Geri Dön

Katlamalı yapay sinir ağları ile işaret kaynağı konumlandırma

Signal source localization using convolutional neural networks

  1. Tez No: 814822
  2. Yazar: RESUL ADANUR
  3. Danışmanlar: PROF. DR. İSMAİL KAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 57

Özet

Bu tez çalışmasında, katlamalı yapay sinir ağları ile bir işaret kaynağı konumlandırma yöntemi önerilmiştir. Ağın giriş verisine, alınan işaretlerin farklı özelliklerinin dahil edilmesinin başarıma etkisi incelenmiş ve ağ çıkışında iki eksenli konum bilgisi elde edilmiştir. Literatürde sıklıkla karşılaşılan yöntemlerin aksine, yapay sinir ağının öncesinde bir ön işlem ile özellik çıkarımı yapılmadan, alınan işaretler direkt olarak ağa giriş verisi olarak verilmiştir. Bu çalışmada, yapay sinir ağının eğitimi sırasında farklı kanallardan alınan işaretlerin birbirleri ile ilişkilerinin gözetilmesi ve eğitimde kullanılabilmesi için katlamalı yapay sinir ağları kullanılmıştır. Ayrıca giriş verisine çapraz ilinti (korelasyon) fonksiyonu ve FFT (Fast Fourier Transform) sonuçlarının eklenmesi durumunda başarımın nasıl değiştiği gözlemlenmiştir. Yapay sinir ağının katlama katmanlarında, farklı giriş verilerinin özelliklerinin çıkarılmasının öğrenilmesini sağlayabilmek için, farklı frekans karakteristiklerine sahip olan işaretler giriş verileri olarak kullanılmıştır. Eğitimler hem periyodik işaretler hem darbe işaretleri ile yapılmış ve eğitimler sonucunda bu iki tür işaret için hata grafikleri elde edilerek başarım değerlendirmesi yapılmıştır. Bir tahmin alanında en düşük konumlandırma hatası 4 cm ve en düşük ortalama hata 18.17 m olarak elde edilmiştir.

Özet (Çeviri)

In this thesis, a signal source localization method with convolutional neural networks is proposed. The effect of incorporating different features of the received signals into the input data was examined and biaxial position information was obtained at the output of the network. Contrary to the methods frequently encountered in the literature, the received signals are directly given to the network as input data, without preprocessing and feature extraction before the artificial neural network. In this study, convolutional neural networks were used in order for the network to be able to use the relations between the signals received from different channels during the training. In addition, it has been observed how the performance changes when correlation and FFT (Fast Fourier Transform) results are added to the input data. In the convolution layers of the artificial neural network, signals with different frequency characteristics are used as input data in order for neural networks to learn to extract features from different types of signals. The trainings were made with both periodic signals and pulse signals, and as a result of the trainings, error graphs were obtained and performance evaluation was made for these two types of signals. The lowest localization error in an estimation area was obtained as 4 cm and the lowest average error was obtained as 18.17 m.

Benzer Tezler

  1. Erken Hristiyan ve ilk Bizans resim ve kabartma sanatında kaynak ve okullar (2 cilt)

    Sources and school of painting and sculpture during the early Christian and first Byzantine period

    AHMET MEHMET KİPMEN

    Doktora

    Türkçe

    Türkçe

    1996

    Güzel SanatlarMimar Sinan Güzel Sanatlar Üniversitesi

    PROF.DR. SEMRA GERMANER

  2. Machine learning techniques for surface electromyography based hand gesture recognition

    Yüzey elektromiyografi temelli el jesti tanıma için makine öğrenmesi teknikleri

    ENGİN KAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

  3. Digitally controlled buck converters for current regulated applications

    Akım regülasyonlu uygulamalar için sayısal kontrollü alçaltıcı çeviriciler

    ABDULKERİM UĞUR

    Doktora

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT YILMAZ

  4. Driver behavior analysis based on vehicle diagnostic data

    Araç tanı verilerinden sürücü davranış analizi

    CANER ASLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YAKUP GENÇ

  5. Automatic posture evaluation for professional voice users

    Profesyonel ses kullanıcıları için otomatik postür değerlendirmesi

    ÇAĞATAY DEMİREL

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. GÖKHAN İNCE