Geri Dön

Karmaşık yapılı fiber ızgaraların yapay zeka algoritmaları ile tersine tasarımı

Reverse design of complex structured fiber using artificial intelligence algorithms

  1. Tez No: 904380
  2. Yazar: CEYLAN ÇİÇEK
  3. Danışmanlar: PROF. DR. İSA NAVRUZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 68

Özet

Fiber Bragg ızgaralar (FBG), optik iletişim ve sensör uygulamaları için yaygın olarak kullanılan oldukça önemli bileşenlerdir. Bununla birlikte, FBG'lerin yansıma spektrumlarını istenen özelliklere göre uyarlamak matematiksel olarak karmaşık bir çaba gerektirir. Bu zorluğun üstesinden gelmek amacıyla araştırmacılar başarılı sonuçlar üretebilen ancak süre açısından zaman alıcı, Benzetimli Tavlama (BT) algoritması gibi çeşitli optimizasyon algoritmaları kullanmışlardır. Bu araştırma, karmaşık, zaman alıcı ve sayısal olarak analiz edilmesi zor olan sistemler için genellikle tercih edilen yapay zeka uygulamalarını kullanarak doğrusal olmayan tasarım gerektiren faz kaymalı FBG'lerin tasarım parametrelerini hesaplamak için yapılmıştır. Amaç, makine öğrenmesi algoritmalarının yeteneklerinden yararlanarak FBG'lerin tasarım parametrelerini elde etme sürecini hızlandırmaktır. FBG'lerin tasarım parametrelerini güvenilir ve verimli bir şekilde belirlemek için belirli hata metrikleri kullanılarak üç adet makine öğrenmesi algoritması önerilmiş ve belirlenen hata metrikleriyle değerlendirilmiştir. Bu makine öğrenmesi modelleri Python ve MATLAB programlama dilleriyle oluşturulmuş yapay sinir ağları, Gradyan İniş (GD) tabanlı sinir ağı modeli ve Rastgele Orman (RF) algoritmasıdır. Bu modellerden yapay sinir ağları, karmaşık ve doğrusal olmayan ilişkileri daha iyi modelleyebilmesi ve kullanılan optimizasyon algoritmasının katkısıyla FBG tasarım parametrelerinin doğru hesaplanmasında daha etkili olmuştur.

Özet (Çeviri)

Fiber Bragg gratings (FBGs) are important components widely used for optical communication and sensor applications. However, tailoring the reflectance spectra of FBGs to desired properties is mathematically complex. To overcome this challenge, researchers have used various optimization algorithms such as the Simulated Annealing (SA) algorithm, which can produce successful results but is time-consuming. This research has been carried out to calculate the design parameters of phase-shifted FBGs that require nonlinear design using artificial intelligence applications, which are generally preferred for systems that are complex, time-consuming, and difficult to analyze numerically. The aim is to speed up the process of obtaining the design parameters of FBGs by utilizing the capabilities of machine learning algorithms. Three machine learning algorithms are proposed and evaluated using specific error metrics to reliably and efficiently determine the design parameters of FBGs. These machine learning models are artificial neural networks built with Python and MATLAB programming languages, Gradient Descent (GD) based neural network model, and Random Forest (RF) algorithm. Among these models, artificial neural networks were more effective in the accurate calculation of FBG design parameters due to its ability to better model complex and nonlinear relationships and the contribution of the optimization algorithm used.

Benzer Tezler

  1. Linear cavity tapered fiber sensor using phase shift cavity ring down spectroscopy

    Evre kaydırmalı çınlaç boşalım izgegözlem yöntemi ve sündürülmüş optik lif temelli doğrusal çınlaç algılayıcısı

    RANA MUHAMMAD ARMAGHAN AYAZ

    Doktora

    İngilizce

    İngilizce

    2020

    BiyomühendislikKoç Üniversitesi

    Biyomedikal Bilimler ve Mühendislik Ana Bilim Dalı

    Prof. Dr. ALPER KİRAZ

  2. The preparation and characterization of solid phase micro extraction fiber for pesticide analysis

    Katı faza mikro özütleme fiberi yapımı karakterizasyonu ve pestisit analizi için kullanılması

    KORCAN KORBA

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    KimyaEge Üniversitesi

    Kimya Ana Bilim Dalı

    DR. LEVENT PELİT

    PROF. DR. FATMA NİL ERTAŞ

  3. Modeling of tubular structures and fibers in in vivo data: Revealing asymmetry in human vasculature and white matter fiber tracts

    In vivo verilerinde tübüler yapıların ve liflerin modellenmesi: İnsan damar sistemi ve ak madde yolaklarında asimetrinin ortaya cıkarılması

    SÜHEYLA ÇETİN KARAYUMAK

    Doktora

    İngilizce

    İngilizce

    2016

    Mühendislik BilimleriSabancı Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖZDE ÜNAL

  4. A Quasi-linear model for finite deformation of human articular cartilage

    İnsan eklem kıkırdağının sonlu şekil değiştirmesi için bir quasi-linear model

    AHMET FEYZ PİRİMOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    1996

    BiyomühendislikBoğaziçi Üniversitesi

    PROF.DR. A. HİKMET ÜÇIŞIK

  5. Fabrication and characterization of ceramic fibers from preceramic polymers

    Preseramik polimerlerden seramik fiberler üretimi ve karakterizasyonu

    ECEM ÖZMEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Polimer Bilim ve Teknolojisiİzmir Yüksek Teknoloji Enstitüsü

    Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÇEKDAR VAKIFAHMETOĞLU

    PROF. DR. MUSTAFA MUAMMER DEMİR