Sinirsel bulanık ağların kullanımı ile verilere göre bulanık kontrol kurallarının elde edilmesi ve simulasyonunun gerçekleştirilmesi

Simple item page
dc.contributor.advisorBabaev, Arzu
dc.contributor.authorYılmaz, Ersen
dc.contributor.departmentUludağ Üniversitesi/Fen Bilimleri Enstitüsü/Elektronik Mühendisliği Anabilim Dalı.tr_TR
dc.date.accessioned2020-01-08T06:17:19Z
dc.date.available2020-01-08T06:17:19Z
dc.date.issued2001-01-16
dc.description.abstractBu tez çalışmasında sinirsel bulanık ağların kullanımı ile verilere göre bulanık kontrol kurallarının elde edilme yöntemleri incelenmiş, araç kontrol ve örnek sınıflandırma problemleri için sinirsel! bulanık çözümler üretilerek simülasyonu gerçekleştirilmiştir. Araç kontrol probleminin çözümünde bulanık denetleyici, sinirsel-bulanık denetleyici ve Sugeno yaklaşımı, ömek sınıflandırma probleminin çözümünde ise yapay sinir ağları, Max-Min sinirsel ağlar ve olabilirlik yaklaşımı yöntemleri kullanılmıştır. Simülasyon sonuçlarına dayanılarak sınıflandırma probleminin çözümü için en uygun yöntemin olabilirlik yaklaşımı olduğuna karar verilmiştir. Araç kontrol probleminin çözümünde ise üç farklı durum ortaya çıkmıştır. İterasyon sayısı düşünüldüğünde bulanık denetleyicinin, açı ve konum aşımı düşünüldüğünde sinirsel- bulanık denetleyicinin, kural sayısı ve işlem hızı düşünüldüğünde ise Sugeno yaklaşımının en uygun yöntem olduğuna karar verilmiştir. Simülasyon programı C++ Builder ortamında yazılmıştır.tr_TR
dc.description.abstractObtaining the fuzzy controlling rules are studied according to the data for neural fuzzy networks and simulation are realized by producing some neural fuzzy solutions for vehicle control and pattern classification problems are dealed in this thesis. Fuzzy controller, neural fuzzy controller and Sugeno approaching have been used for solution of the vehicle control problem. In solving- the classification problem arrtificial neural networks, Max-Min neural networks and possibility approaching heve been used. Possibility approaching is determined as the most fitting method for pattern classification problem according to the simulation results. But there were three different situations observed for vehicle contol problem: fuzzy controller when iteration number; neural fuzzy controller when angle and position deviations; Sugeno approaching when the rule numbers and process speed are examined, are determined as the most fitting methods for vehicle control problem. Simulation program has been performed by with the help of C++ Builder.en_US
dc.format.extentX, 95 sayfatr_TR
dc.identifier.citationYılmaz, E. (2001). Sinirsel bulanık ağların kullanımı ile verilere göre bulanık kontrol kurallarının elde edilmesi ve simulasyonunun gerçekleştirilmesi. Yayınlanmamış yüksek lisans tezi. Uludağ Üniversitesi Fen Bilimleri Enstitüsü.tr_TR
dc.identifier.urihttp://hdl.handle.net/11452/5385
dc.language.isotrtr_TR
dc.publisherUludağ Üniversitesitr_TR
dc.relation.publicationcategoryTeztr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectAraç kontroltr_TR
dc.subjectÖrnek sınıflandırmatr_TR
dc.subjectBulanık denetleyicitr_TR
dc.subjectSinirsel bulanık denetleyicitr_TR
dc.subjectSugeno yaklaşımıtr_TR
dc.subjectYapay sinir ağlarıtr_TR
dc.subjectMax-Min sinirsel ağlartr_TR
dc.subjectOlabilirlik yaklaşımıtr_TR
dc.subjectVehicle controllingen_US
dc.subjectPattem classificationsen_US
dc.subjectFuzzy controlleren_US
dc.subjectNeural fuzzy controlleren_US
dc.subjectSugeno approachingen_US
dc.subjectArtificial neural networksen_US
dc.subjectMax-Min neural networksen_US
dc.subjectPossibility approachingen_US
dc.titleSinirsel bulanık ağların kullanımı ile verilere göre bulanık kontrol kurallarının elde edilmesi ve simulasyonunun gerçekleştirilmesitr_TR
dc.title.alternativeObtaining and simulating fuzzy control rules according to given data by using neural fuzzy networksen_US
dc.typemasterThesisen_US

Files

Original bundle
Now showing 1 - 1 of 1
Name:
109751.pdf
Size:
10.3 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Fen Bilimleri Yüksek Lisans Tezleri / Master Degree