Applications of Bayesian inference for the origin destination matrix problem
Kökenli varış noktası problemlerine yönelik Bayesci çıkarım uygulamaları
- Tez No: 488373
- Danışmanlar: YRD. DOÇ. DR. SİNAN YILDIRIM, PROF. ŞEVKET İLKER BİRBİL
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Bu tez, çift yönlü ve tek hatlı bir metro sistemiyle ilişkili kökenli varış probleminin olasılık matrisini Bayesci çıkarım ve Markov zinciri Monte Carlo metodları kullanarak kestiren bir çalışma sunmaktadır. Bir ulaşım sisteminin kesin sayım verilerini toplamak çoğu zaman teknik eksiklikler ve veri gizliliği politikaları sebebiyle mümkün olmamaktadır. Bu tezin odağı eksik veri toplandığı veya gürültülü veri yayınlandığı koşullarda, İstanbul'daki Kadıköy-Pendik metro hattına benzer, iki yönlü tek hatlı metro sistemlerinin olasılık matrisini Markov zinciri Monte Carlo metodlarını kullanarak kestirmektir. Eksik ve gürültülü veri elde edildiği durumlarda kullanılabilecek değişik modeller formüle edilmiştir. Veri sağlayıcıdan gerçek veri elde edilemediği için veri sentetik olarak tarafımızca oluşturulmuş ve formüle edilen modellerin olasılık matrisini kesirmekteki performansları değerlendirilmiştir. Markov zinciri Monte Carlo metodlarının konumuz olan kökenli varış problerinin olasılık matrisini etkin bir şekilde kestirmekte kullanılabileceği sonucuna ulaşılmıştır.
Özet (Çeviri)
This thesis presents a study of estimating the probability matrix of an origindestination model associated with a two-way transportation line with the help of Bayesian inference and Markov chain Monte Carlo methods, more speci cally, Metropolis within Gibbs algorithm. Collecting the exact count data of a transportation system is often not possible due to technical insuciencies or data privacy issues. This thesis concentrates on the utilization of Markov chain Monte Carlo Methods for two origindestination problems: one that assumes missing departure data and one that assumes the availability of di erentially private data instead of the complete data. Di erent models are formulated for those two data conditions that are under study. The experiments are conducted with synthetically generated data and the performance of each model under these conditions were measured. It has been concluded that MCMC methods can be useful for e ectively estimating the probability matrix of certain OD problems.
Benzer Tezler
- Jeoistatistiksel, statik ve kararsız basınç testi verilerine koşullandırılmış heterojen geçirgenlik ve gözeneklilik sahalarının türetilmesi
Generation of porosity and permeability fields conditioned to geostatistical, and pressure transient data
ADİL GÜRKAN CEYHAN
Yüksek Lisans
Türkçe
1997
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol Mühendisliği Ana Bilim Dalı
PROF. DR. ABDURRAHMAN SATMAN
- Bayesli mantıksal çıkarım çerçevesinde maksimum entropi olasılıklarının analizi
Analysis of maximum entropy probabilities within Bayesian logical inference framework
EMİN SERHAN SÜZER
Yüksek Lisans
Türkçe
2016
Matematikİstanbul ÜniversitesiMatematik Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET CEVRİ
- A high throughput FPGA implementation of Markov chain Monte Carlo method for mixture models
Karışım modelleri için Markov zincirli Monte Carlo yönteminin yüksek işlem hacimli FPGA uygulaması
CANER BOZGAN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLKAY ULUSOY
- Bayesian variable selection in circular regression models using lasso
Dairesel regresyon modellerinde lassoya dayalı Bayesçi değişken seçimi
ONUR ÇAMLI
Doktora
İngilizce
2023
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ZEYNEP IŞIL KALAYLIOĞLU AKYILDIZ
PROF. DR. ASHİS SENGUPTA
- Derin obje sezicilerle tümleştirilmiş bayesçi filtreleme ile videoda obje izleme
Integration of bayesian filtering and deep object detection for video object tracking
FİLİZ GÜRKAN GÖLCÜK
Doktora
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU