2 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 2 / 2
Öğe Enerji iletim Hatlarında oluşan arızaların aşırı öğrenme makinesi ile tespiti(IEEE, 2013-06-13) Ertuğrul, Ömer Faruk; Tağluk, Mehmet EminWith the increase of energy demand continuous energy transmission gained considerable attention. For a continuous energy transmission, the faulty power transmission line needs to be quickly isolated from the system. In this study, Extreme Learning Machine (ELM) possessing fast learning and high generalization capacity was used for this purpose and it was found as showing a good performance in detecting the faulty transmission line. In the study real fault signals recorded from transmission lines were used. A feature vector was formed from a cycle of the energy signal using relative entropy and classified via ELM. The obtained results were compared with the ones obtained through SVM, YSA, NB, J48 and PART learning techniques and the ones obtained in the previous studies. According the obtained results ELM both in terms of speed and performance was found superior.Öğe GSM sinyal bazlı konum belirleme(Batman Üniversitesi Fen Bilimleri Enstitüsü, 2020-07-08) Demir, Ercan; Öztekin, AbdulkerimGünümüz dünyasında mobil haberleşme sistemlerine duyulan ihtiyaç ve kullanıcı sayısındaki yüksek artış beraberinde yeni nesil mobil uygulamaların geliştirilmesini de vazgeçilmez kılmıştır. Konum bilgisinin elde edilmesi en çok ilgi çeken ve önemli ölçüde gelişim gösteren alanlardan birisi olmuştur. Konum belirlemeye yönelik kullanılan servislerin amacı genel olarak kullanıcıların yaklaşık konum, hız ve zaman gibi bilgilerinin elde edilmesidir. GPS sistemi, küresel konumlandırma sistemleri arasında en fazla tercih edilen ve yüksek bir doğrulukla çalışan bir konum belirleme sistemidir. Ancak bu sistemin yüksek bir kurulum maliyeti gerektirmesinin yanı sıra, galaktik ve meteorolojik etkenler, yüksek binalar ve diğer fiziksel engellerin bulunduğu yoğun yerleşim yerlerinde ve özellikle kapalı alanlarda ciddi sinyal zayıflamaları ve kayıpları nedeniyle servis dışı kalabilmesi en büyük kısıtlarından birisidir. Bu hususlar dikkate alındığında, küresel konumlandırma sistemlerine alternatif ve tamamlayıcı olacak konumlandırma sistemlerine acil gereksinim duyulduğu görülmektedir. Bu noktada, neredeyse herkesin yaygın bir şekilde kullanmakta olduğu ve kapsama alanı gün geçtikçe artan GSM ağının altyapısından faydalanılarak konum tahmini yapılması son derece önemli bir alternatif olarak karşımıza çıkmaktadır. Kapalı alanlarda ve kötü hava şartlarında, elde edilebilecek sinyal seviyeleri açısından kıyaslandığında hücresel ağların küresel konumlandırma sistemlerinden daha avantajlı olacağı düşünülmektedir. Gerçekleştirdiğimiz bu çalışma kapsamında, mobil telefon için Android Studio ortamında geliştirdiğimiz bir mobil uygulama vasıtasıyla kapalı ve açık alanlarda ölçümlenen GSM sinyal gücü, GSM baz istasyonu ve kullanıcı konum bilgileri kaydedilerek veri setleri oluşturulmuştur. Bu verinin bir kısmı ile Matlab simülasyon ortamında oluşturulacak ağın yapay sinir ağları (YSA) metotlarından aşırı makine öğrenmesi (ELM), genelleştirilmiş regresyon sinir ağı (GRNN) ve k-en yakın komşuluk algoritması (kNN) kullanılarak eğitilmesi ve verinin diğer kısmıyla da test yapılarak yaklaşık konum tahmini gerçekleştirilmesi amaçlanmıştır. Bina içi, bina dışı ve harmanlanmış veri setleri ile yapılan testlerde, önerilen GSM sinyal bazlı konum belirleme sisteminin asgaride bir metrenin altında ve ortalamada ise 76- 216 metre aralığında hata oranlarıyla gerçek konum bilgisi elde edilebileceği gözlemlenmiştir.
