FBE- Mühendislik Bilimleri Lisansüstü Programı

Bu topluluk için Kalıcı Uri

http://hdl.handle.net/11527/9893

Gözat

Yayın Türü "Tez" ile FBE- Mühendislik Bilimleri Lisansüstü Programı'a göz atma
  • Öge
    Bir bulanık uzman sistem kabuk prototipi
    (Fen Bilimleri Enstitüsü, 1995) Sarıbıyık, Hakan ; Ünal, Gazanfer ; 46436 ; Mühendislik Bilimleri
    Bu tezin ana amacı, bulanık üretim kuralları kullanarak çıkarım yapabilen bulanık bir uzman sistem kabuğu yapmaktır. Bu yüzden, tez iki ayrı kısım olarak düşünülebilir. Bunlardan birincisi bulanık kümeler ve bulanık mantık, ikincisi ise bulanık kümelerin bilgisayarda temsili ve kullanımı¬ dır. Birinci kısım sadece, bu konuda yeterli Türkçe doküman olmamasından dolayı verilmiştir. Birinci bölümde, bilgi ve taşıdığı belirsizlik üzerinde durulmuş ve bilhassa belirsizliğin tiplerinin ayırdedilmesinin önemi vurgulanmıştır, ikinci ve üçüncü bölümlerde, bulanık küme kavramı üzerinde durulmuş ve bu konu üzerinde tez çalışmasının gerektirdiği bilgiler verilmiştir. Dördüncü bölümde, bulanık kümelerden farklı bir belirsizlik kavramı, bulanık ölçü hakkında kısa bir bilgilendirme yapılmıştır. Beşinci bölümde, bulanık çıkarım üzerinde durularak bu konuda en popüler yöntemlerden biri olan Zadeh' in kompozisyon kuralı ayrıntılı olarak ve ilerisi için ümit vadeden bulanık Petri ağlarından bilgilendirme amacıyla bahsedilmiştir. Altıncı bölümde, bulanık kümelerin bilgisayarda temsili ve işlenmesi problemi üzerinde durulmuştur. Bu probleme bir çözüm olarak, yapay zeka dillerinden LISP' deki liste yapısı kullanılarak, C Programlama dili vasıtasıyla bulanık kümelerin bilgisayarda iyi bir şekilde temsil edilebileceği gösterilmiştir. Yedinci bölümde, kısaca uzman sistemlerden bahsedilmiş ve kural tabanlı uzman sistemlerde enbüyük problemlerden biri olan, kuralın öncülünün elde mevcut bulunan gerçeklerle tam olarak uyuşamaması durumu incelenmiştir. Bulanık kümelerle bu problemin nasıl çözülebileceği üzerinde durulmuştur. Bundan sonra örnek bir bulanık uzman sistem oluşturulması için altıncı bölümde bahsedilen listelerin nasıl kullanılacağı ayrıntılı olarak anlatılmış ve uygulama olarak Ek A' da verilen programın nasıl yazıldığı ve işlemesi hakkında bilgi verilmiştir. Son bölümde, SÜRÜCÜ ve YATIRIM adlı iki küçük bulanık kural tabanı vasıtasıyla, yazılan programın çalışması anlatılmıştır.
  • Öge
    Dempster Shafer Teorisi Kullanılarak Tedarikçi Seçimi Uzman Sistemi Uygulaması
    (Fen Bilimleri Enstitüsü, ) Çerçioğlu, Hakan ; Ercengiz, Ali ; Sistem Analizi ; System Analysis
    Bu çalışmada, Çok Kriterli Karar Verme araçlarından Analitik Hiyerarşi Proses (AHP) yöntemi ile Dempster-Shafer (DS) teorisinin olasılık birleştirme kuralı kullanılarak Tedarikçi Seçimi problemi üzerinde uygulaması yapılmıştır. DS/AHP yöntemi geleneksel AHP yönteminde oluşan yüksek kriter sayısı ve alternatif sayılarını ve bunlardan doğan işlem sayılarını azaltmıştır. Tabii ki bu yöntemin elde uygulanarak çözümü uzun ve zahmet verici olabilir. Bundan dolayı karar vericiye yardımcı olmak amacıyla karar problemine öneriler üreten bir uzman sistem programı oluşturulmuştur.Bu uzman sistem değerlendirme tabanlı problemlere cevap vermektedir. Bu uzman sistemin uygulama alanı olarak da Tedarikçi Seçimi probleminin seçilmesi bu problem alanında alternatif ve kriter sayılarının yüksek seviyelere ulaşmasındandır. Literatürde kullanılan yöntemler arasında hız , sağladığı alternatifler ve de eldeki belirsizliği azaltması açısından önemli bir yerdedir.
  • Öge
    Genel amaçlı bir bulanık uzman sistem
    (Fen Bilimleri Enstitüsü, 1999) Yonar, Yusuf Barbaros ; Ünal, Gazanfer ; 100627 ; Mühendislik Bilimleri
    Uzman sistemler; bilgi tabanı, çıkarım mekanizması ve kullanıcı arayüzünden oluşan, günlük yaşamda kendi alanlarında uzmanlaşmış kişilerce yürütülen işlemleri gerçekleştiren bilgisayar programlan olarak tanımlanabilir. Genellikle doğal konuşma diliyle ifade edilen bilgi belirsizlik içerir. Belirsizlik; karmaşıklık, ihmal, ölçümlerde yapılan hata veya duyarsızlık gibi pekçok nedenden kaynaklanabilir ve uzman kişilerin, karar verme sürecinde bu belirsizlik içeren bilgiyle çıkarım yapması gerekir. Dolayısıyla, uzman sistemlerin de belirsizlik içeren bilgiyi kullanabilmesi bir zorunluluktur. Bu yüksek lisans tez çalışmasının amacı; belirsizlik içeren bilgiyi kullanarak çıkarım yapabilen genel amaçlı bir bulanık uzman sistem geliştirmektir. Uzman sistemi geliştirme sürecinde Shyi Ming Chen tarafından ortaya atılan Ağırlıklı Bulanık Çıkarım Algoritması kullanılmıştır. Bu algoritmada, kuralların koşul kısmında yeralan önermelerin doğruluk değerleri ve ağırlıkları (çıkarım sürecinde sahip oldukları önem), kuralların belirginlik çarpanları (uzman kişinin kuraldan emin olma derecesi) belirsizlik içerebilir ve bu belirsizlik, dilsel terimler ve bu dilsel terimlere karşılık gelen yamuk bulanık sayılar (yamuk şeklindeki normal, konveks bulanık kümeler) aracılığıyla temsil edilir. Belirsizliğin temsil edilmesinde kullanılan dilsel terimler ve bu terimlere karşılık gelen yamuk bulanık sayılar aşağıda listelenmiştir: unknown absolutely-false very-low low medium-low medium medium-high high very-high absolutely-high (0,0,0,0) (0,0,0,0) (0,0,0.02,0.07) (0.04,0.1,0.18,0.23) (0.17,0.22,0.36,0.42) (0.32,0.41,0.58,0.65) (0.58,0.63,0.80,0.86) (0.72,0.78,0.92,0.97) (0.975,0.98,1,1) (1,1,1,1) Kural tabanında yeralan bir kuralın genel yapısı (1.1) denkleminde görülmektedir: R;: IF Cj THEN Ck (CF=fkj) (1.1) vııı (1.1) denkleminde, Cj doğruluk değeri bilinen önermeyi, Ck doğruluk değeri hesaplanacak önermeyi ve fkj kuralın belirginlik çarpanını göstermektedir. Eğer tj ile Cj önermesinin doğruluk değerini gösterirsek Ck önermesinin doğrulık değeri tk (1.2) denklemiyle hesaplanır: tk= tj X fkj (1.2) Kurallann koşul kısmında AND ve/veya OR bağlaçlarıyla birleştirilmiş önermeler yeralabilir. Bu bileşik önermelerin doğruluk değerleri (1.3), (1.4) denklemleriyle hesaplanır. a) IF Cji AND Cj2 AND... AND Cjn THEN Ck (CF= fkj) : Cji, Cj2,..., Cjn önermelerinin doğruluk değerleri ve ağırlıkları sırasıyla t,ı, tj2,..., tjn ve Wji, Wj2,..., Wjn olsun. Cj=Cji AND Cj2 AND... AND Cj" şeklinde tanımlanan Cj bileşik önermesinin doğruluk değeri tj: tj = (tjiX Wji+ tj2X Wj2+... + tjnX Wjn) / (Wji+ Wj2+...+ Wjn) (1.3) b) IF Cji OR Cj2 OR...OR Cjn THEN Ck (CF=fkj) : Cji, Cj2,...5 Cjn önermelerinin doğruluk değerleri ve ağırlıkları sırasıyla tji, tj2,..., tjn ve Wj ı, Wj2,..., Wjn olsun. Cj=Cj ı OR Cj2 OR... OR Cjn şeklinde tanımlanan Q bileşik önermesinin doğruluk değeri tj: tj =[(tjiX Wji)/(Wji+ Wj2+...+ Wj")]v [(tj2X Wj2)/(Wji+ Wj2+...+ Wjn)]v [(tjnX Wjn)/(Wji+ Wj2+...+ Wj")] (1.4) Öte yandan kural tabanında pekçok kural yeraldığından (1.2) ile tanımlanan işlemin herbir kural için tekrarlanması gereklidir. Bu işlem için kural matrisi (F) ve doğruluk değer matrisi (T) olarak adlandırılan iki matrise gereksinim vardır. T; önermelerin doğruluk değer matrisidir. Bilgi tabanında m adet basit önermenin ve k adet bileşik önermenin olduğunu varsayarsak j =0, 1,..., m+k için T(j), (1.5a) denklemiyle tanımlanır. T'in matris gösterimi (1.5b) de verilmiştir. TG)=tj (1.5a) ti t2 T = (1.5b) ıx Çıkanın sürecinin başlangıcında Cj önermesinin doğruluk değeri bilinmiyor ise T(j)="unknown"=(0,0,0,0) değerini alır. Cj önermesi bir bileşik önerme ise T(j) (1.3) veya (1.4) denklemi ile hesaplanır. F, kuralların belirginlik çarpan matrisidir. Tüm kuralların koşul veya sonuç kısımlarında toplam m+k adet önermenin olduğunu varsayalım. Herhangi iki Cj ve Ck önermeleri arasında bir ilişki yoksa, F(kj)- 'unknown", Cj ve Cj önermeleri arasında birebir aynı olmak durumu sözkonusu olduğundan, refleksifliği sağlamak için k=0, 1,..., m, F(k,k) = "absolutely-high" olarak atanır. F matrisinin boyutu m+k x m+k olur ve F'in elemanları (F(kj)) k,j =0, 1,..., m+k için (1.1) kullanılarak (1.6a) denklemiyle tanımlanır. F'in matris gösterimi (1.6b) de verilmiştir. F(k,j)=fkj (1.6a) F = fil fil fl2 Û2 ftm+k)l f(m+k)2 fl(m+k) fi(m+k) f(m+kXm+k) (1.6b) Ara doğruluk değer matrisi T*; önermelerin çıkarım sürecinde hesaplanan ara doğruluk değerlerini barındırır ve (1.7) denklemiyle tanımlanan T*= F <8> T işlemiyle oluşturulur. T*=F®T = (£lXtl)v(fi2Xt2) V.:.v(fi(m+k)Xİİn + k) (£lXtl)v(£2XÜ) V...v(£(m+k)Xtn+k) (f(m+ k)lXtl) v(fcn+ k)2XÜ) V...v(fm+ k)(m+ k)Xtm + k) (1.7) Eğer T* = T eşitliği sağlanırsa çıkarım işlemi tamalanmış demektir ve T matrisi önermelerin sonuç doğruluk değerlerini içerir. T* = T eşitliği sağlanmadığı sürece, T = T* atamasının ardından (1.7) ile tanımlanan işlem T* = T eşitliği sağlanıncaya kadar çevrimler halinde yinelenir. Birinci bölümde, yüksek lisans tez çalışmamızın ana başlıklarından olan bilgi ve belirsizlik, ikinci bölümde, bilginin, çıkarım sürecinde kullanılabilmesi için temsil edilmesinde yararlanılan gerçek, kural, hiyerarşi, çerçeve yapılan ve kalıtım, belirginlik çarpanı kavranılan incelenmiştir. Üçüncü bölümün konusu uzman sistemlerin yapısı ve çalışma ilkeleridir. Dördüncü bölümde, çıkarım süreci için şekillendirilen bilginin uzman sistem tarafından kullanılmasında kullanılan yöntemler (ileri yönlü çıkarım, geri yönlü çıkanm) ele alınmıştır. Bilgideki belirsizliğin temsil edilmesinde kullanılan belirgin küme, bulanık küme, üyelik fonksiyonu kavranılan beşinci, bilgi parçalan arasında ilişkiler kurmakta kullanılan belirign bağıntılar ve bulanık bağıntılar altıncı bölümde tanıtılmıştır. Yedinci bölüm, ana konusu, belirsizlik içeren bilgi ile çıkarım yapmak olan bulanık mantık kavramım tanıtmaktadır. Ağırlıklı Bulanık Çıkarım Algoritması'nın tanıtımı ve bu algoritmada anlatılanların, uzman sistemin geliştirme sürecinde nasıl yorumlanarak hayata geçirildiği sekizinci bölümde detaylı olarak açıklanmıştır. Yüksek lisans tez çalışmasının sonundaki eklerde, uzman sistemin, bazı hastalıklarının teşhisini nasıl yaptığının örnekleri yeralmaktadır. Bu örneklerde kullanılan kural tabam, istanbul Üniversitesi Diş Hekimliği Fakültesi 5. sınıf öğrencisi Sn.Onur Çağlar'ın yardımlanyla hazırlanmıştır.
  • Öge
    Semantik veri modellerinde bellekte kalıcı girişler için indeks seçimi
    (Fen Bilimleri Enstitüsü, 1993) Sürücü, Eda ; Uysal, Mithat ; 39269 ; Mühendislik Bilimleri
    Veritabanının fiziksel olarak düzenlenmesindeki en büyük problemlerden biri mümkün olan en iyi indeks kümesini seçebilmektir. Bu araştırmada bütün bilgi girişlerinin bellekte kalıcı olduğu durumda problem ele alınmıştır. Ele alınan veri modeli ilişkisel modele genişleyebilen bir semantik veri modelidir. Bu modelde giriş semasıyla birlikte bir kısmi eşsorgulamalar kümesi ele alınmaktadır. Problem iki bölüm halinde incelenmektedir. İlk bölümde verilen kısmi eşsorgulamalara cevap verebilecek bir başlangıç indeksler kümesi araştırılmaktadır. İkinci bölümde ise indeks kümesi rafine edilerek sorgulamalara cevap verebilecek en iyi indeks kümesi saptanır. Uygulanan algoritma optimal olup, bitin sorgulamalara cevap verebilecek en küçük indeks kümesinin bulunması garanti edilmektedir. Ayrıca elde edilen indeks kümesi ile tüm sorgulamalar verimli bir şekilde çalışabilmektedir.