- Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi
- Vol: 35 Issue: 4
- Kendini tekrarlayan derin sinir ağlarının öznitelik seçim yöntemleri ile iyileştirilmesi ve zaman se...
Kendini tekrarlayan derin sinir ağlarının öznitelik seçim yöntemleri ile iyileştirilmesi ve zaman serisi olarak ele alınan otomatik tanımlama sistemi verilerinde kullanımı
Authors : Yunus DOĞAN
Pages : 1897-1912
Doi:10.17341/gazimmfd.676862
View : 8 | Download : 1
Publication Date : 2020-07-21
Article Type : Research
Abstract :Otomatik Tanımlama Sistemi (AIS), deniz taşımacılığının, çarpışma, yangın ve tehlikeli veya kirletici maddelerin dökülmesi gibi risklere sahip olması nedeniyle günümüzde zorunlu hale gelmiş gözlem ve analiz sistemidir. Literatürde, bu tehlikeli durumların önceden tespitinin yapılıp, gemilerin kontrollü ve güvenli seyahatlerini gerçekleştirmeleri için AIS verilerinin kullanıldığı temel matematiksel modellerin, istatistiksel modellerin ve makine öğrenmesi algoritmaların uygulamalarını görebilmekteyiz. Bu çalışmada AIS verileri zaman serileri bakış açısıyla ele alınmış ve geleneksel rota tahminleme modeli yanında; Bütünleşik Otoregresif Hareketli Ortalama, Çok Katmanlı Algılayıcı (ÇKA) ve Kendini Tekrarlayan Derin Sinir Ağları (KT-DSA) ile farklı modeller oluşturularak doğruluk karşılaştırmaları yapılmıştır. Ayrıca ÇKA ve KT-DSA modellerinde, öznitelik seçim tekniklerinden yararlanılarak nitelikler ağırlıklandırılmış ve bu iyileştirilmelerle yeni algoritmalar önerilmiştir. Öznitelik seçimlerinden Relief, Pearson’nun Korelasyonu, Kazanım Oranı ve Bilgi Kazanımı (BK) metotları kullanılmış ve verdikleri rota ve çarpışma tahminlemelerinin doğrulukları karşılaştırılmıştır. Bu doğruluk testlerinde kullanılmak üzere veri seti olarak belirli zamanlara ait Çanakkale Boğazı ve Marmara Denizi AIS verilerinden faydalanılmıştır. Sonuçlara bakıldığında Çanakkale Boğazı’ndaki gemilerin doğrusal bir hareket yapısına sahip olmasından dolayı tüm yaklaşımların birbirine yakın ve yüksek doğruluklara sahip olduğu gözlemlenirken, düzensiz yapısından dolayı Marmara Denizi’nde en iyi sonucu veren yaklaşımın BK ile iyileştirilmiş KT-DSA olduğu sonucuna varılmıştır.Keywords : Büyük veri, derin öğrenme, AIS verisi, öznitelik seçimi, kümeleme