Yapay sinir ağları yardımıyla kendinden karışımlı (self mixing) interferometrik sistemlerde gürültü azaltma
Noise reduction in self-mixing interferometric systems with the help of artificial neural networks
- Tez No: 816845
- Danışmanlar: PROF. DR. HÜSEYİN SARI, PROF. DR. HALİL BERBEROĞLU
- Tez Türü: Yüksek Lisans
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bir lazer diyottan çıkan ışığın bir hedeften geri yansıdıktan sonra kendi oyuğuna girerek girişim deseni oluşturması kendinden karışımlı interferometre olarak bilinir. Bu tür interferometreler az sayıda optik bileşen içerdiğinden kompakt ve düşük maliyetlidir. Yer değiştirme, hız ve mesafe ölçümü gibi çeşitli parametrelerin tespiti için kullanımının yanı sıra kırılma indisi ve yüzey pürüzlülüğü gibi malzeme karakterizasyonunda da kullanılabilmektedir. Optik geri besleme etkisine dayanarak oyuk içinde oluşan girişim sinyali, ölçümlerin doğruluğunu etkileyecek çeşitli gürültüler içermektedir. Birçok potansiyel uygulama alanı için elde edilen sinyallerin kalitesi son derece önemlidir. Yapay sinir ağlarının karmaşık kalıpları kolaylıkla öğrenebilme ve tahmin yapabilme yeteneğinin bu tür interferometrelere uygulanarak sinyal hassasiyetini arttırması umut verici bir yaklaşım sunmaktadır. Bu tez çalışmasının temelini oluşturan interferometreler için derin otokodlayıcı yapay sinir ağı modeli geliştirilerek, bu tür girişim sinyallerinin analizini kolaylaştırılacak bir ön işleme adımı önerilmiştir. Bu amaç doğrultusunda; önce temiz sentetik veri sinyalleri oluşturulmuş, daha sonra bu sinyaller üzerine beyaz gauss ve benek gürültüsü eklenmiştir. Daha sonra oluşturulan model, bu veriler ile eğitilmiştir. Bu esnada eğitim verileri, kendinden tamamen farklı değerlerle oluşturulmuş doğrulama verilerinin hata sonuçları ile kıyaslanmış ve tatminkâr bir sonuca ulaşıldığında eğitim tamamlanmıştır. Daha sonra kontrollü bir test verisi üzerinde model performansı değerlendirilmiş, çeşitli yer değişim sinyalleri için bu başarı ayrıntılı olarak incelenmiştir. Çalışmada ayrıca geliştirilen bu model, geleneksel sinyal filtreleri ile kıyaslanmıştır.
Özet (Çeviri)
The phenomenon called a self-mixing interferometer, can be explained by the fact that light emitted from a laser diode enters its cavity after being reflected from a vibrating target, creating an interference pattern. Such interferometers are compact and cost-effective because they contain few optical components. In addition to its use for detecting various parameters such as displacement and vibration, it can also be used for material characterization such as refractive index and surface roughness. The interference signal generated in the cavity contains various noises that affect the accuracy of the measurements. The quality of the signals obtained is extremely important for many potential application areas. The ability of artificial neural networks to easily learn and predict complex patterns offers a promising approach to improving signal sensitivity by applying them to such interferometers. In this thesis, a deep auto-encoder network model for interferometers is developed and a pre-processing step is proposed to facilitate the analysis of such interference signals. For this purpose, clean synthetic data signals are first generated and then white Gaussian and speckle noise are added. The model is then trained with these data. In the meantime, the training data were compared with the error results of the validation data generated with entirely different values, and the training was completed when a satisfactory result was reached. The model performance was then evaluated on a controlled test data set, and this performance was analyzed in detail for various displacement signals. The model is also compared to a conventional signal filter.
Benzer Tezler
- Kaynak dağılımının kestirilmesini amaçlayan ters ısı geçişi probleminin çözümüne yapay sinir ağları ile yaklaşım
Inverse heat transfer problem of estimating heat source distrubution via artificial neural networks
SONGÜL KUZKAYA
Yüksek Lisans
Türkçe
2003
Nükleer Mühendislikİstanbul Teknik ÜniversitesiNükleer Araştırmalar Ana Bilim Dalı
PROF. DR. MELİH GEÇKİNLİ
- Dijital ikiz çatıyapısı altında yapısal kirişlerin fizik bilgili sinir ağları ile dinamik modellenmesi
Dynamical modelling of structural beams under a digital twin framework with physics-informed neural networks
CEM SÖYLEYİCİ
Yüksek Lisans
Türkçe
2023
Makine MühendisliğiTobb Ekonomi ve Teknoloji ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKKI ÖZGÜR ÜNVER
- Dicle nehrinde çözünmüş oksijen derişiminin yapay sinir ağlarıyla modellenmesi
Modeling of dissolved oxygen concentration of the Tigris river with artificial neural networks
DUÇEM MEDYA KILAVUZ
Yüksek Lisans
Türkçe
2022
İnşaat MühendisliğiDicle Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. FEVZİ ÖNEN
- Çok düzeyli statik bellek gözesi ve kohonen türü yapay sinir ağına uygulanması
Multiple valued static storage cell and its application to kohonen type neural network
NURETTİN YAMAN ÖZELÇİ
Doktora
Türkçe
1999
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. UĞUR ÇİLİNGİROĞLU
- Bir nükleer reaktörde yapay sinir ağları yardımıyla durum değişkenlerinin kestirilmesi
Estate estimation in a nuclear reactor with the help of artificial neural networks
BEKTAŞ ALİ KÖKSAL