Yapay zekâ teknikleri ile etkin bir iç-mekân konumlandırma yöntemi tasarımı
Designing an effective indoor localization method with artificial intelligence techniques
- Tez No: 891985
- Danışmanlar: DOÇ. DR. SELÇUK ÖKDEM
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- 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
- 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
2023
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE KOYUNCU
- 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
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. SULTAN ALDIRMAZ ÇOLAK
- 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
2023
İç Mimari ve Dekorasyonİstanbul Gedik Üniversitesiİç Mimarlık ve Çevre Tasarımı Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CAHİT ARSAL ARISAL
- A conceptual model for image recognition based progress monitoring: retail construction and finishing works
Görüntü tanıma tabanlı ilerleme takibi için kavramsal bir model: perakende inşaat ve ince yapı işleri
SALİH KAAN MAZLUM
Doktora
İngilizce
2025
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. BEGÜM SERTYEŞİLIŞIK
- Enhancing footprintid with intelligent feature selection: A wrapper-based approach for efficient indoor pedestrian recognition
Akıllı özellik seçimiyle ayak izi tanımını geliştirme: Etkin iç mekan yaya tanıması için sarmalama tabanlı bir yaklaşım
MARYAM NASIRIAN
Yüksek Lisans
İngilizce
2025
Bilim ve TeknolojiBahçeşehir ÜniversitesiYapay Zeka Ana Bilim Dalı
PROF. DR. MEHMET RAŞİT ESKİCİOĞLU