Yapay sinir ağları ve farklı optimizasyon yöntemlerinin karşılaştırılması
Comparison of artificial neural networks and different optimization methods
- Tez No: 635022
- Danışmanlar: PROF. DR. HASAN ÖNDER
- Tez Türü: Doktora
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Zootekni Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Bu çalışmada, görüntü işleme yöntemleri ile yapay sinir ağları, yapay arı kolonisi, parçacık sürü optimizasyonu, genetik algoritmalar ve diskriminant analizi yöntemlerini kullanılarak, buzdolabında 29 gün süre ile depolanan yumurtaların kırılmadan tazeliklerinin değerlendirilmesi amaçlanmıştır. Ticari bir işletmeden aynı günde elde edilen, beyaz kabuk renkli 50 adet yumurta 29 gün süresince buzdolabında depolanmıştır. Fotoğraf makinesi ve özel bir düzenek yardımı ile yumurtaların fotoğrafları çekilerek bilgisayara aktarılmıştır. Elde edilen görüntüler işlenerek yumurtaların kaç günlük oldukları belirlenmeye çalışılmıştır. Çalışmanın sonucunda yapay sinir ağları, yapay arı kolonisi, parçacık sürü optimizasyonu, genetik algoritmalar ve discriminant analizinden elde edilen tahmin değerleri sırasıyla 0,95, 0,14, 0,07, 0,13 ve 0,50 olarak bulunmuştur. Elde edilen sonuçlar yapay sinir ağlarının, yumurtaların kabuklarını kırmadan tazeliklerinin belirlenmesinde kullanılabileceğini göstermektedir.
Özet (Çeviri)
In this study, it was aimed to evaluate the freshness of eggs stored in the refrigerator for 29 days without breaking using image processing methods and artificial neural networks, artificial bee colony, particle swarm optimization, genetic algorithms and discriminant analysis methods. 50 eggs of white shell color, obtained on the same day from a private enterprise, were stored in the refrigerator for 29 days. With the help of a camera and a special device, the eggs were photographed and transferred to the computer. The images obtained were processed to determine how many days the eggs were. As a result of the study, the predictive values obtained from artificial neural networks, artificial bee colony, particle swarm optimization, genetic algorithms and discriminant analysis were found to be 0.95, 0.14, 0.07, 0.13 and 0.50, respectively. The results show that artificial neural networks can be used to determine the freshness of eggs without breaking their shells.
Benzer Tezler
- Hibrit elektrikli araçlarda batarya performans ve yakıt tüketimi değerlerinin modellenmesi ve optimizasyonu
Modeling and optimization of battery performance and fuel consumption in hybrid electric vehicles
YAVUZ ERAY ALTUN
Doktora
Türkçe
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN AKIN KUTLAR
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Design of reconfigurable microstrip patch antennas by artificial neural networks
Yapay sinir ağları ile yeniden yapılandırılabilir mikroşerit anten tasarımı
ASHRF AOAD
Doktora
İngilizce
2015
Elektrik ve Elektronik MühendisliğiBahçeşehir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA SADETTİN ÖZYAZICI
- Gerçek judo müsabaka sonuçlarının yapay sinir ağları yöntemi yolu ile karşılaştırılması
Comparison of real judo competition results with artificial neural networks method
ÖMER DEĞER
Yüksek Lisans
Türkçe
2021
SporAksaray ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ. DR. EMİN SÜEL
- Derin pekiştirmeli öğrenme yöntemi ile görüntü hash kodlarını oluşturma
Generating image hash codes with deep reinforcement learning method
ELİF AKKAYA
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURHAN BARAKLI