A new artificial intelligence based framework for network fault management
Ağ hata yönetimi için yeni bir yapay zeka tabanlı çerçeve
- Tez No: 798987
- Danışmanlar: YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Temel ihtiyaçları karşılamak, rahat hissetmek ve hedeflere ulaşmak önemlidir. En temel ihtiyaçlardan biri; güvenli değil. Bir bireyin güvenliği, bir devletin güvenliği kadar önemlidir. Devletin, bireyin kendi toplumu içindeki güvensizliği toplumun huzurunu bozacak niteliktedir. Bireyler kendilerini güvensiz hissediyorsa; devlete olan güvenin kaybolmasına neden olur. Bu çalışmada, PCA ve karar ağacı ile birleştirilmiş yeni yöntem tabanlı derin seyrek otokodlayıcılar sunulmuştur. ilk aşamada, giriş özelliklerinin boyutunu azaltmak için özellik çıkarımı için otomatik kodlayıcılar uygulandı. İkinci aşamada, otomatik kodlayıcıların çıktısı olan giriş özelliklerinin boyutunu azaltmak için de PCA uygulanmıştır. Son aşamada, CE, özelliklerin hata ve normal etiketlere göre sınıflandırılması için başvurmuştur. Sunulan yöntem, geleneksel tekniklerle karşılaştırıldığında dikkat çekici olan %99'dan fazla doğruluk elde etti.
Özet (Çeviri)
It is important to meet basic needs, to feel comfortable and to achieve goals. One of the most basic needs; is not safe. The security of an individual is as important as the security of a state. The insecurity of the state, of an individual in its own society, is of a nature to disturb the peace of the society. If individuals feel insecure; causes a loss of confidence in the state. In this study, new method based deep sparse autoencoders combined with PCA and decision tree presented. in the first stage, the autoencoders applied for feature extraction to reduce the size of input features. In the second stage, the PCA applied also for reduce the size of input features which are the output of the autoencoders. In the last stage, the DT applied for classifying the features to the fault and normal labels. The presented method obtained more than 99% accuracy which is remarkable when compared with traditional techniques.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- New automatic (IDS) in IoTs with artificial intelligence techniques
Başlık çevirisi yok
ALAA FIRAS JASIM JASIM
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Sayısal haritalama teknikleri kullanılarak DNA dizilimleri üzerinden lösemi hastalığının temel türlerinin yapay zeka tabanlı algoritmalar ile sınıflandırılması
Classification of main types of leukemia disease with artificial intelligence-based algorithms on the DNA sequences using digital mapping techniques
FATMA AKALIN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
- Design and deployment of deep learning based fuzzy logicsystems
Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması
AYKUT BEKE
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Lojistik sektörü karayolu taşımacılığında dinamik fiyat tahmin sisteminin tasarlanması
Designing dynamic forecasting system for truckload market pricing in logistics sector
AYŞENUR BUDAK
Doktora
Türkçe
2017
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. ALP ÜSTÜNDAĞ