Theses supervised by Prof. Dr. Mehmet Karaköse
12 theses · Fırat University
Heterojen çoklu insansız hava-kara-deniz araç sürüleri için kuantum hesaplama tabanlı akıllı işbirlikçi kontrol yaklaşımları
Heterojen insansız hava, kara, deniz aracı (Unmanned Vehicles, UV) sürüleri için işbirlikçi kontrol yaklaşımları, dinamik ortamlarda etkin çalışması oldukça önemlidir. Tez çalışmasında İnsansız hava- kara için Pareto tabanlı çok amaçlı bir rota optimizasyonu ve engel kaçınma yöntemi önermektedir. Geliştirilen yöntem, dinamik bir ortamda enerji tüketimini minimize ederek hedefe ulaşma süresini optimize etmeyi ve engellerden güvenli şekilde kaçınmayı hedeflemektedir. Ayrıca UV'ler dinamik görev senaryolarında etkin konuşlandırılması için genetik algoritmalar ve costmap tabanlı yol bulma tekniklerini birleştiren yenilikçi bir optimizasyon çerçevesi sunmaktadır. UV'lerin görev atama ve rota planlama süreçlerinde operasyonel etkinliklerini artırmayı hedefleyen bu yaklaşım, farklı araç türlerine özel kriterlerle uyumlu bir şekilde optimize edilmiştir. Günümüzde insansız araçlar, insan müdahalesi olmadan güvenli ve verimli bir şekilde hedefe ulaşabilmektedir. Ancak farklı türdeki araçlarda görev atama ve rota planlama gibi karmaşık optimizasyon sorunlarını da ortaya çıkarmaktadır. Bu nedenle çoklu araç koordinasyonunu sağlamak için etkili ve yenilikçi yöntemlerin geliştirilmesi bir zorunluluk haline gelmiştir. Bu tezde, insansız araçların iş birliği içinde tamamen otonom görev ataması yapabilmesi için kuantum-klasik hibrit bir sistem tasarlanmıştır. Önerilen yöntem, klasik genetik algoritmalarla benzer performans sergilerken, kuantumdan ilham alan evrimsel algoritmalara kıyasla üstün sonuçlar elde etmiştir. Ayrıca, kuantum bilgisayarlarının hız avantajıyla, klasik genetik algoritmalarla uzun sürede çözülebilecek karmaşık problemlerin çok daha kısa sürede çözülebileceği gösterilmiştir. Yapılan çalışmalarla, heterojen insansız araç sürülerinin dinamik ve karmaşık ortamlarda etkin görev planlaması, enerji verimliliği ve engel kaçınma sorunlarına için yenilikçi çözümler sunmaktadır. Ayrıca kuantum bilişimin görev atama problemlerine uygulanabilirliğini başarılı bir şekilde ortaya koyarak, bu alanda yenilikçi yaklaşımlar için bir temel oluşturmaktadır.
Büyük dil modelleri kullanan derin öğrenme tabanlı dinamik çok modlu veri özetleme yaklaşımları
Veri özetleme problemlerinde özetlenecek veri formatına bağlı olarak doğal dil işleme, bilgisayarlı görme, yapay zeka ve veri madenciliği teknikleri kullanılabilir. Farklı tipte verilerin aynı problem veya sistem içerisinde beraber kullanılması veya bir verinin farklı tipte bir veri moduyla özetlenme ihtiyacı çok modlu veri özetleme uygulamalarının geliştirilmesine sebep olmuştur. Bu kapsamda bu çalışmada farklı çok ve tek modlu veri özetleme yaklaşımları geliştirilmiştir. Tez çalışmasının metin özetleme uygulamaları kapsamında, haber metinlerinin soyutsal ve çıkarımsal özetlenmesine odaklanan bir yöntem, diyalog metinlerinin soyutsal özetlenmesine odaklanan bir yöntem ve hasta sorularını içeren metinlerin soyutsal özetlenmesi için bir yöntem geliştirilmiştir. Geliştirilen ilk metin özetleme yaklaşımında özgün bir kodlayıcı – kod çözücü nöral mimarisi sunulurken diğer metin özetleme yaklaşımlarında öneğitimli büyük dil modellerinin ince-ayarlamaları gerçekleştirilmiştir. Geliştirilen metin özetleme yaklaşımları literatürdeki mevcut yöntemlerle karşılaştırılarak sağladığı katkılar net bir şekilde sunulmuştur. Video ve ses özetleme uygulamaları kapsamında, akıllı şehirlerde kullanılan gözetleme videoları, çevrimiçi platformlardan sunulan aktivite içerikli videoların sorgu odaklı çok-modlu özetlenmesi ve çevrimiçi toplantı videolarının çok-modlu özetlenmesine odaklanılmıştır. Bunlardan gözetleme videolarına odaklı yaklaşımda video özetleme işlemi nesne-merkezli ve olay-merkezli iki özetleme modülünden elde edilen farklı video özetleriyle gerçekleştirilmiştir. Nesne-merkezli özetleme modülü için %90'ın üzerinde istatistiksel özellik koruyabilen, genetik algoritma tabanlı bir yöntem geliştirilirken, olay-merkezli video özetleme modülü için %90'ın üzerinde sınıflandırma başarımına sahip özgün bir transformer mimarisi geliştirilmiştir. Çevrimiçi aktivite videolarının özetlenmesi için kullanıcı sorgusu odağında çapraz dikkat mekanizması kullanan çok modlu bir video özetleme yaklaşımı geliştirilmiştir. Sunulan yaklaşımın video özetleme performansı %87,1'dir. Videolara ait sorgu odaklı özetlerin elde edilmesinin ardından özet videoların metin açıklamaları için yeni bir görü dil modeli de önerilen yöntem kapsamında geliştirilmiştir. Toplantı videosu özetlenmesi için otomatik konuşma tanıma sonrasında toplantıya ait çıkarımsal metin, video ve ses özetleri elde edilerek, toplantıya ait farklı bölümlerin soyutsal vurgularının üretilmesi sağlanmıştır. Önerilen yöntemde özetleme işlemleri için öneğitimli büyük dil modellerinden yararlanılmıştır ve toplantı videolarının %75'in üzerinde kısaltılması sağlanmıştır. Geliştirilen bütün video özetleme yaklaşımlarının performansı literatürdeki diğer çalışmalarla karşılaştırılmıştır ve önerilen yöntemlerin performans üstünlüğü net bir şekilde gösterilmiştir.
Kuraklık, gıda ve su güvenliği için uydu verilerini kullanan akıllı tarım veri analizi yaklaşımı
Bu tez çalışması, kuraklık, gıda güvenliği ve su güvenliği gibi küresel ölçekte kritik öneme sahip sorunlara çözüm sunmak amacıyla, uydu görüntüleri ve meteorolojik verilerin birlikte analiz edildiği bir akıllı tarım veri analizi yaklaşımı geliştirmeyi hedeflemektedir. İklim değişikliğinin tarımsal üretim üzerindeki etkilerinin giderek arttığı günümüzde, bu risklere karşı erken uyarı sistemlerinin ve karar destek yapılarının önemi artmaktadır. Bu kapsamda geliştirilen sistem, Sentinel-2 uydu verileri ile toprak nemi ve bitki sağlığına ilişkin spektral indekslerin hesaplanmasını ve RandomForestRegressor gibi makine öğrenmesi algoritmalarıyla mekânsal tahminlerin gerçekleştirilmesini sağlamaktadır. Tezde, çift akışlı bir analiz mimarisi önerilmiştir. Birinci akış, uydu görüntülerine dayalı olarak tarımsal uygunluk ve çevresel stres koşullarının belirlenmesini sağlamaktadır. İkinci akış ise, OpenEO platformu üzerinden elde edilen meteorolojik verilerin işlenmesiyle kullanıcıya özgü tahmin ve öneriler sunmaktadır. Geliştirilen sistem, kullanıcı tarafından belirlenen koordinatlar üzerinden çalışabilen, gerçek zamanlı ve bölgeye özgü karar destek çıktıları sunan esnek bir yapıya sahiptir. Ayrıca, çalışmada geliştirilen üç ayrı derin öğrenme modeli aracılığıyla kuraklık riski (DroughtNet- X), su güvenliği (WS-RiskNet) ve gıda güvenliği (FoodNet-C) analizleri gerçekleştirilmiştir. Bu modellerin eğitim süreçleri Python dili kullanılarak Google Colab ortamında yürütülmüş, doğruluk oranları literatürdeki yöntemlerle karşılaştırılarak değerlendirilmiştir. Elde edilen bulgular, uydu ve meteorolojik verilerin birlikte kullanımının, tarımsal karar alma süreçlerinde etkinliğini artırdığını, çevresel değişkenliklere karşı daha dirençli sistemlerin kurulmasına katkı sağladığını ortaya koymaktadır. Bu bağlamda, çalışma hem akademik araştırmalar hem de saha uygulamaları için pratik ve uygulanabilir bir model sunmaktadır.
Endüstri 4.0 sistemlerinde yapay zekâ tabanli siber güvenlik yaklaşimlarinin geliştirilmesi
Endüstriyel alanda üretim artırılması, üretimde yüksek verimlilik ihtiyacı ve teknolojinin imkanlarından endüstriyel alanda faydalanılması düşüncesi ile Endüstri 4.0 kavramı ortaya çıkmıştır. Endüstri 4.0' da endüstriyel sistemlerin birbirleri ile haberleşmesinde internet teknolojisi kullanılmaktadır. İnternet ile sistemlerden elde edilen veriler gerçek zamanlı olarak kullanılabilmektedir. İnternet teknolojisi sayesinde sistemlerin çalışması otomatize edilmiştir. Böylelikle beşerî hatalar minimuma indirgenmiştir. Sistemlerin uzaktan kontrolü ve yönetimi sağlanmaya başlamıştır ancak internet teknolojisi, kritik sistemlerin birbirleri ile haberleşmesini sağlarken bir yandan da bu sistemlerin siber saldırılara maruz kalmasına sebep olmaktadır. Sistem ağının gizlilik, bütünlük ve erişilebilirliğinin korunması son derece önemlidir çünkü meydana gelebilecek bir siber saldırı tahmin edildiğinden daha fazla yıkıma sebep olabilmektedir. Bu amaçla yapay zekâ tabanlı öğrenme algoritmalarından faydalanılarak endüstri alanındaki gelişmeler ile orantılı şekilde artan siber saldırılara karşı sistemleri korumak için bir çalışma yapılmıştır. Tez çalışmasında artan siber güvenlik tehditlerine karşı yapay zekâ tabanlı öğrenme algoritmalarından yararlanılarak saldırı tespit sistemlerinin geliştirilebileceğinden bahsedilmiştir. Geleneksel imza tabanlı saldırı tespit sistemleri ile öğrenme tabanlı saldırı tespit sistemleri karşılaştırılmıştır. Tez çalışmasında endüstriyel alanda kullanılan ağlara yapılabilecek saldırıların tahmininde Destek vektör makinesi, Naive bayes, Rastgele orman, Karar ağaçları, K en yakın komşu, Lojistik regresyon algoritmaları kullanılmıştır. Algoritmalar, endüstriyel sistemlerin haberleşmesinde kullanılan ağın trafiğinden elde edilen veri setinin bir kısmı ile eğitilip geri kalan veri seti ile de test edilmiştir. Algoritmaların performansı kesinlik, duyarlılık, F1 skor ve doğruluk gibi performans ölçütleri ile karşılaştırılmıştır. Performans ölçütlerinde doğruluk ölçütü tek başına yeterli olmadığı için kesinlik, duyarlılık ve F1 skor metrikleri de hesaplanmıştır. Çalışmada algoritmaların eğitim ve test aşamasında aynı veri setlerini kullanması bir süre sonra algoritmaların veri setini ezberlemesine sebep olabilmektedir. Bu durumu engellemek amacı ile k katlamalı çapraz doğrulama yöntemi kullanılarak veri setinden rastgele 10 adet eğitim/test veri seti elde edilmiştir. Elde edilen veri setlerinin doğruluklarının ortalaması alınarak genel bir doğruluk performans değeri elde edilmiştir. Tek eğitim/test verisi doğruluk ölçütü ile k katlamalı çapraz doğrulama sonucu elde edilen doğruluk ölçütü karşılaştırılmıştır. Tüm performans ölçütleri sonuçlarına bakıldığında saldırı tahmininde en iyi sonuçları elde eden algoritmaların karar ağacı ve rastgele orman algoritmaları olduğu görülmüştür.
Endüstri 5.0 platformları için blokzincir tabanlı akıllı kitlesel özelleştirme yöntemlerinin geliştirilmesi
Bilim ve teknolojide yaşanan gelişmeler, genel itibariyle insanların yaşam standardını yükseltmeyi hedeflemektedir. Bugün üretim sektöründe gelinen nokta da temel olarak kişiye özel hizmet ve üretim modelleri benimsenmektedir. Kişiye özel üretim kavramı kitlesel özelleştirme olarak adlandırılmakta ve günümüz sanayi dünyasında giderek yaygınlaşmaktadır. Mevcut durumda kısıtlı sayıda firma tarafından uygulanan bu üretim modelinde, bir seri üretim bandındaki ürünler kişilerin ihtiyaç, zevk ve isteklerine göre yeniden şekillendirilebilmektedir. Fakat bu yapıdaki üretim modelinin uygulanabilirliği pratikte oldukça zordur. Bu durumun temel sebeplerinden birisi taraflar arasındaki güvenlik, iletişim ve iş birliğidir. Ek olarak bu üretim modelinde karşılaşılan diğer problemler ise sırasıyla hız ve zamandır. Günümüzde dikkat çeken bir diğer teknoloji blok zincirdir. Blok zincir teknolojisi üçüncü taraflara ihtiyaç duymadan kişi, kurum veya kuruluşlar arasında güvene dayalı iletişim imkânı sağlayan oldukça önemli bir protokoldür. Temel olarak akıllı kontratlar adı verilen küçük bilgisayar programları aracılığıyla taraflar arasında iş ispatına dayalı olarak varlık transferleri gerçekleştirilebilmektedir. Ayrıca bu işlemlerin çok küçük komisyonlar ile sağlanabilmesi, blok zincir teknolojisini günümüz dünyasında oldukça popüler bir hale getirmektedir. Gerçekleştirilen bu tez çalışmasında, blok zincir teknolojisi kullanılarak kitlesel özelleştirme konusunda yaşanan bazı problemlerin giderilmesi amaçlanmıştır. Bu amaçla, öncelikli olarak blok zincir tabanlı çeşitli örnek uygulamalar geliştirilmiş (kripto varlık oluşturma, tasarım ve üretim modelleme, üretimde optimizasyon, lojistik yönetimi) ve bir kitlesel özelleştirme sistemi için gerekli olabilecek temel modüller oluşturulmuştur. Tez çalışmasının son aşamasında ise HyperLedger Fabric platformu kullanılarak müşteri, tasarımcı, tedarikçi ve üreticiyi bir araya getiren bir blok zincir uygulaması geliştirilmiştir. Bu uygulama ile kitlesel özelleştirme de yer alan taraflar arasında akıllı kontratlar kullanılarak bir ilişki oluşturulmuştur. Lokal olarak geliştirilen bu uygulama daha sonrasında web ortamına taşınmış ve test edilmiştir. Elde edilen sonuçlar blok zincir teknolojisinin kitlesel özelleştirme de yaşanan temel problemleri (güvenlik, iş birliği ve iletişim) büyük oranda çözebileceğini göstermiştir.
Kuantum hesaplama tabanlı yapay zeka algoritmalarının geliştirilmesi
Kuantum hesaplama günümüzde etkinliği kanıtlanmış, klasik hesaplamaya göre çok zorlu problemleri çözme potansiyeline sahip, kuantum mekaniğini temel alan bir hesaplama paradigmasıdır. Yapay zeka insan kabiliyetlerine sahip sistemlerin geliştirilmesini amaçlamaktadır. Yapay zeka sistemlerinin iyileştirilmesinin önündeki engellerden biri ihtiyaç duydukları yüksek hesaplama gücüdür. Tez çalışmasında, kuantum hesaplamanın sağladığı avantajların yapay zeka yöntemlerinde kullanılması araştırılmıştır. Yapılan araştırmalar sonucu elde edilen temel bilimsel katkılar; kuantum uyarlamalı optimizasyon algoritmalarının iyileştirilmesi, kuantum verilerin optimize bir şekilde kodlanması, görüntülerin kuantum ortamda paralel şekilde işlenmesi ve derin öğrenme için kuantum konvolüsyon/havuzlama yöntemlerinin geliştirilmesi alanlarında sağlanmıştır. Kuantum uyarlamalı genetik algoritmalar için önerilen yaklaşımın orijinal yönteme göre yaklaşık %12 oranında daha iyi çözüm elde ettiği gözlemlenmiştir. Görüntü gibi büyük verilerin optimize bir şekilde kodlanması için önerilen kuantum veri kodlama yöntemi 4-bit çözünürlüğe sahip 4x4 boyutundaki örnek görüntü üzerinde test edilmiştir. Önerilen yöntemin ESOP yöntemine göre cost115 maliyeti açısından yaklaşık %57 daha iyi sonuç ürettiği görülmüştür. Derin öğrenme uygulamaları için geliştirilen değer tabanlı kuantum konvolüsyon ve havuzlama yöntemleri, önerilen kuantum paralel görüntü işleme çerçevesi yardımı ile tüm görüntü üzerinde klasik bilgisayarlara ihtiyaç duymadan çalıştırılabilmiştir. Yöntemin, klasik konvolüsyon işlemi ile birebir aynı sonuçları ürettiği gözlemlenmiştir. Ardından analog olarak kodlanan girişler kullanılarak klasik konvolüsyon işleminin modellenmesi için varyasyonel kuantum konvolüsyon yöntemi önerilmiştir. Oluşturulan Ansatz devrenin parametreleri diferansiyel gelişim algoritması ile optimize edilerek, klasik konvolüsyon işlemi 0.001 ortalama kare hata dahilinde başarı ile modellenmiştir. Sonuç olarak yapılan çalışmalarla kuantum hesaplamanın çeşitli yapay zeka algoritmalarında kullanılabilmesi adına optimize edilmiş yöntem önerilerinde bulunulmuştur. Klasik bilgisayarlara ihtiyaç duymadan kuantum bilgisayarların avantajlarının yapay zeka yöntemlerinde kullanılabildiği görülmüştür.
Kuantum hesaplama kullanan derin öğrenme ile karşılıklı görüşmelerde duygu analizi
Kuantum teorisi, başlangıçta mikroskobik parçacıkların hareketlerini tanımlamak için fiziksel bir teori olarak önerilmiş daha sonra kuantum benzeri özellikler sergileyen, insan bilişi ve karar verme sürecini içeren çeşitli fizik dışı alanlara uygulanmıştır. Bu alanlardan biri de duygu analizidir. Duygu Analizi, insanların bir duruma, olaya veya konuşmaya karşı duygu veya tutumlarının incelenmesini sağlayan Doğal Dil İşlemenin en popüler uygulamalarından biridir. Literatürdeki birçok çalışma film yorumları ve Twitter verileri üzerinde çalışmaktadır. Sağlık verileri üzerinden duygu analizi gerçekleştiren çalışma yok denecek kadar azdır. Bu tez kapsamında sağlık verileri üzerinden duygu analizi gerçekleştirmek amacıyla klasik ve kuantum hesaplama kullanan derin öğrenme tabanlı yeni yöntemler önerilmiştir. Önerilen yöntemlerden ilki LSTM derin öğrenme modeli kullanarak sağlık alanındaki karşılıklı görüşmelerden duygu analizi ile olumlu, nötr ve olumsuz olarak üç kutuplu bir sınıflandırma yapmıştır. Kullanılan bu yöntemde öncelikle model eğitimine yönelik veriler metin işleme yöntemleriyle hazır hale getirildi ve LSTM derin öğrenme algoritmasıyla hazırlanan veri seti ile model eğitildi. Eğitim sonucunda başarı oranı %94 olarak hesaplandı. Elde edilen başarı oranı Literatürde incelenen çalışmalar ile karşılaştırılınca önerilen yöntemin başarı yüzdesi oldukça yüksektir. Önerilen yöntemlerden bir diğeri, hastanelerle ilgili hastaların incelemelerine yönelik duygu analizi gerçekleştirilmiştir. Hastaların tıbbi incelemeleri tıbbi yönetim departmanı için oldukça önemlidir. Hasta değerlendirmelerinin olumlu veya olumsuz olarak sınıflandırmak için dört sinir modeli geliştirildi. Öncelikle çevrimiçi alınan veriler ön işleme tabi tutuldu. Daha sonra sinirsel eğitim gerçekleştirmek amacıyla Skipgram kelime yerleştirme kullanıldı en son olarak eğitim gerçekleştirildi. Eğitim aşamalarının ardından %85 üzerinde performansla en iyi başarı puanına sahip iki model LSTM- CNN ve LSTM mimarileri oldu. Önerilen yöntemlerden sonuncusu doktor-hasta diyaloglarından oluşan metinlerin içerdiği duyguların pozitif-nötr-negatif olarak sınıflandırılması amacıyla kuantum hesaplama ve derin öğrenmede kullanılan LSTM yinelemeli sinir ağı modeli kullanılmıştır. Önerilen yöntemin başarı oranı %94,52' dir. Kuantum Hesaplama yöntemi programların işletilmesinde zaman açısından kritik rol almaktadır. Bu yüzden önerilen yöntemin diğer alandaki çalışmalar için de klasik-kuantum hibrit yönteminin öncülük edeceği düşünülmektedir.
Augmented reality based indoor positioning systems with data fusion using deep learning
For indoor positioning to get to the level where almost anyone can map indoor spaces to aid navigation of visually impaired persons, there is the need to examine the sensor data capture methods that increase effectiveness when training neural networks. This study proposed that collecting geomagnetic sensor data to train a neural network would give better results if the application is configured to collect many useful sensor data captures in a single data capture campaign than enriching the data by combining sensor captures from multiple devices. It also proposed that geomagnetic vector captures that have enough data captures per location identifier will be sufficient to train a neural network to effectively position humans in indoor spaces that have surfaces that are not feature-rich for visual-based augmented reality indoor positioning and guidance. The study trained a neural using geomagnetic field strength and angle of rotation recorded during geomagnetic mapping of an indoor space. It examined the result when the capture was done using two smartphones that both individually had few useful sensor data captures in some locations, but sufficient sensor data capture for every location when both sets of captures were combined. It then compared the result when a single smartwatch did the capturing in a single campaign having a sufficient number of data captures per location. Comparing results from the single smartwatch and the combined smartphones, the accuracy of prediction was 95.2% as compared to 94.7% while the mean localization error was 0.172 meters as against 0.307 meters.
Otonom drone ile alınan görüntülerden derin öğrenme tabanlı ray hattı bileşenlerinde hata tespiti
Raylı ulaşım sistemleri yolcu ve yük taşımacılığında yaygın olarak kullanılan bir ulaşım çeşididir. Kullanımı fazla olan bu ulaşım türünde meydana gelen kazalar ciddi can ve mal kayıplarına neden olmaktadır. Raylar, ray traversleri ve bağlantı elemanları hattın simetrik yapısının korunmasında trenin hatta güvenle ilerlemesi için temel bileşenlerdir. Bu bileşenlerde meydana gelebilecek kırılma, eksiklik veya aşınma gibi hatalar tespit edilip onarılmalıdır. Demiryolu işleyişinin düzenli bir şekilde gerçekleşmesi için bakımların düzenli olarak yapılması gerekir. Bakımlar manuel olarak uzmanlar tarafından yapıldığında hatalar fazla olabildiği gibi uzun zaman almaktadır. Bu sebeple ray kusurları son zamanlarda geliştirilen görüntü işleme algoritmaları ve derin öğrenme algoritmaları kullanılarak tespit edilebilmektedir. Bu tez kapsamında demiryolu hattı bileşenlerinde meydana gelen hataların tespit edilmesi amacıyla görüntü işleme ve derin öğrenme tabanlı yeni yöntemler önerilmiştir. Demiryolu geometrik yapısında arızalar oluşmasına sebep olabilecek hata türleri geleneksel görüntü işleme teknikleri ile incelenmiş ve önerilen yöntemler ile yüksek başarı düzeylerinde hata tespiti yapılabildiği belirlenmiştir. Demiryolunda bulunan bağlantı elemanları, traversler, balast, makas geçiş noktaları gibi çeşitli bileşenlerde meydana gelen hataların tespiti için derin öğrenme tabanlı yeni yöntemler geliştirilmiş yöntem basamakları ve gerçek saha görüntüleri ile test edilen yöntemlerin sonuçları tezde verilmiştir. Derin öğrenme ve görüntü işleme algoritmalarının model başarısını etkileyen en önemli parametrelerden bir tanesi işlenen verinin niteliğidir. Tespit edilmek istenen hatanın türüne uygun olarak elde edilmiş görseller model başarısını artırmaktadır. Tez kapsamında önerilen yöntemler otonom drone ile elde edilen görüntüler kullanılarak gerçekleştirilmiştir. İnsan iş gücü gerektirmemesi, tren seferlerinden bağımsız olması ve günün farklı saatlerinde görüntü toplayabilmesi otonom drone ile görüntü elde etmenin avantajlı yönleridir.
Çoklu kameralı kalite kontrol sistemleri için gerçek zamanlı paralel hesaplama kullanan makine görmesi yaklaşımı
Günümüzde, piyasaya sürülen yetenekli makine öğrenmesi modelleri ve bu modellerin üzerinde kolaylıkla çalışabileceği güçlü donanımlar sayesinde makine öğrenmesi teknolojisi birçok alanda olduğu gibi endüstriyel alanda da geniş bir kullanım alanına sahip olmuştur. Bu alanda makine öğrenmesi tekniklerinin önemli kullanım amaçlarından birisi de ürünler üzerinde hata olup olmadığını kontrol eden bilgisayarlı görü temelli kalite kontrolüdür. Önceleri insanlar tarafından yerine getirilen, görme ve karar verme yeteneklerine dayanan bu görevler şimdilerde akıllı sistemler aracılığıyla yerine getirilmeye çalışılmaktadır. Bu amaçla çalışmada, Makine öğrenmesi alanında yeni ve popüler bir konu olan endüstriyel kalite kontrolü işlemleri için bir model oluşturulmaya çalışılmıştır. Tez kapsamında geliştirilecek model için makine öğrenmesinin bir alt alanı olan yapay sinir ağlarından faydalanılmıştır. Bu amaçla, modelin nesne tanıma görevlerini yerine getirmesi amacıyla bir CNN algoritması olan YOLO tercih edilmiştir. Tanıma algoritması tarafından tanınan ve görüntüden ayıklanan nesneler daha sonra ORB algoritması kullanılarak öznitelik çıkarımı işlemine tabi tutulmuş ve kaba kuvvet algoritması ile k-en yakın komşu algoritmasının kombinasyonu kullanılarak hedef nesne ve kaynak nesne üzerinde öznitelik eşleştirmesi yapılarak karşılaştırılmaya çalışılmıştır. Çalışmada, canlı ortamdan eş zamanlı görüntüler elde edilebilmesi için 3 adet kamera kullanılmış ve bu kameralar yardımıyla hedef nesnenin farklı açılardan görüntüleri alınarak nesne tanıma algoritmasına iletilmiştir. YOLO algoritmasının, eş zamanlı nesne tanıma görevini yerine getirmesini sağlayabilmek için CUDA kütüphanesi yardımıyla, paralel işlemeye olanak veren GPU hızlandırıcı olarak kullanılmıştır. Elde edilen sonuçlar ve bulgular verilmiştir. Anahtar Kelimeler: Makine öğrenmesi, bilgisayarlı görü, yapay sinir ağları, kalite kontrolü
Kuantum hesaplama modellerinin derin öğrenme kullanılarak otomatik üretimi
Kuantum hesaplama klasik hesaplamaya göre düşük enerji ile yüksek hesaplama gücü sunan, performansını kanıtlamış ve yüksek potansiyel sunan bir hesaplama paradigmasıdır. Bu avantajların kullanılabilmesine yönelik yoğun araştırmalar yapılsa da aktif kullanılmasının önünde hem donanımsal hem yazılımsal engeller bulunmaktadır. Tez çalışmasında, kuantum hesaplamanın sunduğu potansiyel ve avantajlardan daha fazla yararlanabilmek için araştırmalar yapılmıştır. Bu araştırmalarda süper pozisyon ve dolanıklık özellikleri, klasik verileri kuantum ortama aktarmak için veri kodlama yöntemleri, kuantum hesaplama simülatörleri, kuantum devre oluşturma yöntemleri, kuantum devre ve kod optimizasyon yöntemleri, kuantum üniter matrisi kuantum devre ve koda dönüştürme yöntemleri incelenmiştir. Yapılan araştırmalar ve incelemeler sonucu elde edilen temel bilimsel katkılar; klasik verileri kuantum ortama aktarmak için süper pozisyon özelliğini kullanan verimli bir veri kodlama yöntemi, derin takviyeli öğrenme için verimli ve ölçeklendirilebilir kuantum devre tasarımı, kuantum devre ve kod tasarımını kolaylaştıracak verimli bir kuantum hesaplama simülatörü, kuantum devre ve kod veri seti oluşturan yöntem ve derin öğrenme tabanlı otomatik kuantum hesaplama modeli oluşturan yöntemlerin geliştirilmesi alanlarında sağlanmıştır. Derin takviyeli öğrenme için önerilen verimli ve ölçeklenebilir devre tasarımında az kübit sayısıyla kabul edilebilir seviyede başarı oranlarına ulaşılmıştır. Ayrıca diğer yöntemlere göre devrenin kübit sayısının, parametre sayısından bağımsız olarak eylem kümesi eleman sayısı kadar olması garantilenmiştir. Önerilen kuantum hesaplama simülatöründe, diğer simülatörlere göre tasarım ve kod aşamasında %91.5'lik verimlilik elde edilmiştir. Kuantum devre ve kod veri seti oluşturan yöntem ile istenilen kübit sayısı ve derinliğe göre kuantum devrelerin doğruluk tablosu, TFC kodları, kuantum üniter matrisleri ve kuantum devre görselleri %100 doğruluk ve başarı oranı ile üretilmiştir. Derin öğrenme tabanlı otomatik kuantum hesaplama modeli oluşturan yöntemde doğruluk tablosundan kuantum üniter matrise dönüştüren derin öğrenme modeli ve üniter matrisi kuantum hesaplama modeline dönüştüren sistem ile %100 başarı oranı elde edilmiştir. Sonuç olarak yapılan çalışmalarla kuantum hesaplamanın potansiyeli ve avantajlarını kullanmak için çeşitli alanlarda önerilerde bulunulmuştur. Klasik hesaplamalarda kullanılan devre, doğruluk tablosu ve algoritmaların, kuantum devre ve koda dönüştürülebileceği görülmüştür.
Deepfake tespiti için derin öğrenme tabanlı hibrit mimarilerin geliştirilmesi
Derin öğrenme teknolojileri gün geçtikçe popülerliği artan uygulamalardan biri olmuştur. Bunlardan bir tanesi de deepfake olarak adlandırılan derin sahte uygulamalarıdır. Temel olarak deepfake, gerçek gibi görünen yanıltıcı içerik oluşturmak için görüntülerin, seslerin ve videoların yapay olarak oluşturulmasını veya değiştirilmesini sağlayan yeni bir teknolojidir. Eğitim, eğlence ve araştırma gibi alanlarda olumlu etkileri olmasına rağmen, sahte haber, propaganda, itibar zedeleme, şantaj gibi kötüye kullanımı da söz konusudur. Bu nedenle sahtecilik ile mücadelede derin sahteleri tespit etmek için çeşitli derin öğrenme tabanlı teknikler önerilmiştir. Bu mücadeleye katkıda bulunmak için yürütülen bu çalışmada Xception ve EfficientNet yöntemlerini kullanan 3 farklı derin sahte algoritması kullanıldı. Ayrıca, Choquet Bulanık İntegrali ile birleştirilerek yeni bir derin sahte tespit yöntemi sunuldu. Önerdiğimiz yöntem, kendi alanlarında iyi olan 3 farklı algoritmayı alarak her bir algoritmanın tek başına çalışabileceği doğruluk değerlerine karşılık gelen bulanık üyelik değerlerini Choquet Bulanık İntegrali kullanarak tek bir çatı altında toplamış ve böylece derin sahtecilik alanında daha önce yapılmamış bir çalışmaya imza atarak derin sahte tespitinin doğruluk oranını önemli ölçüde artırmıştır. FaceForensics ++, DFDC, Celeb-DF-v2 ve DeepFake-TIMIT-HQ veri kümesi kullanılarak elde edilen deneysel sonuçlar, Choquet Bulanık İntegral tekniğine dayalı önerilen yaklaşımın derin sahtecilik sınıflandırması için tek sınıflandırıcılardan daha iyi performans gösterdiğini ve %99,8'lik en yüksek AUC'ye ulaştığını göstermektedir. Bu yöntemde, başka etkili modeller kullanılarak daha etkili bir sonuç elde edilebilir. Önerilen ikinci yöntemde ise görüntü işleme teknolojilerde son teknoloji olarak kullanılan ve güncel olan Görüntü Dönüştürücü (ViT) kullanılmıştır. Yöntemde ViT ile birlikte literatürde derin sahte tespit yöntemlerinde öncülük eden ve mimari olarak çok hafif olan MesoNet yöntemi kullanılmıştır. Önerilen yöntem küçük miktarda veri setinde eğitilmesine rağmen %92,6 doğruluk oranı ile kabul edilebilir bir performans göstermiştir. Ayrıca kullanıcılar için görüntülerini analiz edebilecekleri gerçek zamanlı derin tespit uygulaması tasarlanmıştır. Önerilen yöntemin araştırmacılara ilham vereceğine ve daha da geliştirileceğine inanıyoruz.