Karmaşık yapılı fiber ızgaraların yapay zeka algoritmaları ile tersine tasarımı
Reverse design of complex structured fiber using artificial intelligence algorithms
- Tez No: 904380
- Danışmanlar: PROF. DR. İSA NAVRUZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2020
BiyomühendislikKoç ÜniversitesiBiyomedikal Bilimler ve Mühendislik Ana Bilim Dalı
Prof. Dr. ALPER KİRAZ
- 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
2011
KimyaEge ÜniversitesiKimya Ana Bilim Dalı
DR. LEVENT PELİT
PROF. DR. FATMA NİL ERTAŞ
- 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
2016
Mühendislik BilimleriSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖZDE ÜNAL
- 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
- Fabrication and characterization of ceramic fibers from preceramic polymers
Preseramik polimerlerden seramik fiberler üretimi ve karakterizasyonu
ECEM ÖZMEN
Yüksek Lisans
İngilizce
2019
Polimer Bilim ve Teknolojisiİzmir Yüksek Teknoloji EnstitüsüMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇEKDAR VAKIFAHMETOĞLU
PROF. DR. MUSTAFA MUAMMER DEMİR