Geri Dön

Yapay sinir ağları ile dâhili ortamlardaki aydınlık düzeyinin analizi

Analysis of illuminance levels in indoor atmosphere by using artificial neural networks

  1. Tez No: 275988
  2. Yazar: MUSTAFA ŞAHİN
  3. Danışmanlar: YRD. DOÇ. DR. FUAT BÜYÜKTÜMTÜRK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Teknik Eğitim, Electrical and Electronics Engineering, Technical Education
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2010
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik Eğitimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 118

Özet

Bu tezde amaç, dâhili ortamlarda yapay aydınlatma kavramını, yapay sinir ağları başlığı adı altında farklı açılardan incelemek ve el ile hesabı mümkün olmayan, ölçme cihazlarıyla uzun zaman alan ölçümleri yapay sinir ağlarıyla modelleyip, kısa zamanda sınırsız sayıda noktanın aydınlık şiddeti değerini yapay sinir ağlarına çok kısa bir sürede, minimum hata oranı ile tahmin ettirebilmek ve tahminler sonucunda bir değerlendirme modeli oluşturmaktır. Böylelikle aydınlatma sistemlerinin karmaşık ve uzun zaman alan bakımlarının daha az sürede ve daha güvenilir bir şekilde yapılması hedeflenmiştir.Bunun için öncelikle yapay sinir ağları (Artificial Neural Networks) ve aydınlatma kavramları çeşitli açılardan incelendi. Bu bilgiler doğrultusunda seçilen model ortam üzerinde yapay sinir ağlarıyla modelleme yapıldı.Tezin uygulama kısmı ise üç aşamada gerçekleştirildi. İlk aşamada, dâhili bir ortam içerisinde, çeşitli noktalarda aydınlık düzeyi ölçümleri yapıldı. İkinci aşamada, ölçülen aydınlık şiddeti değerlerinin bir kısmı ile yapay sinir ağları eğitildi. Üçüncü yani son aşamada geriye kalan aydınlık şiddeti değerleriyle yapay sinir ağlarının aydınlık şiddeti tahminindeki tutarlılığı test edildi.Tezin son bölümlerinde ise; model olarak seçilen ?Bilgisayar Laboratuarı ? üzerinde hazırlanan yapay sinir ağı ile belirli noktalarda yapılan tahminler ile gerçek veriler arasındaki tutarlılık irdelendi. Pratik anlamda tasarımın uygulanabilirliği hakkında yorumlara yer verildi. Elde edilen bulgulara göre, oluşturulan yapay sinir ağı ile tahmin edilen verilerin gerçeğe yakın ve uygulanabilir sonuçlar sağladığı gözlemlendi.

Özet (Çeviri)

The aim of this thesis is analyzing different views of the concept of artificial illumination in indoor atmosphere with the title of artificial neural networks along with modeling the measurements which is impossible for manual measuring because it takes long time with measuring device with artificial neural Networks and to predict illumination of unlimited points to artificial neural network with minimum error in a short time and to create a new luminance model results of estimation. In this way, maintenances of luminance systems which is complex and take lots of time, was aimed to establish in less time more reliable.Initially, artificial neural Networks and illumination systems was examined from different points. According to result of this study, an illumination model was designed with artificial neural network at selected lighting concept.Application was preceded in three different sections. In first section, various measurements were taken in indoor atmosphere. In second one, artificial neural networks were trained by using these illumination levels. Third namely last section was the section where remaining measurements of illumination levels were checked with the prediction of artificial neural network.In last part of thesis, consistence between measurements which were taken from ?Circuit Components Measurement Laboratory? and predictions of artificial neural network has been examined. Comments were made about applicability in practice. According to indication it has been seen that derived data from artificial neural networks were close to reality and applicable.

Benzer Tezler

  1. Pertübasyon yöntemi ile hassas veri güvenliğine yönelik çok değişkenli veriler için tahmin analizi

    Prediction analysis for multivariate data with respect to sensitive data security using the perturbation method

    İLKER İLTER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SAFİYE SENCER

  2. Lifelong learning for auditory scene analysis

    İşitsel sahne analizi için hayat boyu öğrenme

    BARIŞ BAYRAM

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKHAN İNCE

  3. Yapay sinir ağları ile bankacılık dokümanlarının sınıflandırılması

    Classification of banking documents with artificial neural networks

    ALİ ESER

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ABDULLAH ERDAL TÜMER

  4. Learning weights of losses on multiscale in crowd counting

    Kalabalık sayımında çoklu ölçek kayıplarının ağırlılarının öğrenilmesi

    DERYA UYSAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ULUĞ BAYAZIT

  5. Deep learning-based keypoints driven visual inertial odometry for GNSS-denied flight

    Yapay sinir ağları tabanlı nokta çıkarıcılı görsel-ataletsel odometri ile GPS'siz ortamda uçuş

    ARSLAN ARTYKOV

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE KOYUNCU