Detection and classification in nternet of thingnetworks using macine learning techniques
Başlık çevirisi mevcut değil.
- Tez No: 806903
- Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Günümüzde yayılan teknolojinin genişlemesiyle, cihazlar son derece yaygın hale geldi. internete bağlanıldı. Bağlı cihazların günlük kullanımından çok fazla veri toplanıyor internete. Cihazların internete bağlanması, onları önemli bilgi kaynakları haline getirir. veri. IoT verilerinin en önemli özelliği, bolluğu ve büyük boyutlarıdır ve bu verilere dayalı teknik sistemler oluşturmak amacıyla, bu verilerin çalışma ve analiz kolaylığı için sınıflandırılması gerekir. Yakın ara bağlantı ve birbirine bağlı ağlar, trafiği IoT cihazlarının verileri içinde bol miktarda dağıtır. AI algoritmaları ve araçları, verileri analiz etmek ve sınıflandırmak ve durum hakkında ayrıntılı raporlar sağlamak için kullanılabilir. Nesnelerin İnterneti için veri. Özellikle yapay sinir ağı olmak üzere çok sayıda sinir ağı sağlamak, özellikleri seçmeyi ve önemli verileri bilmeyi çok kolaylaştırır. verileri sınıflandıran ve özelliklerini seçen gizli iç içe geçmiş katmanları kullanarak işler. İnternete bağlı cihazların çoğu için gerçek verilerle eğitilmiş bir sinir ağı kullanıldı. sınıflandırmanın amacı. Sistem, kıyasla yüksek doğrulukla çalıştırıldı. Bu alanda sunulan çalışmaların çoğu. Önerdiğimiz çalışma şu şekilde değerlendirilebilir: ayıklamak ve sınıflandırmak için yapay sinir ağlarını kullanmak için önemli bir fonksiyonel araçtır. IoT verilerinin özellikleri.
Özet (Çeviri)
With the expansion of technology spread at the present time, devices have become highly connected to the Internet. A lot of data is collected from the daily use of devices connected to the Internet. The connection of devices to the Internet makes them important sources ofdata. The most important characteristic of IoT data is its abundance and its large sizes, and for the purpose of building technical systems based on that data, these data should be classified for ease of study and analysis. Close interconnection and interconnected networks make traffic abundantly distributed within the data of IoT devices. AI algorithms and tools can be used to analyze and classify data and provide detailed reports on the state of data for the Internet of Things. Providing a lot of neural networks, especially the artificial neural network, makes choosing features and knowing important data a very easy job by using hidden nested layers that classify the data and choose its features. A neural network trained on real data for most of the devices connected to the Internet was used for the purpose of classification. The system was operated with high accuracy compared to most of the studies presented in this field. Our proposed study can be considered as an important functional tool for using artificial neural networks to extract and classify the features of IoT data.
Benzer Tezler
- Intrusion detection and classification in internet of things networks using machine learning
Başlık çevirisi yok
OMAR KHUDHAIR EKHLAYEF EKHLAYEF
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Kablosuz yerel alan ağlarında saldırıların tespit edilmesi ve analizi
Intrusion detection and analysis in wireless local area networks
MERVE ÖZKAN OKAY
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REFİK SAMET
- Endüstri 4.0 için derin öğrenme kullanan durum izleme ve kestirimci bakım yöntemlerinin geliştirilmesi
Development of condition monitoring and predictive maintenance methods using deep learning for industry 4.0
SEYFULLAH KANER
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLHAN AYDIN
- Androıd kötücül yazılım analizinde derin öğrenme modellerinin performansının karşılaştırılması
Benchmarking of deep learning models for android malware analysis
TAYLAN KURAL
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT DENER
PROF. DR. YUSUF SÖNMEZ
- Endüstri 4.0 çerçevesinde kestirimci imalat teknolojileri
Predictive manufacturing technologies in industry 4.0 framework
KADİR TOLGA BAYER
Yüksek Lisans
Türkçe
2019
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURGUT GÜLMEZ