IoT system failure test using machine learning (linear regression)
Makine öğrenmeyi kullanarak IoT sistemi hata testi (lıneer regresyon)
- Tez No: 796430
- Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Nesnelerin İnterneti (IoT) çağında, günlük nesneler sensörler ve aktüatörlerle donatılıyor. Bilgi toplayan ve birbirleriyle konuşarak hareket eden IoT birimleri olarak da adlandırılır. Kısıtlı kaynaklara sahip elektrikli üniteler ayrıca arızalarına yol açabilecek büyük gerilimlere veya dış etkilere maruz kalabilir. Sağlayıcı ortamlarında güvenlik zorunlu bir gerekliliktir, arıza herhangi bir hasara neden olmadan önce önlenmelidir. Tahmine dayalı bakım (PdM) (ML) hakkında bilgi edinen dizüstü bilgisayar kullanımı empoze edilerek, bilgisayar tanıma algoritmaları arızaları tahmin etmek ve yeterli yenileme süresi sağlamak için kullanılabilir. IoT gadget'ları, karakter cihazlarının arıza modellerini kavramak için algoritmalar hakkında bilgi edinerek masaüstünü eğitmek için kullanılabilecek istatistikleri toplar. Bu tez, Nesnelerin İnterneti cihazlarının kullanımı yoluyla elektrikli cihazların arızasını tahmin etmek için (Karar Ağacı, Lojistik Regresyon, k-en yakın komşular, Rastgele Orman ve Gradient Boosting) algoritmalarını ve eklerini tanıtmaktadır.
Özet (Çeviri)
In the age of the Internet of Things (IoT), day-to-day objects are outfitted with sensors and actuators. It is also referred to as IoT units that gather information and function moves through speaking wi.th every other. Electrical units with constrained sources may additionally be subjected to big stresses or exterior influences that may additionally lead to their failure. In provider environments security is a imperative requirement, failure ought to be averted earlier than it motives any damage. By imposing predictive upkeep (PdM) the use of laptop gaining knowledge of (ML), computer getting to know algorithms can be utilized to predict screw ups and grant ample renovation time. IoT gadgets gather statistics that can be used to educate desktop gaining knowledge of algorithms to apprehend failure patterns of character devices. This thesis introduces (Decision Tree, Logistic Regression, k-nearest neighbors, Random Forest, and Gradient Boosting) algorithms and its addendum to predict the failure of electrical gadgets by means of the usage of Internet of Things devices.
Benzer Tezler
- Bromtimol mavisi, bromkresol moru ve klorfenol kırmızısı indikatörleri katılmış özel besiyerlerinin sütlerde antibiyotik belirtilmesine uygunluğu üzerine araştırmalar
Başlık çevirisi yok
ESENGÜL TUNCER
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiSüt Teknolojisi Ana Bilim Dalı
PROF. DR. HASAN YAYGIN
- Şeker şurubunun inversiyonuna etki eden kimi faktörlerin araştırılması
Başlık çevirisi yok
SAİDE GÜNERİ
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Bilimleri ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. ÜNAL YURDAGEL
- Çekirdeksiz kuru üzümde uygulanan politikanın Ege Bölgesinde üretim ve üretici açısından sonuçlarının değerlendirilmesi
Başlık çevirisi yok
GÜVEN ÖZERİN
- Toprak ve tarım reformu uygulamasında öncelikli köylerin tesbitine ilişkin bir yöntem uygulaması
Başlık çevirisi yok
SABİR ATASEVER
- Ekimden 6 yıl sonra 19 farklı yonca çeşidinde verim ve dip kaplama özellikleri üzerinde bir araştırma
Başlık çevirisi yok
MEHMET ATA