Utafiti huu unatengeneza mfumo wa ujifunzaji wa kina unaoweza kutambua kiotomatiki hitilafu katika mfumo wa usambazaji wa umeme wa awamu tatu kutoka kwenye ishara za voltage na current zinazozalishwa katika mazingira ya MATLAB/Simulink, kisha kuanzisha udhibiti wa kivunja mzunguko. Mfumo unatofautisha jumla ya hali 12 za uendeshaji/hitilafu, ikiwemo uendeshaji wa kawaida pamoja na AG, BG, CG, AB, BC, CA, ABG, BCG, CAG, ABC na ABCG. Ishara sita kuu za voltage-current za awamu tatu hazitumiki peke yake; huboreshwa kwa tofauti za phase, vijenzi vya ulinganifu, envelopu za RMS na taarifa za kasi ya mabadiliko, kisha hubadilishwa kuwa njia 30 za sifa. Sifa hizi huingizwa katika CNN ya kina ya mizani mingi yenye residual, kwa njia ya madirisha yenye sampuli 64, yaani madirisha ya 64 ms kwa kasi ya sampuli ya 1 kHz.

Usanifu uliopendekezwa unaunganisha matawi ya 1D convolution yanayofanya kazi katika mizani mitatu tofauti ya muda, uangalizi wa njia wa Squeeze-and-Excitation na vitalu vya residual vilivyodilitishwa. Chanzo kinaripoti kwamba madirisha yote 1.963 ya majaribio yalitambuliwa kwa usahihi katika uainishaji wa aina za hitilafu za madarasa 12, na usahihi wa majaribio wa %100,00 ulipatikana. Katika kategoria sita pana za hitilafu za kimwili, madirisha matatu kati ya 1.963 yaliainishwa vibaya na usahihi ukaripotiwa kuwa %99,85. Kwenye data hiyo hiyo, CNN ya msingi ilitoa usahihi wa %61,31 na LSTM ya msingi %56,70, ilhali mtandao uliopendekezwa ulifikia %100,00. Hata hivyo, data zote za mafunzo na majaribio zimetokana na miigo ya MATLAB/Simulink; uthibitishaji wa uwanjani kwa vipimo kutoka gridi halisi ya usambazaji haukufanywa. Hii nedenle sonuçlar halisi elektrik şebekelerinde aynı performansın elde edileceği biçiminde yorumlanmamalıdır.

Utafiti unajaribu kutatua tatizo gani?

Geleneksel koruma röleleri kısa devre au aşırı current meydana geldiğinde kesicinin açılmasını sağlayabilir; hata hivyo yalnız büyüklük eşiklerine dayanan koruma yaklaşımı her zaman ipi fazların arızaya katıldığını ayrıntılı biçimde sınıflandırmaz. Akıllı şebekelerde dağıtık güneş üretimi, batarya sistemleri, rüzgâr üretimi ve değişken yüklerin artması da işletme koşullarını zaidi dinamik hâle getirmektedir.

Çalışma hii soruna iki kademeli yaklaşmaktadır. İlk kademe, voltage ve current dalga biçimlerinden hitilafu türünü derin öğrenmeyle belirlemektedir. İkinci kademe ikiwa sınıflandırıcının sonucunu kivunja mzunguko udhibiti mantığına bağlayarak yenye hitilafu hattın kiotomatiki imetengwa edilmesini ve geçici hitilafu ortadan kalkarsa yeniden enerjilendirilmesini hedeflemektedir.

Çalışmanın başlığındaki “predictive” ifadesi dikkatli yorumlanmalıdır. Sunulan yöntem arızayı oluşmadan kabla tahmin eden moja kestirim modeli si. CNN, hitilafu başladıktan baada yake oluşan voltage-current örüntüsünü içeren 64 ms'lik pencereler üzerinden arızayı sınıflandırmaktadır. Dolayısıyla burada gerçekleştirilen msingi işlem hitilafu sonrası hızlı tespit ve sınıflandırmadır.

Mfumo wa usambazaji wa MATLAB/Simulink umejengwaje?

Simulink modeli elektrik enerjisinin dağıtım hattındaki fiziksel akış sırasına göre oluşturulan moja dizi msingi bileşenden meydana gelmektedir. Kaynağın Şekil 1’inde hii yapı wa awamu tatu chanzo, transformer, pi-kesit laini, programlanabilir wa awamu tatu hitilafu bloğu, RLC mzigo ve ölçüm noktalarıyla gösterilmektedir.

MATLAB betiği Simulink modelini kiotomatiki olarak açmakta, ilgili hitilafu sınıfına ait Three-Phase Fault parametrelerini değiştirmekte, simülasyonu çalıştırmakta, altı voltage-current kanalını almaktadır. Değerler 120 V / 50 A tabanına normalize edilmekte, küçük miktarda rastgele gürültü eklenmekte ve matokeo CSV dosyasına kaydedilmektedir.

Ni hitilafu zipi zinazoainishwa?

Çalışmada normal durumla birlikte toplam 12 darasa vardır:

• No Fault: Arıza yok
• AG, BG, CG: Tek phase-ardhi hitilafu
• AB, BC, CA: Faz-phase hitilafu
• ABG, BCG, CAG: İki phase-ardhi hitilafu
• ABC: Üç fazlı hitilafu
• ABCG: Üç phase-ardhi arızası

Aynı sınıflar zaidi üst düzey fiziksel anlamda altı kategori chini ya da değerlendirilmiştir: No Fault, Single Line-to-Ground (SLG), Line-to-Line (LL), Double Line-to-Ground (DLG), Three-Phase ve Three-Phase-to-Ground.

Kwa nini voltage na current ghafi pekee hazikutumika?

Yazarlar, CNN'in elektrik mühendisliğinde zaten bilinen msingi fiziksel ilişkileri sıfırdan öğrenmesini beklemek yerine güç sistemi teorisinden türetilen özellikleri doğrudan modele vermeyi tercih etmektedir. Başlangıçtaki altı Va, Vb, Vc, Ia, Ib ve Ic kanalı çeşitli dönüşümlerle toplam 30 giriş kanalına genişletilmektedir.

Fazlar arası farklar, örneğin Va−Vb au Vb−Vc kama büyüklüklerle phase asimetrisini görünür hâle getirmektedir. Faz-phase kısa devrelerinde hii kanalların davranışı arızaya katılan phase çiftine göre değişmektedir.

Simetrik bileşenler wa awamu tatu sistemi pozitif, negatif ve sıfır bileşenlere ayırmaktadır. Özellikle sıfır bileşen ardhi bağlantılı arızalar, negatif bileşen ikiwa dengesizlik hakkında fiziksel bilgi sağlamaktadır.

RMS zarfları 16 örneklik kayan pencereyle hesaplanmaktadır. Böylece msingi AC salınımının yerine voltage au current genliğinin zaman içerisindeki değişimi zaidi görünür hâle gelmektedir.

Gradyan kanalları ardışık örnekler arasındaki değişimi ölçerek arızanın başladığı ve temizlendiği andaki ani geçişleri vurgulamaktadır.

Kaynak burada terminolojik moja matematiksel tutarsızlık içermektedir. Metin “altı ghafi kanala beş ek altı-kanallı grup” ifadesini kullanmasına rağmen bunun toplamı 36 huwa. Ayrıntılı açıklamada ikiwa ghafi sinyallere ek olarak dört grup — tofauti ya phase, kijenzi cha ulinganifu, RMS ve gradyan — tanımlanmaktadır. Hii yapı 6 + 24 = 30 kanalla uyumludur.

Kwa nini dirisha la 64 ms ni muhimu?

Ağın girişi 64 zaman örneği × 30 sifa kanalıdır. Örnekleme hızı 1 kHz kwa kuwa ni moja dirisha 64 ms'lik ishara kesitini temsil eder.

Hii kısa dirisha, hızlı geçici olayları yakalamak için yeterince küçük tutulurken farklı ölçeklerde çalışan convolution çekirdekleri sayesinde hem keskin hitilafu başlangıçları hem de zaidi yavaş RMS/genlik değişimleri birlikte analiz inafanywa.

CNN ya mizani mingi imejengwaje?

Modelin ilk kısmında aynı giriş sinyali üç paralel 1D CNN koluna gönderilmektedir. Her kolda iki Conv1D katmanı ve moja skip connection bulunmakta, hata hivyo kullanılan kernel genişliği farklılaşmaktadır.

Üç dalın sonuçları birleştirildiğinde 144 njia ya sifa oluşmaktadır.

Uangalizi wa Squeeze-and-Excitation hufanya nini?

144 njia doğrudan moja sonraki katmana gönderilmek yerine Squeeze-and-Excitation (SE) mekanizmasından geçirilir. Global average pooling ile her njia tek değere indirgenir ve oluşan 144 elemanlı temsil:

144 → 36 → 144

şeklindeki küçük moja darboğaz ağından geçer. ReLU ve sigmoid etkinleştirmelerinden baada yake her njia için moja önem katsayısı elde hufanywa.

Böylece muundo her hitilafu penceresinde aynı özelliklere eşit ağırlık vermek zorunda si. Örneğin ardhi bağlantılı moja olayda sıfır-sekansla ilişkili özelliklerin ağırlığının artırılması teorik olarak mümkün hâle gelir.

Kwa nini vitalu vya residual vilivyodilitishwa vinatumika?

SE katmanını üç residual blok izlemektedir. Bunların dilasyon oranları sırasıyla:

1 → 2 → 4

olarak verilmiştir. Her blok iki kilichodilitishwa Conv1D katmanı kullanır; katman başına 128 kichujio, kernel boyutu 3, batch normalization, ReLU ve %10 dropout uygulanır.

İlk residual blokta 144 kanalı 128'e eşlemek için 1×1 projeksiyon hupatikana. Dilasyon sayesinde kigezo sayısını aynı oranda büyütmeden zaidi geniş zaman bağlamına erişilmektedir.

Kichwa cha uainishaji huzalisha matokeo mawili kwa wakati mmoja

Residual blokların ardından max pooling ve 64 filtreli ek Conv1D katmanı uygulanır. Global average pooling ile global max pooling paralel çalıştırılır ve sonuçları 128 boyutlu moja temsilde birleştirilir.

Bunu 256 ve 128 nöronlu iki dense katman izler. Dropout oranları sırasıyla %30 ve %20'dir. Ağın sonunda iki ayrı softmax çıkışı vardır:

• 12 nöron: Tam hitilafu türü
• 6 nöron: Arızanın fiziksel kategorisi

Toplam muundo boyutu kaynakta 528.182 kigezo olarak hutolewa.

Udhibiti wa “kujirekebisha” hufanyaje kazi kwa kweli?

Kaynağın denetleyicisi beş durumlu sonlu-hali mantığına dayanmaktadır. Normal işletmede her yeni 64 örneklik dirisha CNN'e gönderilir. En yüksek tahmin moja arızaya işaret ediyor ve güven düzeyi %75'i aşıyorsa mfumo Faulty durumuna geçer.

Arızalı besleyici belirlendikten baada yake kesiciye açma komutu gönderilir. Çalışmada tipik kivunja mzunguko açma süresi 30–50 ms olarak kabul inafanywa. Kesici açıldığında mfumo Isolated durumundadır.

Daha baada yake 5 saniyelik ölü muda uygulanır. Ardından Reclosing durumuna geçilerek kivunja mzunguko yeniden kapatılır. Yeni izleme penceresinde hitilafu görülmezse Normal durumuna dönülür.

Arıza yeniden görülürse açma-kapama işlemi en fazla üç kez tekrarlanır. Üç başarısız kufunga tena girişiminden baada yake mfumo kilitlenir ve insan müdahalesi istenir.

Muda wa kutenga hitilafu umehesabiwaje?

Hii muda hitilafu izolasyonu içindir. Yeniden kapama aynı 120–160 ms aralığında gerçekleşmez; ayrıntılı yöntem açık biçimde 5 saniyelik ölü muda tanımlamaktadır.

Ni nini kinachoweza kusemwa moja kwa moja kwa mtazamo wa Türkiye?

Çalışmanın dağıtım modeli ve bütün data üretimi uigaji ortamında gerçekleştirilmiş, Hindistan’daki araştırma kurumu tarafından hazırlanmıştır. Türkiye'deki halisi dağıtım şebekelerinden ölçülmüş hitilafu verisi kullanılmamıştır. Hii nedenle %100 uainishaji doğruluğu au 120–160 ms izolasyon hesabı Türkiye şebekeleri için doğrudan performans göstergesi si.

Yöntem başka moja şebekeye uygulanacaksa ilgili voltage seviyeleri, laini empedansları, topraklama sistemi, mzigo ve dağıtık uzalishaji koşullarıyla yeni data üretimi au tercihen halisi uwanjani verileri juu ya yeniden mafunzo ve bağımsız uthibitishaji gerekir.

Utafiti unasema nini, na hausisemi nini?

Matokeo yanayoungwa mkono na chanzo

• Simulink tabanlı wa awamu tatu dağıtım sistemi juu ya 12 utafiti/arızalanma sınıfı üretilebilmiştir.
• Fizik tabanlı özelliklerle 30 kanallı CNN girişi oluşturulmuştur.
• Önerilen muundo 1.963 jaribio penceresinin tamamında 12 sınıflı hitilafu türünü doğru sınıflandırmıştır.
• Altı sınıflı hitilafu doğası sınıflandırmasında %99,85 usahihi raporlanmıştır.
• Temel CNN ve LSTM modelleri aynı deneyde önerilen mimarinin oldukça gerisinde kalmıştır.
• Modelin CPU üzerindeki çıkarım süresi kaynakta 15–25 ms olarak verilmiştir.
• Sınıflandırıcı moja sonlu-hali kivunja mzunguko udhibiti mantığıyla birleştirilmiştir.

Matokeo ambayo chanzo hakijathibitisha

• Model halisi dağıtım şebekesinden alınmış uwanjani arızalarıyla doğrulanmamıştır.
• %100 jaribio doğruluğu halisi şebekede %100 usahihi anlamına gelmez.
• Yöntem arızayı gerçekleşmeden kabla tahmin ettiğini göstermemektedir.
• Yüksek empedanslı arızaların güvenilir biçimde tanındığı gösterilmemiştir.
• Model halisi moja ARM, FPGA au koruma rölesi juu ya donanımsal uwanjani testiyle doğrulanmamıştır.
• Kesicinin halisi şebekede uçtan uca 120–160 ms ndani ya çalıştığını gösteren fiziksel deney sunulmamıştır; hii değer işlem bileşenlerinin kaynakta verilen sürelerinin toplamıdır.
• Yeniden kapama 200 ms içerisinde tamamlanmamaktadır; ayrıntılı udhibiti algoritması yeniden kapamadan kabla 5 saniye beklemektedir.

Mbinu na Matokeo ya Utafiti

Mpangilio wa uzalishaji wa data

Ham sampuli ve toplam dirisha sayısında chanzo içi uyuşmazlık bulunduğundan hii iki değer tek moja kesin sayı olarak yukarıdaki tabloya konulmamıştır. Ayrıntı Maelezo ya Chanzo na Mbinu’nda açıklanmaktadır.

Mipangilio ya mafunzo

Matokeo ya jaribio

Şekil 3’te verilen 12×12 karmaşıklık matrisi tamamen diyagonal görünmektedir. Kaynak bunu 1.963 jaribio penceresinin tamamının doğru sınıflandırılması olarak açıklamaktadır:

Sayfa 6’daki Şekil 8 zaidi ayrıntılı incelendiğinde altı kategorili sınıflandırmadaki üç hatanın SLG sınıfından Three-Phase-G sınıfına gerçekleştiği huonekana. Matriste 458 SLG örneği doğru sınıflandırılmış, üç sampuli yanlış kategoriye atanmıştır. Diğer gösterilen kategoriler matriste diyagonal üzerindedir.

Ulinganisho na miundo rahisi

Kaynağın ablation karşılaştırmasında msingi CNN %61,31, msingi LSTM %56,70 jaribio doğruluğu elde ederken önerilen muundo %100,00'a ulaşmıştır. Yazarlar hii farkı ya mizani mingi kernel yapısı, SE njia dikkati ve kilichodilitishwa residual blokların birlikte kullanılmasına bağlamaktadır.

Ancak hii ulinganisho, bileşenlerin her birinin etkisini ayrı ayrı kaldıran tam faktöriyel moja ablation tablosu si. Kaynak iki basit baseline ile önerilen bütünleşik mimariyi karşılaştırmaktadır. Hii nedenle yalnız hii sonuçlardan SE bloğunun au herhangi tek moja bileşenin tek başına nini kadar usahihi kazandırdığı nicel olarak çıkarılamaz.

Mwenendo wa mafunzo

Kaynak, uthibitishaji doğruluğunun 22. epoch civarında %100 seviyesine ulaştığını ve mafunzo/uthibitishaji hasara eğrilerinin birbirine yakın ilerlediğini bildirmektedir. Tüm mafunzo işleminin Core i7 CPU juu ya yaklaşık 12,5 dakika sürdüğü belirtilmiştir.

Hii gözlem yazarlar tarafından ezberleme görülmediğine işaret olarak yorumlanmıştır. Bununla birlikte yalnız mafunzo ve uthibitishaji eğrilerinin yakınlığı bağımsız halisi-uwanjani genellemesini kanıtlamaz.

Kizuizi muhimu cha kimetodolojia kuhusu uhuru wa seti ya majaribio

Kaynak, 64 örneklik pencerelerin 8 sampuli stride ile oluşturulduğunu ve zaidi baada yake mafunzo, uthibitishaji ve jaribio bölünmesi yapıldığını belirtmektedir; hata hivyo bölmenin CSV dosyası au bağımsız Simulink koşusu bazında gruplanıp gruplanmadığını açıklamamaktadır.

64 örneklik pencerelerin yalnız 8 sampuli kaydırılması nedeniyle ardışık pencereler büyük ölçüde örtüşmektedir. Eğer aynı uigaji kaydından gelen örtüşen pencereler farklı data bölümlerine dağıtıldıysa bunlar birbirinden tamamen bağımsız gözlemler olmayabilir. Metin hii ihtimali doğrulayacak au dışlayacak yeterli ayrıntı vermediğinden, %100 jaribio başarısının hasa bağımsız feeder/uwanjani genellemesi açısından dikkatli yorumlanması gerekir.

Benzer biçimde, 10 saniyelik hitilafu kayıtlarında hitilafu yalnız 3–7 saniye kati ya uygulanmaktadır. Kaynak, hitilafu başlamadan önceki ve temizlendikten sonraki normal bölümlerin dirisha etiketlemesinde jinsi gani ele alındığını ayrıntılı olarak açıklamamaktadır. Hii nedenle hii bölgelerin uainishaji data setindeki etiket mantığı chanzo üzerinden kesin biçimde doğrulanamamaktadır.

Hatua zinazofuata zilizotajwa na waandishi kwa mpito kwenda katika ulimwengu halisi

Çalışmanın matokeo bölümünde halisi feeder ölçümleriyle uthibitishaji açık biçimde gelecekteki utafiti olarak inaelezwa. Ayrıca yüksek empedanslı arızalar, PMU data akışları, FPGA tabanlı düşük gecikmeli uygulama, şebekeler arası transfer learning ve yüksek güneş/rüzgâr penetrasyonunda değişen arka plan akımlarının etkisi gelecekte incelenmesi gereken konular kati ya sayılmaktadır.

Maelezo ya Chanzo na Mbinu

Tam özgün utafiti adı: Deep Learning Based Predictive Fault Detection and Self-Healing Control Strategy for Smart Power Grids Using MATLAB Simulation

Yazarlar ve özgün sıralama: Khaire Ashwini; Mali Saurabh; Jadhav Siddharth; Malgavi Rohit; Pawar Harish.

Kurum: Department of Electrical Engineering, K. K. Wagh Institute of Engineering, Education and Research, Nashik, Maharashtra, India.

Sorumlu yazar: PDF’de ayrı moja “corresponding author” işareti au beyanı bulunmamaktadır.

Eş birinci/eş katkı: Yüklenen sürümde eş katkı beyanı bulunmamaktadır.

Kaynak türü: MATLAB/Simulink tabanlı usambazaji wa umeme sistemi simülasyonu ve ujifunzaji wa kina hitilafu uainishaji çalışması.

Yayın durumu: Yüklenen utafiti hakem değerlendirmesinden geçmemiş moja SSRN preprintidir. Bulgular hii yayın aşaması dikkate alınarak değerlendirilmelidir.

Platform: SSRN.

SSRN kayıt numarası: 7101863.

DOI: 10.2139/ssrn.7101863.

SSRN yayımlanma tarihi: 11 Temmuz 2026.

Hakemli sürüm: Bibliyografik doğrulamada aynı çalışmaya ait doğrulanmış ayrı moja hakemli dergi sürümü tespit edilmemiştir.

Yöntem: MATLAB/Simulink ve Simscape Electrical tabanlı sentetik wa awamu tatu dağıtım sistemi hitilafu verisi; fizik tabanlı sifa mühendisliği; Multi-Scale Deep Residual 1D CNN; Squeeze-and-Excitation njia dikkati; kilichodilitishwa residual katmanlar; çift softmax uainishaji ve sonlu-hali unaiojirekebisha kivunja mzunguko udhibiti mantığı.

Verinin niteliği: Eğitim ve jaribio ishara halisi dağıtım feeder ölçümleri si, MATLAB/Simulink simülasyonundan oluşturulmuş sentetik verilerdir.

Kaynak içi tutarsızlık 1 — ghafi sampuli sayısı: MATLAB/Simulink modeli bölümünde 60 CSV’nin toplam 108.255 zaman alanı örneği içerdiği yazılırken Sonuçlar bölümünde aynı data için 108.316 ghafi sampuli bildirilmektedir. Kaynak hii 61 örneklik farkı açıklamamaktadır.

Kaynak içi tutarsızlık 2 — dirisha sayısı: Eğitim ayrıntıları bölümünde 13.084 dirisha yazılırken Sonuçlar bölümünde 13.004 dirisha inaelezwa. Ayrıca verilen 9.119 mafunzo + 2.022 uthibitishaji + 1.963 jaribio sayılarının toplamı 13.104'tür. Böylece kaynakta toplam dirisha sayısı için üç farklı sayı ipo. Bunlar sessizce tek moja değere dönüştürülmemiştir.

Kaynak içi tutarsızlık 3 — 30 njia ya sifa: Metin altı ghafi kanaldan “beş ek altı-kanallı grup” üretildiğini ve sonucun 30 njia olduğunu söylemektedir; hii ifade matematiksel olarak 36 njia verir. Ancak ayrıntılı yöntem yalnız dört ek grup — phase farkları, simetrik bileşenler, RMS zarfları ve gradyanlar — tanımlamaktadır. Altı ghafi njia ile dört adet altı-kanallı grubun toplamı 30'dur. Makalede mimarinin açıkça kullandığı giriş şekli 64×30 olarak verildiğinden chanzo içindeki sözel hata pia belirtilmiştir.

Kaynak içi tutarsızlık 4 — 200 ms ve kufunga tena: Özet, kesicinin açılması, arkın sönmesinin beklenmesi ve kiotomatiki yeniden kapamanın 200 ms içerisinde gerçekleştiği izlenimini vermektedir. Ayrıntılı udhibiti bölümünde ikiwa 120–160 ms yalnız hitilafu başlangıcından izolasyona kadar geçen muda olarak hesaplanmakta ve yeniden kapamadan kabla açıkça 5 saniyelik ölü muda uygulanmaktadır. Hii nedenle “200 ms” değeri kufunga tena süresi olarak kullanılmamıştır.

Kaynak içi matokeo ayrıntısı: Şekil 8’de altı kategorili hitilafu doğası karmaşıklık matrisinde 1.963 jaribio penceresinin üçü SLG’den Three-Phase-G kategorisine yanlış atanmıştır. Hii, kaynakta bildirilen yaklaşık %99,85 doğrulukla uyumludur. Buna karşılık 12 hitilafu türü için Şekil 3’teki matris zote 1.963 örneğin diyagonal juu ya olduğunu göstermektedir.

Bağımsız jaribio sınırı: Kaynak, 64 örneklik ve 8 stride'lı örtüşen pencerelerin mafunzo/uthibitishaji/jaribio bölünmesinin dosya au bağımsız uigaji koşusu bazında gruplanıp gruplanmadığını belirtmemektedir. Hii nedenle aynı msingi zaman serisine ait yüksek ölçüde benzer pencerelerin farklı bölümlere düşüp düşmediği chanzo üzerinden doğrulanamamaktadır.

Etiketleme sınırı: Arıza simülasyonlarında 10 saniyelik kayıt ndani ya hitilafu 3–7 saniye kati ya aktiftir. Kaynak, hii kayıtların hitilafu öncesi ve sonrası bölümlerinden üretilen pencerelerin etiketleme politikasını ayrıntılı olarak açıklamamaktadır.

Saha doğrulaması: Yazarlar halisi feeder ölçümleriyle doğrulamayı gelecekteki utafiti olarak tanımlamaktadır. Hii nedenle mevcut sonuçlar MATLAB/Simulink ortamındaki sentetik data performansını göstermektedir.

Bilimsel içerik sınırı: Hii Verianla makalesindeki ağ mimarisi, data üretimi, mafunzo parametreleri, sonuçlar ve udhibiti mantığı yalnız yüklenen çalışmadan alınmıştır. Dış chanzo yalnız başlık, yazar listesi, SSRN kayıt tarihi, DOI ve yayın durumunun bibliyografik doğrulaması amacıyla kullanılmıştır.