İleri Robotik Sistemleri, Makine Öğrenmesi ve Yapay Zeka Mühendisliği
Özet
Bu kitap, ileri robotik sistemleri, makine öğrenmesi ve yapay zeka mühendisliği alanında kapsamlı bilgiler sunmaktadır. Bölümlerde sürü robotiği, makine öğrenmesi algoritmaları ve enerji verimliliği sınıflandırması gibi konular detaylı olarak incelenmiştir. Sürü robotiği bölümünde, biyolojik sürülerden esinlenen ve merkezî olmayan kontrol prensiplerine dayanan çok sayıda basit robotun iş birliğiyle karmaşık görevleri başarıyla gerçekleştirmesi anlatılmıştır. Ayrıca, sürü robotiğinde makine öğrenmesinin üç ana kullanım alanı; evrimsel otomatik tasarım, çok ajanlı pekiştirmeli öğrenme ve gözetimli öğrenme ile davranış çözümlemesi olarak sınıflandırılmıştır. Analizlerde, veri setlerinin bağımlılık yapıları ve değerlendirme protokollerinin sonuçlar üzerindeki etkileri ortaya konmuştur. Enerji verimliliği sınıflandırması bölümünde ise, konut tipi binaların geometrik özellikleri kullanılarak çeşitli makine öğrenmesi modelleri ile enerji performans sınıflandırmaları yapılmıştır. Topluluk öğrenmesi yöntemlerinin doğrusal modellere göre belirgin üstünlükleri vurgulanmış ve bu sayede mimarların erken aşamada anlık enerji verimliliği tahmini yapabilmeleri için yüksek doğruluklu vekil modeller geliştirilmiştir. Son olarak, sürü robotiğinin temel ilkeleri, matematiksel modelleri, donanımları ve gerçek dünya uygulama alanları ayrıntılı olarak ele alınmış, geleceğin akıllı şehirlerinde ve uzay keşif projelerinde merkeziyetsiz, ölçeklenebilir ve esnek sürü robotik sistemlerin önemine değinilmiştir. Kitap, alanındaki teorik temel ve pratik uygulanabilirlik açısından önemli bir kaynak olarak öne çıkmaktadır.
This book provides a comprehensive overview of advanced robotic systems, machine learning, and artificial intelligence engineering. The chapters cover various topics including swarm robotics, machine learning algorithms, and energy efficiency classification. The swarm robotics section explains the principles of decentralized control inspired by biological swarms, where numerous simple robots collaboratively accomplish complex tasks. Machine learning in swarm robotics is categorized into three main approaches: evolutionary offline design, multi-agent reinforcement learning, and supervised behavior analysis. The analysis highlights the effects of dataset dependencies and evaluation protocols on the results. The energy efficiency classification chapter explores how geometric features of residential buildings are leveraged through diverse machine learning models to classify energy performance. Ensemble learning methods have demonstrated significant superiority over linear models, enabling architects to quickly predict energy efficiency in early design phases using accurate surrogate models. Additionally, the fundamental principles, mathematical models, hardware platforms, and real-world applications of swarm robotics are thoroughly discussed. The future significance of decentralized, scalable, and flexible swarm robotic systems in smart cities and space exploration projects is emphasized. Overall, this book stands out as a vital resource combining theoretical foundations and practical implementations in these cutting-edge technological domains.
Kitap Bölümleri
3 bölüm · Mevcut sayfa ve DOI kayıtlarıAtıf bilgisi
DOÇ. DR. ALİ YİĞİT KUTLUCA. (2026). İleri Robotik Sistemleri, Makine Öğrenmesi ve Yapay Zeka Mühendisliği. Bidge Yayınları. DOI: 10.70269/1I9YCUE6BYUY

