Theses supervised by Dr. Öğr. Üyesi Atınç Yılmaz
17 theses · İstanbul Beykent University
Doğal dil işleme ile makinelerin kendi dilini modellemesi
Doğadaki tüm canlılar birbirleri ile haberleşmek için çeşitli yöntemler kullanmaktadır. Dillerin oluşumu ve gelişimi hakkında hala yeterli bilgi bulunmamaktadır. Dillerin oluşumu ve doğal dil işleme süreçleri ile ilgili geçmişten günümüze kadar çeşitli çalışmalar yapılmış olup bu çalışmalar farklı metot, farklı analiz ve farklı yaklaşımlar içermektedir. Makinelerin kendi dillerini üretebilmesi için yaklaşım geliştirilmesi, böylece insansı makinelerin oluşturulma sürecinde bu makinelerin de tıpkı insanların sahip olduğu gibi kendi dilleri ile iletişim kurabilme süreçlerine katkıda bulunulmak, doğal dillerin oluşumu sürecinde de dil bilimcilere yol göstermesi, evrişimli sinir ağlarını kullanarak canlıları ayırt etme ve sınıflandırma yetilerini, yeni sesler türetme yetisini kazanması hedeflenmiştir. Görüntü işleme algoritmalarının ses işlemede kullanılarak daha etkin ses analizlerinin yapılmasının sağlanması ve ses işlemede yeni model geliştirilmesi konularına odaklanılmıştır. İnsanlar yüzyıllardır dillerin oluşumu ve gelişimi üzerine çalışmalar yapmaktadır. Diller sayesinde insanlar birbirleri ile etkileşimde bulunabilmektedir. Çalışma ile bu yetinin makinelere kazandırılması sağlanması için modeller oluşturulmuştur. Çalışmada var olan doğal dil işleme modelleri ile ses işleme modelleri kullanılmıştır. Öncelikle makineye günümüzde var olan alfabelerden hangisini kullanmak istediği karar verdirtilmiş ardından da Yenilemeli Yapay Sinir Ağları, Mel Frekans Cepstral Katsayısı ve Dinamik Zaman Çözgü yaklaşımı modellerinin birlikte kullanılması ile canlıların seslerine benzer sesler türetilmiş ve canlılar bu sesler ile adlandırılmıştır. Çalışma sonucunda, makinelerin kendi dillerini üretebilmesi için yaklaşım geliştirilmiştir. Böylece insansı makinelerin oluşturulma sürecinde bu makinelerin de tıpkı insanların sahip olduğu gibi kendi dilleri ile iletişim kurabilme süreçlerine katkıda bulunulmuştur. Doğal dillerin oluşumu sürecinde de dil bilimcilere yol göstermesi hedeflenmiştir.
Melez öğrenme ile kalp ve damar hastalığının tahmini
Ülkemizde ve dünyada yaşam kalitesini düşüren, çok sayıda ölüme sebep olan ve tedavi giderleri fazla olan kalp ve damar hastalıklarına yakalanma riski yaşı gün geçtikçe düşmektedir. Hastalığın tedavisinde erken tanının rolü büyüktür. Bununla ilgili birçok alanda çalışmalar yapılmaktadır. Teknolojinin gelişmesiyle günümüzde makinelerin insan öğrenmesini taklit edebilmesi ve çıkarım yapabilmesi sağlanmıştır. Yapay Zeka adı verilen bu yöntem ile makinelerin günlük hayatımızda ve bir çok alanda insan yaşamını kolaylaştıracağı düşünülmektedir. Yapay zekanın alt dalları olan yapay sinir ağları hastalıkların erken tanısında kullanılmaktadır. Literatürde birçok çalışmada kullanılan bu yöntemler ile hastalıklara neden olan faktörler girdi olarak alınıp hastalık sonucu tahminlemesi yapılabilmektedir. Böylece hastalığa yakalanma riski olanların erken tanı ile tedavisi mümkün olabilmektedir. Bu çalışmada, yapay sinir ağları yöntemi ile birlikte önerilen melez (hibrit) sistem kıyaslanarak kalp ve damar hastalıklarının tedavisinde hastanın durumunun önceden tahmini sağlanmaktadır. Önerilen melez sistemin yapısında k - ortalamalar algoritması ve yapay sinir ağı yöntemi kullanılmaktadır. Kardiyoloji verilerinin hastalık tahmininde en iyi sonucu veren modelin tespit edilmesi için yapılan çalışmada yapay sinir ağı ve melez sistem iki farklı model oluşturulmuştur. Kardiyoloji verileri kullanılarak yapılan hastalık tahmininde model başarım ölçütlerinde kullanılan ortalama karesel hata, kök ortalama karesel hata ve ortalama mutlak yüzde hatası performans kriterleri ile en doğru sonucu veren model belirlenmektedir.
Olası bir nükleer saldırı durumda YSA ile kurtulma algoritması
İstanbul iline karşı gerçekleşecek olası bir havadan yere nükleer saldırı sonucu, erken uyarı sistemleri sayesinde gelecek bilgiyi kullanarak kullanıcının bulunduğu konuma göre kendisine yapay sinir ağları kullanılarak bir kaçma kurtulma algoritması oluşturmak. Saldırıdan sonra hayat idame için kullanıcıya destek ve arama kurtarma ekiplerinin işini kolaylaştırmak da çalışmanın diğer hedefidir. Hesaplamalar erken uyarı sisteminden gelecek verilere göre(yaklaşık konum) gerçekleştirileceğinden mütevellit yerden yere tabir edilen terörist saldırılar kapsam dışıdır. Olası saldırı senaryoları için uygun veri seti oluşturularak,yapay sinir ağları ile hata payı düşene kadar iterasyona uğratılacaktır. Çıkan sonuç kullanıcının anlayacağı düzeye indirgenerek görüntülenecektir. Çalışma alanı olarak İstanbul seçilmiştir.
Yapay zeka ile meme kanseri lenf nodu analizi
Dünya' da en çok görülen kanser türünün akciğer kanseri olmasına rağmen kadınlarda en çok görülen kanser türü meme kanseridir. Meme kanserinde, hastalığın evresi ve buna bağlı olarak hangi tedavi yönteminin kullanılacağı konusunda birçok olgunun analiz edilmesinin yanında koltuk altı lenf nodu durumu önem taşımaktadır. Meme kanserinde koltuk altı lenf durumunun varlığı vücudun diğer organlarına yayılma riskini arttırmaktadır. Cerrahi işlemler gerektiren bu durum hastalığın ciddiyetini önemli kılmaktadır. Yapılan bu çalışmada İstanbul Gaziosmanpaşa Taksim Eğitim ve Araştırma Hastanesi'nden alınan meme kanseri olan hastaların koltuk altı lenf durumunu içeren klinik ve patolojik verileri, Yapay Zeka yöntemlerinden olan K-Means, Uyarlamalı Sinirsel Bulanık Çıkarım Sistemi, Genetik Algoritma ve Yapay Sinir Ağları kullanılarak modeller oluşturulmuş ve meme kanseri lenf nodu durumu teşhisi için kullanılabilirliği analiz edilmiştir. Modellerin eğitimi için belirtilen yöntemler ile farklı iki hibrit model oluşturulmuştur. Farklı özelliklere sahip bu iki yöntemin verimliliğini görebilmek adına temel bir Yapay Sinir Ağı kullanılmıştır. Tıbbi olarak güvenilirliğini test etmek amacıyla bu çalışmada oluşturulan modellerin performanslarının karşılaştırılması tanı testleri ve ROC eğrisiyle ortaya konulmuştur.
Yapay sinir ağları ile enflasyon tahmini
Günümüzde yapay zeka teknikleri ekonomi ve finans alanında geleneksel olan istatistiksel yöntemlere oranla oldukça fazla kullanılmaya başlanmıştır. Geçmiş dönem verilerine dayanarak geleceğe yönelik tahminler yapay zeka teknikleri ile gerçeğe daha yakın sonuçlar ortaya koymuş ve her konuda kendisine uygulama alanı bulmuştur. Ekonomi ve finans alanında tahmin yöntemi ile öngörüde bulunmak oldukça zordur. Alanın yapısından kaynaklanan ve tahmini zorlaştıran nedenler; yüksek belirsizlik durumu ve oynaklıktır. Tahmin edilen değerlerin gerçeğe en yakın şekilde bulunması yüksek risk taşıyan ekonomi ve finans alanı için oldukça önemlidir. Bu çalışmada, Matlab üzerinde Anfis modeli ve K-means algoritması kullanılmıştır. Veri seti enflasyonu etkileyen faktörlerinden seçilmiştir. Anfis ve K-means aracılığıyla eldeki veri setinden en etkili girdiler seçilmiş ve modele uygulanarak geleceğe yönelik tahmin yapılmıştır.
Online cihazların izlenmesi ve veri madenciliği kullanılarak analizi
Çevrimiçi olacak şekilde bir ağa bağlı olarak çalışan yazıcılar üzerinde yapılması beklenen bu çalışmada, tüm bu cihazların belirli periyodlarla sayaç değerleri (baskı adedi, kilometre sayacı gibi) toplanarak kayıt altına alınmıştır. Elde edilen bu veri seti üzerinde yapılacak olan çalışmada konu cihazların verimliliklerinin arttırılması beklenmektedir. Toplanacak veriler manuel yöntemler (cihaz üzerinden kontrol) veya uzaktan bağlantı vasıtasıyla yapılabilmektedir. Bu veriler yazıcıların seri numaralarına bağlı olarak saklanacak ve istendiğinde ulaşmak mümkün olacaktır. Daha sonra bu veriler çeşitli veri madenciliği ve yapay zeka yöntem ve algoritmaları kullanılarak, makinenin teknik kapasitesi ve teknik ömrü de göz önüne alınarak kapasitesinin altında veya üstünde çalıştığı, konumlandırılan yerin daha düşük hacimli veya yüksek hacimli cihaza ihtiyacı olduğunun tespiti, geçmiş verilerden geleceğe ait çıkarım yapma, yazıcının sayacını etkileyen faktörlerin belirlenmesi, bunların etki derecelerinin tespiti yapılması amaçlanmaktadır. Çalışma kapsamında Excel Veri Analizi, WeKa Explorer Ve MatLab program üzerinden farklı algotirmalar ile çözümlemeler yapılmış olup bunların tümü sonuç kısmında yorumlanmıştır.
Makine öğrenmesi metodları ile müşteri profilleme ve yapılan profillemenin etkinliğini değerlendirme
Bir turizm firmasının son altı yıla ait müşteri ve rezervasyon verileri, kişisel verilerin korunması kanununa uygun şekilde anonimleştirilmiş ve karar ağaçları, rassal ormanlar, destekçi vektör makineleri ve yapay sinir ağları yöntemleri kullanılarak segmentlere ayrılarak, geçmiş satın alma alışkanlıklarından tatil köyü pazarlama faaliyetlerinin verimliliği arttırılması hedeflenmiştir.
Bulut bilişim sistemi tabanlı modern DDOS atakları ve savunma yöntemleri
Bu çalışmada, tüm dünyada yeni bir teknoloji olan bulut teknolojisinin, negatif yanları, yapısal özellikleri, dağıtım tipleri, modellemeleri aktarılmıştır. Son yıllarda tüm internet güvenliğinin tekrardan şekillenmesini sağlayan modern DDOS saldırıları, bulut yapısı üzerinden gerçekleştirilmiştir. Saldırı komutları, saldırı yapacak makineler, saldırı araçları belirlenmiştir, tüm modern saldırıların sistem üzerindeki etkileri süreler bazında hesaplanmıştır. Saldırı tipleri kurban makine üzerinde denenmiştir. Tezin amacı bulut bilişim üzerinden yapılan modern DDOS saldırılarının etkisini azaltmak ve onları minimum zararla atlatmak için ilgili savunma türlerini belirlemektir
Görme engelli yollarının kamera görüntüleri aracılığıyla iç ortam yönlendirme
Engelli bireylerin hareket özgürlüklerinin artması toplumsal hayata katılmaları açısından önem arz etmektedir. Günümüzde engelli bireylerin bağımsız olarak hareket edebilmesi için çeşitli çalışmalar yapılmaktadır. Bu çalışmalardan biri de görme engelliler için hazırlanmış olan görme engelli yollarıdır. Hissedilebilir yüzeyler olarak da bilinen görme engelli yollarını kullanan görme engelli bireyler, bastonları ile iç ve dış ortamlarda görece kolay hareket edebilmektedirler. Bu çalışmada da görme engelli bireylerin iç ortamdaki hareket kabiliyetlerinin arttırılması amacıyla kameradan alınan verilerin görüntü işleme teknikleri ile işlenerek kullanıcıya sesli uyarı verecek bir sistem önerilmektedir. Önerilen sistem, görme engelli yollarındaki işaretler esasınca yol ayrımlarının, yolun devam ettiği konumların ve yolun bittiği konumların tespitini yapmaktadır. Ayrıca iç ortamın belirli bölgelerine eklenmiş kare kodlar ile sistem kullanıcısının bulunduğu konumu ve yönünü bildirerek sesli bildirimler vasıtasıyla yönlendirme yapmaktadır. İlgili sistem Beykent Üniversitesi Hadımköy yerleşkesi giriş katında bulunan görme engelli yolları ile test edilmiş ve %98 oranında pozitif doğru sonuç elde edilmiş ve yapılan canlı testler ile önerilen sitemin görme engelli bireyler tarafından iç ortamlarda yönlendirme amacıyla kullanabileceği gözlenmiş ve görme engelli yollarına yeni bir işlev kazandırılmıştır.
Müşteri ödemelerinde sürekliliğin sağlanması ve veri madenciliği teknikleri ile analiz edilmesi
Firmalar müşterilerine hizmet sağlamaya devam ederken, müşterilerinden de bu hizmet karşılığında gereken hizmet bedellerini zamanında elde etmek isterler. Ancak bazı durumlarda müşteriler çeşitli nedenler ile ödemelerini geciktirebilirler. Bu da hizmet sağlayıcı firmayı kötü etkileyecek istenmeyen bir durumdur. Bu çalışmada amaç, müşterilerin ödemelerini zamanında ve sürekli şekilde yapmasını sağlamaktır. Bunun içinde mevcut müşteri fatura ödeme bilgilerini içeren veri seti incelenerek müşterilerin ödeme alışkanlıklarını veri madenciliği teknikleri kullanılarak tahmin etmektir. Çalışmada kapsamında, bilişim sektöründe faaliyet gösteren bir firmaya ait 10000 farklı müşterinin fatura ödeme bilgileri verileri kişisel verilerin korunması kanunu kapsamında anonimleştirilerek naif bayes, karar ağaçları, destek vektör makineleri, rassal ormanlar, lojistik regresyon algoritmaları ile modellenmiştir. Çalışmada, yukarıdaki veri madenciliği sınıflandırma ve tahmin yöntemleri ile oluşturulan modeller çalıştırılarak, başarı oranlarının karşılaştırılması yapılmıştır. Sonrasında, en yüksek başarı oranını veren algoritma ile topluluk öğrenme yöntemi karşılaştırılarak, topluluk öğrenme yöntemi ile oluşturulan kombine modelin başarısı değerlendirilmiştir. Çalışma neticesinde, kullanılan algoritmaların başarısında parametre seçimlerinin ve modeli optimize edecek yöntemlerin kullanılmasının etkili olduğu görülmüştür.
Fiber internet müşteri şikayet tahminlemesi
Bu çalışmada telekomünikasyon sektöründe faaliyet gösteren bir firmaya gelen fiber internet müşteri şikayetleri verileri, kişisel verilerin korunması kanunu kapsamında anonimleştirilmiştir. Makine öğrenmesi algoritmalarından karar ağaçları, naive bayes, random forest, lojistik regresyon ve xgboost yöntemlerini python programlama dili ile modelleyerek müşteri şikayetlerinin gerçekten bir problem kaynaklı gelip gelmediğine bakarak tahmin edilmesi sağlanmıştır. Çalışmada öncelikle makine öğrenmesi algoritmalarıyla tekil modeller oluşturarak başarı oranları hesaplanmıştır. Daha sonra bu algoritmalardan birleşik (ikili) hibrit modeller oluşturularak başarı oranları karşılaştırılmıştır. Çalışmanın amacı, müşteri şikayetlerine hızlı müdahale edilmesini sağlamaktır. Ayrıca müşteri memnuniyetini arttırarak müşteri odaklı bir yaklaşım benimsemektir.
Makine öğrenmesi ile SCO kasa sistemlerinin temassız alışverişlerinde çalıntı tahmini
Günümüzde çok farklı alanlarda tahmin, sınıflandırma ve kümeleme gibi incelemelerin yapılması için makine öğrenmesi algoritmalarına başvurulmaktadır. Makine öğrenmesi algoritmaları birçok alanda fayda sağladığı gibi yüksek performans sergilemesinden ötürü de tercih edilmektedir. Bu çalışma kapsamında perakende sektöründe Kendi Kendine Ödeme (SCO) kasa sistemlerindeki temassız alışverişlerde çalıntı tespitinin sınıflandırma ve tahmini için yararlanılmıştır. Perakende sektöründe bazı firmalarda hem kasiyerli olarak gerçekleşen hem de kasiyersiz olarak alışverişin tamamlanabileceği SCO kasa sistemleri bulunmaktadır. SCO kasa sistemlerinde müşteri, ödemesini ve alışveriş adımlarını kendi başına tamamlayabilmektedir. Bu çalışmada, SCO kasa sistemlerinde gerçekleşen temassız alışveriş deneyimlerindeki satış ve iptal verileri kullanılmıştır. İptal verileri çalıntıya sebebiyet verdiğinden makine öğrenmesi algoritmaları kullanılarak verilerin iptal ya da satış olup olmadığı tespit edilerek sınıflandırılmıştır. Sınıflandırmada, literatür araştırmasında da çok sık karşılaşılan Lojistik Regresyon, Karar ağacı (C4.5), K – En Yakın Komşu (KNN), Gradyan Arttırılmış Ağaçlar (GBT) ve Rastgele Orman (RF) algoritmaları uygulanarak sonuçları karşılaştırılmıştır. Karşılaştırmalar modellerin doğruluk, f1-skor (f1-score), kesinlik (precision), geri çağırma (recall) ve Eğrinin Altında Kalan Alan (AUC) değerleri üzerinden sağlanmıştır. Ayrıca iptal edilen fişlere Apriori algoritması ile sepet analizi çalışılmış ve birlikte alınan ürünlerin değerlendirmeleri yapılmıştır. Çalışma sonucunda algoritmalar karşılaştırıldığında en iyi performansı %96.49 doğruluk oranı ve 0.98'lik ile AUC değeri ile Karar Ağacı algoritması vermektedir. Burada, bölünme kriteri olarak Gini indeksi, maximum derinlik 40 ve maximum özellik sayısı 8 olarak belirlenen en iyi hiper parametre değerleri esas alınmıştır. En düşük performans ise %65.62 doğruluk oranı ve 0.72 AUC değeri ile Lojistik Regresyon modeline aittir. Çalışma neticesinde en iyi performansı sergileyen Karar Ağacı modeli ile sınıflandırma yapılmasının uygun olduğu görülmektedir. Aynı zamanda iptal edilen fişlerdeki ürün birliktelikleri dikkate alınarak ürün kaybını ve çalıntıyı önleyen tedbirlerin alınması sağlanabilecektir.
Sepsis hastalığının derin öğrenme yöntemiyle tahmini
Sepsis hastalığı erken teşhis edilmediği takdirde hastanın ölümüne neden olabilecek bir hastalıktır. Hastalığın erken teşhisi için daha önce yapılan çalışmalar bulunmaktadır. Yapılan bu çalışma Türkiye'de Sepsis hastalığının teşhisinin derin öğrenme yöntemiyle yapılması açısından bir ilktir. Sadi Konuk Eğitim Araştırma Hastanesi Yoğun Bakımı' na Sepsis şüphesi ile gelen hastaların ilk 12 saatlik verileri kullanılarak Sepsis olup olmadıkları tahmin edilmeye çalışılmıştır. 18-60 yaş arasındaki 640 hastadan 216 hastaya Sepsis teşhisi konurken 424 hasta sağlıklıdır. Bu çalışmada derin sinir ağlarıyla Sepsis hastalığının tahmini için kullanılan modelde yeni bir hibrit meta-sezgisel algoritma önerilmiştir. Derin sinir ağlarının parametrelerinin optimizasyonunda kullanılan gradyan tabanlı algoritmalar iyi sonuçlar ortaya koymamıştır. Bunun nedeni literatürde yapılan çalışmalarda yerel minimum değerde takılı kalmasıdır. Gradyan tabanlı algoritmalar global minimuma ulaşmada başarısız sonuçlar ortaya koymuştur. Son yıllarda meta-sezgisel algoritmalar popülasyona dayalı çözümler sürü zekası ve evrimsel yaklaşımla iyi sonuçlar ortaya koymuşlardır. Önerilen algoritma, İnsan zihinsel arama algoritmasının (HMS) zihinsel arama operatörünü kullanarak parçacık sürü optimizasyonundaki (PSO) parçacıkların lokal arama stratejisiyle global minimuma ulaşmasını amaçlamaktadır. Bu çalışmada, İnsan zihinsel arama (HMS) ve parçacık sürü optimizasyonu (PSO) algoritmalarının avantajı göz önünde bulundurularak HMS-PSO adlı yeni bir hibrit algoritma sunulmuştur. Önerilen algoritma, yerel minimumdan kaçmaya yol açan ve küresel minimumu elde etme şansı sağlayan keşfetme (exploration) ve sömürme (exploitation) işlemini dengelemeye çalışır. Ardından, HMS-PSO'nun performansını ölçmek için benchmark fonksiyonlarının üzerinde çalıştırarak HMS ve PSO ile karşılaştırılmıştır. Önerilen algoritmanın diğer algoritmalara göre daha güvenilir, daha dayanaklı ve daha esnek olduğu gösterilmiştir. HMS-PSO, derin sinir ağları (HMS-PSO-DNN) ile entegre edilmiştir. Sepsis hastalığının tahmininde kullanılacak uygun sinir ağı mimarisinin seçilebilmesi ve sinir ağının hiper parametrelerinin belirlenebilmesi için örneklendirilmiş Sepsis veri seti kullanılmıştır. Önerilen mimarinin tahmin performansını ölçmek için gerçek veri setleri olan diyabet, kalp yetmezliği, kriyoterapi ve immunoterapi medikal veri setleri kullanılmıştır. Sonuçlar, önerilen entegrasyon modelinin doğruluk, sağlamlık ve performans açısından diğer mevcut gradyan tabanlılar ve bahsi geçen meta-sezgisel algoritmalardan daha iyi performans gösterdiğini ortaya koymuştur. Entegre edilen algoritmanın güvenilirliği ispat edildikten sonra 18-60 yaş arasındaki 640 hastadan oluşan Sepsis veri seti kullanılarak Sepsis hastalığı tahmin edilmeye çalışılmıştır. Dengeli veri seti oluşturmak, Sepsis veri kümesinde modelin tek bir sınıfı öğrenmesini önlemeye yardımcı olduğu için modelin eğitimini kolaylaştırır. Çalışmamızda bu öğrenme probleminin çözümüne yönelik veri seti dengelenmiştir. Önerilen algoritma ve diğer algoritmaların dengeli veri seti tahmini için 2000 iterasyon ve 30 bağımsız çalışma süresindeki performansları karşılaştırılmıştır ve sonuçlar ortaya konmuştur. Ayrıca önerilen algoritmanın performansını literatürdeki çalışmalar ile karşılaştırabilmek için ilk 6 saatlik Sepsis veri seti ile tahmin yapılmıştır. Elde edilen sonuçlar literatürdeki çalışmalardan doğruluk değeri açısından daha iyi sonuç vermiştir.
Seçilmemiş veri örnekleri sorunu için uygulanabilir bir boyut azaltma algoritmasının geliştirilmesi
Boyut Azaltma, zaman karmaşıklığı ve depolama sorunları için önemli avantajlar sunar. Geleneksel Manifold Öğrenme ise özellik çıkarma için başarısı kanıtlanmış önemli bir Boyut Azaltma çalışma alanı olmakla beraber Seçilmemiş Veri Örnekleri Sorunu için uygulanabilir olmadığından hızlı ve pratik çalışamamaktadırlar. Literatürde sonradan Manifold Öğrenme tabanlı Seçilmemiş Veri Örnekleri için uygulanabilir doğrusal yöntemler sunulmuştur. Çalışmada hem Seçilmemiş Veri Örnekleri Sorunu için uygulanabilir hem de özellik öğrenme kabiliyeti rakiplerinden daha üstün Doğrusal Manifold Öğrenme tabanlı bir Boyut Azaltma yönteminin geliştirilmesi ve etkinliğinin gösterilmesi amaçlanmıştır. Önerilen yöntem, veriler arasındaki saçılım bilgisini denetimli bir yolla katsayılandırıp ağırlık matrisi oluşturmak için gereken özel bir fonksiyona vermektedir. Bu yöntem Konum Koruyan Dönüşüm ve Ortogonal Konum Koruyan Dönüşüm algoritmalarına uygulanmıştır. Deneyler Seçilmemiş Veri Örnekleri Sorunu için uygulanabilir olan Konum Koruyan Dönüşüm, Ortogonal Konum Koruyan Dönüşüm, Komşuluk Koruyan Gömüleme, ve Ortogonal Komşuluk Koruyan Gömüleme algoritmaları üzerinde karşılaştırmalı olarak gerçekleştirilmiştir. Yüz tanıma ve hiperspektral görüntüleme alanlarına ait deneylerden elde edilen bulgularda önerilen yöntemin rakiplerine oranla daha üstün sınıflandırma doğruluk performansı gösterdiği görülmüştür. Ayrıca elde edilen ağırlık matrisleri, saçılım grafikleri, bant grafikleri, korelasyon matrisleri ve anlamlılık matrislerindeki değişimler sınıflar arasındaki ayırt edicilik bilgisinin daha iyi seviyeye geldiğini göstermiştir. Sonuç olarak, rakiplerine oranla daha üstün özellik öğrenme kapasitesine sahip Seçilmemiş Veri Örnekleri Sorunu için uygulanabilir bir Boyut Azaltma yöntemi sunulmuş ve bu yöntemin etkinliği hem yüz tanıma hem de hiperspektral görüntüleme alanlarında kanıtlanmıştır.
Demografik özelliklerin online market kullanımına etkisinin makine öğrenmesi yöntemleri ile tahmini
Online market alışverişi hizmeti sağlayan firmaların ürün satışlarını arttırmak ve yeni müşteriler elde etmek amacıyla online satış platformlarında hayata geçirdikleri birçok kampanyanın başarıya ulaşmadığı görülmektedir. Çalışmada, var olan bu sorunun altındaki temel sebep mercek altına alınarak etkin bir online market stratejisi için şirketlerin kullanabileceği örnek bir yöntem sunmak ve böylece teknoloji alanında devam eden çalışmalara katkı sağlamak amaçlanmaktadır. Bu amaç doğrultusunda yapılan anket aracılığı ile online market üzerinden alışveriş yapan 20-86 yaş aralığındaki 394 online market kullanıcısına ait çeşitli veriler toplanmıştır. Daha sonra elde edilen veriler ile makine öğrenmesi algoritmaları kullanılarak özellikle online market kullanıcılarının demografik özelliklerine bağlı olarak online market alışverişleri sırasında kişisel bakım kategorisinden alışveriş yapma eğilimlerinin belirlenmesine olanak veren bir model ortaya konulmuştur. Ardından bu veriler üzerinde de ideal bir modelleme oluşturmak adına en verimli sonuçların elde edilmesini sağlayan sınıflandırma algoritmalarından Karar Ağaçları, K-En Yakın Komşu (KNN), Gradyan Arttırılmış Ağaçlar (GBT), Rastgele Orman ve Lojistik Regresyon algoritmaları uygulanmıştır. Son olarak da ortaya çıkan AUC (Eğri altında kalan alan), recall (geri çağırma), f1-skor (f1-score), precision (kesinlik) değerleri üzerinden bir karşılaştırma yapılmıştır. Böylece çalışma sonucunda karşılaştırması yapılan algoritmalar içerisinde en iyi performansı 0.83 doğruluk oranı ve 0.92 AUC değeri ile Lojistik Regresyon algoritması verdiği tespit edilmiş, en düşük performansı ise 0.70 doğruluk oranı ve 0.70 AUC değeri ile Gradyan Arttırılmış Ağaçlar algoritmasının verdiği görülmüştür. Model sonucuna göre 43-47 yaş aralığının altındaki, günlük internet kullanımı yüksek olan ve kapıda kredi kartı ile ödemeyi tercih etmeyen kullanıcılar kişisel bakım kategorisinden daha fazla alışveriş yapmaktadır. Buna ek olarak özel yaşamının daha iyi korunduğunu ve her kategoriden ürünü satın alabileceğini düşünen kullanıcıların da bu kategoriden daha çok alışveriş yaptığı tespit edilmiştir. Ancak ürünlere dokunup hissedemeyeceğini düşünen kullanıcıların bu kategoriden online alışveriş yapmayı tercih etmediği sonucu ortaya çıkmıştır. Elde edilen sonuçlar incelendiğinde, kullanıcıların demografik bilgilerine ve alışveriş tercihlerine dair soruları içeren anketlerin şirketler tarafından belirli aralıklarla gerçekleştirilmesi hedef kitlelerini daha iyi belirlemelerine olanak sağlayacağı söylenebilir. Bu sayede alanda yapılan gereksiz yatırımların da önüne geçilebileceği öngörülmektedir.
Volatilite aktivasyon fonksiyonu ile zaman serisi tahmini
Zaman serisi analizi zor bir o kadarda kritik bir konudur. Zaman serisi analizi toplumun birçok kesimi tarafından kullanılmakta kritik kararlarda önemli bir rol oynamaktadır. Bununla birlikte zaman serisi analizi ile ilgili modern çalıĢmalar çok kısıtlı ve yeterli değildir. ÇalıĢma kapsamında zaman serisi analizi için yapay zeka tekniklerinden yararlanılmıĢtır. Yapay zeka teknikleri kullanılırken hiper parametrelerin belirlenmesi, verilere göre farklı aktivasyon fonksiyonlarının kullanılması ihtiyacı, aktivasyon fonksiyonlarındaki problemler, modelin farklı noktalarında aktivasyon fonksiyonu kullanılması, aktivasyon fonksiyonun veri türüne yakınsamaması gibi problemler bulunmaktadır. ÇalıĢma kapsamında bu problemlerin çözümü ve zaman serisi analizi üzerine önerilerde bulunulmuĢ bu öneriler ispatlanmıĢtır. Problemlerin çözümü için modifiye aktivasyon fonksiyonları ve kollektif sınıflandırma ile yapay zeka algoritmalarının yarıĢtırılması yöntemleri kullanılmıĢtır. Leaky ReLU ve Sigmoid fonksiyonu üzerine modifiye iĢlemi yapılmak suretiyle Modifiye Sigmoid ve Modifiye Leaky ReLU fonksiyonları önerilmiĢtir. Modifiye sigmoid fonksiyonu ile vanishing gradyan ve ReLU fonksiyonunda bulunan linear olma problemleri çözülmüĢtür. Literatürde önerilen finansal enstrüman tahmin modellerini kapsayıcı bir mimari oluĢturularak bu kapsamda bir uygulama geliĢtirilmiĢtir. Önerilen yöntemeler literatür çalıĢmaları ile kıyaslanarak yöntemlerin doğrulukları ve uygulanabilirlikleri ispatlanmıĢtır. Yapılan çalıĢma sonucunda literatüre yeni aktivasyon fonksiyonları ve yapay zeka algoritmaları katkılarında bulunulmakla birlikte problemlerin çözümüne alternatif yöntemler sunulmuĢtur. Bu çalıĢmalar sonucu göstermiĢtir ki önerilen yöntemler uygulanabilir ve tutarlıdır.
Makine öğrenmesi yöntemi ile eğitim başarısının tahmini modeli
Günümüzde makine öğrenmesi yöntemleri etkin bir biçimde kullanılarak pek çok alanda yüksek performanslar göstermiştir. Çeşitli sektörlerde son yıllarda daha da yaygınlaşmaya başlamıştır. Makine öğrenmesini modellerinden elde edilebilecek başarılarla birçok sorun öngörülüp çözüme ulaştırılabilir. Bu çalışmadaki amaçta, ortaokul öğrencileriyle yapılan anketten toplanan verilerle eğitim başarısının tahminini yapacak bir makine öğrenmesi modeli ortaya koymak ve öğrenciyi etkileyebilecek faktörlerinin önüne geçebilmektir. Anket soruları, öğrencinin başarısına tesir edebilecek etkenler araştırılarak oluşturulmuştur. Çalışma kapsamında, çeşitli ortaokullarda eğitim gören 520 farklı öğrenciden kişisel verilerin korunması kanunu kapsamında 13 sorudan oluşan anket aracılığıyla veri toplanmıştır. Bu veriler hiçbir kurumla paylaşılmamış olup, gizliliği korunmuştur. Veri seti incelenerek bazı manipülasyon, ön işleme, görselleştirme işlemlerinden geçirilmiş , K-Nearest Neighbor (K-NN) , Random Forest (RF) , Lineer Regresyon, Bagged Trees, Gradient Boosting Regressor (GBM)ve Karar Ağaçları (DT) algoritmaları kullanılmıştır. Aralarından model başarısı en yüksek olan Random Forest (RF) algoritması seçilmiştir. Çalışmada, veri manipülasyon işlemleri gerçekleştirildikten sonra model kurularak öğrencinin Türkçe notu üzerinden eğitim başarısının tahmini yapılmıştır. Türkçe dersi bağımlı değişken olarak seçilmiştir. Çalışmadaki ders seçiminin belirlenmesi, ana dilin Türkçe olması ve eğitim hayatından itibaren her dönem Türkçe dersi ile karşılaşılmasından dolayıdır. Çalışma neticesinde, algoritmanın performansı 0.88 ve R-squared değeri 0.98 olarak belirlenmiştir. Yeni girdilerle test edilen model Türkçe notu üretmiştir. Öğrencinin eğitim durumunu etkileyen en önemli faktörler Türkçe notuna bağlı olarak aralarındaki korelasyon ile aile geliri ve ders çalışma saati olarak belirlenmiştir. Etkenler seçilirken model çeşitli senaryolarla defalarca test edilmiştir ve korelasyon ilişkisi hesaplanmıştır.