Utilizing convolutional neural networks for temperature-based analysis of two-dimensional ising model configurations
Evrişimli sinir ağı ile 2-boyutlu ısing model konfigürasyonlarının sıcaklık temelli analizi
- Tez No: 899322
- Danışmanlar: PROF. DR. TAYLAN AKDOĞAN, PROF. DR. BORA IŞILDAK
- Tez Türü: Yüksek Lisans
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Fizik Bilim Dalı
- Sayfa Sayısı: 44
Özet
Bu çalışma, karmaşık fiziksel sistemlerle ilgili verileri sınıflandırmak için Evrişimli Sinir Ağları'nın uygulanmasını araştırmakta olup, özellikle İki Boyutlu Ising Modeli ve bu modelin sıcaklığa bağlı ferromanyetik davranışına odaklanmaktadır. Bu çalış- manın motivasyonu, sistemin farklı sıcaklık bölgelerinde (kritik altı, kritik ve kritik üstü sıcaklıklar) fazları ayırt edebilmek için Evişimli Sinir Ağlarının sınıflandırma be- cersini test etmektir. Üç farklı sinir ağı mimarisi uygulanmış ve performansları, simüle edilmiş konfigürasyonlardan oluşan bir veri kümesi kullanılarak değerlendirilmiştir. Sonuçlar, modellerin sıcaklıkla ilgili fazları tahmin etmede yüksek doğruluk sağladığını göstererek, Evrişimli Sinir Ağlarının karmaşık fiziksel sistemlerdeki örüntüleri yakala- madaki etkinliğini ortaya koymaktadır. Bu bulgular, Evrişimli Sinir Ağlarının fizik bilimlerindeki anlaşılmasına katkıda bulunmakta ve makine öğrenimi tekniklerinin diğer karmaşık sistemlere de potansiyel olarak uygulanabileceğini önermektedir. Gele- cekteki çalışmalar, model mimarilerinin iyileştirilmesine ve diğer örgü yapılarının analizine odaklanabilir.
Özet (Çeviri)
This study investigates the application of Convolutional Neural Networks (CNNs) to classify data associated with complex physical systems, specifically focusing on the Two-Dimensional Ising Model and its temperature-dependent ferromagnetic be- haviour. The motivation behind this work is to leverage CNNs for distinguishing between phases of the system under different temperature regions: below critical, at critical, and above critical temperatures. Three distinct neural network architectures were implemented, and their performance was evaluated using a dataset of simulated configurations. The results demonstrate that the models achieved high accuracy in predicting the temperature-related phases, indicating the effectiveness of CNNs in capturing physical patterns. These findings contribute to the understanding of CNNs in physical sciences and suggest that machine learning techniques could potentially be applied to other complex systems. Future work might focus on refining the model architectures and extending the analysis to other types of lattice structures.
Benzer Tezler
- Building sensor-based real-time predictive maintenance system by utilizing artificial intelligent techniques
Yapay akıllı teknikleri kullanarak sensör tabanlı gerçek zaman tahminli bakım sistemi kurulması
RAGHAD MOHAMMED KHORSHEED
Doktora
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Lightweight facial expression recognition systems for social robots
Sosyal robotlar için hafif ağırlıklı yüz ifadesi tanıma sistemleri
ERHAN BİÇER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Joint calibration and reconstruction for focal plane array imaging
Odak düzlemi dizisi görüntüleme için birleşik kalibrasyon ve geriçatım
MUHAMMET UMUT BAHÇECİ
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Yapay zekâ ve sinyal işleme yöntemleri ile rulmanlarda taşlama yanığı hatasının tespiti
Detection of grinding burn defect in bearings with artificial intelligence and signal processing methods
NURDOĞAN CEYLAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEZGİN KAÇAR