Hareketli nesnelere ait gezinge verilerinin yeni bir yöntem ve ileri beslemeli yapay sinir ağları ile indirgenmesi
Reduction of trajectory data of moving objects with a novel method and feed forward artificial neural networks
- Tez No: 823530
- Danışmanlar: PROF. DR. MEHMET YILDIRIM
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Küresel Navigasyon Uydu Sistemlerinden elde edilen konum verilerinin kullanımı günlük yaşamın vazgeçilmez bir parçası halini almıştır. Tarımdan sosyal medyaya, araç filolarından güvenlik uygulamalarına, yabani hayvanlardan fırtınaların hareketlerine kadar her alanda toplanan verilerin depolanması ve işlenmesi her geçen gün artan veri boyutu da dikkate alındığında önemli bir sorun olarak ortaya çıkmaktadır. Depolama ve işleme maliyetlerinin azaltılması amacıyla, bu veriler üzerinde önem seviyesi düşük olan verilerin veri kümesinden atılmasıyla, orijinal gezingeden en az kayıp ile konum verisi elde edildiği anda indirgeme yapılabilmektedir. Birçok araştırmacı hareketli nesnelerin konum verilerinin indirgenmesi alanında matematiksel formüller kullanarak indirgeme yapabilen farklı teknikler önermişlerdir. Bu tez çalışmasında, yoğun gürültülü koşullar altında, algoritmanın doğruluğu aşırı değişken gezinge şekillerine dayanıklı, seçilen noktaların önem seviyesini hesaplayan, bir düğümün yeri doldurulamazlığını ve komşu düğümler arasındaki uzamsal ilişkileri doğru tespit eden, çevrim içi ve çevrim dışı çalışabilen, daha düşük hesaplama karmaşıklığında çalışan yeni bir konum verisi indirgeme yöntemi geliştirilmiştir. Ayrıca, geliştirilen bu yöntem kullanılarak, yapay sinir ağı eğitiminde kullanılmak üzere bir veri kümesi oluşturulmuş, çevrim içi ve çevrim dışı indirgeme yapabilen bir yapay sinir ağı modeli eğitimi gerçekleştirilmiştir. Önerilmiş olan yöntem ve eğitilmiş olan yapay sinir ağı modeli çalışma kapsamında geliştirilmiş olan mobil uygulama üzerinde koşularak konum verisi indirgemesi yapılmış ve indirgenen konumlar bulut tabanlı veri üzerinde saklanmıştır. Yapılan testler sonucunda, geliştirilen konum verisi indirgeme yönteminin literatürdeki tekniklere kıyasla daha hızlı, daha yüksek hassasiyetle, yüksek indirgeme oranıyla ve konum verisinin elde edildiği anda indirgeme yapabildiği görülmüştür. Buna ilave olarak, eğitimi gerçekleştirilmiş olan yapay sinir ağı modelinin de hem geliştirilen konum indirgemesi yönteminden hem de literatürdeki tekniklere kıyasla daha hızlı, daha yüksek hassasiyetle ve konum verisinin elde edildiği anda indirgeme yapabildiği görülmüştür.
Özet (Çeviri)
Using location data obtained from Global Navigation Satellite Systems has become indispensable to daily life. The storage and processing of data collected in every field, from agriculture to social media, from vehicle fleets to security applications, and from wild animals to storm movements, emerges as an important problem considering the ever-increasing data size. In order to reduce the storage and processing costs, the data with low importance on these data can be removed from the data set, and the reduction can be made as soon as the location data is obtained with the least loss from the original trajectory. Many researchers have proposed different techniques in the field of the reduction of position data of moving objects using mathematical formulas. In this study, a new location algorithm, which can withstand extremely variable trajectory shapes, calculates the importance level of selected points, accurately detects the irreplaceability of a node and spatial relationships between neighboring nodes, can work online and offline, operates at lower computational complexity, under intense noisy conditions. A data reduction method has been developed. In addition, using this developed method, a data set was created to be used in artificial neural network training. An artificial neural network model training that can perform online and offline reduction was carried out. The proposed method and the trained artificial neural network model were run on the mobile application developed within the scope of the study, location data reduction was made, and the reduced locations were stored on cloud-based data. The results of the tests demonstrated that the developed position data reduction method could perform faster, with higher precision, high reduction rate and reduction as soon as the position data is obtained compared to the techniques in the literature. In addition, it has been observed that the artificial neural network model, which has been trained, can perform reductions faster, with higher precision, and when the position data is obtained, compared to both the developed position reduction method and the techniques in the literature.
Benzer Tezler
- Unsupervised, continual and active object learning by mobile robots
Gezgin robotlarda eğiticisiz, sürekli ve aktif nesne öğrenimi
HALUK ZİYA ZORLUOĞLU
Yüksek Lisans
İngilizce
2026
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. HURİYE IŞIL BOZMA AYDIN
- A social navigation approach for mobile assistant robots
Asistan mobil robotlar için sosyal bir navigasyon yaklaşımı
HASAN KIVRAK
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE KÖSE
- Gezinge (trajectory) verilerinin benzerlik analizleri ve kullanım alanları açısından değerlendirilmesi
Evaluation of trajectory data in terms of similarity analysis and usage areas
ADEM ULU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET SAYAR
- İki tekerlekli hareketli platform üzerindeki bir robot kolun modellenmesi ve kontrolü
Modelling and control of a two-wheeled robot manipulator
MERT ÖNKOL
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiTobb Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. COŞKU KASNAKOĞLU
- NAVIGATING ROBOTS IN A COMPLEX ENVIRONMENT WITH MOVING OBJECTS USING ARTIFICIAL INTELLIGENCE
YAPAY ZEKA KULLANARAK HAREKETLİ NESNELERLE KARMAŞIK BİR ORTAMDA ROBOTLARDA GEZİNME
OMAR MAHMOOD YASEEN YASEEN
Yüksek Lisans
İngilizce
2020
Bilgi ve Belge YönetimiAltınbaş ÜniversitesiIsı Tekniği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN