Geri Dön

Improved extension neural networks for lead-acid battery modeling

Kurşun-asit batarya modellemesi için geliştirilmiş genişletilmiş yapay sinir ağları

PDF İndir

  1. Tez No: 309402
  2. Yazar: YUSUF SİPAHİ
  3. Danışmanlar: YRD. DOÇ. DR. AHMET ONAT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik Mühendisliği ve Bilgisayar Bilimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 79

Özet

İnsan yapımı dinamik sistemlerinin güvenilir ve gürbüz olmasına gittikçe artanihtiyaç var. Eğer bir hata çabuk bir şekilde bulunur, gerekli önlemler alınırsa sis-tem kritik kazalardan, yüksek maliyetli hasarlardan ve de daha büyük hatalardankurtarılabilir. Hata teşhisinde tesisin iyi bir matematiksel modelinin varlığı büyükönem taşır. Non-Lineer dinamik bir sistemin matematiksel modellemesinin bulun-ması zor ve zaman alıcıdır. Bu nedenle, yapay sinir ağı (YSA), bulanık mantık vegenişletilmiş yapay sinir ağları (GYSA) gibi yapay zeka ile öğrenme yöntemleri dahaavantajlı olabilir.Dinamik sistemlerin modellemesi yapay zeka ile öğrenme yöntemleri ile yapılsabile, sistemde kullanılan, ölçülemeyen durumlar olabilir. Bunlar matematiksel olarakhesaplansalarda, zamanla hesaplanan değerler kayabilir. Sını ? andırma yöntemleritamamen veya hesaplamayı doğru noktaya çekebilmek için kullanılabilir. GYSAumut veren bir sını ? andırma yöntemidir ama veri noktalarının dağılımına hassasiyetiolmadığı için bazen kötü sonuçlar verebilir. GYSA, kabul edilebilir bir hataya ulaşanakadar kullandığı kaydırma ve güncelleme özelliği, diğer karşılaştırılabilir metodlaragöre daha uzun sürer.

Özet (Çeviri)

There is an increasing demand for man-made dynamical systems to be reliable and safe. If a fault can be detected quickly, appropriate actions should be taken to prevent critical accidents, high cost malfunctions or failures. The key point in fault diagnosis is the assumption of the availability of good mathematical model of the plant. Mathematical modeling of non-linear dynamical systems may be computationally hard and time consuming. Therefore, modeling the plant using machine learning methods such as Neural Networks (NN), fuzzy logic, extension neural networks (ENN) can be more advantageous.Although a dynamical system is modeled via machine learning methods, there can be non-measurable states which are used in the system. Even though they are estimated with mathematical approaches, they can drift in time. Classification methods can be applied totally or to initialize the mathematical estimation. Although ENN is one of the promising classification methods, it sometimes gives poor results due to insensitivity to scatter of data-points. Its shifting and updating property takes more iterations than comparable methods to give an acceptable error rate.In this thesis, we propose improved extension neural networks (IENN) which improve on ENN's linear clustering method by using quadratic clustering and generating clustering criteria which depend on statistical properties of the training set. Rechargable Lead-Acid Battery is modeled via feed-forward NN approach and its state of charge is classified via proposed IENN method. The proposed method produces more accurate classifying results than ENN.

Benzer Tezler

  1. Tez No

    880104

    Derin pekiştirmeli öğrenme yöntemi ile görüntü hash kodlarını oluşturma

    Generating image hash codes with deep reinforcement learning method

    ELİF AKKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURHAN BARAKLI

  2. Tez No

    794591

    Flexible optoelectronic biointerfaces using quantum dots and pseudocapacitive materials for photoelectric stimulation of neurons

    Nöronların fotoelektrik uyarımı için kuantum nokta ve pseudokapasitör malzeme tabanlı esnek optoelektronik biyoarayüzler

    ONURALP KARATÜM

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiKoç Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEDAT NİZAMOĞLU

  3. Tez No

    898583

    Development of process, voltage and temperature variation aware highly energy-efficient deep neural networks with high inference accuracy for internet-of-things applications

    Nesnelerin internet, uygulamaları için gerilim, sıcaklık ve üretimsel sapmaları dikkate alarak yüksek enerji verimliliği ve çıkarım doğruluğuna sahip derin öğrenme ağları geliştirilmesi

    UMUT BARUT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiSabancı Üniversitesi

    Mühendislik ve Doğa Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER CEYLAN

  4. Tez No

    884656

    A roadmap for breast cancer microwave hyperthermia treatment planning and experimental systems

    Meme kanseri mikrodalga hipertermisinde tedavi planlama ve deneysel sistemler için bir yol haritası

    MELTEM DUYGU ŞAFAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜLŞAH YILDIZ ALTINTAŞ

  5. Tez No

    421197

    Teknoloji tahmini için yeni bir model önerisi

    A model proposal for technology forecasting

    GİZEM İNTEPE

    Doktora

    Türkçe

    Türkçe

    2016

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. VEHBİ TUFAN KOÇ

Geri Dön