Derin öğrenme kullanılarak nesnelerin interneti ortamı için büyük veri ve akışverisi analizinin yapılması
Internet of things big data and streaming analytics using deep learning
- Tez No: 924927
- Danışmanlar: DOÇ. DR. RIZA CENK ERDUR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 229
Özet
Çalışma temelinde hedeflenen IOT uygulama senaryolarının karmaşık ve hızlı gelişen doğasına, güncel ve farklı uygulama alanlarında başarılı sonuçlar vermiş ve IOT analitik problemine de cevap verme potansiyeli barındıran derin öğrenme modellerinin uyarlanmasıdır. Bu çalışmada, uzun vadeli olarak nesnelerin interneti sensör verilerini akış halinde işlemek için uçtan uca bir işlem süreci hattı sunuyoruz. Veri toplama süreci Apache Kafka Streams kullanılarak simüle edilmektedir. Ardından, akış verileri TensorFlow IO ile çevrimiçi bir model kullanılarak sınıflandırılır. Sınıflandırma modelinden elde edilen olasılıklar, zaman damgaları ile tahmin modeline girdi olarak verilir. Bu transformer tabanlı modelde, olasılıklar birden fazla zaman diliminde tahmin edilir. Son olarak, modelin bu dilimlerdeki arıza olasılık tahminleri sunulur. Araştırmamızın amacı, uzun veri dizilerindeki bağımlılıkları tanımlamak ve analiz etmek, ayrıca akış verilerini zamanında ve verimli bir şekilde işlemek için yöntemler geliştirmektir. Bir diğer katkı sunulan nokta ön-eğitimli Foundation Modellerinin IOT senaryolarına uyarlanabilirliğinin irdelenmesidir. Farklı uygulana alanlarından elde edilen ve önceden eğitime alınmış ön-eğitimli modellerin probleme özgü veri seti ile ağırlıkları güncellenmiş ve hedef değişkenlerin hesaplanması bu yöntemle yapılarak eğitim süresinden kazanım sağlanmıştır.
Özet (Çeviri)
The aim of the study is to adapt deep learning models, which have yielded successful results in various current application areas and have the potential to address IoT analytics problems, to the complex and rapidly evolving nature of the targeted IoT application scenarios. In this study, we present an end-to-end processing pipeline to process Internet of Things (IoT) sensor data streams over the long term. The data collection process is simulated using Apache Kafka Streams. Then, the streaming data is classified using an online model with TensorFlow IO. The probabilities obtained from the classification model are fed as input to the prediction model along with timestamps. In this transformer-based model, the probabilities are predicted over multiple time intervals. Finally, the model presents failure probability predictions over these intervals. The purpose of our research is to identify and analyze dependencies in long data sequences, as well as to develop methods for processing streaming data in a timely and efficient manner. Another contribution of this work is the examination of the adaptability of pre-trained Foundation Models to IoT scenarios. Pretrained models from different application areas have had their weights updated with problemspecific datasets, and the calculation of target variables has been done using this method, resulting in a reduction in training time.
Benzer Tezler
- Fog computing-based real-time emotion recognition using physiological signals
Fizyolojik sinyaller ile sis hesaplama tabanlı gerçek zamanlı duygu tanıma
ÖMÜR FATMANUR ERZURUMLUOĞLU
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- İş kazaları ve meslek hastalıklarının önlenmesinde yapay zekâ kullanımı
Use of artificial intelligence in preventing work accidents and occupational diseases
ADNAN KARABULUT
Doktora
Türkçe
2025
Mühendislik BilimleriAnkara Yıldırım Beyazıt Üniversitesiİş Güvenliği Ana Bilim Dalı
PROF. DR. MEHMET BARAN
- Nesnelerin interneti ile yetiştiricilik tanklarının dijitalleştirilerek girdiler ve elde edilen veriler arasındaki ilişkilerin derin öğrenme yöntemleriyle araştırılması
Investigation of relationships between inputs and obtained data by using deep learning methods by digitizing aquaculture tanks with the internet of things
GAMZE ALBAYRAK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BİLAL USANMAZ
- Employing digital twin to LoRa based forest fire management systems
LoRa'ya dayalı orman yangını yönetim sistemlerine dijital ikiz uygulanması
BUĞRA AYDIN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ
- Implementation of data-driven decisions in urban governance and planning
Kent yönetişim ve planlamasında veri odaklı kararların uygulanması
JAFAR NAJAFLI
Yüksek Lisans
İngilizce
2020
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ÖZHAN ERTEKİN