Meta-sezgisel algoritmalar kullanılarak derin öğrenme ağlarında kalan faydalı ömür tahmini
Remaining useful life prediction using meta-heuristic algorithms and deep learning methods
- Tez No: 900902
- Danışmanlar: DR. SULTAN ZEYBEK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fatih Sultan Mehmet Vakıf Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 97
Özet
Endüstri 4.0'ın önemli yeniliklerinden biri, kestirimci bakım uygulamalarıdır. Bu uygulamalar, makine ve ekipmanların ömrünü uzatırken operasyonel verimliliği artırır. Havacılık endüstrisinde, uçuş güvenliği kritik öneme sahiptir. Bu nedenle, uçaklar ve uçak motorları için kestirimci bakım faaliyetleri hayati bir rol oynar. Bu yüksek lisans tez çalışmasında, derin öğrenme ağlarından Uzun Kısa Vadeli Bellek (LSTM) kullanılarak turbofan motorlarının kalan faydalı ömrü (Remaining Useful Life - RUL) tahmin edilmesi amaçlanmaktadır. Bu çalışmada, metasezgisel algoritmalarla birleştirilen LSTM ağları kullanılmıştır. Çalışma için NASA Turbofan veri seti (C-MAPSS) kullanılmıştır. Tahminlerde, zaman serisi tahminlerinde sıkça kullanılan ve başarılı sonuçlarıyla bilinen LSTM ağları kullanılmıştır. LSTM ağının hiperparametreleri, genetik algoritma ve parçacık sürü optimizasyonu kullanılarak optimize edilmiştir. Metasezgisel algoritmalarla optimize edilen LSTM modelinin sonuçları, literatürdeki diğer çalışmalarla karşılaştırılmış ve kıyaslanan modellere göre daha başarılı sonuçlar elde edildiği gözlemlenmiştir.
Özet (Çeviri)
One of the significant innovations of Industry 4.0 is predictive maintenance applications. These applications extend the lifespan of machinery and equipment while enhancing operational efficiency. In the aviation industry, flight safety holds critical importance. Therefore, predictive maintenance activities for aircraft and aircraft engines play a crucial role. In this master's thesis, it is aimed to estimate the remaining useful life (RUL) of turbofan engines using Long Short-Term Memory (LSTM) networks, which are a type of deep learning network, combined with metaheuristic algorithms. For this study, the NASA Turbofan dataset (C-MAPSS) was utilized. For the predictions, LSTM, commonly used in time series forecasting and known for its successful results, was employed. To enhance the performance of the LSTM network, heuristic algorithms such as genetic algorithm and particle swarm optimization were used. The hyperparameters of the LSTM network were optimized using genetic algorithm and particle swarm optimization. The results of the LSTM model, optimized with metaheuristic algorithms, were compared with other studies in the literature, and it was observed that more successful outcomes were achieved compared to the benchmarked models.
Benzer Tezler
- Meta-sezgisel algoritmalar ile konvolüsyonel sinir ağı mimarisinin hiper parametrelerinin optimizasyonu
Optimization of hyper parameters of convolutional neural network architecture with meta-heuristic algorithms
MUSTAFA YURDAKUL
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Sepsis hastalığının derin öğrenme yöntemiyle tahmini
Sepsis disease prediction by deep learning
UMUT KAYA
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATINÇ YILMAZ
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Analysis of network security using machine learning methods
Makine öğrenmesi yöntemleri kullanılarak ağ güvenirliği analizi
MARYAM SALATI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İMAN ASKERBEYLİ
- Derin öğrenme yöntemleri kullanarak hiperspektral imgelerin sınıflandırılmasına yönelik yeni yaklaşımlar
New approaches for hyperspectral image classification using deep learning
HASAN BADEM
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BAŞTÜRK