Yazar "Tunç, İlhan" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    Control of Emergency Vehicles with Deep Q-Learning
    (İstanbul Teknik Üniversitesi, 2024) Yıldız, Hasan; Güney, Furkan; Tunç, İlhan; Söylemez, Mehmet Turan
    In contemporary times, the issue of traffic congestion has become a paramount concern affecting a broad spectrum of society. However, when it comes to emergency vehicles, particularly ambulances, this matter takes on even greater significance. This study addresses a research endeavor aimed at mitigating traffic risks for emergency situations. The primary objective of the research is to employ Deep Q-Learning methodology to ensure that ambulances transport patients to hospitals in the quickest and most optimal routes. Factors such as urgency levels, traffic density, and distances between patients and ambulances are modeled using state vectors. The Deep Q-Learning algorithm utilizes these vectors to select the most effective actions, determining the most efficient routes for ambulances to transport patients. The reward function is transformed into a penalty function by prioritizing patients based on their waiting times.The study evaluates the learning outcomes of the agent created with Deep Q-Learning, demonstrating the successful completion of the learning process. This method represents a significant step in optimizing the intra-city mobility of emergency vehicles.
  • Küçük Resim
    Öğe
    Poisson moment fonksiyonu yaklaşımıyla sürekli zaman modeli kestirimi
    (Bursa Teknik Üniversitesi, 2016) Tunç, İlhan; Türe, Murat
    Parametrelerin belirlenmesi adaptif kontrolün önemli bir konusudur. Bu konu üzerinde hem sürekli zamanda hem de ayrık zamanda çeşitli metotlar geliştirilmiştir. Bu metotlar filtreleme işlemleri ve sistem tanımlama işlemlerinden oluşmaktadır. Filtreleme işlemi, sistem tanımlamada önemli avantajlar sağlamaktadır. Bunlardan ilki ayrık zaman modelinin bulunmasına gerek kalmadan parametrelerin bulunmasına olanak sağlamasıdır. Diğer önemli avantajı ise ayrık zaman modellerinin tanımlanmasında kullanılan metotların sürekli zaman modelinin bulunuşu için kullanılabilmesidir. Bu çalışmada Sagara ve Zhao (1989) tarafından geliştirilmiş olan Lineer İntegral filtreleme işlemi ve Sinha ve Rao (1991) tarafından geliştirilen Poisson Moment fonksiyon filtresi işlemleri en bilinen sistem tanımlama metodu olan En Küçük Kareler ve Yardımcı Değişkenler metoduna uygulanmıştır. Ayrıca hem filtreleme metotları hem de sistem tanımlama algoritmaları arasında karşılaştırma yapılarak benzetimleri gerçekleştirilmiştir. Sistem modelinin parametrelerinin belirlenmesinde ikinci dereceden bir sistem ele alınmıştır ve benzetimlerinin sonuçları incelenmiştir. Anahtar sözcükler: (Sistem Tanımlama, Poisson Moment fonksiyonu, Lineer İntegral filtre, En Küçük Kareler, Yardımcı Değişkenler)