Geri Dön

Endüstriyel nesnelerin internetinde derin öğrenme ve dempster shafer teorisine dayalı karar verme

Deep learning and dempster shafer theory based decision-making in the industrial internet of things

  1. Tez No: 770459
  2. Yazar: NADER EBRAHIMPOUR
  3. Danışmanlar: DOÇ. DR. TUĞRUL ÇAVDAR
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 102

Özet

IIoT'nin ana hedeflerinden biri, endüstriyel ortamlardaki olayları, beklenmedik değişiklikleri ve anomalileri izlemek ve otomatik olarak tespit etmek için endüstriyel ortamlardan veri toplamaktır. Endüstriyel ortamlarda toplanan hacimli verilerin işlenmesine yönelik DL gibi verimli ML yöntemlerinin kullanılması gereklidir. Sensör teknolojisinin gelişmesine paralel olarak farklı sensör kaynaklarından elde edilen veriler kullanılarak amaca uygun çıkarımlar yapılabilir. Bu da tek ve güvenilir bir karar elde etmek için ortaya çıkan alt kararların birleştirilmesini gerektirir. Birçok kararı birleştirmek için çok kullanılan yöntemlerden biri DS'in birleştirme teorisidir. Bu nedenle, bu tezde IIoT anomalileri hakkında karar vermek için iki yöntem önerilmiştir. Birinci yöntem sınıflandırma için Yapay Sinir Ağları (Artificial Neural Network, ANN), Destek Vektör Makinesi (Support Vector Machine, SVM) ve kararları birleştirmek için DS teorisini kullanır. Bu yöntem nispeten az miktarda veriye sahip küçük ve orta ölçekli endüstriyel birimler için uygundur. Önerilen ikinci yöntemde, bilgi sınıflandırması için Tek Boyutlu Evrişimli Sinir Ağları (One Dimensional Convolutional Neural Network, 1DCNN) ve kararları birleştirmek için DS birleştirme teorisi kullanılır. Bu yöntem, DL ağlarının devasa verileri işleme gücü nedeniyle büyük endüstriyel birimlerde kullanıma uygundur.

Özet (Çeviri)

One of the main goals of IIoT is to collect data from industrial environments to monitor and automatically detect events and unexpected changes and anomalies in industrial environments. Because the data collected in industrial environments is voluminous, it is needed to use efficient machine learning methods such as deep learning (DL) to analyze this voluminous data. According to the development of sensor technology, different sensor sources can be used by IIoT to obtain proper inference, which requires combining the resulting decisions to get a single and reliable decision. One of the most used methods for the fusion of many decisions is Dempster Shafer's (DS) combining theory. Therefore, two methods are proposed in this thesis to make decisions about IIoT anomalies. The first uses artificial neural networks (ANN) and support vector machine (SVM) for classification and DS theory to combine decisions. This method is suitable for small and medium-sized industrial units with relatively small data. The second proposed method uses one-dimensional convolutional neural networks (1DCNNs) for information classification and DS combination theory to combine decisions. This method is suitable for large industrial units due to the massive data processing power of deep learning networks.

Benzer Tezler

  1. Endüstriyel nesnelerin internetinde hızlı ve güvenli veri iletimi

    Fast and secure data transmission in industrial internet of things

    MUSTAFA KARA

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MURAT FURAT

  2. Leveraging blockchain for intelligent predictive maintenance frameworks in the industrial internet of things

    Endüstriyel nesnelerin internetinde akıllı öngörücü bakım çerçeveleri için blokzincir kullanımı

    MONTDHER ALABADI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ADIB HABBAL

  3. A scheduling method for sporadic traffics in industrial iot

    Endüstriyel nesnelerin internetinde düzensiz trafikler için bir çizelgeleme yöntemi

    BAVER ÖZCEYLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. BUYURMAN BAYKAL

  4. Multi-objective approach for intrusion detection in RPL-based internet of things

    RPL tabanlı nesnelerin internetinde izinsiz giriş tespiti için çok kriterli yaklaşım

    ALİ DEVECİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SEVİL ŞEN AKAGÜNDÜZ

    DR. ÖĞR. ÜYESİ SELİM YILMAZ

  5. Nesnelerin internetinde botnetler: Mirai zararlı yazılımı üzerine bir çalışma

    IoT botnets: a case study on mirai malware

    MEVLÜT SERKAN TOK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ AYDIN SELÇUK