma, YapayZeka Teknikleri, Complex Systems, Intelligent Modeling, Feature Extracting, ArtificialIntelligence Techniques.I
  7. Yıl: 2007
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 111

Özet

ÖZETDOKTORA TEZİYAPAY SİNİR AĞI TABANLI AKILLI YÖNTEMLERLE KARMAŞIK SİSTEMLERİNMODELLENMESİDavut HANBAYFırat Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Anabilim Dalı2007, Sayfa: 100Karmaşık sistemlerin modellenmesi, bilim adamları tarafından uzun yıllardır çalışılmaktadır.Bu çalışmaların çoğunda matematiksel bağıntılar kullanılmıştır. Sistem parametre sayısı arttığındayada çevresel şartlar göz önünde bulundurulduğunda, sistemlerin modellenmesi zorlaşmakta hattaimkânsızlaşmaktadır. Akıllı yöntemlerin çeşitli bilim alanları için önerdikleri çözümler ve gelişimler,sistem modellemecilerin de ilgisini çekmiştir.Akıllı modelleme çalışmaları, doğrusal olmayan sistemlerin modellemesinde büyükkolaylıklar getirmiştir. Fakat sistem giriş ve çıkış bileşenleri arasındaki karmaşıklık düzeyi artıkçaakıllı modelleme yapılarında da bazı sorunlar oluşmaktadır. Örneğin, eğitim süreleri, örnek sayılarınınartması, ezberleme, modelin gecikmiş giriş sayısının çoğalması v.b. sorunlar ortaya çıkmıştır. Bu tezçalışmasında geliştirilen akıllı modelleme yapıları ile bu sorunlara çözüm getirilmekle birlikte,karmaşık sistemlerin yapay zekâ teknikleri ile modellenmesine yeni bir yaklaşım sunulmuştur.Getirilen bu yaklaşımla, karmaşık sistemleri modelleme sürecinin temeli, karmaşık sistemin doğrusalbileşenleri elde edilerek yapay zekâ teknikleri ile modelleme üzerine dayanmaktadır.Karmaşık sistemleri modellemeye yönelik geliştirilen akıllı yapılar iki önemli bileşenesahiptirler. Bunlardan birincisi, karmaşık sistemi temsil eden doğrusal anahtar model özelliklerin eldeedilmesi, ikincisi ise yapay zeka teknikleri ile bu model özelliklerinin öğrenilmesidir. Böylece, klasikkarmaşık sistem modelleme çalışmalarından farklı olarak modelleme sürecine sistem analizi ile eldeedilen model özellik çıkarım yapısı eklenmiştir. Bu tezde ele alınan karmaşık sistemlerin modelözelliklerinin çıkarımı için entropi hesaplama teknikleri ve dalgacık dönüşümü analiz yöntemlerikullanılmıştır. Yapay zekâ teknikleri olarak ise uyarlamalı bulanık sinir ağ, yapay sinir ağları vebulanık mantık tercih edilmiştir. Ayrıca geliştirilen bir diğer karmaşık sistem modelleme tekniğindeise yapay zeka tekniğinin başarımına bağlı olarak model özelliklerinin çıkarımı uyarlamalı yapılmıştır.Böylece doğrusal model özellik çıkarma süreci ile yapay zeka süreci tümleşik hale getirilmiştir.

Özet (Çeviri)

ABSTRACTPhD ThesisCOMPLEX SYSTEM MODELING BY USING ARTIFICIAL NEURAL NETWORK BASEDINTELLIGENT METHODSDavut HANBAYFirat UniversityGraduate School of Natural and Applied Sciences, Department of Electrical - Electronics Engineering2007, Pages: 100Modeling complex systems are being studied by scientists for a long time. In most of themmathematical relationships are used. Modeling complex systems are become harder or sometimesimpossible when the numbers of input parameters are increased or environmental conditions areconsidered. The offered solutions in various science fields by intelligent methods take care of systemsannalists. Nonlinear system modeling is made easy by intelligent system modeling studies. But someproblems such as training time, increased sample data, memorization, necessitates to use delayed inputand output arise with intelligent methods when system input parameters or the level of complexity ofthe relationships between input-output pairs are increased. In this thesis, some solutions are suggestedfor these problems with developed intelligent modeling structures and offered a new modelingapproach based on artificial intelligence. The offered modeling approach is based on getting linearparts of complex system and modeling with artificial intelligence techniques.The developed intelligent structures for complex system modeling are consisting of twoimportant parts. The first of them is obtaining linear key model features which can represent thecomplex systems. The second is learning of these model features by artificial intelligence techniques.So contrary to traditional complex system modeling studies, model feature extracting process is addedto modeling stages. In this thesis, the studied complex systems are analyzed by using wavelettransform and entropy methods. Adaptive network based fuzzy inference systems, fuzzy logic andartificial neural networks are used as artificial intelligence techniques. In another developed modelingstructure, model feature extracting process is adapted related to the performance of artificialintelligence techniques. Thus model feature extracting process and artificial intelligence stage areintegrated.

Benzer Tezler

  1. Design and deployment of deep learning based fuzzy logicsystems

    Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması

    AYKUT BEKE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

  2. Elektrikli araçlarda yapay sinir ağı tabanlı batarya sağlık durumu kestirimi

    State of health estimation in electric vehicles based on artificial neural network

    MUSTAFA DİNEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERHAT İKİZOĞLU

  3. Cooperative control of multi-agent system under time delay

    Çok ajanlı sistemlerin zaman gecikmesi altında eş zamanlı kontrolü

    ŞİRİN AKKAYA

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ FUAT ERGENÇ

  4. Derin öğrenme ile cerrahi video anlama

    Surgical video understanding with deep learning

    ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU SARIKAYA

  5. Manipulation of visually recognized objects using deep learning

    Görsel tanınan nesnelerin derin öğrenme kullanarak hareket ettirilmesi

    ERTUĞRUL BAYRAKTAR

    Doktora

    İngilizce

    İngilizce

    2018

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PINAR BOYRAZ