Optimization-driven data-based constraints identification via explicit mathematical and implicit machine-learning-based constitutives
Açık matematiksel ve örtülü makine öğrenmesi temelli kurucu özgenlerle eniyileme öncüllü veri tabanlı kısıtlar özdeşimi
- Tez No: 860422
- Danışmanlar: PROF. DR. ŞÜKRÜ UĞUR AKMAN
- Tez Türü: Yüksek Lisans
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 270
Özet
“Veri tabanlı kısıt belirleme”çalışmasının temel amacı, bir sürecin işletilebileceği uygulanabilir bölgeleri saptamaktır. Yaklaşımımız, veri tabanlı kısıtları oluşturan tekli ve çoklu matematiksel denklemlere dönüştürülen örnek noktalarının niceliksel uygunluk bilgisine dayanmaktadır. İlk olarak,“kısıt birleştirme”tekniğine başvurarak çoklu kurucu eşitsizlik kısıtları ile olurlu bölgeleri tanımlayabilen bir“bütünsel amaç fonksiyonu”geliştirdik. Daha sonra, sınır, lineer, dairesel ve elipsoidal gibi bazı olası eşitsizlik kısıtlarının genel matematiksel tanımlarından yola çıkarak tekli ya da birleştirilmiş çoklu kurucular olabilecek şekilde kurgulanan“şekle özgü kurucular”özelliğini algoritmamıza ekledik. Yine tekli yada birleştirilmiş çoklu kurucular olabilen“şekle özgü”ve“şekilden bağımsız”kurucuları“tasarım matrisi”yaklaşımı ile oluşturduk. Ek olarak, Sinir Ağları, Ekstrem Öğrenme Makineleri gibi bazı makine öğrenmesi algoritmaları ile tekli örtülü ya da birleştirilmiş çoklu örtülü kurucular olabilen“örtülü sinir kurucularını”tasarladık. Bu veri tabanlı kurucu kısıtlarının hepsi D-boyutlu uygulanabilir bölgeleri belirleyebilecek şekilde genelleyicidir. Örnekleri Diferansiyel Evrim ve Kovaryans Matris Uyarlama Evrim Stratejisi global eniyileyiciler ile çözdük. Algoritmamızın birleşik, ayrık, konveks ya da konveks olmayan ya da bunların karmalarını saptayabildiğini, kimya mühendisliği ile ilgili örnekleri de içeren birçok çeşitli örnek üzerinden, gösterdik. Ayrıca, Olasılıksal Sinir Ağı, k-En Yakın Komşu, Destek Vektör Makinesi, Gauss Süreç Regresyonu ve Regresyon Ağaçları gibi sınıflandırma tekniklerini kısıt belirlemeye uyguladık. Algoritmamız ayrıca görüntü sınırlarından kısıtların belirlenmesinde, yani“görüntüden kısıtlara”dönüşüm görevinde de başarılı olmuştur.
Özet (Çeviri)
The major aim of“data-based constraint identification”is to identify feasible regions within which a process can be operated. Our approach is based on the quantitative-feasibility information of sample points metamorphosed into single- and multiple- mathematical equations constituting the data-based constraints. We firstly devise an“overall objective function”which is capable of identifying feasible regions with multiple-constitutive inequality constraints by resorting to the technique of“constraint aggregation”. We then equip our algorithm with the“form-specific constitutives”build via the generic mathematical description of some plausible inequality constraints such as the bound, linear, circular, and ellipsoidal, as single or aggregated multiple constitutives. We then build the“form-specific”and“form-free”constitutives via the“design matrix”approach, also as single or aggregated multiple constitutives. We devise the“implicit neural constitutives”as well via some Machine Learning algorithms such as Neural Networks and Extreme Learning Machines, as single implicit or aggregated multiple implicit constitutives. All of these data-based constitutive constraints are generic such that they can identify N-dimensional feasible regions. We solve the demonstrative examples with the Differential Evolution or Covariance Matrix Adaptation Evolution Strategy global optimizers. Via many diversified examples, including several chemical-engineering related ones, we show that our algorithm can identify joint, disjoint, convex, or nonconvex regions or their combinations. We also apply classification techniques, such as Probabilistic Neural Network, k-Nearest Neighbour, Support Vector Machine, Gaussian Process Regression, and Regression Trees to constraint identification. Our algorithm is also successful in identifying constraints from image boundaries, i.e., in“image-to-constraints”conversion tasks.
Benzer Tezler
- Gerçek zamanlı endüstriyel kontrol sistemleri için makine öğrenmesi temelli yaklaşımlar
Machine learning approaches for real-time industrial control systems
SÜLEYMAN MANTAR
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiBursa Uludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERSEN YILMAZ
- Derin obje sezicilerle tümleştirilmiş bayesçi filtreleme ile videoda obje izleme
Integration of bayesian filtering and deep object detection for video object tracking
FİLİZ GÜRKAN GÖLCÜK
Doktora
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- Afetlerde yaralı taşıma sistemi tasarımı için benzetimle analiz ve stokastik programlama modeli: istanbul depremi için pilot uygulama
Simulation analysis and a stochastic programming model for casualty transportation in disasters: a pilot application for the istanbul earthquake
NADİDE ÇAĞLAYAN
Doktora
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ITIR SATOĞLU
- Dynamic model-based path planning optimization and control for USV in inland waterways
İç su yollarında kullanılan İDA'lar için dinamik model tabanlı yol planlama optimizasyonu ve kontrolü
FERHAN BÜYÜKÇOLAK
Yüksek Lisans
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKHAN TANSEL TAYYAR
- Asenkron makina kontrolü için yapay sinir ağı tabanlı rotor akışı gözlemcisi
Başlık çevirisi yok
ASLI AYLA ÇAKIRGÖZ
Yüksek Lisans
Türkçe
1998
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN TACER