Dağıtık sezim sistemlerinde beklenti kuramına dayalı başarım metrikleri için karar kuralları
Decision rules for prospect theory based performance metrics in distributed detection systems
- Tez No: 986711
- Danışmanlar: PROF. DR. BERKAN DÜLEK
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, insanların davranışsal yanlılıklarının sezim sistemleri üzerindeki etkileri incelenmiştir. Bu doğrultuda, beklenti kuramına dayalı başarım metriklerine sahip dağıtık sezim sistemleri için farklı senaryolar altında karar kuralları elde edilmiştir. Beklenti kuramına dayalı metriklerin hesaplanmasında, olasılık ve faydaların gerçek değerleri yerine, beklenti kuramının olasılık ağırlıklandırma ve fayda değerleme fonksiyonları aracılığıyla elde edilen algılanan değerler kullanılmıştır. İlk olarak, Bayes riskini temel alan davranışsal fayda fonksiyonunu enbüyüten eden optimal yerel karar kuralları ve tümleştirme kuralının yapısı belirlenmiştir. Bu amaçla davranışsal faydanın karar kuralları üzerinden doğrudan optimizasyonu yerine, bu kuralların sonucunda gerçekleşen ikili olasılık vektörleri üzerinden bir optimizasyon yapılmıştır. Optimal karar kuralının, buna karşılık gelen optimal ikili olasılık vektörünün değer kümesi içindeki konumuna bağlı olarak en fazla iki olabilirlik oranı nicemleyicisinin rastgeleleştirilmesi biçiminde ifade edilebildiği gösterilmiştir. İkinci olarak, Neyman-Pearson (NP) başarım metriğinin Beklenti Kuramı'na dayalı davranışsal versiyonu önerilmiştir. Bu problemde, bir karar biriminin belirli bir süre boyunca incelenen olayın durumu ile ilgili anlık kararlar verdiği bir senaryo ele alınmıştır. Davranışsal NP başarım metriği, bu süreçte ortaya çıkan ortalama algılanan yanlış alarm olasılığının belirli bir eşik değerin altında tutulması koşuluyla ortalama algılanan sezim olasılığının enbüyütülmesini hedefler. Eğer algılanan sezim olasılığı algılanan yanlış alarm olasılığının her yerde içbükey bir fonksiyonu ise algılanan yanlış alarm olasılığı eşik değerine karşılık gelen NP karar kuralı optimal olmaktadır. Öte yandan, algılanan sezim olasılığı algılanan yanlış alarm olasılığının belirli aralıklarda dışbükey bir fonksiyonuysa, bu bölgelerde optimal karar kuralı en fazla iki farklı NP karar kuralının zaman paylaşımlı biçimde uygulanmasıyla elde edilmektedir. Üçüncü olarak, hem yerel karar birimlerinin hem de tümleştirme merkezinin davranışsal yanlılıklar sergilediği dağıtık bir sezim sistemi yapısı ele alınmıştır. Bu bağlamda iki alt problem tanımlanmıştır. İlk problemde, yerel karar birimlerinin yalnızca kendi davranışsal faydalarını enbüyütmeye çalıştıkları varsayılmıştır. Burada tümleştirme merkezinin davranışsal faydasının enbüyütülebilmesi için önce yerel karar birimlerinin ikili olasılık vektörleri izdüşürümlü gradyan inişi (İGİ) yöntemiyle kestirilmiş ardından bu değerler kullanılarak tümleştirme merkezinin davranışsal faydasını enbüyüten ikili olasılık vektörünü elde eden nümerik bir yöntem önerilmiştir. İkinci problemde ise, tümleştirme merkezinin yerel karar kurallarını kendi davranışsal faydasını enbüyütecek şekilde tasarladığı, ancak aynı zamanda yerel karar birimlerinin davranışsal faydalarının da belirli eşik değerlerin üzerinde tutulması gerektiği bir durum ele alınmıştır. Bu problem için iç nokta (interior point) algoritması temelli nümerik bir yöntem önerilmiştir. Son olarak, davranışsal karar birimlerinden oluşan bir sosyal öğrenme sisteminde karar kurallarının tanımlanması ile ilgilenilmiştir. Sosyal öğrenme sisteminde her karar birimi, kendi ölçümünü ve kendisinden önceki karar birimlerinin kararlarını birleştirerek kendi kararını verir. Ayrıca, her birimin kendi davranışsal faydasını enbüyütmeyi etmeyi hedeflediği varsayılmıştır. Bu problemde de optimal karar kuralları, ikili olasılık vektörlerinin değer kümesi üzerindeki konumuna bağlı olarak parametrik biçimde tanımlanmıştır. Her karar birimine ait optimal karar kuralının en fazla iki olabilirlik oranı nicemleyicisinin rastgeleleştirilmesiyle ifade edildiği gösterilmiştir. Buna ek olarak, ilgilenilen karar biriminin gözlemini ve önceki karar birimlerinin kararlarını değerlendiren bir olabilirlik oranı nicemleyicisinin, afin sınıflandırıcı parametreleri önceki karar birimlerinin kararlarının koşullu dağılımına göre değişen ve sadece ilgilenilen karar biriminin gözlemini değerlendiren olabilirlik oranı nicemleyicileri biçiminde ifade edilebileceği de gösterilmiştir. Ayrıca, her bir karar birimi için optimal ikili olasılık vektörünün elde edilmesi amacıyla İGİ tabanlı bir yöntem geliştirilmiştir. Bu yöntemde, her karar birimi birinci karar biriminden başlayarak kendinden önceki bütün karar birimlerinin kararlarının koşullu dağılımlarını İGİ ile kestirir ve bu kestirimleri kullanarak kendi optimal ikili olasılık vektörünü İGİ ile belirler. Bu tez kapsamında elde edilen sonuçlar, sezim kuramında yaygın olarak kullanılan nesnel Bayes riski ve NP başarım metriklerine göre tasarlanan optimal karar kurallarının, Beklenti Kuramı'na dayalı başarım metrikleri kullanıldığında her zaman optimal olmadığını ortaya koymaktadır. Tezde önerilen analitik yöntemlerle optimal karar kuralları yapısının parametrik olarak karakterize edilmiştir. Önerilen nümerik yöntemlerle de bu parametrelerin değerleri belirlenebilmiştir. Bu çalışma, davranışsal yanlılıklar gösteren elemanlar içeren karar sistemlerinin daha gerçekçi biçimde modellenmesi ve analiz edilmesi açısından literatüre katkılar sunmaktadır.
Özet (Çeviri)
This thesis investigates the impact of human behavioral biases on decision-making systems. To this end, decision rules for distributed detection systems employing performance metrics based on prospect theory (PT) are derived. In computing PT-based metrics, perceived values obtained through probability weighting and utility valuation functions are used instead of the actual probabilities and utilities. First, the structure of optimal local decision rules and fusion rule that maximize a behavioral utility function—formulated in a similar manner to the Bayesian risk—is examined. An indirect approach is adopted, where optimization is performed not directly over the decision rules, but over the set of the pairwise probability vectors induced by these rules. It is shown that, depending on the location of the optimum pairwise probability vector within the set of all attainable vectors, the optimal decision rule can be expressed as a randomization between at most two (possibly randomized) likelihood ratio quantizers. Second, a behavioral version of the Neyman-Pearson (NP) performance criterion is proposed based on Prospect Theory. In this setting, a single decision agent (DA) repeatedly makes decisions over time. The behavioral NP criterion aims to maximize the average perceived detection probability while ensuring that the average perceived false alarm probability does not exceed a specified threshold. Due to the nonlinear nature of probability weighting functions, if the perceived detection probability is concave with respect to the perceived false alarm probability, the standard NP rule that meets the threshold with equality is optimal. However, when the function exhibits convex regions, the optimal policy involves a time-sharing scheme between two distinct NP rules. Third, a distributed detection system is studied where the local DAs and the fusion center (FC) exhibit behavioral biases. Two subproblems are considered in this framework. Firstly, it is assumed that local agents aim solely to maximize their individual behavioral utilities. In this case, the pairwise probability vectors of the local agents are first estimated using the projected gradient descent (PGD) method. These estimates are then used to derive the pairwise probability vector of the FC that maximizes the behavioral utility of the FC. In the second subproblem, it is assumed that the FC designs local decision rules to maximize its own behavioral utility while ensuring that the behavioral utilities of the local agents do not fall below given thresholds. For this case, a numerical method based on the interior point is proposed. Finally, the design and characterization of decision rules are considered in social learning networks composed of behaviorally biased agents. In such networks, each agent forms a decision based on its own observation and the decisions of preceding agents. Each agent aims to maximize its own behavioral utility. In this setting as well, the optimal decision rules are parametrically characterized based on the location of the induced pairwise probability vectors within the feasible set. It is shown that optimal rules can be expressed as a randomization over at most two (possibly randomized) likelihood ratio quantizers. Moreover, each likelihood ratio quantizer can be written as a collection of likelihood ratio quantizers that evaluate the DA's observation, whose threshold might change based on the decisions of previous DA's. Additionally, a PGD-based approach is developed for computing the optimal pairwise probability vector of DAs. In this method, each DA estimates the joint conditional probability distribution for the decisions of the previous DAs starting from the first agent, and then uses these estimates to determine its own optimal pairwise probability vector. The results of this thesis reveal that decision rules optimized under traditional, objective performance metrics such as Bayesian risk and NP criterion may not remain optimal when subjective PT-based metrics are used. The proposed analytical and numerical techniques have provided a novel characterization of optimal decision rules in decision-making systems involving behavioral biases. Moreover, several numerical methods for computing these rules are introduced. This thesis contributes to the literature by facilitating more realistic modeling and analysis of human-centric decision systems.
Benzer Tezler
- Low-complexity detection and cooperative communication for spatial modulation systems
Uzaysal modülasyon sistemleri için düşük karmaşıklı sezim ve işbirlikli haberleşme
GÖKHAN ALTIN
Doktora
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ERTUĞRUL ÇELEBİ
- Elektronik oylamalar için blok zincirine dayalı güvenli bir oylama modeli
A blockchain based secure e-voting system
RUHİ TAŞ
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER ÖZGÜR TANRIÖVER
- Sürekli fazlı frekans kaydırmalı anahtarlama modülasyonu kullanan işbirlikli çeşitleme sistemleri
Cooperative systems with continuous phase frequency shift keying modulation
ALİ SERDAR DEMİROĞLU
Doktora
Türkçe
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ALTUNBAŞ
PROF. DR. MEHMET ERTUĞRUL ÇELEBİ
- Design and performance analysis of enhanced network coded cooperative communication systems
Gelişmiş ağ kodlamalı işbirlikli haberleşme sistemlerinin tasarımı ve performans analizi
RIDA KHAN
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ALTUNBAŞ
- Adaptive signal processing based intelligent method for fault detection and classification in microgrids
Mikroşebekelerde arıza tespiti ve sınıflandırması için adaptif sinyal işleme tabanlı akıllı yöntem
RESUL AZİZİ
Doktora
İngilizce
2022
Enerjiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER