Artificial Neural Networks Study on Prediction of Dielectric Permittivity of Basalt/PANI Composites

Eyecioğlu, Önder; Kılıç, Mehmet; Karabul, Yaşar; Alkan, Ümit; İçelli, Orhan

doi:10.19072/ijet.27769

Cited by 3 publications

(5 citation statements)

References 14 publications

(12 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Uygun modelin tespiti için modeller arasında kıyaslama çalışması yapmak uygun olacaktır. Kullanılan veri setinin sürekli değişkenlerden oluşmasından dolayı ve hedef değişkenin sürekli ve sayısal bir değer olarak (Eyecioglu et al, 2016) tahmin edilmesi gerektiğinden, çalışmada denetimli regresyon algoritmaları seçilmiştir. CM1 ve KYZ13 olarak kodlanmış olan iki farklı bazalt türü ile katkılanmış PANI polimer kompozitlerinin frekansa bağlı kompleks dielektrik fonksiyonlarının gerçek (ε') ve sanal bileşenlerinin (ε'') tahmini için doğrusal regresyon (LR), k-en yakın komşu regresyonu (k-NN) ve karar ağacı regresyonu (DT-R) makine öğrenmesi algoritmaları karşılaştırılmıştır.…”

Section: Araştırma Sonuçları Ve Tartışmaunclassified

“…Fakat istenilen dielektrik özelliklere sahip malzemeyi üretebilecek uygun kombinasyonların bulunması çok yoğun deneysel çabaya ihtiyaç duymaktadır (Alkan et al, 2020;Kılıç, 2020;Kılıç, Ergin, Karabul, & Özdemir, 2019). Yoğun zaman ve maliyet gerektiren bu süreçleri Makine öğrenmesi gibi Yapay zekâ modeller kullanarak optimize etmek mümkündür (Eyecioglu, Karabul, Alkan, Kilic, & Icelli, 2016;Eyecioglu, Kılıç, & Özdemir, 2018;Kılıç, Eyecı̇oglu, Özdemı̇r, & Alkan, 2019). Makine öğrenmesi algoritmaları, bir veri setinin yorumlanmasına, ondan bir anlam çıkarılmasına ve daha sonra çözülmesi gereken problemde ortaya çıkan bilgiyi kullanılmasına izin veren bir bilgisayar bilimi alanıdır.…”

Section: Araştırma Sonuçları Ve Tartışmaunclassified

See 1 more Smart Citation

Bazalt/PANI Kompozitlerinin Dielektrik Özelliklerinin Tahmini için Makine Öğrenmesi Modellerinin Karşılaştırılması

Eyecioğlu¹

2021

European Journal of Science and Technology

View full text Add to dashboard Cite

Özİletken polimer kompozit malzemeler, süper kapasitörler, varistörler veya sensörler gibi birçok teknolojik uygulamada kullanılır. Teknolojik uygulamalar için çok önemli olan bu malzemelerin dielektrik geçirgenlik gibi elektronik özellikleri, katkı oranı ve sıcaklık gibi temel parametrelere bağlı olarak doğrusal olmayan davranış göstermektedir. Olası paremetre konfigürasyonlarının fazlalığından dolayı bu özelliklerin istenen değerleri sağlaması için tüm uygun parametrelere setlerinin deneysel olarak belirlenmesi zahmetli ve maliyetlidir. Bu amaç için pratik bir yöntem önermek çok önemlidir. Bu çalışmada, CM1 ve KYZ13 bazalt katkılı PANI polimer kompozitlerinin kompleks dielektrik fonksiyonlarının gerçek ( ! ) ve sanal bileşenlerinin ( !! ), açısal frekansa (w) ve PANI konsantrasyonuna (wt) (%10, %25 ve %50) bağlı doğrusal olmayan değişimlerinin tahmini için üç farklı makine öğrenmesi algoritması uygulanmıştır. Bu algoritmalar, Doğrusal Regresyon (LR), k-En yakın komşu regresyonu (k-NN), Karar ağacı regresyonu (DT-R) makine öğrenmesi algoritmalarıdır. Bu algoritmaların eğitim süreçleri için gerekli olan veri seti, deneysel dielektrik ölçümleri kullanılarak oluşturulmuştur. Bu deneysel veriler, oda sıcaklığında 100 Hz ile 17.5 MHz arasında değişen frekans aralığında empedans analizör kullanılarak elde edilmiştir. Bu çalışmada lineer regresyon, k-en yakın komşu regresyon ve karar ağacı regresyon algoritmalarının tahmin performansı ayrıntılı olarak karşılaştırılmıştır. Karşılaştırma, istatistiksel fit, belirleme katsayısı ( " ), ortalama karesel hata (OKH) ve ortalama mutlak hata (OMH) istatistiksel performans metriklerinin karşılaştırılması ile belirlenmiştir. Tahmin sonuçlarının performans karşılaştırması ile Lineer Regresyon algoritmasının uygun kararlı bir tahmin performansı gösterememesine karşın, karar ağacı regresyonu modelinin, hem gerçek ( ! ) hem de sanal bileşenlerinin ( !! ) hesaplanmasında daha uygun model olduğu görülmüştür.

show abstract

Section: Araştırma Sonuçları Ve Tartışmaunclassified

Bazalt/PANI Kompozitlerinin Dielektrik Özelliklerinin Tahmini için Makine Öğrenmesi Modellerinin Karşılaştırılması

Eyecioğlu¹

2021

European Journal of Science and Technology

View full text Add to dashboard Cite

show abstract

“…Bir tahmin metodu olarak önerilen yapay sinir ağları (YSA), bir eğitim setinden (örnek; bir deneysel çalışmanın başlangıç parametreleri ve sonuç değerleri) çözümü öğrenerek, alternatif bir hesaplama biçimi sunar. Diğer bir deyişle, YSA basit bir şekilde insan beyninin (veya biyolojik sinir sisteminin) çalışma şeklini taklit eder [15].…”

Section: Gi̇ri̇ş (Introduction)unclassified

“…YSA tekniği, günümüzde birçok alanda yaygın bir şekilde kullanılmaktadır. Özellikle YSA metodunun kullanım alanları arasında örüntü tanıma, sınıflandırma, finansal ve ekonomik tahmin yürütme, optimizasyon, regresyon, fonksiyon benzetimi, radyo frekans ve mikrodalga ölçümleri, çeşitli katı ve sıvı malzeme ve bileşiklerin dielektrik parametrelerinin tahmini gibi uygulamalar sayılabilir [15][16][17][18][19]. YSA modellemeleri hem işlem süresini hem de analitik karmaşıklığı azaltmak suretiyle önemli avantaj sağlarlar.…”

Section: Gi̇ri̇ş (Introduction)unclassified

Polipropilen/Polianilin Kompozit Filmlerin Dielektrik Özelliklerinin Yapay Sinir Ağları Modeli İle Tahmini

Eyecioğlu

Kılıç

Özdemiir

2018

Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım Ve Teknoloji

View full text Add to dashboard Cite

ÖzBu çalışmada, polipropilen (PP) polimerinin frekansa bağlı kompleks dielektrik fonksiyonunun gerçek ve sanal bileşenlerinin, kütlece % 0,3, 0,4, 0,6 ve 0,7 polianilin (PANI) katkısına bağlı olarak değişimi dielektrik spektroskopisi yöntemiyle incelenmiştir. Dielektrik ölçümler, 100 Hz ile 15 MHz arasında değişen frekans aralığında oda sıcaklığında empedans analizör yardımıyla gerçekleştirilmiştir. Deneysel sonuçlar, PANI katkısıyla PP'nin dielektrik parametrelerinin lineer olmayan bir değişim sergilediğini göstermiştir. Bu bağlamda öncelikle, PP/PANI kompozitlerin kompleks dielektrik fonksiyonlarının gerçek ve sanal bileşenlerinin frekansa bağlılığının Yapay Sinir Ağları (YSA) modeli ile tahmin edilebileceği gösterilmiştir. Ardından, deneysel olarak hazırlanmamış farklı PP/PANI kompozitler için YSA modeliyle kütlece farklı PANI katkı yüzdeleri için (% 0,1, 0,2, 0,5, 0,8 ve 1), kompleks dielektrik fonksiyonun gerçek ve sanal bileşenlerin frekansa bağlı değişimleri hesaplanmıştır. YSA modeli ile elde edilen sonuçlar, kompleks dielektrik fonksiyonlarının gerçek ve sanal bileşenlerinin artan PANI katkısıyla lineer olmayan değişimiyle uyumlu olarak bulunmuştur. Böylelikle, kondansatör gibi çeşitli dielektrik uygulamalar için istenilen dielektrik parametrelere sahip PP/PANI kompozitlerin üretiminde uygun kütlece PP ve PANI yüzdeleri öngörülebilir. AbstractIn this study, the change of the frequency dependence of the real and imaginary components of the complex dielectric function of the polypropylene (PP) polymer depending on the addition of 0.3%, 0.4%, 0.6% and 0.7% polyaniline (PANI) was investigated by using dielectric spectroscopy method. Dielectric measurements were performed at room temperature in the frequency range of 100 Hz to 15 MHz by impedance analyzer. Experimental results have shown that the dielectric parameters of PP exhibit non-linear variation with the PANI contribution. In this context, firstly, it has been shown that the frequency dependence of real and virtual components of complex dielectric functions of PP / PANI composites can be estimated with Artificial Neural Network (ANN) model. Then, the frequency dependences of the real and imaginary components of the complex dielectric function of the PP/PANI composites with different PANI additive concentrations (0.1, 0.2, 0.5, 0.8, and 1.0%), which were not prepared experimentally, were calculated by using ANN method. The results obtained with the YSA model were also found to be consistent with the nonlinear variation of the real and imaginary components of complex dielectric function with increasing PANI doping. Hence, suitable PP and PANI mass percentages can be predicted in the production of PP/PANI composites with desired dielectric parameters for various dielectric applications such as capacitor.

show abstract

“…Bilindiği üzere, insan beynini veya biyolojik sinir sistemini taklit ederek çalışan YSA, bir eğitim setinden çözümü öğrenerek (örnek; bir deneysel çalışmanın başlangıç parametreleri ve sonuç değerleri), herhangi bir durum için olası sonuçları veren güncel bir tahmin metodudur[20]. YSA, ele alınan problemin matematiksel veya fiziksel ilişkilerinin açık bir formülasyonuna ihtiyaç duymadan, verideki kalıpları ve ilişkileri tespit ederek herhangi bir programlama yapmaksızın deneyim (eğitim) yoluyla olası sonuçların tahminini yapar.…”

unclassified

DYPE/PANI kompozit filmlerin sıcaklığa ve PANI katkı konsantrasyonuna bağlı olarak dielektrik parametrelerinin GRSA ile tahmini

Kılıç

Eyecioğlu

Özdemir

et al. 2019

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

 GRNN model for the estimation of dielectric parameters of LDPE/PANI composites was investigated.  Dielectric parameters depending on temperature and PANI additive were estimated with the accuracy varying between 93% and 99%.  GRNN model can suggest optimum PANI additive level and working temperature for LDPE/PANI composites. Since estimate made with generalized regression neural networks (GRNN) provide both time and cost savings, application of GRNN to many disciplines including geotechnical engineering, stock market forecasts, weather predictions, etc. become very important in recent years. Particularly, the widespread use of GRNN in the field of physics and materials science will provide a significant advantage in time-consuming and costly processes. Figure A. The application of GRNN method in prediction of static dielectric constant. Purpose: This work is devoted to investigate the accuracy of estimation of dielectric parameters of polymer/polymer composite dielectric materials by GRNN. Theory and Methods: Low Density Polyethylene/Polyaniline (LDPE/PANI) films with the PANI contribution of 0.7 wt.%, 1 wt.% and 3 wt.% were produced by using hot press molding technique. The dielectric parameters (ε' and ε'') of the LDPE/PANI films were determined for 20 °C, 50 °C and, 80 °C by dielectric spectroscopy measurements realized by an impedance analyzer between 100 Hz-6.75 MHz frequency interval. The generalized regression neural networks (GRNN) method was applied to estimate the dielectric parameters of both experimentally prepared LDPE/PANI films for different temperatures (35 °C, 65 °C and 95 °C) and experimentally unproduced LDPE/PANI films consisting of PANI in the wt.% of 1.5 and 6 for the temperature interval of 20-95 °C. Results: As a result of comparison of experimental data and GRNN results, it was determined that GRNN is a reliable method for estimating dielectric parameters. Conclusion: It was concluded that the optimum PANI additive level for and the optimum working temperature for LDPE films can be determined for various technological applications without any experimental production by using GRNN model.

show abstract

Artificial Neural Networks Study on Prediction of Dielectric Permittivity of Basalt/PANI Composites

Cited by 3 publications

References 14 publications

Bazalt/PANI Kompozitlerinin Dielektrik Özelliklerinin Tahmini için Makine Öğrenmesi Modellerinin Karşılaştırılması

Bazalt/PANI Kompozitlerinin Dielektrik Özelliklerinin Tahmini için Makine Öğrenmesi Modellerinin Karşılaştırılması

Polipropilen/Polianilin Kompozit Filmlerin Dielektrik Özelliklerinin Yapay Sinir Ağları Modeli İle Tahmini

DYPE/PANI kompozit filmlerin sıcaklığa ve PANI katkı konsantrasyonuna bağlı olarak dielektrik parametrelerinin GRSA ile tahmini

Contact Info

Product

Resources

About