Geri Dön

Çerçeve sistemlerin derin öğrenme kütüphaneleri yardımı ile optimizasyonu

Optimization of frames utilizing deep learning libraries

  1. Tez No: 727405
  2. Yazar: BÜŞRANUR AZAK
  3. Danışmanlar: DOÇ. DR. HAKAN ÖZBAŞARAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Mekanik Bilim Dalı
  13. Sayfa Sayısı: 86

Özet

Günümüzde tasarımlar deneme yanılma metotlarına dayalı yapılmaktadır. Deneme yanılma metotları ile kısıtları sağlayan ekonomik taşıyıcı sistem tasarımları sunmak neredeyse imkânsızdır; bu yüzden yapısal optimizasyona ihtiyaç duyulur. Yapısal optimizasyon problemlerinin çoğu doğrusal değildir ve ayrık tasarım değişkenleri kullanılmaktadır. Bu tür yapısal optimizasyon problemlerinin klasik yöntemler ile çözülmesi güçtür. Geleneksel yöntemlerle modellenmesi ve çözülmesi zor olan optimizasyon problemlerinin çözümünde metasezgisel algoritmaların kullanımı yakın zamanlarda çok yaygınlaşmıştır. Metasezgisel algoritmaların dezavantajı ise; optimize edilecek yapının büyüklüğüne ve karmaşıklığına bağlı olarak optimizasyon sürecinin günler, haftalar hatta aylar sürebilmesidir. Bu çalışmada yapay sinir ağlarının gözetimli öğrenme modeli kullanılarak yapısal optimizasyon süreçlerini hızlandırılması amaçlanmıştır. Gözetimli öğrenme modeli ile eğitilmiş yapay sinir ağları problem çözmek için önceden alınan kararlardan veya tecrübelerden faydalanmaktadır. Toplanan veri doğrultusunda oluşturulan vekil model eğitilerek; sonuçlar taklit edilmektedir. Vekil modelin çalışma mekanizması aday tasarımların ayrı ayrı gerilme ve şekil değiştirme bilgisini tahmin etmek yerine bu iki kısıtın ihlali sonucunda atanan ceza değerlerinin toplamını tahmin ettirme temeline dayanmaktadır. Sunulan yöntemin başarısı literatürde mevcut olan üç adet yapısal optimizasyon problemi üzerinde test edilmiştir. Elde edilen bilgiler ışığında, sunulan yöntemin kısıtların daha serbest olduğu (incelenen problemlere nazaran daha esnek) problemler için uygun olduğu sonucuna varılmıştır.

Özet (Çeviri)

Nowadays, structures are designed based on trial and error methods. It is almost impossible to present economical structural system designs that meet the considered constraints with trial and error methods; therefore, structural optimization is needed. Most of the structural optimization problems are nonlinear and discrete design variables should be used. Such structural optimization problems are difficult to solve with classical methods. The use of metaheuristic algorithms has been widely used in the solution of optimization problems that are difficult to model and solve with traditional methods. The disadvantage of metaheuristic algorithms is that the optimization process can take days, weeks or even months, depending on the size and complexity of the structure to be optimized. Accelerating the structural optimization processes by using artificial neural networks and supervised learning is the subject of the thesis. Supervised learning benefits from the experiences and the decisions taken to learn the advanced ANN problem. The collected data is emulated by the creation of a surrogate model. The working mechanism of the surrogate model used in this study is not to separetely predict the stress and strain information of the design candidates. It is based on estimating the penalty values assigned as a result of the violation of these two constraints. The success of the presented method has been tested on three structural optimization problems available in the literature. When the results obtained are examined, it was concluded that the presented method is suitable for problems where the constraints are soft.

Benzer Tezler

  1. Federe öğrenme algoritmaları, açık kaynak çerçeve ve kütüphaneleri

    Federated learning algorithms, open source frameworks and libraries

    ÖMER FARUK GÖÇGÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Katip Çelebi Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. FEMİN YALÇIN KÜÇÜKBAYRAK

    DOÇ. DR. AYTUĞ ONAN

  2. Türkçe için sahte haber tespit modelinin oluşturulması

    A fake news detection model for Turkish language

    UĞUR MERTOĞLU

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURKAY GENÇ

    PROF. DR. HAYRİ SEVER

  3. Baskılı devre kartları üzerindeki lehim hatalarının derin öğrenme tabanlı sınıflandırılması

    Deep learning based classification of solder defects on printed circuit boards

    ALİ SEZER

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYTAÇ ALTAN

  4. Derin öğrenme ile cerrahi video anlama

    Surgical video understanding with deep learning

    ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU SARIKAYA

  5. New automatic (IDS) in IoTs with artificial intelligence techniques

    Başlık çevirisi yok

    ALAA FIRAS JASIM JASIM

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER KURNAZ