KaydedilenlerDerginizi ekleyin

Dergiler / Tesisat Mühendisliği / 2006 / Sayı: 91

Yapay zeka uygulamalarında "Yapay Sinir Ağları" nın tesisat mühendisliğinde kullanımı

Kemal ATİK
Sayfa
83–87
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışmada, "Yapay Sinir Ağları" nın yapısı ve algoritmaları anlatılıp, tesisat mühendisliği alanındaki kullanımına örnekler verilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Yapay zeka uygulamaları bilimde gittikçe artan oranda kullanılmaktadır.
📊
Temel Bulgular & Veri:Bunlardan biri, insan beyninin sinir hücresi yapısını örnek alan ve öğrenme kabiliyetine sahip olan Yapay Sinir Ağlarıdır.
💡
Sonuç & Katkı:Bu çalışmada, "Yapay Sinir Ağları" nın yapısı ve algoritmaları anlatılıp, tesisat mühendisliği alanındaki kullanımına örnekler verilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Yapay zeka uygulamaları bilimde gittikçe artan oranda kullanılmaktadır. Bunlardan biri, insan beyninin sinir hücresi yapısını örnek alan ve öğrenme kabiliyetine sahip olan Yapay Sinir Ağlarıdır. Bu yeteneğinden dolayı birçok bilim dalında, modelleme ve kontrol işlemlerinde başarılı bir şekilde kullanılmaktadır. Tesisat mühendisliği alanında da birçok modelleme, tahmin ve kontrol uygulamalarında başarıyla kullanılmış ve kullanılabilirliği belirtilmiştir. Bu çalışmada, "Yapay Sinir Ağları" nın yapısı ve algoritmaları anlatılıp, tesisat mühendisliği alanındaki kullanımına örnekler verilmiştir.

🔖

Bu Makaleye Atıf Yap

ATİK, K. (2006). Yapay zeka uygulamalarında "Yapay Sinir Ağları" nın tesisat mühendisliğinde kullanımı. Tesisat Mühendisliği, Sayı: 91, 83–87. https://ajindex.com/articles/364853

Kaynakça (1)

  1. Civelek, Ö., Dairesel Plakların Nöro- fuzzy tekniği ile Analizi, DEÜ Müh. Fak. Fen ve Müh. Dergisi, 1-2,13-31,1999. 2.Ataman, F., Kaynak, T., Yüncü, S., Bilgisayar ortamında sistem modelleme yoluyla yapay zeka içeren çözümlerin irdelenmesi, Elektrik-Elektronik-Bilgi sayar Mühendisliği 8. Ulusal Kongresi, 677-679,Gaziantep, 1998. 3.Demir, Y., Tuntaş, R., Köksal, M., Anahtarlamalı devrelerin yapay sinir ağları ile analizi, Elektrik-Elektronik-Bilgisayar Mühendisliği 8. Ulusal Kongresi, 673-679, Gaziantep, 1998. 4.Soteris, A. K., Bojic, M., Artificial neural networks for the prediction of the energy consumption of a passive solar building, Energy, 25,479-491, 2000. 5.Üçgül, İ., Akarslan, F., Şencan, A., Dokuma Kumaşların Kuruma Hızı Değerlerinin Yapay Sinir Ağları Metodu İle Tahmini, Isı Bilimi ve Tekniği Dergisi,23,1-7,2003. 6.Shengwei, W., Jin, X., Model-based optimal control of VAV air-conditioning system using genetic algorithm, Building and Environment, 35, 471-487,2000. 7.Kalogirou, A.S., Applications of artificial neural networks in energy systems a review, Energy Conversion and Management, 40, 1073-1087, 1999. 8.Kalogirou, A.S., Artificial neural networks in renewable energy systems applications: a review, Renewable & Sustainable Energy Reviews, 5, 373-401, 2001. 9.Swider, D.J., Browne, M.W., Bansal, P.K., Kecman,V., Modelling of vapour compression liquid chillers with neural networks, Applied Thermal Energy, 21, 311-329, 2001. 10.Chow, T.T., Zhang, G.Q, Lin, Z., Song, C.L., Global optimization of absorbtion chiller system by genetic algorithm and neural network, Energy and Buildings, 34, 103,2002. 11.İslamoğlu, Y, Kurt, A., Heat Transfer Analysis Using ANNs With Experimental Data for Air Flowing Corrugated Channels, I. J. Of Heat And Mass Transfer, 47, 1361-1365, 2004. 12.Sözen, A., Arcaklıoğlu, E., Solar potential in Turkey, Applied Energy, 80, 35-45, 2004. 13.Tanyolu, T., A Neural Network Approach with Self-Organized Principal Component Analsis for identification of Dehumudifying Coils, ASHRAE Trans., 1999. 14. Hamdy, K. Elminir, Faiz F., Areed, Tarek S. Elsayed, Estimation of solar radiation components incident on Helwan site using neural Networks, Solar Energy, 79, 270-279, 2005. 15.Mellit,A.,Benghanem,M.,Hadj,A.,Arab,A.,,Guessoum, A., A simplified model for generating sequences of global solar radiation data for isolated sites: Using artificial neural network and a library of Markov transition matrices approach, Solar Energy 79,469-482, 2005.