Makine öğrenme tekniklerinin mühendislik uygulamalarında kullanılması
Using machine learning techniques in engineering applications
- Tez No: 863812
- Danışmanlar: PROF. DR. ALİ OSMAN KURBAN
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kırşehir Ahi Evran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tezde makine öğrenimi nedir, neden önemlidir nerelerde kullanılır, nasıl çalışır ve avantajları dezavantajları gibi konulara değinildi. Makine öğreniminin teknikleriyle beraber konuya giriş yapıldı. Tezde makine öğrenim tekniklerinin neler olduğu, öğrenme gruplarının nasıl işlediği incelendi. Yüzey pürüzlülüğünün makine öğreniminde nasıl çalıştığı tekniklerin pürüzlülükle bağlantılı kısımları hangi parametrelerle karşımıza çıktığı analiz edildi. Yüzey pürüzlülük değerlerinin makine öğrenimindeki etkilerini ortaya çıkan verilerin makine öğreniminde ve kullanılmasında neden olacak sonuçlar bakımından etkileri araştırıldı. Yüzey pürüzlülüğü hesaplamaları; Elde bulunulan malzemenin yüzeyinin düzgün olup olmamasını inceleyen ölçümlerdir. Makine öğrenim algoritmalarının pürüzlülükte kullanım amaçları endüstriyel bakımdan önemli bir konudur. İmalat ve birçok yerde önem arz eden bir yapı olan yüzey pürüzlülüğü ürünün önemli bir sorunudur. Bu yüzden yüzey pürüzlülüğünün hesaplanmasında değindiğimiz modeller ile pürüzlülükten doğan olumsuz sonuçların en aza indirilmesi hedeflenmiştir. Yüzey pürüzlülüğü genel olarak yüzeyde oluşan yükseklik ve yüzeyde oluşan dalgalanmaların istatistiksel olarak karakterize edilmesidir. Bu analizler ise bazı parametreler aracılığı ile yapılırlar. Bu parametrelere örnek verecek olursak Ra (ortalama yüzey pürüzlülüğü), Rz (maksimum yüzey pürüzlülüğü), Rq (kök ortalama Kare yüksekliği) gibi konulara değinildi. Sonuçta yapılan tezde, iki farklı yüzey pürüzlülük ölçüm makinesi ile incelemiş olan üç farklı malzemenin pürüzlülük değerleri ile kullanılan materyaller incelendi. Yapılan deney ölçüm cihazları ve veriler kullanılarak sonuçlar elde edildi
Özet (Çeviri)
In the thesis, topics such as what machine learning is, why it is important, where it is used, how it works and its advantages and disadvantages were touched upon. The subject was introduced with the techniques of machine learning. In the thesis, what machine learning techniques are and how learning groups work were examined. It was analyzed how surface roughness works in machine learning and with what parameters the roughness-related parts of the techniques appear. The effects of surface roughness values on machine learning were investigated in terms of the consequences that would result in machine learning and use of the resulting data. Surface roughness calculations are measurements that examine whether the surface of the material is smooth or not. The intended use of machine learning algorithms in roughness is an industrially important issue. Surface roughness, which is an important structure in manufacturing and many other places, is an essential problem of the machine. Therefore, it is aimed to minimize the negative consequences caused by roughness with the models we mentioned in calculating surface roughness. Surface roughness is generally a statistical characterization of the height and fluctuations occurring on the surface. These analyzes are made through some parameters. To give examples of these parameters, topics such as Ra (average surface roughness), Rz (maximum surface roughness), Rq (root mean square height) were mentioned. As a result, in the thesis, the roughness values of three different materials examined with two surface roughness measuring machines and the materials used were examined. Results were obtained using experimental measuring devices and data.
Benzer Tezler
- Learning efficient visual embedding models under data constraints
Veri kısıtlamaları altında verimli görüntü gömme modelleri öğrenme
MERT BÜLENT SARIYILDIZ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİM AKSOY
YRD. DOÇ. DR. RAMAZAN GÖKBERK CİNBİŞ
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Acil tıpta yapay zekâda neredeyiz ve neler yapabiliriz?
Where are we in emergency medicine applications of artificial intelligence, and what can we do?
MEHMET ALİ ÇALIŞKAN
- Derin öğrenme algoritmaları kullanarak öğrenci akademik performansının erken tahmini
Early prediction of student academic performance using deep learning algorithms
AHMET KALA
Doktora
Türkçe
2025
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN TORKUL
DR. ÖĞR. ÜYESİ TUĞBA YILDIZ
- Hybridization of probabilistic graphical models and metaheuristics for handling dynamism and uncertainty
Değişimin ve belirsizliğin ele alınması için olasılıksal çizgesel biçelerin ve sezgi-üstlerinin melezleştirilmesi
GÖNÜL ULUDAĞ
Doktora
İngilizce
2021
Nörolojiİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE ŞİMA UYAR