Joint learning of graph processes and graph topologies for time vertex signal estimation
Zaman-düğüm sinyal kestirimi için çizge süreçleri ve çizge topolojilerinin ortak öğrenimi
- Tez No: 903888
- Danışmanlar: DOÇ. DR. ELİF VURAL AGHAEI MAZAHERI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Makine Eğitimi Bilim Dalı
- Sayfa Sayısı: 104
Özet
Son yıllarda, hem zamanda hem de bir ağ yapısı üzerinde degişim gösteren verilerin analizi önemli ölçüde ilgi gören bir konu olmuştur. Zaman-düğüm çizge sinyalleri olarak temsil edilen bu tür veriler, sosyal ağlar, sensör ağları ve trafik sistemleri gibi çeşitli sistemlerin dinamik yapısından etkilenmektedir. Bağımlılıkları ayrı ayrı ele alan ve ağ doğruluğunu hesaba katmayan geleneksel yöntemler, genellikle bu veri kümelerinin karmaşıklığını yakalamakta yetersiz kalmaktadır. Bu tezde zamanla değişen çizge rastgele süreçlerinin zaman-düğüm noktası davranışını birlikte analiz etmek için ortak geniş anlamda durağanlık adı verilen bir parametrik istatistiksel modelleme yaklaşımı olan Otoregresif Hareketli Ortalama (ARMA) modelleme kullanılmış, aynı zamanda kısmen bilinen Laplacian matrisi aracılığıyla topolojinin de öğrenilmesi hedeflenmiştir. ARMA çizge süreç modelleri incelenmiş; öncelikli olarak hem zamansal hem de ağ bağımlılıklarıyla karakterize edilen zamanda değişen sinyallerin analizi geliştirmek için ARMA modellemesini çizge öğrenme teknikleriyle bütünleştiren kapsamlı bir yöntem geliştirilmesi hedeflenmiştir. Çalışmamız, sürecin kovaryans matrisini tahmin etmek için çizge ARMA modelinden türetilen ortak güç spektral yoğunluğunun kullanıldığı yeni bir yaklaşım sunmaktadır. Kestirilen kovaryans matrisi, hem ortak süreci hem de çizge Laplacian matrisini yinelemeli olarak iyileştiren çizge öğrenme algoritmamız için bir temel sağlar. ARMA modellerinin dinamik özelliklerini çizge öğrenme teknikleriyle bütünleştirerek önerilen yöntem, zamanda değişen çizge sinyalleri içindeki temel yapıların ve ilişkilerin keşfedilmesini kolaylaştırır. Önerilen yöntemin etkinliğini doğrulamak ve zaman-düğüm sinyal analizindeki potansiyelini göstermek için sentetik ve gerçek veriler üzerinde deneyler yapılmıştır. Sonuçlar, zamanda değişen bir yapıya sahip ağ verileri için zamansal-ağsal bağımlılıkların yakalanmasında ilerleme kaydedilebileceğini göstermektedir.
Özet (Çeviri)
In recent years, the analysis of data that evolves over time and across interconnected entities has gained significant interest. Such data, often represented as time-vertex graph signals, encapsulate the dynamic nature of various real-world systems, including social networks, sensor networks, and traffic systems. Traditional methods that separately handle temporal and network dependencies without considering network correctness often fall short in capturing the full complexity of these datasets. To address this, in this thesis, we use a parametric statistical modelling approach called Auto-Regressive Moving Average (ARMA) jointly wide sense stationarity in order to analyze the joint time-vertex behavior of time-varying graph random processes, while we also aim to improve the partially known network topology via the graph Laplacian. We explore ARMA graph process models, where our primary objective is to develop a comprehensive framework that integrates ARMA modeling with graph learning techniques to enhance the analysis of time-varying signals characterized by both temporal and network dependencies. Our study introduces a novel approach where the joint power spectral density derived from the graph ARMA model is used to estimate the covariance matrix of the process. This matrix provides a basis for our graph learning algorithm, which iteratively refines both the joint process and the graph Laplacian. By integrating the dynamic characteristics of ARMA models with graph learning techniques, the proposed method facilitates the discovery of underlying structures and relationships within time-varying graph signals. Simulations and real-world experiments are conducted to validate the effectiveness of the framework, demonstrating its potential for time-vertex signal analysis. The results indicate improvements in capturing spatiotemporal dependencies for network data with a time-varying structure.
Benzer Tezler
- Estimation of time varying graph signals with graph arma processes
Graf arma süreçleri ile zamanda değişen graf sinyallerinin tahmini
EYLEM TUĞÇE GÜNEYİ
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ELİF VURAL
- Graph-based hierarchical tracklet merge for multiple object tracking
Çoklu hedef takibi için çizge tabanlı hiyerarşik iz birleştirme
HALİL ÇAĞRI BİLGİ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH AYDIN ALATAN
- Identifying gene interactions for time series microarray data using dynamic Bayesian networks and external biological knowledge
Harici biyololojik bilgi ve dinamik Bayes ağları kullanarak genler arası etkileşimleri tanımlamak
UMUT AĞYÜZ
Yüksek Lisans
İngilizce
2013
BiyoteknolojiBoğaziçi ÜniversitesiPROF. DR. AHMET ADEMOĞLU
YRD. DOÇ. DR. HASAN HÜSEYİN OTU
- Elektrik pano yangınlarına karşı nesnelerin interneti destekli algılama sisteminin geliştirilmesi
Development of an internet of things supported detection system against electric panel fires
MUHAMMED FATİH PEKŞEN
Doktora
Türkçe
2024
Mühendislik BilimleriSakarya ÜniversitesiYangın ve Yangın Güvenliği Anabilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- Kural tabanlı şüpheli işlem önleme sistemlerinde kullanılmak üzere çizge veritabanı modeli önerisi
A graph database model proposal for use in rule based fraud transaction prevention systems
BAHADIR ESAD DEMİR
Yüksek Lisans
Türkçe
2024
BankacılıkSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VEYSEL HARUN ŞAHİN