Synthetic signal generation using time series clustering and conditional generative adversarial network
Zaman serileri kümeleme ve koşullu üretken düşman ağı kullanarak sentetik sinyal üretimi
- Tez No: 740957
- Danışmanlar: PROF. DR. MELİH GÜNAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Son yıllarda, neredeyse tüm derin öğrenme uygulamaları için yapay veri kaçınılmaz bir ihtiyaç haline geldi. Veri üretimi üzerine yayınlanmış çalışmaların çoğu, ön işleme ve yeterli karakterizasyon olmaksızın sinyal üretimi için derin ağları kullanır. Bu nedenle, verileri düzgün bir şekilde özetlememek, sinyalin önemli yönlerinin dramatik bir şekilde kaybolmasına yol açar. Bu çalışmada, özgün verinin önemli özelliklerini içeren sinyal oluşturmak için genel bir yol öneriyoruz. Yaklaşımımız, sinyalleri gruplamak ve simüle etmek için zaman serisi kümeleme ve Üretken Düşman Ağları içerir. Çok küçük miktarda veriyle bile, model, veri setini etkili bir şekilde anlamlı kümelere bölebilir ve ilgili kümeyle yüksek monotonik ilişkilere sahip sinyaller üretebilir. Son olarak, ön işleme için kullanılan farklı zaman serisi kümeleme tekniklerinin deneysel sonuçlarını rapor ediyoruz ve hem sentetik hem de gerçek veriler için farklı yaklaşımların sonuçları istatistiksel olarak karşılaştırıyoruz.
Özet (Çeviri)
In recent years, artificial data became inevitable need for almost any of the deep learning applications. Most of the published works on data generation uses deep networks for signal generation without preprocessing and adequate characterization. Therefore, not properly summarizing data leads to dramatic loss of key aspects of the signal. In this study, we propose a generic way for creating signal that includes important features of the authentic data. Our approach involves time series clustering and Generative Adversarial Networks for grouping and simulating signals. Even with the very small amount of data, the model can effectively split data set into meaningful clusters and generates signals that have high monotonic associations to corresponding cluster. We finally report on experimental results of different time series clustering techniques used for preprocessing and the outcomes of different approaches are compared statistically for both synthetic and real data.
Benzer Tezler
- Metil-sübstitüe metoksi konduritollerin sentezi
Synthesis of methyl-substituted methoxy conduritols
DİLEK KAPLAN
- The verbal functional domain in the Denizli dialect of Turkish
Türkçe'nin Denizli ağzı'ndaki işlevsel eylem bölgesi
YAĞMUR SAĞ
Yüksek Lisans
İngilizce
2013
DilbilimBoğaziçi ÜniversitesiDilbilim Ana Bilim Dalı
DOÇ. DR. AYŞE HAMİDE ASLI GÖKSEL
- Metabolism of Turkish black tea phenolics by human gut microbiota
Siyah çay fenoliklerinin insan kalın bağırsak mikroflorası ile etkileşimi
EZGİ ÖZCAN
Yüksek Lisans
İngilizce
2014
BiyoteknolojiYeditepe ÜniversitesiBiyoteknoloji Ana Bilim Dalı
DOÇ. DR. FATMA YEŞİM KADIPAŞAOĞLU
YRD. DOÇ. DR. ÖZLEM GÜÇLÜ ÜSTÜNDAĞ
- Çinko katkılı antibakteriyel özellikte hidroksiapatit üretimi ve karakterizasyonu
Synthesis and characterization of zinc-doped antibacterial hydroxyapatite
SÜLEYMAN ÇINAR ÇAĞAN
Yüksek Lisans
Türkçe
2014
Makine MühendisliğiMersin ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÖNDER ALBAYRAK
- Hint yağından azelaik asid sentezi ve bu asid'in dioktil- ve dinonil- esterlerinin lipaz ile invitro otrtamda etkileşimi
Synthesis of azelaic acid from castor oil and in vitro interaction of dioctyl and dinonyl esthers of this acid with lipase
GÜLEN TÜRKER