An unsupervised learning approach to seismic waveform classification via representation learning
Gösterim öğrenme yoluyla seismik dalga formu sınıflandırması için denetimsiz öğrenme yaklaşımı
- Tez No: 881096
- Danışmanlar: DR. ÖĞR. ÜYESİ ARKADAŞ İNAN ÖZAKIN
- Tez Türü: Yüksek Lisans
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Fizik Bilim Dalı
- Sayfa Sayısı: 102
Özet
Sismoloji, gözlem odaklı bir araştırma alanıdır ve sınırlarını genişletmek için doğru sınıflandırılmış sismik sinyallere ihtiyaç duyar. En temel sınıflandırma problem- lerinden biri de önemli sismik aktiviteyi arka plan gürültüsünden ayırmaktır. Yakın za- manda Makine Öğrenmesi algoritmaları bu problemin çözümü için önerilmiştir. Çeşitli özel durumlar (belirli seismik olaylar, zaman dilimleri ve coğrafi bölgeler vb.) için uygulanmış olan denetimsiz öğrenme tabanlı algoritmalar olmakla birlikte, önerilen al- goritmaların çoğu denetimli öğrenmeye dayalıdır. Sonuç olarak genel amaçlı kullanıma uygun denetimsiz öğrenme algoritmaları henüz geliştirilmemiştir. Denetimli öğrenmeye dayalı modeller, eğitimde kullanılan verisetinden kaynaklı eğilimlere sahip olabilir ve bu da gözlemsel amaçlar için kötü sonuçlara yol açabilir. Sismik sinyallerin şuanki bilgilerin ışığında etiketlendiğini düşünürsek modellerin bu etiketlere göre eğitilmesinin potansiyel keşiflerin önüne geçebileceği açıktır. Tamamlayıcı eğilimlere sahip metotlar geliştirmek denetimli öğrenmeye dayalı modellerin kör noktalarını doldurmak için önemlidir. Bu tezdeki temel motivasyon- umuz, arka plan gürültüsü ile deprem kaynaklı sismik aktiviteyi ayırt edebilen dene- timsiz öğrenme tabanlı ve genel amaçlı kullanıma uygun yöntemler oluşturmaktır. Bu motivasyon temelinde, bir veya birden fazla istasyon verisi kullanarak sınıflandırma yapabilen Derin Öğrenme tabanlı yöntemler geliştirilmiştir.
Özet (Çeviri)
Seismology is an observation-based science and requires well-classified seismic signals to expand its boundaries. One of the most basic classification problems is to separate earthquake-based seismic activity from background noise. Machine learning algorithms are recently introduced as a solution to this problem. Although unsupervised learning-based algorithms have been used for specific cases (certain seismic events, time intervals, geographical regions, etc.), most proposed algorithms are supervised learning-based. Consequently, general-purpose unsupervised learning algorithms have not been developed yet. Supervised learning-based models may have biases due to the dataset used in training, which can lead to poor results for observational purposes. Considering that the seismic waveforms are labeled in the light of current information, it's clear that training the models using these labels could block potential discoveries. Developing methods with complementary biases is important to fill the blind spots of supervised learning-based models. Our primary motivation in this thesis is to develop unsupervised learning-based general-purpose detection methods that distinguish earthquake-based seismic activity from background noise. Based on this motivation, deep learning-based methods that can classify waveforms using one or more stations have been developed.
Benzer Tezler
- Novel clustering algorithms: entropy based neighborhood merging (ENM) and simultaneous feature selective clustering (SFSC)
Özgün kümeleme algoritmaları: Entropi tabanlı komşuluk birleştirme ve eş zamanlı öznitelik seçici kümeleme
MUSTAFA ÜNVER
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. NİHAL ERGİNEL
- A multi-objective approach to cluster ensemble selection problem
Kümeleme topluluğu seçimi problemine çok amaçlı yaklaşım
DİLAY AKTAŞ
Yüksek Lisans
İngilizce
2019
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiYöneylem Araştırması Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BANU LOKMAN
DOÇ. DR. TÜLİN İNKAYA
- Liquidity risk in Islamic banks: A machine learning approach
İslam bankalarında likidite riski: Bir makine öğrenme yaklaşımı
HALAH AHMED BAHANSHAL
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
Assist. Prof. Dr. RUSTU MURAT DEMIRER
- Clustering functional mri data using a robust unsupervised learning algorithm
Fonksiyonel mrı verilerinin gürbüz denetimsiz algoritması ile kümelendirilmesi
HADEEL KASSIM WADI AL-JOBOURI
Doktora
İngilizce
2017
Elektrik ve Elektronik MühendisliğiYıldırım Beyazıt ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLYAS ÇANKAYA
- LTE-A kablosuz ağlarda kötü niyetli röle ataklarının makine öğrenmesi yöntemleri ile tespiti
Detection of malicious relay attacks in LTE-A wireless networks by machine learning methods
YELİZ YENGİ
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADNAN KAVAK