Anomaly prediction for the internet of things
Nesnelerin interneti için anomali tahminlemesi
- Tez No: 791896
- Danışmanlar: PROF. DR. VOLKAN RODOPLU, PROF. DR. CÜNEYT GÜZELİŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Yaşar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 53
Özet
Anomali tahminlemesi, anomalilerin geçmişte meydana gelmesine bağlı olarak gelecekte meydana gelecek anomalilerin tahmin edilmesi problemini ifade eder. Bu tez çalışmasında, akıllı şehirlerin IoT verilerinde meydana gelen anomalileri tahmin etmek için ``Çok Çözünürlüklü Seviyeler Arası İyileştirme (MR-ILR)'' adlı yeni bir mimari geliştirdik. Anomali tahminlemesi problemine yönelik mevcut yaklaşımların aksine, mimarimiz IoT zaman serisi verilerini birden çok zaman çözünürlüğünde işleyerek tahminler yapar ve bu tahminleri iyileştirmek için ardışık çözünürlüklerdeki tahminleri birleştirir. Mimarimiz üç modülden oluşmaktadır: Birincisi, ``Seviyeler Arası VEYA'' modülü, IoT verilerindeki geçmiş anomalileri temsil eden vektörün mantıksal VEYA'sını alır ve giderek daha kaba çözünürlüklerde bir anomalinin oluşumunu temsil eder. İkincisi, bir Çok Katmanlı Algılayıcı (MLP), herhangi bir belirli çözünürlükte anomalinin oluşumunu tahmin eder. Üçüncüsü, ardışık çözünürlüklerdeki anomali tahminleri, daha doğru anomali tahminleri üretmek için ``İyileştirici'' modüllerinde birleştirilir. Mimarimiz, farklı zamansal çözünürlüklerde anomali tahminleri üretme esnekliğini sağlamaktadır. Mimarimizin performansını değerlendirmek için MR-ILR mimarimizin performansı MLP ve Uzun Kısa Süreli Bellek (LSTM) kıyaslama modelleriyle karşılaştırılmaktadır. Sonuçlar, mimarimizin F1 puanına göre bu iki kıyaslama modelinden önemli ölçüde daha iyi performans sergilediğini göstermektedir. Bu tez çalışmasında tasarladığımız mimari, IoT verilerindeki zorlu bir problem olan anomali tahminlemesinin çözümünde önemli bir ilerlemeyi temsil etmektedir ve çok daha geniş alanlardaki anomali tahminlemesinin hedeflendiği problemlerde uygulanma potansiyeline sahiptir.
Özet (Çeviri)
Anomaly prediction refers to the problem of predicting the anomalies that will occur in the future based on the occurrence of the anomalies in the past. In this thesis, we develop a novel architecture called ``Multi-Resolution Inter-Level Refinement (MR-ILR)'' to predict the anomalies occurring in IoT data of smart cities. In contrast with the existing approaches to the anomaly prediction problem, our architecture performs prediction by processing IoT time-series data at multiple time resolutions and combines the predictions at successive resolutions to improve the predictions. Our architecture is comprised of three modules: First, the Inter-Level OR module takes the logical OR of the vector that represents the past anomalies in IoT data and represents the occurrence of an anomaly at increasingly coarse resolutions. Second, a Multi-Layer Perceptron (MLP) predicts the occurrence of anomalies at any given resolution. Third, the anomaly predictions at successive resolutions are combined in Refiner modules to produce more accurate anomaly predictions. Our architecture provides the flexibility to produce anomaly predictions at distinct temporal resolutions. In order to evaluate the performance of our architecture, we compare the performance of our MR-ILR architecture against MLP and Long Short-Term Memory (LSTM) benchmark models. The results show that our architecture significantly outperforms both of these benchmark models with respect to the F1-score. The architecture we design in this thesis represents an important advance in solving the challenging problem of anomaly prediction in IoT data and has the potential to be applied to a much wider range of problems that target anomaly prediction.
Benzer Tezler
- Edge computing-based predictive maintenance middleware for industrial IoT
Endüstriyel nesnelerin interneti için kenar bilişim tabanlı kestirimci bakım modeli
BLESSING NGONIDZASHE MUSUNGATE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYaşar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET TUNCAY ERCAN
- Nesnelerin internetinde uç bilişim için güven yönetim modeli
Trust management model for edge computing in the internet of things
BURCU BOLAT AKÇA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ELİF BOZKAYA ARAS
- Machine learning for network anomaly detection
Başlık çevirisi yok
RUSUL TAREQ KHUDHAIR
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIM
- Kestirimci bakım sistemlerinde veri artırma yöntemlerinin geliştirilmesi ve bir uygulaması
Development of data augmentation methods for predictive maintenance systems and an application
SENA KALAY
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EYÜP ÇİNAR
PROF. DR. İNCİ SARIÇİÇEK
- Makine öğrenmesi kullanılarak endüstriyel pres makinesi için kestirimci bakım uygulaması
Predictive maintenance application for industrial press machine using machine learning
ERKUT YİĞİT
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ZEKİ BİLGİN