Elektrik Elektronik Mühendisliği Bölümü Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12416/2057

Browse

Browsing Elektrik Elektronik Mühendisliği Bölümü Tezleri by Subject "Doğrusal Olmayan"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Item
    Citation Count: Eren, Doruk (2023). Machine learning applications in control systems / Kontrol sistemlerinde makine öğrenim uygulamaları. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.
    Machine learning applications in control systems
    (2023) Eren, Doruk; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik Elektronik Mühendisliği Bölümü
    Bu tezde Kalman filtresi ile durum tahmini yapaktansa, bu görevi Uzun Kısa Dönemli Bellek (LSTM) ağına vermeyi bir potansiyel alternatif olarak kunlanmanın etkileri araştırılmıştır. Durum tahmini, bir sistemin gereç halini gürültüle veya tam olmayan gözlemlemelerden çıkartmaktır. Kalman filterler bu amaçta yaygın olarak kunlanılan bir tekniktirler, fakat bazı kısıtlamarı vardır, örneğin çıkartma yaptıkları sistemin doğrusal olduğunu varsaymaları gibi. Yinelemeli Sinir Ağlarının (RNN)lerin bir türü olan LSTM'ler, dil çevirisi ve görütü alt yazısı olusturmak givi karmaşık ve dorusal olamayan sistemlerin modellenmesinded etkinlik gösterebilirler. Bu yüzden LSTM'lerin dinamik sistemlerin durumlarını doru şekilde tahmin etme yeteneğine sayip olabilecekleride önerildi. Bu hipotezi deneyebilmek için farklı örenme parametrelerine sahip LSTM'lerin performansları ile bir Kalman Filtersini performansı doğrusal olmayan bir sistemde karşılaştırıldı. LSTM modellerinin eğitimi, önemli miktarda işlem gücü ve zaman gerektiriyordu, bu da tüketici sınıfı ev işlem cihazlarında zorluk yarattı. Eğitim sürecini optimize etmek için çabalar sarf edildi, ancak sonuçlar tamamen tatmin edici değildi. Bu araştırmanın kapsamı tüketici sınıfı ev işlem cihazlarıyla sınırlı olduğundan, bu sonuçların LSTM'ler için çıkan bulguların kesin olarak kabul edilmemesi gerekir. Durum tahmini görevinde LSTM'lerin kabiliyetlerini tam olarak değerlendirmek için daha güçlü bilgi işleme cihazları gerekli olarbilir.