A machine learning approach to biomass gasification process Biyokütle gazlaştırması sürecine makine öğrenmesi yaklaşımı

Özet:Makine öğrenmesi (ML), araştırmacılara güçlü hesaplama araçları sunarak bilimin birçok alanında benzersiz veri odaklı çözümler yaratmalarının yolunu açmaktadır. Özellikle ilgili girdi ve çıktı verilerinin toplanarak ve ML algoritmalarının sayesinde altında yatan sürecin keşfedilmesi yaklaşımı, araştırmacıların kendi alanlarında geleneksel analitik ve/veya numerik yaklaşımların sahip olduğu sınırlamaların üstesinden gelmelerini sağlamıştır. Biyokütle gazlaştırmasıdır da bu süreçlerden biridir. Biyokütle gazlaştırması, biyolojik atık ve benzeri yenilenebilir enerji kaynaklarını kullanma kabiliyeti nedeniyle umut verici bir enerji üretim sürecidir. Bu tezde, biyokütle gazlaşmasının sahip olduğu zorluklar ML perspektifinden ele alınmıştır.Summary:Machine learning (ML) has been paving the way for researchers to create unique data-driven solutions in many areas of science by offering a strong set of computational tools. Especially the collecting related input and output data and letting ML algorithms try to discover the underlying phenomenon approach enabled researchers to overcome severe limitations of conventional analytical and/or numeric approaches in their respective fields. One such phenomenon is the biomass gasification.

Görüntülenme
7
24.10.2022 tarihinden bu yana
İndirme
1
24.10.2022 tarihinden bu yana
Son Erişim Tarihi
11 Aralık 2023 15:03
Google Kontrol
Tıklayınız
researchers olduğu phenomenon Biyokütle enerji solutions science offering create data-driven unique strong paving learning Machine Summary alınmıştır perspektifinden Especially severe gasification biomass fields respective approaches numeric and/or analytical conventional limitations overcome computational enabled approach underlying
Tam Metin
Tam Metin İndirmek için tıklayın Ön izleme
Detaylı Görünüm
Eser Adı
(dc.title)
A machine learning approach to biomass gasification process Biyokütle gazlaştırması sürecine makine öğrenmesi yaklaşımı
Eser Sahibi
(dc.contributor.author)
Elmaz, Furkan
Tez Danışmanı
(dc.contributor.advisor)
Adnan Kaya
Yayıncı
(dc.publisher)
Graduate School of Natural and Applied Sciences
Tür
(dc.type)
Yüksek Lisans
Açıklama
(dc.description)
106 sayfa
Açıklama
(dc.description)
29 cm. 1 CD
Özet
(dc.description.abstract)
Özet:Makine öğrenmesi (ML), araştırmacılara güçlü hesaplama araçları sunarak bilimin birçok alanında benzersiz veri odaklı çözümler yaratmalarının yolunu açmaktadır. Özellikle ilgili girdi ve çıktı verilerinin toplanarak ve ML algoritmalarının sayesinde altında yatan sürecin keşfedilmesi yaklaşımı, araştırmacıların kendi alanlarında geleneksel analitik ve/veya numerik yaklaşımların sahip olduğu sınırlamaların üstesinden gelmelerini sağlamıştır. Biyokütle gazlaştırmasıdır da bu süreçlerden biridir. Biyokütle gazlaştırması, biyolojik atık ve benzeri yenilenebilir enerji kaynaklarını kullanma kabiliyeti nedeniyle umut verici bir enerji üretim sürecidir. Bu tezde, biyokütle gazlaşmasının sahip olduğu zorluklar ML perspektifinden ele alınmıştır.Summary:Machine learning (ML) has been paving the way for researchers to create unique data-driven solutions in many areas of science by offering a strong set of computational tools. Especially the collecting related input and output data and letting ML algorithms try to discover the underlying phenomenon approach enabled researchers to overcome severe limitations of conventional analytical and/or numeric approaches in their respective fields. One such phenomenon is the biomass gasification.
Kayıt Giriş Tarihi
(dc.date.accessioned)
26.10.2022
Açık Erişim Tarihi
(dc.date.available)
2022-10-26
Yayın Tarihi
(dc.date.issued)
2020
Yayın Dili
(dc.language.iso)
eng
Konu Başlıkları
(dc.subject)
Biyoenerji
Konu Başlıkları
(dc.subject)
Bioenergy
Konu Başlıkları
(dc.subject)
Optimal kontrol
Konu Başlıkları
(dc.subject)
Optimal control
Konu Başlıkları
(dc.subject)
Sayısal işaret işleme
Konu Başlıkları
(dc.subject)
Digital signal processing
Tek Biçim Adres
(dc.identifier.uri)
https://hdl.handle.net/11469/2326
Analizler
Yayın Görüntülenme
Yayın Görüntülenme
Erişilen ülkeler
Erişilen şehirler
6698 sayılı Kişisel Verilerin Korunması Kanunu kapsamında yükümlülüklerimiz ve çerez politikamız hakkında bilgi sahibi olmak için alttaki bağlantıyı kullanabilirsiniz.

creativecommons
Bu site altında yer alan tüm kaynaklar Creative Commons Alıntı-GayriTicari-Türetilemez 4.0 Uluslararası Lisansı ile lisanslanmıştır.
Platforms