KaydedilenlerDerginizi ekleyin

Dergiler / Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi / 2018 / Cilt: 9 - Sayı: 1

Değişim noktası kestirimi için CUSUM algoritmasının başarım değerlendirmesi

Memduh KÖSE
Selçuk TAŞÇIOĞLU
Ziya TELATAR
Sayfa
99–108
Yayın Tarihi
2018-04-04
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)

Ayrıca, CUSUM algoritmasının özyinelemeli yapısı sayesinde hızlı hesaplama süresine sahip olduğu, farklı uzunluktaki sinyaller için gösterilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, parametrik CUSUM (cumulative sum) algoritmasının değişim noktası kestirim başarımı analiz edilmiştir.
📊
Temel Bulgular & Veri:Yöntemde kullanılan log-olabilirlik oranına dayalı eşitlikler Gauss gürültü modeli için türetilmiş ve yöntemin temel çalışma ilkesi örneklerle anlatılmıştır.
💡
Sonuç & Katkı:Ayrıca, CUSUM algoritmasının özyinelemeli yapısı sayesinde hızlı hesaplama süresine sahip olduğu, farklı uzunluktaki sinyaller için gösterilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Değişim noktası kestirimi · basamak değişimi · CUSUM algoritması

Özet

Bu çalışmada, parametrik CUSUM (cumulative sum) algoritmasının değişim noktası kestirim başarımı analiz edilmiştir. Veriye ait dağılımın bilindiği durumda kullanılabilen bu parametrik yöntem, çalışma kapsamında Gauss rasgele sürecinin ortalamasındaki ani bir değişimin yerinin kestirilmesi amacıyla kullanılmıştır. Yöntemde kullanılan log-olabilirlik oranına dayalı eşitlikler Gauss gürültü modeli için türetilmiş ve yöntemin temel çalışma ilkesi örneklerle anlatılmıştır. Sinyal parametrelerinin bilinmediği durumlarda kullanılan kısmi en iyi (suboptimal) çözümler ele alınarak, pratikte yöntemin başarımının en iyi (optimal) çözüme kıyasla ne ölçüde azalacağı incelenmiştir. Çalışma kapsamında ele alınan CUSUM algoritmasının türevleri için değişim noktası kestirim başarımları benzetimler yoluyla karşılaştırmalı olarak sunulmuştur. Kısmi en iyi yaklaşımlarda sinyal parametreleri için yapılan kestirimlerin ve bu parametreler hakkındaki önsel bilginin (a priori information) doğruluğunun, değişim noktası algılama problemi zorlaştıkça daha da önem kazandığı gösterilmiştir. Ayrıca, CUSUM algoritmasının özyinelemeli yapısı sayesinde hızlı hesaplama süresine sahip olduğu, farklı uzunluktaki sinyaller için gösterilmiştir.

🔖

Bu Makaleye Atıf Yap

KÖSE, M., TAŞÇIOĞLU, S., TELATAR, Z. (2018). Değişim noktası kestirimi için CUSUM algoritmasının başarım değerlendirmesi. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, Cilt: 9 - Sayı: 1, 99–108. https://ajindex.com/articles/656051

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (9)

  1. Basseville, M., Nikiforov, I.V., (1993). Detection of Abrupt Changes: Theory and Application, 528, Prentice-Hall, NJ, USA. Brodsky, B.E., Darkhovsky, B.S., (1993). Nonparametric Methods in Change-point Problems, 209, Kluwer Academic Publishers,
  2. MA, USA. Granjon, P., eds. (2012).
  3. The CUSUM algorithm - a small review, Technical report, Gipsa-Lab, Grenoble, France. Köse, M., Taşcıoğlu, S., Telatar, Z., (2011). Bayesian change point analysis using the phase distribution of complex signals, Communications Faculty of Sciences University of Ankara Series A2-A3, 53, 1, 15-23.
  4. Köse, M., Taşcıoğlu, S., Telatar, Z., (2015). The effect of transient detection errors on RF fingerprint classification performance, Proceedings, 14th International Conference on Circuits, System, Electronics, Control & Signal Processing (CSECS2015), 89-93,
  5. Konya. Montgomery, D.C., (2013). Introduction to Statistical Quality Control, 754, John Wiley & Sons Inc., NJ, USA. Page, E.S., (1954). Continuous inspection schemes. Biometrika, 41, 1, 100-115.
  6. Ruanaidh, J.J.K. O, Fitzgerald, W.J., (1996). Numerical Bayesian Methods Applied to Signal Processing, 244, Springer-Verlag, NY, USA. Taşcıoğlu, S., Üreten, O., (2009). Bayesian wideband spectrum segmentation for cognitive radios, Proceedings, 18th International Conference on Computer Communications and Networks, 1-6,
  7. San Francisco. Taşcıoğlu, S., Üreten, O., Telatar, Z., (2010). Impact of noise power uncertainty on the performance of wideband spectrum segmentation, Radioengineering, 19, 4, 561-566.
  8. Üreten, O., Serinken, N., (1999). Detection of radio transmitter turn-on transients, Electronic Letters, 35, 23, 1996-1997.
  9. Üreten, O., Serinken, N., (2005). Bayesian detection of Wi-Fi transmitter RF fingerprints, Electronic Letters, 41, 6, 373-374.