4 results
Search Results
Now showing 1 - 4 of 4
Article Citation - WoS: 2Citation - Scopus: 4Exploiting Visual Features in Financial Time Series Prediction(Igi Global, 2020) Karacor, Adil Gursel; Erkan, Turan ErmanThe possibility to enhance prediction accuracy for foreign exchange rates was investigated in two ways: first applying an outside the box approach to modeling price graphs by exploiting their visual properties, and secondly employing the most efficient methods to detect patterns to classify the direction of movement. The approach that exploits the visual properties of price graphs which make use of density regions along with high and low values describing the shape; hence, the authors propose the name 'Finance Vision.' The data used in the predictive model consists of 1-hour past price values of 4 different currency pairs, between 2003 and 2016. Prediction performances of state-of-the-art methods; Extreme Gradient Boosting, Artificial Neural Network and Support Vector Machines are compared over the same data with the same sets of features. Results show that density based visual features contribute considerably to prediction performance.Conference Object Artificial Intelligence Techniques for Performance Simulation: Solid Oxide Fuel Cells V-J Curve Prediction Via Artificial Neural Networks(ENEA, 2017) Baldinelli,A.; Barelli,L.; Bidini,G.; Bonucci,F.; Iskenderoğlu,F.C.For their high flexibility of operation, Solid oxide fuel cells (SOFCs) are promising candidates to coach the transition towards cleaner and efficient energy generation. Yet, SOFC performance might be markedly affected by fuel composition variability and operative parameters. For that, a reliable simulation tool is necessary for SOFC performance, to optimize its working point and to provide a suitable control. Given the high variability ascribed to the fuel and the electrochemical system high nonlinearity, the implementation of artificial intelligence techniques, like Artificial Neural Networks (ANNs), is worth considering. In ANNs, the correlation between system inputs and outputs is handled by virtual neurons, establishing in-out correlations without entering in knotty kinetics and material properties issues. For what above, a suitably sized experimental campaign is to be designed to provide a large data-set. This to guarantee high ANN performance in the voltage estimation and, at the same time, a wide application domain of the neural simulator. © EFC 2017 - Proceedings of the 7th European Fuel Cell Piero Lunghi Conference.Article Analyzing the Criteria Affecting Transition To Airplane by Comparing Different Methods(Mehmet Akif Ersoy Univ, 2022) Reyhanoglu, Izay; Tengilimoglu, DilaverThis study, using the multi-vehicle approach, discusses the criteria affecting the transition from alternative transportation modes (car, train, bus) to air transportation between city pairs that neither have a hub status nor non-stop flights between them. If these criteria change, the demand for air transportation will increase. For this purpose, a survey was conducted in the provinces of Kayseri and Bursa, which are among the important trade, industry, and tourism centers in Turkey, in the course of three months between January and March, 2018. Logistic regression, the artificial neural network model, and clustering analyses were applied to the data compiled from questionnaires responded to by 501 individuals in Kayseri and 453 individuals in Bursa. According to the empirical findings, it was concluded that the most significant criteria in the transition to air transportation according to all three methods are the cost of travel/ticket price and non-stop flight. Additionally, it was observed that the Artificial Neural Networks (ANN) model made more accurate predictions compared to others. This study is important since it compares three different methods for the purpose of criteria determination concerning the choice of transportation modes.Doctoral Thesis Türbin Kanatlarında Tek Kristallerin Ömür Tahmini için Yapay Sinir Ağı Destekli Sayısal Modellemesi(2025) Kaftancıoğlu, Utku; Aslan, ÖzgürNikel bazlı tek kristalli süperalaşımlar, üstün mekanik dayanımları, sünme direnci ve yüksek sıcaklıklardaki kararlılıkları sayesinde modern türbin kanadı uygulamalarının temel malzemeleri arasında yer almaktadır. Bu malzemeler, yüksek gerilme genlikleri, sıcaklık gradyanları ve bekletme sürelerini içeren karmaşık termomekanik yorulma (TMF) döngülerine sıklıkla maruz kalmaktadır. Özellikle uzay ve savunma sanayisinde kullanılan bileşenler için deneysel veri kısıtlılığı ve tek kristallerin anizotrop davranışı, bu zorlayıcı yükleme koşulları altında yorulma ömrü tahminini olduk- ça güçleştirmektedir. Bu zorluklardan yola çıkan bu tez, yorulma ömrünü tahmin etmek ve sınırlı veri koşullarında bile malzeme parametrelerini yüksek doğrulukla belirlemek amacıyla fizik tabanlı sürekli hasar mekaniğini (CDM) ve veri odaklı makine öğrenimi modellerini birleştiren hibrit bir öngörü çerçevesi sunmaktadır. Bu çalışmada, sentetik yorulma ömrü verilerinin oluşturulmasında temel olarak kullanılan model, FCC kristal yapısına sahip tek kristalli süperalaşımların anizotrop davra- nışlarını ve sıcaklığa bağlı malzeme tepkilerini dikkate alan, özelleştirilmiş bir Chaboche sürekli hasar modeli olmuştur. Ancak, yorulma ömrü tahmininde esas rolü oynayan yapı, farklı veri türleriyle eğitilen yapay sinir ağı (YSA) modelleridir. Tezin üçüncü bölümü- nün başında iki ayrı YSA modeli tanıtılmaktadır. İlk model, sınırlı UTS ve dayanım bilgileriyle birlikte deneysel yorulma ve sünme verilerinden oluşturulan yarı-sentetik veri setini kullanarak hem sünme kopma süresini hem de yüksek çevrimli ve birleşik çevrimli yorulma (HCF ve CCF) koşullarındaki yorulma ömrünü tahmin etmektedir. İkinci model ise tamamen, özelleştirilmiş Chaboche modeli ile oluşturulan sentetik SN eğrileri ile eğitilmiştir. Bu model, sıcaklık ve R oranlarına bağlı olarak normalleştirilmiş ve logaritmik ölçeklenmiş girdiler üzerinden SN eğrileri ve Goodman diyagramları üretmek üzere yapılandırılmıştır. Bu iki model, geniş çalışma koşul- larını kapsayabilen tahmin altyapısını oluşturmaktadır. Deneysel yorulma verilerinin dağınık ve yetersiz olması problemini aşmak amacıyla, sentetik verilerle eğitilen YSA modelleri, transfer öğrenmesi yaklaşımlarıyla hem CMSX-4 hem de AISI 4340 gibi genel metal türleri için elde edilen deneysel veri kümelerine uyarlanmıştır. Bu bağlamda, biri önceden eğitilmiş modelin parametrelerinin doğrudan ayarlanmasına, diğeri ise yeni fiziksel değişkenlerin modele dâhil edilmesini sağlayan bir giriş genişletme yapısına dayalı iki farklı transfer öğrenmesi modeli geliştirilmiştir. Her iki model de veri güvenilirliğini sağlamak amacıyla bırak-bir çapraz doğrulama (LOOCV) yöntemi ile değerlendirilmiştir. Bu yaklaşımlar, sınırlı deneysel veriyle yorulma ömrü tahminlerinin gerçekleştirilebileceğini ve model tutarlılığının sıcaklık ve gerilme oranı ekseninde korunabileceğini göstermektedir. Yorulma ömrü tahminine ek olarak, bu tezde, gerilme-şekil değiştirme verilerinden malzeme model parametrelerini tersine belirlemeyi amaçlayan, veri odaklı bir parametre optimizasyonu süreci de sunulmaktadır. Bu kapsamda, Voce tipi izotropik pekleşme içeren, oransal olmayan J2 plastiklik modeli ile oluşturulan sonlu eleman simülasyonları üzerinden bir veri seti üretilmiş ve tam gerilme-şekil değiştirme eğrisinden model parametrelerine haritalama yapabilen bir YSA regresyon modeli eğitilmiştir. Bu yapı, güçlü doğrusal olmayan plastik davranışlarda dahi temel malzeme sabitlerini yüksek doğrulukla ve verimli bir şekilde geri kazanabilmektedir. Sonuç olarak, bu tezde sunulan yöntemsel yapı, yüksek performanslı malzemelerde yorulma ömrü değerlendirmesi, model kalibrasyonu ve veri genişletmesi gibi alanlarda esnek ve ölçeklenebilir bir çözüm sağlamaktadır. Sentetik veri üretimi, YSA tabanlı regresyon ve transfer öğrenmesini tek bir çerçevede birleştiren bu yaklaşım, sınırlı deneysel destekle anizotropik ve yüksek sıcaklık dayanımı gerektiren malzeme- lerin yorulma modellemesine dair süregelen zorluklara etkin bir çözüm sunmaktadır. Bu kapsamda geliştirilen yöntemler, yalnızca tahmin doğruluğunu artırmakla kalmayıp, aynı zamanda gaz türbin motoru bileşenleri gibi kritik uygulamalarda yorulma modelleme araçlarının yorumlanabilirliğini ve uyarlanabilirliğini de geliştirmektedir.
