Geri Dön

Optimal time intervals detection for dynamic networks

Dinamik ağlar için optimal zaman dilimi tespiti

  1. Tez No: 686311
  2. Yazar: NADİR TÜRE
  3. Danışmanlar: DR. ÖĞR. ÜYESİ KEZİBAN ORMAN
  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: 2021
  8. Dil: İngilizce
  9. Üniversite: Galatasaray Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 57

Özet

Zamana bağlı karmaşık bir sistemi modellemek için uygun bir dinamik ağ çıkarmak, incelenen sistemi analiz etmek için önemli bir konudur. Doğru bir model oluşturmak, bir sistemin önemli ölçüde değişiklik gösterdiği kritik zaman noktalarını bulmakla ilgilidir. Bu işlem, genellikle oluşturulan dinamik ağlarının özelliklerini yansıtan zaman serilerinin karşılaştırmalı analizi ile yapılır. Bu zaman serileri sistemdeki bütün zaman aralığı içinde farklı boyutlardaki zaman aralıkları ile oluşturulur. En sık kullanılan özellikler bu ağların topolojik özellikleridir. Bu çalışmada, yalnızca topolojik özelliklerin gelişimini araştırmakla kalınmadı, aynı zamanda uygun zaman aralıklarını tespit etmek için ağ kararlılığını ölçmeyi önerildi. Ardışık anlık ağlar arasında düğüm, bağlantı ve komşuluk benzerliği olacak şekilde üç benzerlik skoru geliştirdi. Ağın kararlı kalıp kalmayacağını belirlemek için önerilen metriklerin sıfır modeli altında hesaplanan, istatistiksel olarak beklenen değerlerine bakıldı. Önerilen metriklerin ve beklenen değerlerinin kullanılabilirliğini, farklı pencere boyutlarına tepkilerini göstererek doğrulandı. Farklı zamansal dinamiklere sahip iki farklı veri seti kullanıldı. Birincisi, Sabancı Üniversitesi Kampüsü'ndeki Wi-Fi erişim noktalarından toplanan log verilerinden derlenen ve daha önce kullanılmayan orijinal veri seti, ikincisi ise Enron e-postalarıdır. Sonuçlara göre, önerilen benzerlikler, kritik zaman aralıklarını daha önce önerilen metrikten daha etkili bir şekilde ayırt etmeye yardımcı olduğu gözlendi. Bu sonuca erişilebilmesinin sebebi, istatistiksel oalrak beklenen değerler ve önerilen benzerlikler, sistem ve metodolojiden bağımsızdır.

Özet (Çeviri)

Extracting a proper dynamic network for modelling a time-dependent complex system is an important issue for analyzing the studied system. Building a correct model is related to finding out critical time points where a system exhibits considerable change. This task is usually executed by a comparative analysis of time series reflecting the features of extracted dynamic networks. These time series are generated by sliding different sizes windows at the entire time span of system. The most commonly used features are the networks' topological properties. In this work, we not only look for topological properties evolution but also propose to measure network stability to detect proper time intervals. We develop three similarity scores to measure node, link, and neighborhood similarities of any consecutive snapshots of a dynamic network. We consult to their statistically expected values which are calculated under the null model of proposed metrics in order to determine whether the network stays stable. We validate the usability of the proposed metrics and of their expected values by demonstrating their reaction to different window sizes. We use two different data sets having different temporal dynamics. First one is an original data set which is log data collected from the Wi-Fi access points in Sabancı University Campus and second one is Enron emails. According to the results, the proposed similarities help to distinguish critical time intervals more effectively than previously proposed metric. Because there is an objective comparison thresholds, i.e. their statistically expected values, proposed similarities are system and methodology independent.

Benzer Tezler

  1. How cryptographic implementations affect mobile agent systems

    Şifreleme gerçekleştirmelerinin gezgin aracı internet sistemlerini nasıl etkilediği

    İSMAİL ULUKUŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Sistem ve Kontrol Mühendisliği Ana Bilim Dalı

    PROF. DR. EMİN ANARIM

  2. Aircraft icing detection, identification and reconfigurable control based on Kalman filtering and neural networks

    Kalman filtresi ve yapay sinir ağları ile uçak buzlanmalarının tespiti, teşhisi ve yeniden şekilllendirilebilir kontrol

    RAHMİ AYKAN

    Doktora

    İngilizce

    İngilizce

    2005

    Havacılık Mühendisliğiİstanbul Teknik Üniversitesi

    Havacılık Mühendisliği Ana Bilim Dalı

    PROF.DR. ÇİNGİZ HACIYEV

    Y.DOÇ.DR. FİKRET ÇALIŞKAN

  3. Networked computing-based system identification and control of electromechanical systems with industrial IoT

    Endüstriyel IoT ile elektromekanik sistemlerin ağ hesaplama tabanlı sistem tanıma ve kontrolü

    RAMAZAN KAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ FUAT ERGENÇ

  4. Hücresel nöral ağlar ve uygulamaları

    Cellular neural networks and applications

    SEVİLAY ÖZDEMİR

  5. Linux ortamında ATM (asenkron iletim metodu) uygulaması

    ATM (asynchronous transfer mode) application on linux

    METEHAN SARAÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. A. COŞKUN SÖNMEZ