Akıllı ev sistemlerinde yapay öğrenme yöntemleriyle anomali tespiti
An anomaly detection study for the smart home environment
- Tez No: 771456
- Danışmanlar: PROF. DR. ABDÜL HALİM ZAİM, DR. HACI HAKAN KILINÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Siber Güvenlik Bilim Dalı
- Sayfa Sayısı: 47
Özet
Bu çalışma olası normal olmayan durumların uç noktalarda hesaplanmasını sağlamak amacıyla çeşitli istatiksel yöntemlere dayalı yapay öğrenme yöntemleri uygulanarak anomali tespitinde yüksek başarı oranı amaçlanmıştır. Akıllı ev sistemi Raspberry Pi cihazında sıcaklık, nem, ışık yoğunluğu, hareket algılama ve hava kalite ölçüm sensörleriyle hazırlandı. Sensörlerden toplanan veriler ilişkisel veri tabanı olan SQLite veri tabanına kaydedildi. Python programalama dilinin yapay öğrenme kütüphaneleri yardımıyla anomali tespiti gerçekleştirildi. Verileri toplama aşamasında normal olmayan ölçüm değerlerinin oluşması için sensör değerlerini etkiyecek şekilde sıcaklık, nem, gaz, hareket ve ışık yoğunluk miktarı saptırıldı ve yapay öğrenim algoritmasına bu değerler anormal değer olarak tanıtıldı. Çalışma sonucunda Isolation Forest ile etikelnemiş verilerin Decision Tree, Extra Trees, Random Forest ve XGBoost yapay öğrenme yöntemlerinin anomali tespitinde %100'e yakın başarı oranı ile anomali tespiti gerçekleştirebildiği hesaplanmıştır.
Özet (Çeviri)
In this study, a high success rate in anomaly detection is aimed by applying machine learning methods based on various statistical methods in order to calculate possible abnormal situations at extreme points. The smart home system was prepared with temperature, humidity, light intensity, motion detection and air quality measurement sensors on the Raspberry Pi device. The data collected from the sensors were recorded in the SQLite database, which is the relational database. Anomaly detection was performed with the help of the machine learning libraries of the Python programming language. In the data collection phase, ambient temperature, humidity, gas, motion, and light intensity were distorted so as to affect the sensor values to create abnormal measurement values and these values are introduced as abnormal values to the machine learning algorithm. As a result of the study, it has been calculated that the Decision Tree, Extra Trees, Random Forest and XGBoost artificial learning methods of the data labeled with Isolation Forest can perform anomaly detection with a success rate close to 100% in anomaly detection.
Benzer Tezler
- New edge computing offloading methods for next generation wireless networks
Yeni nesil haberleşme sistemleri için geliştirilen kenar ağlarda bilgi işlem yük boşaltma yöntemleri
BESTE ATAN
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- Elektrikli araçların akıllı şebekeye entegrasyonu ve şebekeye etkilerinin yapay zekâ yöntemleriyle analizi
Integration of electric vehicles into the smart grid and analysis of their effects on the grid with artificial intelligence methods
KADİR OLCAY
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURETTİN ÇETİNKAYA
- Distributed team formation for robot soccer
Robot futbolu için dağıtılmış takım formasyonu
ONURALP ULUSOY
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SANEM SARIEL-TALAY
- Intelligent traction control system design and road characteristic estimation by acoustic signal processing in electric vehicles
Elektrikli araçlarda akıllı çekiş kontrol sistemi tasarımı ve akustik sinyal işleme ile yol karakteristiğinin tahminlenmesi
DAĞHAN DOĞAN
Yüksek Lisans
İngilizce
2012
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. PINAR BOYRAZ
- Elektrikli araçların kullanımına yönelik yük tahmini ve karar destek sistemi
Load forecasting and decision support system for electric vehicles use
HATİCE MENEKŞE KÖSEMEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. ORHAN TORKUL