Anomaly detection from big data of motion sensors using deep learning
Derin öğrenme kullanılarak hareket sensörlerinin büyük verilerinden anomali tespiti
- Tez No: 865090
- Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMET ÇAKMAK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Anomali Tespiti, İleri Beslemeli Sinir Ağları, Parçacık Sürü Optimizasyonu, Anomaly Detection, Feedforward Neural Networks, Particle Swarm Optimization
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, hareket sensörlerinden elde edilen büyük verilerdeki anormallik tespiti konusunu ele alınmaktadır. Hareket sensörlerinin çeşitli sektörlerde yaygın olarak kullanılması, özellikle insan hareketlerinin analizinden veri toplama süreçlerini önemli ölçüde dönüştürmüştür. Ancak bu geniş veri kümelerindeki anormallikleri doğru bir şekilde tespit etmek önemli bir sorun olarak devam etmektedir. Hareket sensörü verilerinde anormalliklerin doğru bir şekilde tespit edilmesi sağlık ve güvenlik alanları başta olmak üzere güvenlik tehlikelerinin önlenmesi, operasyonel verimliliğin artırılması ve karar verme süreçlerinin geliştirilmesine katkı sağlamaktadır. Bu çalışmada, insan hareketlerinden elde edilen büyük verilerdeki anormallik sorununun çözümü için İleri Beslemeli Sinir Ağı (FFNN) algoritması ve parçacık sürüsü optimizasyonu (PSO) kullanılarak derin öğrenme tabanlı bir model geliştirilmiştir. Bu tezde, akıllı ev ortamındaki insan faaliyetlerinin çoklu sensör verilerinden elde edilen bir veri seti kullanıldı. Önerilen (FFNN) algoritması ve parçacık sürüsü optimizasyonu (PSO) tabanlı hibrit model 0,016 ortalama mutlak hata (MAE) ve %97,95 doğruluk (accuracy) oranı elde etti. Elde edilen sonuçlar, hibrit FFNN ve PSO yaklaşımının, hareket sensörü girdisine dayanan çeşitli alanlarda anomali tespiti için kullanılabileceğini göstermektedir.
Özet (Çeviri)
In this thesis, the issue of anomaly detection in big data obtained from motion sensors is discussed. The widespread use of motion sensors in various industries has significantly transformed data collection processes, especially in the analysis of human movements. However, accurately detecting anomalies in these large data sets remains a significant challenge. Accurately detecting anomalies in motion sensor data contributes to preventing security hazards, increasing operational efficiency, and improving decision-making processes, especially in the areas of health and safety. In this study, a deep learning-based model was developed using the Feed Forward Neural Network (FFNN) algorithm and particle swarm optimisation (PSO) to solve the anomaly problem in big data obtained from human movements. In this thesis, a dataset obtained from multi-sensor data of human activities in the smart home environment was used. The proposed (FFNN) algorithm and particle swarm optimization (PSO) based hybrid model achieved a mean absolute error (MAE) of 0.016 and an accuracy rate of 97.95%. The results show that the hybrid FFNN and PSO approach can be used for anomaly detection in various fields based on motion sensor input.
Benzer Tezler
- Towards prediction of security attacks on software defined networks: A big data analytic approach
Başlık çevirisi yok
EMRE ÜNAL
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTexas Tech UnıversıtyDR. RATTİKORN HEWETT
- Finansal haber içerikleriyle zenginleştirilmiş zaman serisi verilerinde derin öğrenme tabanlı anomali tespiti
Deep learning based anomaly detection in time series data enriched with financial news content
HASAN DEMİR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KÜRŞAT MUSTAFA KARAOĞLAN
- A deep reinforcement learning approach to network intrusion detection
Ağ saldırı tespitinde derin pekiştirmeli öğrenim yaklaşımı
HALİM GÖRKEM GÜLMEZ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PELİN ANGIN
- Multilevel object tracking on big graph data using interval type-2 fuzzy systems in wireless multimedia sensor networks
Çoklu ortam duyarga ağlarında aralık tip-2 bulanık sistemler kullanarak büyük çizge verilerde çokkatmanlı nesne takibi
CİHAN KÜÇÜKKEÇECİ
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADNAN YAZICI
- Data-driven process mining for production line optimization using IIOT and big data technologies
IIOT ve büyük veri teknolojileri kullanılarak veri odaklı süreç madenciliği ile üretim hattı uygulaması
BEYZA YAPAKÇI
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)
PROF. DR. ALP ÜSTÜNDAĞ