Makine öğrenmesi teknikleri ile örten çift yıldız algılama ve sınıflandırma
Eclipsing binary detection and classification with machine learning techniques
- Tez No: 999828
- Danışmanlar: DOÇ. DR. ÖZGÜR BAŞTÜRK
- Tez Türü: Doktora
- Konular: Astronomi ve Uzay Bilimleri, Astronomy and Space Sciences
- Anahtar Kelimeler: Yakın çift yıldızlar, Close binary stars
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Astronomi ve Uzay Bilimleri Ana Bilim Dalı
- Bilim Dalı: Astrofizik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında büyük astronomi arşivlerindeki örten çift yıldızların makine öğrenmesi teknikleriyle sınıflandırılması hedeflenmiştir. Gaia DR3 arşivindeki örten çift yıldızların yaklaşık 48 bin kadarı görsel inceleme ile ışık eğrisi biçimine (EA, EB, EW) göre etiketlendi. 40 bin kadarı eğitim/doğrulama için, 8 bin kadarı da test için ayrıldı. Işık eğrilerinin hem görsellerini hem de geometrik model parametrelerini aynı anda işleyen çok modlu (multimodal) makine öğrenmesi modeli oluşturuldu. Etiketli veri ile çok modlu model eğitildi. Eğitilmiş model ile Gaia DR3 arşivindeki yaklaşık 2 milyon örten çift yıldız ışık eğrisi biçimine (EA, EB, EW) göre otomatik olarak sınıflandırıldı. Kepler ve TESS arşivlerindeki örten çift yıldızlar morfoloji parametresine (Ayrık, Yarı-ayrık, Aşırı Değen, Elipsoidal) göre etiketlendi. Işık eğrilerinin görselleri ile görüntü sınıflandırma için özel olarak geliştirilmiş VGG-19 modeli eğitildi. Test verisinde %91 doğruluk elde edildi. Eğitilmiş model ile Kepler ve TESS arşivleri ile Gaia DR3 arşivinde ortak bulunan 2106 örten çift yıldız tahmin edildi, %64 doğruluk elde edildi. Kepler, TESS ve Gaia DR3 arşivinde ortak bulunan 2106 örten çift yıldızın ışık eğrileri 11 kosinüs terimli Fourier serisi ile modellendi. Örten çift yıldızlar morfoloji parametresine (Ayrık, Yarı-ayrık, Aşırı Değen, Elipsoidal) göre etiketlendi. Kepler ve TESS örten çift yıldızlarının Fourier katsayıları ile makine öğrenmesi modeli eğitildi. Test verisinde %65 doğruluk elde edildi. Eğitilmiş model ile Kepler ve TESS arşivleri ile Gaia DR3 arşivinde ortak bulunan 2106 örten çift yıldız tahmin edildi, %33 doğruluk elde edildi. Kepler arşivinde bulunan örten çift yıldızlar Fourier katsayılarına göre kümelendirildi. Yıldızlar 3 kümeye ayrıldı ve ışık eğrisi biçimine (EA, EB, EW) göre yapılan sınıflandırma ile ilişkisi araştırıldı.
Özet (Çeviri)
This thesis aims to classify eclipsing binary stars in large astronomical archives using machine learning techniques. Approximately 48,000 eclipsing binary stars in the Gaia DR3 archive were visually labeled according to their light curve shape (EA, EB, EW). About 40,000 were reserved for training/validation, and 8,000 for testing. A multimodal machine learning model was created that simultaneously processes both visualizations of the light curves and geometric model parameters. The multimodal model was trained with the labeled data. Using the trained model, approximately 2 million eclipsing binary stars in the Gaia DR3 archive were automatically classified according to their light curve shape (EA, EB, EW). Eclipsing binary stars in the Kepler and TESS archives were labeled according to their morphology parameter (Detached, Semi-Detached, Overcontact, Ellipsoidal). The VGG-19 model, specifically developed for image classification, was trained using visualizations of light curves. 91% accuracy was achieved with the test data. The trained model predicted 2106 eclipsing binary stars common to the Kepler, TESS and Gaia DR3 archives, achieving 64% accuracy. The light curves of 2106 eclipsing binary stars common to the Kepler, TESS and Gaia DR3 archives were modeled using an 11 terms cosine Fourier series. The eclipsing binary stars were labeled according to their morphology parameters (Detached, Semi-Detached, Overcontact, Ellipsoidal). The machine learning model was trained using the Fourier coefficients of the Kepler and TESS eclipsing binary stars. 65% accuracy rate was achieved with the test data. The trained model predicted 2106 eclipsing binary stars common to the Kepler, TESS and Gaia DR3 archives, achieving a 33% accuracy rate. Eclipsing binary stars in the Kepler archive were clustered according to their Fourier coefficients. The stars were divided into 3 clusters and their relationship to classification based on light curve shape (EA, EB, EW) was investigated.
Benzer Tezler
- Optimal coordination of protective relays in power system network using meta-heuristic methods
Meta-sezgisel yöntemler kullanılarak güç sistemi ağındaki koruyucu rölelerin optimal koordinasyonu
FARAJ KHLAF FRAIAH AL-BHADELY
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ASLAN İNAN
- Sıvılaşma potansiyelinin makine öğrenmesi yöntemleri ile tahmini
Prediction of liquefaction potential using machine learning methods
EYYÜP HAKAN ŞEHMUSOĞLU
Yüksek Lisans
Türkçe
2025
İnşaat MühendisliğiMersin Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. TALAS FİKRET KURNAZ
DOÇ. DR. CANER ERDEN
- Kum kalıba döküm süreçlerinde kalite iyileştirmesi: Makine öğrenmesi ve metasezgisel optimizasyon tabanlı hibrit yaklaşım
Quality improvement in sand casting processes: A hybrid approach incorporating machine learning and metasezgisel optimization
YUSUF ZİYA ÇİÇEK
Doktora
Türkçe
2025
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. FEYZA GÜRBÜZ
- Aktif öğrenme ile Türkçe tıklama tuzağı (clickbait) haber tespiti
Detection of Turkish clickbait news headlines through active learning approach
ALPER CELAL AKGÜN
Yüksek Lisans
Türkçe
2026
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLİN İNKAYA
- Simultaneous transmission based communication techniques
Eş zamanlı ̇iletime dayalı haberleşme sistemleri ̇
UFUK ALTUN
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT
DOÇ. DR. ENVER ÖZDEMİR