Geri Dön

Estimation of time varying graph signals with graph arma processes

Graf arma süreçleri ile zamanda değişen graf sinyallerinin tahmini

  1. Tez No: 695635
  2. Yazar: EYLEM TUĞÇE GÜNEYİ
  3. Danışmanlar: DOÇ. DR. ELİF VURAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 70

Özet

Graf modelleri sosyal ağlar, sensör ve ulaşım ağları gibi düzensiz topolojilerdeki verileri analiz etmek için etkili yöntemler sunar. Gerçek graf sinyalleri genellikle zamanda değişim göstermektedir. Bu nedenle, farklı zamanlardaki graf sinyallerinin bağımsız olarak ele alınması yerine graf sinyallerinin graf-zaman bileşik uzayında analiz edilmesi son yıllarda ilgi çeken bir araştırma konusu olmuştur. Geçtiğimiz yıllarda rastgele süreçler, geniş anlamda durağanlık gibi kavramları graflara uyarlayan çalışmalar gerçekleştirilmiştir. Bu tez çalışmasında zamanda değişen graf sinyallerinin analiz ve tahmini için parametrik bileşik geniş anlamda durağan modellerin öğrenilmesi incelenmiştir. Az sayıda parametre içeren modeller, parametrik olmayan modellere göre genellikle daha az eğitim verisi gerektirdiğinden, gözlemlerin kısıtlı olduğu durumlarda daha iyi performans gösterebilmektedir. Bu çalışmada zamanda değişen graf sinyalleri otoregresif hareketli ortalama (ARMA) süreçleri ile modellenmiştir. Graf ARMA süreç parametreleri graf sinyallerinin eksik gözlemlerinden hesaplanan görece yüksek hatalı bir bileşik güç spektral yoğunluğu (JPSD) kestiriminden öğrenilmiş, ardından JPSD kestirimi öğrenilen süreç modeline dayalı olarak iyileştirilmiştir. Bu şekilde elde edilen JPSD kestirimi graf sinyallerinin eksik gözlemlerinin hesaplanmasında kullanılmıştır. Sentetik ve gerçek verilerle gerçekleştirilen deneyler, zamanda değişen graf sinyallerinin analizinde parametrik graf süreç modellerinin kullanılmasının umut verici sonuçlar verdiğini göstermektedir.

Özet (Çeviri)

Graph models provide efficient tools for analyzing data defined over irregular domains such as social networks, sensor networks, and transportation networks. Real-world graph signals are usually time-varying signals. The characterization of the joint behavior of time-varying graph signals in the time and the vertex domains has recently arisen as an interesting research problem, contrasted to the independent processing of graph signals acquired at different time instants. The concept of wide sense stationarity, which facilitates the analysis of random time processes in statistical signal processing, has been extended to graph domains for the joint time-vertex analysis of time-varying graph random processes. In this thesis, we study the problem of learning parametric joint wide sense stationary models to analyze and estimate time-varying graph signals. Since parametric models with few parameters typically require less training data than nonparametric models, they are expected to perform better in case of incomplete observations. We model time-varying graph signals as autoregressive moving average (ARMA) processes in this study. The graph ARMA process parameters are learnt from a prior coarse estimation of the joint power spectral density (JPSD) of the process that models a given set of time-varying graph signals with missing observations. The JPSD estimation is then refined and improved based on the learnt graph ARMA process model. The estimated JPSD is finally used to recover the missing observations of the given time-varying graph signals. Experiments performed on synthetic and real data show that using ARMA graph process models to analyze time-varying graph signals yields promising results.

Benzer Tezler

  1. Joint learning of graph processes and graph topologies for time vertex signal estimation

    Zaman-düğüm sinyal kestirimi için çizge süreçleri ve çizge topolojilerinin ortak öğrenimi

    BERKAY YALDIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ELİF VURAL AGHAEI MAZAHERI

  2. Enhancement of the coded speech using filtering

    Filtreleme kullanarak kodlanmış sesin iyileştirilmesi

    SALİH SİNAN TAYLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik MühendisliğiIşık Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÜMİT GÜZ

    DOÇ. DR. HAKAN GÜRKAN

  3. A multivariate time-frequency based phase synchrony measure and applications to dynamic brain network analysis

    Başlık çevirisi yok

    ALİ YENER MUTLU

    Doktora

    İngilizce

    İngilizce

    2012

    Elektrik ve Elektronik MühendisliğiMichigan State University

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. DANIŞMAN YOK

  4. Li-iyon batarya modelinin en uygunlaştırılması ve batarya bozunumunun incelenmesine katkılar

    Contributions to optimization of Li-ion battery models and analysis of battery degradation

    HAKAN İNCESU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DERYA AHMET KOCABAŞ

  5. Fırat-Dicle, Çoruh ve Doğu Karadeniz havzalarında ekstrem değer dağılımı ile taşkın frekans analizinin yapılması

    Flood frequency analysis with generalized extreme value method for Firat-Di̇cle, Coruh and Eastern Black Sea river basins

    CEM ALPAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. BİHRAT ÖNÖZ