FBE- Gemi ve Deniz Teknolojisi Mühendisliği Lisansüstü Programı
Bu topluluk için Kalıcı Uri
Gemi ve Deniz Teknolojisi Mühendisliği Ana Bilim Dalı altında bir lisansüstü programı olup, yüksek lisans ve doktora düzeyinde eğitim vermektedir.
Gözat
Konu "Artificial Neural Networks" ile FBE- Gemi ve Deniz Teknolojisi Mühendisliği Lisansüstü Programı'a göz atma
Sayfa başına sonuç
Sıralama Seçenekleri
-
ÖgeTanker-şamandıra Bağlama Sistemlerinin Yapay Sinir Ağları Tekniğiyle Optimizasyonu(Fen Bilimleri Enstitüsü, 2015-01-26) Yetkin, Murat ; Menteş, Ayhan ; 10062248 ; Gemi ve Deniz Teknolojisi Mühendisliği ; Shipbuilding and Ocean EngineeringÇok karmaşık problemlerin çözümü günümüzde gelişen teknoloji ve bilgisayarlar ile daha basit hale gelmiştir. Birçok yöntem ve algoritma kullanılarak hızlı ve efektif çözümler üretilebilmektedir. Bu yöntemlerden biri de yapay sinir ağları tekniğidir. Temelde biyolojik sinir hücresini esas alan yapay sinir ağları, yapay sinir hücreleri arasında bağlantılar kurarak öğrenilen durumlara uygun sonuçlar verebilmektedir. Yapay sinir ağları hakkında ilk çalışma 1943 yılında nörofizikçi McCulloch ve matematikçi Pitts tarafından yapılmıştır. Yıllar geçtikçe yeni yöntemler ve algoritmalar geliştirilmiş ve yapay sinir ağları bugünkü halini almıştır. Yapay sinir ağlarının birçok kullanım alanı bulunmaktadır. Bunların bazıları sınıflandırma, kümeleme, tahmin, desen tanıma, fonksiyon yaklaşımı ve optimizasyondur. Yapay sinir ağları doğrusal olmaması, öğrenebilmesi, genelleme yapabilmesi, uyarlanabilmesi, hata toleransının az olması ve hızı nedeniyle güçlü bir tekniktir. Özellikle hata toleransının az olması ve problemlere hızlı bir şekilde sonuç bulması yapay sinir ağlarını diğer algoritmalara göre bir adım öne çıkarmaktadır. Yapay sinir ağları yapısal olarak üç katmandan oluşmaktadır. Bu katmanlar; giriş katmanı, ara (gizli) katman ve çıkış katmanıdır. Veri akışı katmanlar arasında devamlı şekilde devam etmektedir. Yapay sinir ağları yapısında temel olarak beş işlem elemanı bulunmaktadır. Bunlar girdi verileri, ağırlıklar, birleştirme fonksiyonu, aktivasyon fonksiyonu ve çıktı verileridir. Girdi verileri giriş katmanına gelerek ağırlıklar ile birleşir ve birleştirme fonksiyonu yardımı ile aktivasyon fonksiyonuna gönderilir. Aktivasyon fonksiyonundan geçtikten sonra çıktı verileri olarak alınırlar. Üç çeşit öğrenme türü bulunan yapay sinir ağlarında en çok kullanılan öğrenme türü eğitmenli öğrenmedir. Diğer öğrenme türleri ise eğitmensiz öğrenme ve yarı eğitmenli öğrenme olarak bilinmektedir. Ayrıca yapay sinir ağlarında bilinen bir çok öğrenme kuralı bulunmaktadır. Bu kurallardan en çok kullanılanları Hebb kuralı, Hopfield kuralı, Kohonen kuralı, delta kuralı, Levenberg-Marquardt algoritması ve geri yayınım algoritmasıdır. Ağ yapılarına göre ileri ve geri beslemeli olmak üzere ikiye ayrılmaktadır. İleri beslemeli ağda veriler bir sonraki katmana aktarılırken, geri beslemeli ağda veriler bir sonraki katmana aktarıldığı gibi kendinden önce bulunan katmanlara da aktarılabilir. Tek katmanlı modeller ile başlayan yapay sinir ağı çalışmaları daha sonra çok karmaşık problemlere de çözüm bulunamadığı için çok katmanlı yapıları da ortaya çıkarmıştır. Tek katmanlı yapılarda perceptron, ADALINE ve MADALINE modelleri ilk bilinen modellerdir. Çok katmanlı yapılarda ise giriş ve çıkış katmanları arasında birden çok ara (gizli) katman bulunabilmektedir. Yapay sinir ağlarının paralel olarak bilgiyi işlemesi, öğrenebilmesi, eksik bilgiler ile çalışabilmesi, yeni örneklere çabuk uyum sağlayabilmesi ve matematik modele ihtiyaç duymaması gibi özellikleri avantajları olarak söylenebilir. Dezavantajları ise sistem içinde ne olduğu bilinmediği için ağın verdiği sonuçları işleminin zorluğu, eğitilmek için zamana ihtiyaç duyması ve yalnızca nümerik bilgiler ile çalışması gösterilebilir. Çok noktalı tanker-şamandıra bağlama sistemi dizaynında birçok parametre önem arz etmektedir. Bunlardan bazıları rüzgar, dalga karakteristiği, akıntı, bağlama halatlarının bağlanma noktası ve bağlama açısı olarak gösterilebilir. Bu çalışmada OrcaFlex programı ile 4 noktalı tanker-şamandıra bağlama sistemleri modellendikten sonra değişik çevre şartları ve farklı bağlama şekilleri ile simülasyonlar yapılmıştır. Bu simülasyonlardan elde edilen sonuçlar yapay sinir ağlarını eğitmede kullanılmış ve bir algoritma elde edilmiştir. Bu algoritma ile farklı bağlama şekilleri simülasyona gerek kalmadan, kullanılacak parametreler belirli aralıkta yapay sinir ağlarına veri olarak girilerek optimum bağlama şekli seçilebilir.