Geri Dön

Comperative evaluation of combined artificial intelligence and mathematical methods for defect classification

Hata sınıflandırmasında yapay zeka ve matematiksel yöntemlerin karşılaştırılmalı değerlendirilmesi

  1. Tez No: 47498
  2. Yazar: RAHMİ FIÇICI
  3. Danışmanlar: Y.DOÇ.DR. FİKRET GÜRGEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1995
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 129

Özet

KISA ÖZET Bu çalışmada değişik sınıflandırma yöntemleri uygulayarak, üretimden gelen bozuk motor verisini sınıflandırdık ve yöntemlerin veriyi sınıflandırma başarısını kıyasladık. Sınıflandırma yöntemi olarak ağaç sınırlandırıcılar, yapay sinir ağlan ve k- merkez sınıflandıncılar gibi alışılagelmiş yöntemlerin yanısıra, bunların çeşitlemelerinden olan doğrusal ve doğrusal olmayan görsel sınırlandırıcılar ve bulanık sinir ağlan, ve karma bir sınıflandıncı olan genetik öbekleme sınıflandıncılannı kullandık. Her smıflandıncıyı, bazen görsel muayene, doğrusal birleşim, Fisher doğrusal ayırma yöntemi, en önemli bileşenler çözümlemesi yöntemi ve doğrusal olmayan korelasyon yapan yapay sinir ağı gibi değişik öznitelik bulma ve seçme yöntemleri de kullanarak, kendi başına inceledik. Son olarak birini-dışanda-bırak ( çapraz-doğrulama ) yöntemiyle, sınıflandıncdanmızın veriyi doğru sınıflayabilme basanlarını kıyasladık. Doğrusal ve doğrusal olmayan görsel sınıflandıncılar, bulanık sinir ağlarının bir çeşidi, genetik öbekleme sınıflandıncısı ve doğrusal olmayan korelasyon yapan yapay sinir ağı, bu çalışmada ortaya konan yeni kavramlardır.

Özet (Çeviri)

IV ABSTRACT In this thesis, we have processed a data of defective motors coming from production, with different pattern classification methods and we have compared their performances in classifying our data. We have applied selected well-known classifiers, the tree classifiers, neural networks and k-means classifiers, as well as variations of some well-known classifiers, the linear and nonlinear visual classifiers, neuro-iuzzy classifiers and finally a hybrid one, the genetic clustering classifiers. Each classifier was first analyzed individually, sometimes trying alternative feature extraction and selection methods which were the visual inspection, linear combination, Fisher linear discrimination method, Principal Components analysis and the NonLinear Correlating Neural Network. Finally a comparison of all the classifiers was done on the basis of their performance in classifying the data by using the leave-one-out or crossvalidation method. The visual classifiers, genetic clustering classifiers, a variation of the neuro-fuzzy classifier and the NonLinear Correlating Neural Network are new concepts introduced with this thesis.

Benzer Tezler

  1. Tez No

    864198

    Multi-quadcopter salvo attack system with impact time and angle control guidance algorithm based on polynomial trajectory and artificial intelligence

    Yapay zeka ve polinom fonksiyonlu yörünge temelli etki zamanı ve açısı kontrollü güdüm algoritmasıyla çoklu dört pervaneli helikopter salvo saldırı sistemi

    FURKAN GÖKTUĞ AKBALIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Havacılık ve Uzay Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖKHAN İNALHAN

    DR. ÖĞR. ÜYESİ BARIŞ BAŞPINAR

  2. Tez No

    66398

    İmalat sistemlerinin tasarlanması ve öncelik kurallarının belirlenmesinde yapay sinir ağlarının kullanılması

    Başlık çevirisi yok

    TARIK ÇAKAR

    Doktora

    Türkçe

    Türkçe

    1997

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. AYHAN TORAMAN

  3. Tez No

    938348

    Ar-Ge projelerinde risk ve performans yönetiminde ödül-ceza modelleri ve hibrit çok kriterli karar verme karşılaştırılması

    Comparison of reward-penalty models and hybrid multi-criteria deci̇si̇on maki̇ng i̇n R&D project ri̇sk and performance management

    EZGİ GÜL DİNÇER

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Mühendislik Yönetimi Ana Bilim Dalı

    DOÇ. DR. SAFİYE SENCER

  4. Tez No

    929505

    Meme MRG'de saptanan kitle dışı kontrastlanmaların benign ve malign ayrımında radyolojik bulgularla doku analizi bulgularının makine öğrenimi yöntemleriyle değerlendirilmesi ve segmentasyon tabanlı 3 boyutlu evrişimsel sinir ağlarıyla karşılaştırılması

    Evaluation of radiological and texture analysis findings using machine learning methods in the differentiation of benign and malignant non-mass enhancements detected onbreast MRI and comparison with segmentation-based three dimensional convolutional neural networks

    SERHAT AKIŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Radyoloji ve Nükleer TıpDokuz Eylül Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. PINAR BALCI

  5. Tez No

    929362

    Koroner arter hastalığının makine öğrenmesi teknikleriyle teşhisi

    Diagnosis of coronary artery disease using machine learning techniques

    ŞÜKRÜ ALKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED KÜRŞAD UÇAR

Geri Dön