Geri Dön

A new artificial intelligence based framework for network fault management

Ağ hata yönetimi için yeni bir yapay zeka tabanlı çerçeve

  1. Tez No: 798987
  2. Yazar: MUKHALAD WAJDI JALAL WAJDI
  3. Danışmanlar: YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  2. New automatic (IDS) in IoTs with artificial intelligence techniques

    Başlık çevirisi yok

    ALAA FIRAS JASIM JASIM

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER KURNAZ

  3. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NEJAT YUMUŞAK

  4. Design and deployment of deep learning based fuzzy logicsystems

    Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması

    AYKUT BEKE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

  5. Lojistik sektörü karayolu taşımacılığında dinamik fiyat tahmin sisteminin tasarlanması

    Designing dynamic forecasting system for truckload market pricing in logistics sector

    AYŞENUR BUDAK

    Doktora

    Türkçe

    Türkçe

    2017

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. ALP ÜSTÜNDAĞ