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: Belirtilmemiş.
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
- Data-driven and knowledge-assisted model-based frameworks for supporting facility maintenance
Tesis bakımını desteklemeye yönelik veri odaklı ve bilgi destekli model tabanlı çerçeveler
MURAT ALTUN
Doktora
İngilizce
2024
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ASLI AKÇAMETE GÜNGÖR
- Enhancing DNN test data selection through uncertainty-based and data distribution-aware approaches
Belirsizliğe dayalı ve veri dağılımına duyarlı yaklaşımlar yoluyla DNN testı veri seçiminin geliştirilmesi
DEMET DEMİR
Doktora
İngilizce
2024
Bilim ve TeknolojiOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. ELİF SÜRER
DOÇ. DR. AYSU BETİN CAN
- Küçük boy telefon santrallarının bakım ve onarımı için bir uzman sistem tasarımı
Başlık çevirisi yok
OĞUZ OKTAY
Yüksek Lisans
Türkçe
1993
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiPROF.DR. EŞREF ADALI
- IoMT ağlar için yapay zeka tabanlı yeni bir saldırı tespit sistemi
A new intrusion detection system for an iomt network based on artificial intelligence
YOUSIF HOSAIN DAKHIL AL-BEHADILI
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMET ÇAKMAK
- Peyzaj tasariminda bir keşif araci: üretken yapay zeka temelli tasarim karar destek modeli
Ai-enabled generative decision support model as a predictive decoding tool for landscape design
SAFİYE ELİF SERDAR YAKUT
Doktora
Türkçe
2026
Peyzaj Mimarlığıİstanbul Teknik ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
PROF. DR. MELTEM ERDEM KAYA