Tez No	İndirme	Tez Künye	Durumu
129428	Bu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır. Yayınlanma izni olmayan tezlerin basılı kopyalarına Üniversite kütüphaneniz aracılığıyla (TÜBESS üzerinden) erişebilirsiniz.	Computationally intelligent techniques for stabilization and targeting of chaotic systems / Kaotik sistemlerin kararlılaştırılması ve hedefe yöneltilmesi için işlemsel olarak zeki yöntemler Yazar:SERDAR İPLİKÇİ Danışman: DOÇ. DR. YAĞMUR DENİZHAN Yer Bilgisi: Boğaziçi Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Kaos = Chaos ; Kaos denetimi = Chaos control ; Kaotik sistemler = Chaotic systems ; Yapay sinir ağları = Artificial neural networks	Onaylandı Doktora İngilizce 2002 134 s.
ÖZET KAOTIK SİSTEMLERİN KARARLI HALE GETİRİLMESİ VE HEDEFE YÖNELTİLMESİ İÇİN İŞLEMSEL OLARAK ZEKİ TEKNİKLER Kaos, ilk koşullara ve küçük pertürbasyonlara duyarlı bağımlılık, uzun dönemdeki kestirilemezlik ve garip çeker gibi ilginç özellikleri olan, doğrusal olmayan bir davranış biçimidir. Kaotik davranış, ekonomiden elektroniğe kadar geniş bir yelpazede karşımıza çıkabilir. Kaos, kontrol mühendisliği açısından istenmeyen bir davranış biçimi olmasına rağmen, yerel kararlılaştırma teknikleri kaosun hassas bağımlılık özelliğinden yararlanarak küçük bir kontrol enerjisiyle kabul edilebilir bir performans elde etme imkanı sağlar. Fakat, incelenen sisteme bağlı olarak, sistem stabilizasyon tekniklerinin uygulanabileceği yerel bölgeye gelinceye kadar geçen zaman uzayabilir. Bu durum, hedeflemeyi, yani sistemin herhangi bir noktadan alınıp küçük pertürbasyonlarla hedef bölgesine mümkün olan en kısa zamanda götürülmesi işim, gerekli kılar. Bu çalışma esas olarak sistem denklemlerinin önceden bilinmediği ve denetim parametrelerinin yalnızca küçük bir aralıkta değiştirilebileceği varsayımları altında hedefe yöneltme türündeki bir denetim problemi üzerinde yoğunlaşmıştır. Bu amaçla, hedefe bir kaç adımda ulaşılabilen çıkış bölgelerindeki sistem davranışını modelleme fikrine dayanan, işlemsel olarak zeki bir yöntem önerilmiştir. Yöntem ayrıca kaotik sistemlerin fraktal doğasından kaynaklanan saçılmış verilerle eğitilen denetleyicinin üreteceği yanlış çıktıları ortadan kaldırmak için, bir kümelendirme algoritmasıyla daha da geliştirilmiştir. Önerilen yöntemlerin başarımı pek çok düşük ve yüksek boyutlu sistem üzerinde denenmiştir. Simülasyon sonuçlan, önerilen yöntemlerin, rastgele bir başlangıç noktalan kümesi için, ortalama erişim süresini önemli ölçüde düşürebildiğini göstermiştir.
IV ABSTRACT COMPUTATIONALLY INTELLIGENT TECHNIQUES FOR STABILISATION AND TARGETING OF CHAOTIC SYSTEMS Chaos is a type of non-linear behaviour that has several peculiar properties namely sensitive dependence on initial conditions and small perturbations, long-term unpredictability, and strange attractors. Chaotic behaviour can be observed in a wide spectrum of areas ranging from economics to electronics. Although chaos is an undesired type of behaviour from the control-engineering point of view, local stabilisation techniques suggest achievement of an acceptable performance by exploiting the sensitive dependence property with small control expenditure. However, depending on the system under consideration one can suffer from long waiting time until the system visits the local region, where stabilisation techniques can be applied. This leads to the necessity of targeting, which is the task of steering the system towards the local region in the shortest possible time by applying small perturbations. This work focuses mainly on the targeting type of control problem under the assumptions that a priori knowledge of the system model is not available and that the control parameters of the system can be changed within only a relatively small range. For that purpose, a computationally intelligent technique is proposed, which relies on the idea of modelling the behaviour of the chaotic system in the appropriate regions, starting from which the target can be reached within a few steps. Furthermore, the technique has been improved using a clustering algorithm in order to eliminate misleading outputs of the controller trained with scattered data stemming from the fractal nature of chaotic systems. The success of the proposed techniques has been experimented on several low and high-dimensional chaotic systems. Simulation results have revealed that the proposed techniques can significantly reduce the average reaching time for a random ensemble of initial conditions.