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
- Tez No: 770459
- Danışmanlar: DOÇ. DR. TUĞRUL ÇAVDAR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Endüstriyel nesnelerin internetinde hızlı ve güvenli veri iletimi
Fast and secure data transmission in industrial internet of things
MUSTAFA KARA
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MURAT FURAT
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADIB HABBAL
- A scheduling method for sporadic traffics in industrial iot
Endüstriyel nesnelerin internetinde düzensiz trafikler için bir çizelgeleme yöntemi
BAVER ÖZCEYLAN
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BUYURMAN BAYKAL
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEVİL ŞEN AKAGÜNDÜZ
DR. ÖĞR. ÜYESİ SELİM YILMAZ
- Nesnelerin internetinde botnetler: Mirai zararlı yazılımı üzerine bir çalışma
IoT botnets: a case study on mirai malware
MEVLÜT SERKAN TOK
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ AYDIN SELÇUK