Enstitüler / Institutes

Permanent URI for this communityhttps://hdl.handle.net/11727/1390

Browse

search.filters.applied.f.language: search.filters.language.engSubject: search.filters.subject.Convolutional Neural Networks

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Estimation of prmeability values in geothermal fields with machine learning methods
    (Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2021) Başer, Ali; Sert, Mustafa
    Numerical modeling of geothermal fields is a very time-intensive task. Modeling the natural state of a geothermal field, where there is no production or reinjection in the field, is vital in this process. Natural state modeling is generally conducted by employing a trial and error procedure that depends on intuition in determining the rock properties to match the temperature and pressure readings. This study proposes a method for the distribution of permeability estimation in natural state modeling of geothermal fields using machine learning algorithms. In the study, firstly, a synthetic dataset is created by giving several permeability distributions to a numerical simulator called TOUGH2. Temperature and pressure outputs of the numerical simulator are then collected, and a dataset is created. Random Forest, Support Vector Regression, Multilayer Perceptron, Convolutional Neural Networks, and Transfer Learning methods are trained in this study to learn the relation between the pressure and temperature data and the distribution of permeability values in the field. The study results show that the proposed method can estimate the permeability distributions and help the geothermal field modeling process by decreasing the required time and costs. Jeotermal rezervuarların sayısal olarak modellenmesi yoğun uzmanlık gerektiren ve oldukça zaman alan bir süreçtir. Sayısal modellemenin en önemli adımlarından biri olan doğal durum modellemesinde, ilgili sahanın üretim ve reenjeksiyon gibi insan kaynaklı faaliyetlerle değiştirilmeden önceki yapısının tespiti için çalışmalar yapılır. Sahaya yönelik bilginin ve uzman deneyiminin önemli olduğu bu aşamada genellikle kayaçların ve sistemin özellikleri tahmin edilmeye çalışılarak ölçülen sıcaklık ve basınç değerleriyle eşleşme sağlanması hedeflenir. Bu çalışmada makine öğrenmesi yardımı ile jeotermal kaynakların doğal durum modellemesinin kilit değişkenlerinden biri olan geçirgenlik değerlerinin belirlenmesi amaçlanmıştır. Öncelikle, TOUGH2 sayısal modelleme yazılımına çeşitli geçirgenlik dağılımları girdi olarak verilmiştir. Sıcaklık ve basınç değerlerinden oluşan çıktılar işlenerek sentetik bir veri kümesi hazırlanmıştır. Bu veri kümesi ile doğal durumdaki belirli bir basınç ve sıcaklık dağılımını sağlayan geçirgenlik değerlerinin tespiti için Rassal Orman, Destek Vektör Regresyonu, Çok Katmanlı Algılayıcı, Evrişimsel Sinir Ağları ve Öğrenme Aktarımı yöntemleri kullanılmıştır. Sonuçlar, önerilen yöntemin geçirgenlik değerlerini tahmin edebildiğini göstermektedir. Söz konusu tahminin makine öğrenmesi yoluyla daha hızlı bir şekilde yapılabilmesi jeotermal sahaların modellenmesine zamansal ve ekonomik katkılar sağlayacaktır.
  • Thumbnail Image
    Item
    Gender recognition and age estimation based on human gait
    (Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2019) Berksan, Murat; Sümer, Emre
    In this study, the feasibility of Convolutional Neural Networks (CNN) for gait based gender recognition and age estimation problems were investigated. For this purpose, different networks were evaluated and a basis was selected. Further adjustments were made on the basis network by experimenting on architectural options and hyperparameters. Two distinct yet similar architectures were proposed for each problem. The experiments were conducted by using gait silhouette average which is a feature descriptor as input. The overall accuracy was computed to be 97.45% using the proposed CNN architecture for gender recognition and 5.74 years mean absolute error for age estimation. Using CNN with gait silhouette average as an input is an understudied subject in the literature for these problem domains. While there is one study that uses this approach for gait based gender recognition, there are no studies evaluating CNN for gait based age estimation. The results show successful performance comparable to existing studies. Besides, the experimental results provide insight on how network structure and hyperparameters affect performance. Considering this, obtained outcome allows to gain insight about the problem domain of using gait feature descriptor for gender recognition and age estimation, and provides guidance about deciding on a CNN network in these problem domains. Bu çalışmada, Evrişimsel Sinir Ağları’nın (ESA) yürüyüş biçimi tabanlı cinsiyet ve yaş tespiti alanlarında uygulanabilirliği incelenmiştir. Bu amaçla farklı ağlar değerlendirilmiş olup, kaynak bir ağ seçilmiştir. Baz alınan bu ağ üzerinde farklı mimari seçenekler ve üst değişkenler ile ilgili deneyler yapılarak değişiklikler yapılmıştır. Her bir problem için benzer yapılı ancak farklı iki mimari önerilmiştir. Deneyler yürüyüş biçimi silueti ortalamasını girdi olarak alıp gerçekleştirilmiştir. Cinsiyet tespitinde sonuç olarak %97.45 doğruluk elde edilmiş olup, yaş tespitinde 5.74 yıl ortalama mutlak hata sonucu alınmıştır. Bir özellik tanımlayıcı olan yürüyüş biçimi silueti ortalamasını girdi alarak ESA kullanımı literatürde az çalışılmış bir konudur. Bu yaklaşımı yürüyüş biçimi tabanlı cinsiyet tespiti alanında kullanan tek bir çalışma bulunmakla birlikte, yürüyüş biçimi tabanlı yaş tespiti problemini çözen bir yaklaşıma literatürde rastlanmamıştır. Sonuçlar literatürde var olan çalışmalarla karşılaştırıldığında önerilen mimarilerin başarılı bir performans sergilediği görülmektedir. Ayrıca, deneyler sırasında alınan sonuçlar mimari yapı ile üst parametrelerin performansı nasıl etkilediğine dair anlayış sağlamaktadır. Bütün bunlar göz önünde bulundurulduğunda, alınan sonuçlar yürüyüş özellik tanımlayıcısının bu problem alanlarında kullanımı hakkında anlayış sağlamakla birlikte, ESA’nın bu problem alanlarında kullanımı için yol göstermektedir.