Geri Dön

Tamami dielektrik rezonatör tabanli soğurucu yapilari kullanilarak makine öğrenmesi temelli elektriksel geçirgenlik tespiti

Machine learning-based electrical permittivity detection using all-dielectric resonator-based absorber structures

PDF İndir

  1. Tez No: 997282
  2. Yazar: DUDU OKKAN
  3. Danışmanlar: PROF. DR. EVREN EKMEKÇİ, DR. ÖĞR. ÜYESİ UFUK ÖZKAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tezde tamamı dielektrik rezonatör (DR) tabanlı soğurucu sensör yapısı kullanılarak makine öğrenmesi (MÖ) temelli karmaşık dielektrik özellik tespiti çalışmaları gerçekleştirilmiştir. Sensör yapısının soğurma tepkisi, etrafındaki algılama bölgesine yerleştirilen analit malzemenin dielektrik özelliklerine göre doğrusal olmayan bir biçimde değişmektedir. Bu karmaşık ilişki MÖ teknikleri kullanılarak modellenmiş ve dielektrik özellik tahmini çalışmaları gerçekleştirilmiştir. MÖ modelleri, DR tabanlı soğurucu sensör yapısının soğurma tepkisinin soğurma genliği tepe seviyesi (𝐴(𝑓0)) ve soğurma rezonans frekansı (𝑓0) değerlerine göre analit malzemenin dielektrik sabiti (εanalit) ve kayıp tanjant (tanδanalit) değerinin tahminini yapacak şekilde geliştirilmiştir. Bu tez çalışmasında S bant ve X bant frekans bölgelerinde çalışan iki farklı boyutta DR sensör yapısı kullanılarak veri setleri oluşturulmuş ve farklı frekans bölgelerinde malzemelerin dielektrik özellik tespiti için MÖ modelleri oluşturulmuştur. İlk olarak S bant frekans bölgesinde çalışan DR sensör yapısı ile benzetim, deneysel ve hem benzetim hem de deneyel verileri içeren hibrit veri seti olmak üzere üç veri seti hazırlanmıştır. Bu veri setleri ile dielektrik özellik tahmini gerçekleştirebilmek için rastgele orman, destek vektör regresyonu, aşırı gradyan arttırma, gauss süreç regresyonu ve yapay sinir ağları olmak üzere beş MÖ modeli kullanılmıştır. Modellerin hiperparametreleri rastgele arama yöntemi ile optimize edilerek belirlenmiştir. Ayrıca tüm modeller iç içe çapraz doğrulama yöntemi ile değerlendirilmiş ve karşılaştırılmıştır. Buna ek olarak tüm modellerin benzetim ve deneysel verilerden oluşan harici bir test setinin giriş değerlerine göre ürettikleri tahmini çıkış değerleri gerçek çıkış değerleri ile karşılaştırılarak harici bir doğrulama yapılmıştır. Böylece çalışmada sağlam, yüksek performansa sahip güvenilirliği garantileyen bir çerçeve oluşturulmuştur. Bu tez kapsamında ikinci olarak X bant frekans bölgesi için tasarlanan DR soğurucu yapısı ile X bant frekans bölgesinde malzemelerin dielektrik özelliklerinin YSA tabanlı tespiti gerçekleştirilmiştir. Sensörün algılama katmanına yüklenen dielektrik sabiti (εanalit) ve kayıp tanjant (tanδanalit) değerinin tahmini için iki YSA modeli oluşturulmuştur. Modellerinin geliştirilmesinde kullanılan veri seti benzetim ortamında hazırlanmıştır. Modeller için hiperparametreler rastgele arama yöntemi ile optimize edilerek belirlenmiş ve tüm modeller iç içe çapraz doğrulama yöntemi ile değerlendirilmiştir. Oluşturulan yapay sinir ağı modellerinin, harici testi için veri setinde bulunmayan dokuz farklı kimyasal sıvının deneysel ortamda X bant frekans bölgesinde dielektrik ölçümleri gerçekleştirilmiştir. Bu ölçümlerden elde edilen dielektrik özelliklere sahip malzemeler benzetim ortamında DR sensör yapısına numune olarak tanımlanmış ve soğurma tepkileri elde edilmiştir. Bu verilerle hazırlananan harici doğrulama setinin giriş değerleri için modellerin ürettiği tahmini çıkış değerleri gerçek değerler ile karşılaştırılmıştır.

Özet (Çeviri)

This thesis presents a study on detection of complex dielectric properties based on machine learning (ML), using an all-dielectric resonator-based absorber sensor structure. The complex relationship between the absorption response, which varies according to the dielectric properties of the analyte material placed in the sensing region around the sensor structure, was modeled by using ML techniques. ML models have been developed to predict the dielectric constant (εanalyte) and loss tangent (tanδanalyte) of the analyte material based on the absorption peak level (𝐴(𝑓0)) and absorption resonance frequency (𝑓0) of the absorption response of the DR-based absorber sensor structure. In this thesis, datasets were created by using two different sized DR sensor structures operating in the S-band and X-band frequency regions, and ML models were developed for determining the dielectric properties of materials in different frequency regions. Firstly, three datasets were prepared by using a DR sensor structure operating in the S band frequency region: a simulation dataset, an experimental dataset, and a hybrid dataset containing both simulation and experimental data. Firstly, three datasets were prepared by using a DR sensor structure operating in the S-band frequency region: a simulation dataset, an experimental dataset, and a hybrid dataset containing both simulation and experimental data. These datasets were analyzed by using five different modeling techniques to predict dielectric properties: random forest, support vector regression, over-gradient enhancement, Gaussian process regression, and artificial neural networks. The hyperparameters of the models were determined by optimizing them using a random search method, and all models were evaluated and compared using nested cross-validation. In addition, external validation was performed by comparing the estimated output values produced by all models based on the input values of an external test set consisting of simulation and experimental data with the actual output values. Thus, a framework guaranteeing high performance, robust and reliability was created in this study. Secondly, within the scope of this thesis, the dielectric properties of materials in the X -band frequency region were determined by using an artificial neural network-based DR absorber structure designed for this region. Two artificial neural network models were created to estimate the dielectric constant (εanalyte) and loss tangent (tanδanalyte) values loaded into the sensing layer of the sensor. The dataset to be used in the development of the models was prepared in a simulation setups. Hyperparameters for the models were determined by optimizing them using a random search method, and all models were evaluated using nested cross-validation. For external testing of the generated artificial neural network models, dielectric measurements were performed in the X-band frequency region for nine different chemical liquids that were not included in the dataset. Materials with dielectric properties obtained from these measurements were defined as samples for the DR sensor structure in a simulation environment, and absorption responses were obtained. The external validation set prepared with this data generated estimated output values for the input values of the models, and these were compared with the actual values.

Benzer Tezler

  1. Tez No

    894203

    Dielektrik rezonatörler ve elektromanyetik uygulamaları

    Dielectric resonators and applications in electromagnetics

    NEZİHE KARACAN

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiSüleyman Demirel Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. EVREN EKMEKÇİ

  2. Tez No

    825877

    Development of Microwave/Droplet-Microfluidics Integrated Heating and Sensing Platforms for Biomedical and Pharmaceutical Lab-on-a-Chip Applications

    Development of Microwave/Droplet-Microfluidics Integrated Heating and Sensing Platforms for Biomedical and Pharmaceutical Lab-on-a-Chip Applications

    GÜRKAN YEŞİLÖZ

    Doktora

    İngilizce

    İngilizce

    2017

    Makine MühendisliğiUnıversıty Of Waterloo

    Mühendislik Bilimleri Ana Bilim Dalı

    PROF. DR. CAROLYN L. REN

  3. Tez No

    600115

    Fabrication and characterization of (Al2O3-BST) double dielectric layer full ceramic capacitor

    Çift dielektrik katmanlı (Al2O3-BST) tamamı seramik kapasitörün üretimi ve karakterizasyonu

    ABDULLAH MUDHER ISMAAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Fizik ve Fizik MühendisliğiSüleyman Demirel Üniversitesi

    Fizik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT KALELİ

  4. Tez No

    259468

    Elektrik alanla yönlendirilmiş poli(vinil klorür)'ün dielektrik özellikleri

    Dielectric properties of poly(vinil chloride) oriented by electrical field

    DİLEK KUZALİÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Fizik ve Fizik MühendisliğiKocaeli Üniversitesi

    Fizik Ana Bilim Dalı

    PROF. DR. H. YÜKSEL GÜNEY

  5. Tez No

    546677

    Multiclass classification of hepatic anomalies based on in vivo microwave dielectric properties

    Hepatik anomalilerin in vivo mikrodalga dielektrik özelliklerine dayalı çok sınıflı sınıflandırılması

    ZEYNEP GÜLSÜM BİLGEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA YILMAZ ABDOLSAHEB

Geri Dön