Device categorization from electrical signals with machine learning
Elektrik sinyallerinden makine öğrenmesi ile cihaz kategorizasyonu
- Tez No: 956063
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET TEOMAN NASKALİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Evrişimli sinir ağları, Yapay sinir ağları, Çok değişkenli zaman serileri, Çoklu sinyal sınıflandırma, Çoklu sınıflandırma, Convolutional neural networks, Artificial neural networks, Multivariate time series, Multiple signal classificaton, Multi classification
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Artan enerji yönetimi ve sürdürülebilirlik ihtiyacı, elektrik sinyallerinin analizi ve cihaz tanıma alanında yenilikçi çözümler geliştirilmesini zorunlu kılmaktadır. Bu çalışma, elektrik sinyallerine dayalı olarak cihazların benzersiz enerji tüketim desenlerini sınıflandırmaya yönelik yeni bir yaklaşım sunmaktadır. TinyML tabanlı bir sistem geliştirilmiş olup, gömülü platformlarda kaynak verimli ve ölçeklenebilir cihaz tanıma sağlanmıştır. Araştırma, cihaz tanıma sistemlerinin karşılaştığı gürültü, örtüşen enerji profilleri ve gerçek zamanlı işleme kısıtlamaları gibi kritik zorlukları ele almaktadır. Gelişmiş analiz tekniklerinden yararlanarak, önerilen sistem cihaz kategorilendirme doğruluğunu ve verimliliğini artırmaktadır. Ayrıca, enerji izleme sistemlerinde TinyML'nin daha geniş çapta benimsenmesine katkıda bulunarak, enerji verimliliği, arıza tespiti ve sürdürülebilirlik açısından önemli faydalar sağlamaktadır. Bu çalışma, akademik yenilik ile pratik uygulama arasındaki boşluğu doldurarak, akıllı ev teknolojileri, endüstriyel otomasyon ve akıllı enerji yönetim sistemlerinin geliştirilmesini desteklemektedir. Bulgular, enerji izleme çerçevelerine TinyML'nin entegrasyon potansiyelini göstermekte olup, daha sürdürülebilir ve kullanıcı dostu çözümler için bir yol haritası çizmektedir.
Özet (Çeviri)
The growing need for energy management and sustainability necessitates innovative solutions in the analysis of electrical signals and device recognition. This study presents a novel approach for categorizing devices based on their unique energy consumption patterns using electrical signals. A TinyML-based system has been developed to enable resource-efficient and scalable device recognition on embedded platforms. The research addresses critical challenges in device recognition systems, such as signal noise, overlapping energy profiles, and real-time processing constraints. By leveraging advanced analytical techniques, the proposed system improves the accuracy and efficiency of device categorization. Additionally, it contributes to the broader adoption of TinyML in energy monitoring systems, providing significant benefits in terms of energy efficiency, fault detection, and sustainability. This study bridges the gap between academic innovation and practical application, supporting the development of smart home technologies, industrial automation, and intelligent energy management systems. The findings demonstrate the potential of integrating TinyML into energy monitoring frameworks, paving the way for more sustainable and user-friendly solutions.
Benzer Tezler
- Dijital kontrollü LLC rezonans güç dönüştürücüsü tasarımı ve uygulaması
Digitally controlled LLC resonant converter design and implementation
BURAK GÖKÇEN
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR ÜSTÜN
- Helisel yayların statik karakteristiklerini ölçme ve kontrol etme cihazının tasarımı ve imalatı
Design and manufacture of a device measuringand controlling the static characteristics of helical springs
MUAMMER MUSULLUOĞLU
Yüksek Lisans
Türkçe
1987
Makine MühendisliğiGazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. FEVZİ ERCAN
- A Mid-point inverter for induction machine speed control
Başlık çevirisi yok
A.LEVENT DİNÇER
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiDOÇ. DR. H. BÜLENT ERTAN
- Kontrol kutupları ile karakterize edilen proseslerde mikrobilgisayar ile adaptif kontrol
Adaptive controller with microcomputer
FÜSUN TUNALI
Doktora
Türkçe
1983
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. M. MÜNİR ÜLGÜR