Geri Dön

Variational bayes methods for random matrix-based extended target tracking

Raslantısal matris tabanlı genişletilmiş hedef takip modelleri için varyasyonel bayes yöntemleri

  1. Tez No: 720444
  2. Yazar: BARKIN TUNCER
  3. Danışmanlar: DOÇ. DR. EMRE ÖZKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  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: 154

Özet

Bu tezde iki ana konu incelenmiştir; Genişletilmiş hedef takibi için varyasyonel Bayes çıkarımı kullanan rastlantısal matris tabanlı modeller ve hedef takibi uygulamaları için obje sınıflandırma algoritmaları. Bu tez kapsamında iki yeni rastlantısal matris tabanlı hedef takibi algoritması türetilmiştir. Birincisi, dinamik nesnelerin kapsamını zamanla değişen bir oryantasyon açısına sahip bir elipsoid olarak temsil eden bir algoritmadır. İkinci yaklaşımda ise, bir nesnenin veya bir grup nesnenin kapsamı birden fazla elipsoid ile temsil edilmektedir. Bu çözümlerin her ikisinde de, yaklaşık çıkarımı gerçekleştirmek için varyasyonel Bayes tekniği kullanılmıştır; burada gerçek ve yaklaşık sonsal olasılık arasındaki Kullback-Leibler ayrışmasının, sabit nokta yinelemeleriyle en aza indirilmesi amaçlanmıştır. Güncelleme denklemlerinin uygulanması kolaydır ve algoritmalar gerçek zamanlı izleme uygulamalarında kullanılabilir haldedir. Simülasyon ve deneylerde gerçek veriler kullanılarak yöntemlerin performansı gösterilmiştir. Genişletilmiş hedef izlemede, bir nesnenin şekil tahmini bir kez oluşturulduktan sonra, nesne türünün sınıflandırılması gibi üst düzey görevler için kullanılabilmektedir. Bu nedenle, dinamik nesneleri şekil tahminlerine göre sınıflandırmak için bir girdi, iki gizli ve bir çıktı katmanından oluşan saf derin bir yapay sinir ağı algoritması sunulmuştur. Bu şekilde önerilen yöntemin, simülasyon deneylerinde başka bir Bayes sınıflandırıcısına kıyasla daha üstün performans gösterdiği gözlemlenmiştir.

Özet (Çeviri)

In this thesis, we investigate two major topics; Random matrix-based models using variational Bayes inference for extended target tracking and shape classification algorithms for tracking applications. In the scope of this thesis, we have derived two novel random matrix-based tracking algorithms. First, to represent the extent of dynamic objects as an ellipsoid with a time-varying orientation angle, and secondly, to estimate the extent of the object or a group of objects with more than one ellipsoid. In both of these solutions, we have used the variational Bayes technique to perform approximate inference, where the Kullback-Leibler divergence between the true and the approximate posterior is minimized by performing fixed-point iterations. The update equations are easy to implement, and the algorithms can be used in real-time tracking applications. We illustrated the performance of the methods in simulations and experiments with real data. In extended target tracking, once the shape estimate of an object is formed, it can naturally be utilized by high-level tasks such as classification of the object type. Therefore, we present a naively deep neural network, which consists of one input, two hidden and one output layers, to classify dynamic objects regarding their shape estimates. In this manner, the proposed method shows superior performance in comparison to a Bayesian classifier for simulation experiments.

Benzer Tezler

  1. Incorporating trajectory information in random matrix elliptical extended target tracking

    Raslantısal matris tabanlı eliptik genişletilmiş hedef takibi yöntemlerine yörünge bilgisi eklenmesi

    KURTULUŞ KEREM ŞAHİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE ÖZKAN

  2. Unsupervised learning of word alignments for statistical machine translation

    İstatistiksel makine çevirisi için kelime hizalamalarının gözetimsiz öğrenimi

    COŞKUN MERMER

    Doktora

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT SARAÇLAR

    DOÇ. DR. RUHİ SARIKAYA

  3. Bayesian model selection for latent variable causal networks by sequential monte carlo

    Gizli değişkenli nedensel ağlarda parçacık süzgeci ile Bayesci model seçimi

    MEHMET BURAK KURUTMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ TAYLAN CEMGİL

  4. A deep learning architecture for missing metabolite concentration prediction

    Eksik metabolit miktarı tahmini için bir derin öğrenme mimarisi

    SADİ ÇELİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ ÇAKMAK

  5. Metin sınıflama için yeni bir özellik çıkarım yöntemi

    A new method on feature extraction for text classification

    GÖKSEL BİRİCİK

    Doktora

    Türkçe

    Türkçe

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. A. COŞKUN SÖNMEZ