Geri Dön

Yapay zekâ teknikleri ile etkin bir iç-mekân konumlandırma yöntemi tasarımı

Designing an effective indoor localization method with artificial intelligence techniques

  1. Tez No: 891985
  2. Yazar: HATİCE ARSLANTAŞ DALBOY
  3. Danışmanlar: DOÇ. DR. SELÇUK ÖKDEM
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 109

Özet

Günümüzde kablosuz sistemleri baz alan iç mekân konum belirleme sistemleri üzerine yapılan çalışmalar giderek artmaktadır. İç mekân konumlandırma, bir bina içindeki nesnelerin veya insanların konumunun belirlenmesi işlemidir. Küresel Navigasyon Uydu Sistemi (GPS) sinyalleri kapalı alanlarda kesintiye uğradığı veya tamamen kaybolduğu için iç mekânlarda yeterli konum doğruluğu sağlamamaktadır. Bu nedenle kablosuz bağlantı (Wi-Fi, Wireless Fidelity) teknolojisine dayalı makine öğrenmesi ve derin öğrenme teknikleri ile iç mekân konumlandırma sistemi tasarımına yönelik çalışmalar artmaktadır. Bu tez çalışması kapsamında, yapay zekâ teknikleri kullanarak iç mekân konum belirlemede yenilikçi bir yaklaşım önerilmektedir. Önerilen bu model, otomatik kodlayıcı tabanlı evrişimli sinir ağı modelidir. Çalışma kapsamında UJIIndoorLoc, Tampere ve UTSIndoorLoc veri kümeleri ile önerilen modelin performansı değerlendirilmiştir. Deney sonuçları, önerilen modelin mevcut en gelişmiş yöntemlerden önemli ölçüde daha iyi performans gösterdiğini ortaya koymaktadır. Bu iyileştirme hem doğruluk hem de hassasiyet açısından belirgin bir fark oluşturmakta, böylece iç mekân konumlandırma sistemlerinin güvenilirliğini ve kullanılabilirliğini artırmaktadır.

Özet (Çeviri)

Nowadays, studies on indoor localization systems based on wireless systems are increasing. Indoor localization is the process of determining the location of objects or people within a building. Global Navigation Satellite System (GPS) signals do not provide sufficient location accuracy indoors because they are interrupted or completely lost in closed areas. For this reason, studies on indoor localization system design with machine learning and deep learning techniques based on Wi-Fi technology are increasing. Within the scope of this thesis, an innovative approach is proposed in indoor location determination using artificial intelligence techniques. This proposed model is an autoencoder based convolutional neural network model. Within the scope of the study, experiments were carried out with the proposed model using UJIIndoorLoc, Tampere and UTSIndoorLoc datasets. Experimental results reveal that the proposed model significantly outperforms existing state-of-the-art methods. This improvement creates a significant difference in both accuracy and precision, thus increasing the reliability and usability of indoor positioning systems.

Benzer Tezler

  1. Deep learning-based keypoints driven visual inertial odometry for GNSS-denied flight

    Yapay sinir ağları tabanlı nokta çıkarıcılı görsel-ataletsel odometri ile GPS'siz ortamda uçuş

    ARSLAN ARTYKOV

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE KOYUNCU

  2. Optimizing the performance of visible light communication system with angular diversity

    Görünür ışık haberleşmesinde açısal çeşitleme ile sistem performansının en iyilenmesi

    AAMIR ULLAH KHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SULTAN ALDIRMAZ ÇOLAK

  3. Mekân tasarım sürecinde iç mekân donatı tasarımının üretken çekişmeli ağlar ile optimizasyonu

    The optimization of interior reinforcement design with generative adversarial networks in the space design process

    SABAH AMİNENUR ÖZYILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    İç Mimari ve Dekorasyonİstanbul Gedik Üniversitesi

    İç Mimarlık ve Çevre Tasarımı Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CAHİT ARSAL ARISAL

  4. İnsan tespiti için otonom iç mekan keşfi

    Autonomous indoor discovery for human detection

    YUSUF GÖKHAN KÜÇÜKAYAN

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. HACER KARACAN

  5. Omuz eklemi, kas ve tendon hasarlı hastalar için akıllı fizik tedavi mentor uygulaması (fizmenu)

    Intelligent physical therapy mentor application for patients with shoulder joint, muscle and tendon damage (PhyMen)

    BURAKHAN ÇUBUKÇU

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. UĞUR YÜZGEÇ