Theses supervised by Prof. Dr. Nejat Yumuşak
14 theses · Sakarya University
Sisli hava koşullarında otonom araçlar için derin öğrenme tabanlı görüntü ön işleme ile nesne tespiti
Anahtar Kelimeler: Otonom Araçlar, Nesne Tespiti, Sisli Hava Koşulları, Derin Öğrenme, Sis Giderme, Bilgisayarla Görü Otonom araçların güvenli ve verimli bir şekilde çalışabilmesi, çevresel koşulları doğru bir şekilde algılayan gelişmiş algı sistemlerine bağlıdır. Ancak, sisli hava koşulları gibi olumsuz atmosferik şartlar, görüntü kalitesini önemli ölçüde düşürerek nesne tespiti performansını ciddi şekilde sınırlandırmakta ve bu sistemlerin güvenilirliğini tehlikeye atmaktadır. Bu tez çalışmasında, sisli hava koşullarında otonom sürüş sistemlerinin nesne tespiti başarısını artırmak amacıyla, görüntüye özgü adaptif bir ön işleme (defogging) modülü ile desteklenen ve güncel bir nesne tespiti mimarisi olan YOLOv12m'yi kullanan iki aşamalı özgün bir sistem önerilmiştir. Geliştirilen sisli hava koşullarına duyarlı ön işleme modülü, her bir görüntüdeki sis yoğunluğunu ve kontrast dağılımını dinamik olarak analiz ederek, geleneksel sabit filtreleme yöntemlerinin aksine, sahneye özgü bir iyileştirme sağlamaktadır. Bu modül, iyileştirilmiş ve detayları zenginleştirilmiş görüntüleri, nesne tespiti doğruluğunu ve hızını optimize eden YOLOv12m mimarisine girdi olarak sunarak modüler ve yüksek performanslı bir çözüm oluşturmaktadır. Modelin etkinliği, hem sentetik sis içeren FOG-TRAINVAL hem de gerçek dünya görüntülerinden oluşan RTTS veri kümeleri üzerinde test edilmiştir. Değerlendirme, hem görsel kalite metrikleri (PSNR ve SSIM) hem de nesne tespiti performans metrikleri (Precision, Recall ve mAP@0.5:0.95) kullanılarak kapsamlı bir şekilde yapılmıştır. Deneysel sonuçlar, önerilen sistemin RTTS veri seti üzerinde %68.8 mAP@0.5:0.95, %88.4 P ve %78.2 R skorlarına ulaştığını göstermiştir. Bu başarı, yalnızca ön işleme tabi tutulmamış YOLOv12m mimarisine göre önemli bir artışı temsil etmekle kalmayıp, aynı zamanda literatürdeki benzer hibrit yaklaşımları da geride bırakmaktadır. Bu çalışma, sisli hava koşullarında otonom araçların algı performansını ve güvenilirliğini artıran, sahneye duyarlı ve iki aşamalı modüler bir yaklaşım sunarak literatüre önemli bir katkı sağlamaktadır.
Ses olay tespit problemine derin öğrenme tabanlı çözümler
Mülk güvenliği için üretilen gelişmiş kamera sistemleri, fiziksel olarak kolayca devre dışı bırakılabilmeleri nedeniyle çoğu zaman yetersiz kalmaktadır. Bu sınırlamayı aşmak amacıyla, olası tehditlere ait ses verilerinin güvenlik sistemlerine dâhil edilmesi, geleneksel yöntemlere önemli bir katkı sunmaktadır. Ses tabanlı algılama sistemleri, düşük maliyetli donanımlar (örneğin mikrofonlar) ile kurulabilen kompakt yapıları sayesinde görsel tabanlı güvenlik çözümlerine etkili ve ölçeklenebilir bir alternatif oluşturmaktadır. Bu çalışmada, adım sesi olaylarının sınıflandırılması amacıyla Evrişimli Sinir Ağı (CNN) tabanlı bir derin öğrenme yöntemi önerilmektedir. Geliştirilen model, çevresel sesler arasından adım seslerini tespit etmeye odaklanarak, mülk güvenliğine karşı tehditlerin erken fark edilmesini kolaylaştırmaktadır. Çalışmanın ilk aşamasında, gerçek yaşamdan çeşitli ses olaylarını içeren ReaLISED veri kümesi kullanılmıştır. Ancak bu veri kümesine dayalı ilk değerlendirme sonuçları görece düşük performans göstermiştir. Yapılan analizler, sınıf dengesizliği ve düşük kaliteli ya da tutarsız ses örneklerinin, modelin genelleştirilebilir örüntüler öğrenme kapasitesini sınırladığını ortaya koymuştur. Bu sorunları gidermek adına ikinci aşamada, düşük kaliteli veriler dikkatlice elenmiş ve Epidemic Sound platformundan temin edilen yüksek kaliteli adım sesi örnekleri ile veri kümesi zenginleştirilmiştir. Bu iyileştirme, sadece sınıf dağılımlarını dengelemekle kalmamış, aynı zamanda genel veri kalitesini artırarak modelin gerçek dünya koşullarında daha tutarlı ve güvenilir sınıflandırma performansı göstermesini sağlamıştır. Her bir ses olayı, Mel-Frekans Kepstrum Katsayıları (MFCC) temsiline dönüştürülmüştür. Ayrıca, MFCC ile ilgili ayarlar üzerinde kapsamlı parametre optimizasyonu gerçekleştirilmiş; özellikle n_fft ve n_mfcc değerleri, öznitelik çözünürlüğü ve sınıflandırma doğruluğu açısından optimize edilmiştir. Elde edilen MFCC temsilleri, CNN modelinin eğitimi için görüntü benzeri girişler olarak kullanılmıştır. Önerilen model, 17 farklı ses kategorisinden, adım sesi olaylarını %98 doğruluk oranı tespit etmeyi başarmıştır. Modelin sağlamlığı, 5 katlı ve 10 tekrar içeren Tekrarlı Katmanlı K-Fold Doğrulama yöntemi ile test edilmiş; F1-skorları 0.905 ile 0.992 arasında değişmiş ve ortalama 0.960 olarak hesaplanmıştır. Ek olarak, ResNet50, ResNet101, EfficientNetB0, EfficientNetB4 ve CRNN gibi güncel mimarilerle yapılan karşılaştırmalı değerlendirmeler, önerilen CNN modelinin etkinliğini pekiştirmiştir. Açık kaynaklı verilerin stratejik biçimde sisteme entegre edilmesi, şeffaflık ve tekrar edilebilirlik ilkelerini destekleyerek sistemin gerçek hayattaki ses tabanlı gözetim uygulamaları alanında taşıdığı pratik değeri güçlendirmiştir.
Enerji verimliliği analizinde iyileştirilmiş yabani at eniyileyici – çok katmanlı almaç hibrit (IWHO-MLP) modelinin kullanımı
Bu çalışma, Yabanî At Optimize Edici'nin optimizasyon süreçlerindeki başarısını artırmak amacıyla, yerel uzaylarda takılma ve erken yakınsama sorunlarının üstesinden gelebilecek stratejiler geliştirmeyi hedeflemektedir. Performans değişimi, çok katmanlı algılayıcı örneği aracılığıyla gözlemlenmektedir. Bu bağlamda, Rastgele Yürüyüş Stratejisi kullanarak yerel uzaylarda çözüm çeşitliliği sağlamak amacıyla Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici Algoritması geliştirilmiştir. Bu algoritmanın performans ölçümü için iki zorlu test seti olan CEC 2019 seçilmiştir. Alternatif algoritmalarla rekabet gücü ölçülmüş ve performansının üstün olduğu gösterilmiştir. Bu üstünlük, yakınsama eğrileri ve kutu grafikleri ile görsel olarak ortaya konmuştur. Önerilen algoritmanın, farklı ve güçlü bir algoritma olarak değerlendirilebilmesi için Wilcoxon işaretli sıra testi kullanılmıştır . Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici Algoritması, gerçek dünya problemini ele alarak Çok Katmanlı Almaç eğitimine uygulanmıştır. Hem Yabanî At Optimize Edici hem de Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici algoritmaları Hataların Karesinin Ortalaması sonuçları ve Alıcı Operatör Karakteristiği eğrileri kullanılarak test edilmiştir. Çok katmanlı almaç eğitimi için University of California Irvine'dan Enerji Verimliliği Problemi veri seti kullanılmıştır. Bu veri seti, akıllı binaların giriş özelliklerini dikkate alarak ısıtma yükü veya soğutma yükü faktörlerini değerlendirmektedir. Amaç, akıllı binalarda ısıtma, havalandırma ve klima sistemleri teknolojisinin kullanımı yoluyla ısıtma yükü ve soğutma yükü faktörlerinin en verimli şekilde değerlendirilmesini sağlamaktır. Çok katmanlı almaç mimarisini eğitmek için Yabanî At Optimize Edici ve Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici seçilmiş ve önerilen Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici Algoritması'nın daha iyi sonuçlar ürettiği gözlemlenmiştir.
Sayısal haritalama teknikleri kullanılarak DNA dizilimleri üzerinden lösemi hastalığının temel türlerinin yapay zeka tabanlı algoritmalar ile sınıflandırılması
Kanser, vücudun herhangi bir yerindeki hücrelerin kontrolsüz çoğalması ile ortaya çıkan bir hastalıktır. Bu hastalık ile vücudun düzenli bir şekilde çalışan mekanizması yavaş yavaş bozulur ve erken teşhisin sağlanamaması ile düzeltilemeyecek bir duruma gelir. Bu süreç hastalığın türünün konulabilmesi ve tedavi yöntemlerinin belirlenebilmesi açısından önemlidir. Bu çalışmada kanser türleri arasında yer alan lösemi malignitesi irdelenmiştir. Çünkü lösemi, en sık rastlanan kanser türüdür. Tüm yaş gruplarında görülme ihtimali vardır. Hastalığın kişide seyretme durumuna göre akut veya kronik olarak iki grupta incelenir. Özellikle hastalığın aniden belirdiği ve vücut içerisinde yayılımın hızlı gerçekleştiği akut lösemi hastalarında uzun bir yaşam beklentisi için erken tanı şarttır. Bununla birlikte yaklaşık 40 yıl önce doktorlar tarafından löseminin temel alt türlerinden olan ALL ve AML tanısının konulduğu belli hasta tiplerinde karışık soy lösemisi (MLL) olarak tanımlanan bir lösemi türü keşfedilmiştir. MLL lösemi türünün yeni bir tür olarak keşfedilmesinden sonra lösemi hastalığının halen keşfedilebilecek yeni alt oluşumlar barındırdığı düşünülmektedir. Geniş bir çerçevede ele alınan lösemi kanserine ilişkin alt türlerin net bir şekilde ayırt edilmesi, doğru tanı sürecinin gerçekleşmesi ile birlikte doğru tedavi protokolünün uygulanmasını sağlayacaktır. Öte yandan tedaviye verilen yanıtın değerlendirilmesi ve sonraki tedaviler için uygulanacak protokolün netleştirilmesi açısından da hayatidir. Tıp dünyasında kesin sonuçlara ulaşmak için periferik kan yayması, kemik iliği aspirasyonu, kemik iliği biyopsisi, immünfenotipleme, çeşitli görüntülemeler ve testler kullanılmaktadır. Ancak bu yöntemler bazen belirsiz durumlar içermektedir. Örneğin, periferik kan yayma yönteminin manuel değerlendirme süreci doktorun bilgi, tecrübe, fiziksel yoğunluğu ve zihinsel yorgunluğu gibi parametrelere bağlıdır. Kanser hastası olan bir kişiden biyopsi yöntemi ile alınan parçada kanserli doku yer almayabilir. Löseminin tanısında ayıraç olan lenfosit hücre tipine ilişkin artış aynı zamanda hepatit virüsleri ve brusella hastalığı sonucunda da artabilir.Görüntüleme yöntemlerinin çeşitli tıbbi parametrelere bağlı olarak uygulanma başarısı ya da ulaşılan görüntülemelerin doktorlar tarafından değerlendirilmesi standart bir çıktı üretmeyebilir. Bu nedenle genetik temelli maligniteler üzerinde moleküler ve sitogenetik değerlendirme yapmak tanının doğruluğunu netleştirecektir. Ancak genom teknolojisindeki son gelişmeler DNA dizilimlerinde bir artışa neden olmuştur. Bu nedenle sitogenetik analiz doğrultusunda verilerin manuel olarak doğru ve hızlı bir şekilde yorumlanması güçleşmiştir. Öte yandan moleküler değerlendirme imkanı sunan mikrodizi teknolojisi değerlendirilmiştir. Ancak kanser araştırmalarında umut kaynağı olan mikrodizi teknolojisinin analiz işlemi, genleri temsil eden özellikler üzerinden sağlandığı için yüksek boyut sunar. Makine öğrenmesinde boyutluluğun laneti olarak bilinen bu durum sonucunda hesaplama yükü ve yanlış kararlar üreten gürültü oluşabilir. Tüm bu yöntemler kapsamında kişi üzerinde uygulanması planlanan tedavi yaklaşımlarının sayısı, maliyet parametresi çerçevesinde hasta üzerinde anksiyeteye neden olabilir. Aynı zamanda gereksiz radyasyon maruziyeti ve doktorlar için iş yükü ve zaman kaybı diğer olumsuz çıktılarıdır. Bu çalışmada daha az tıbbi yöntem ile erken tanının sağlanması amacıyla 7 ayrı kısımda bilgisayar destekli bir yapı inşa edilmiştir. Doktorlara fikir vermek amacı ile tasarlanan bu yapı ile 7 farklı amaç doğrultusunda lösemi hastalığı analiz edilmiştir. Sitogenetik değerlendirmenin sağlandığı ilk aşamada, löseminin temel türlerinden olan ALL ve KML malignitelerinin tanısında önemli bir ayıraç olan BCR-ABL genleri analiz edilmiştir. NCBI veri kümesinden tedarik edilen BCR-ABL genleri haritalama teknikleri kullanılarak sayısallaştırılmıştır. Ardından sayısallaştırılan dizilimler üzerinde canlılığa ilişkin kritik bilgiler içeren ekson bölgelerinin tespiti için sinyal işleme yaklaşımı kapsamında fourier dönüşümü ve kısa zamanlı fourier dönüşümü yöntemleri kullanılmıştır. Sinyal işleme yöntemleri ile DNA dizilimlerinden elde edilen spektral yoğunluk bilgileri EfficientNetB7 transfer öğrenme mimarisi ile sınıflandırılmıştır. Farklı DNA baz uzunluğuna ilişkin spektral yoğunluğun ifade edildiği görsel verilerin eğitim veri kümesinde yer alması sonucunda test veri kümesi üzerinde ulaşılan doğruluk oranı %100'dür. Bununla birlikte sadece belirli aralıkta yer alan DNA baz uzunluğuna ilişkin spektral yoğunluğun ifade edildiği görsel verilerin eğitim veri kümesinde yer alması sonucunda test veri kümesinde ulaşılan doğruluk oranı %50 - %70 arasındadır. Sitogenetik değerlendirmenin sağlandığı ikinci aşamada, NCBI veri kümesi vasıtasıyla ALL ve KML hastalarından elde edilen BCR-ABL genleri kullanılarak malignitelerin ayırt edilmesi sağlanmıştır. Bu süreç iki ayrı kısımda gerçekleşmiştir. İlk kısımda sayısallaştırılan DNA dizilimlerinin spektral yoğunluk bilgisi kısa zamanlı fourier dönüşümü ve sürekli dalgacık dönüşümü yöntemleri ile spektrogramlara yansıtılmıştır.Ardından zamansal ve uzaysal bilgi çıkarımı sağlayan DGCNN yöntemi ile spektrogramlar sınıflandırılmıştır. DNA baz uzunluğuna bağlı bir sınıflandırmanın gerçekleştiği bu kısımda hem kısa zamanlı fourier dönüşümü hem de sürekli dalgacık dönüşümü yöntemleri için ulaşılan maksimum doğruluk oranı %75 olarak elde edilmiştir. Diğer kısımda DNA baz uzunluğundan bağımsız bir çalışma gerçekleştirilmiştir. Bu doğrultuda Shannon entropi temelli haritalama tekniği kullanılarak sayısallaştırılan DNA dizilimlerinden istatistiksel ve yapısal özellikler çıkarılmıştır. Ardından bu özellikler adaptif bulanık mantık algoritmasına girdi olarak verilmiştir. DNA'nın bulanık konfigürasyon yapısına uygun olduğu düşünülen bu yöntem ile %80 doğruluk oranı elde edilmiştir. Moleküler değerlendirmenin sağlandığı üçüncü aşamada, bioinformatics laboratory vasıtasıyla temin edilen löseminin temel türleri olan ALL ve AML malignitelerine ait mikrodizi veri kümesi kullanılmıştır. İlk aşamada parçacık sürü optimizasyon algoritması, karınca optimizasyon algoritması ve balina optimizasyon algoritması kullanılarak yüksek boyut sunan mikrodizi veri kümesinden potansiyel genler seçilmiştir. Ardından her bir optimizasyon algoritması için seçilen genlere ilişkin spektral yoğunluk bilgisi sürekli dalgacık dönüşümü yöntemi ile spektrogramlara yansıtılmıştır. Son olarak ALL ve AML kategorilerinin eşleştirildiği spektrogramlar DGCNN yöntemi ile sınıflandırılmıştır. Maksimum başarı oranı karınca optimizasyon algoritması kullanılarak seçilen potansiyel genlerin DGCNN yöntemi ile sınıflandırılmasının sonucunda %93.33 doğruluk oranı elde edilmiştir. Moleküler değerlendirmenin sağlandığı dördüncü aşamada bioinformatics laboratory vasıtasıyla temin edilen ALL, AML ve MLL lösemi türlerine ilişkin mikrodizi veri kümesi kullanılmıştır. Yüksek boyut sunan mikrodizi veri kümesinden balina optimizasyon algoritması kullanılarak seçilen genler LSTM sinir ağı mimarisine girdi olarak verilmiştir. Seçilen genlerin birbiri ile ilişkisini hatırlama eylemleri ile dinamik tutma yetisine sahip olan LSTM mimarisinin farklı seed değerleri ile oluşturulan 100 farklı veri kümesindeki ortalama doğruluk oranı %89.883 olarak bulunmuştur. Patolojik değerlendirmenin sağlandığı beşinci aşamada Acute Lymphoblastic Leukemia Image Database vasıtasıyla temin edilen ALL-IDB1 ve ALL-IDB2 periferik kan yayma görüntüleri kullanılmıştır. Löseminin temel türü olan ALL malignitesinin tanısında önemli bir ayıraç olan blast hücrelerinin tespitine ve sayım bilgisinin üretilmesine ilişkin gerçek zamanlı bir çıktı üreten bu çalışmanın eğitimi YOLOv4 algoritması tarafından gerçekleştirilmiştir. Modele verilen girdi için 3-4 saniye içerisinde çıktı üreten bu sistemin doğruluk oranı %98.87 olarak bulunmuştur. Moleküler ve immünfenotipik değerlendirmenin sağlandığı altıncı aşamada bioinformatics laboratory vasıtasıyla temin edilen lenfoblast hücre türlerine ilişkin T-ALL, B-ALL ve T-LL malignitelerine ait mikrodizi veri kümeleri kullanılmıştır. İlk olarak yüksek boyut sunan mikrodizi veri kümelerinden balina optimizasyon algoritması kullanılarak seçilen potansiyel genler ANFIS yapısı ile sınıflandırılmıştır. Böylece bulanık çıkarımlar elde edilmiştir. Ardından bulanık mantığın çıkarım gücü ile yapay zekanın veriler üzerindeki öğrenme gücünü birleştiren ANFIS yapısındaki üyelik fonksiyonuna ilişkin parametre optimizasyonu sırasıyla ABC ve PSO optimizasyon algoritmaları ile iyileştirilmiştir. Son olarak ANFIS, ANFIS+ABC ve ANFIS+PSO yapılarından gelen 3 farklı bulanık çıktı, kolektif öğrenme yaklaşımı kapsamında lojistik regresyon algoritması ile sınıflandırılmıştır. Ulaşılan doğruluk oranı %86.6 olarak elde edilmiştir. Patolojik değerlendirmenin sağlandığı yedinci aşamada Raabin Health veri kümesi vasıtasıyla temin edilen bazofil, eozinofil, lenfosit, monosit ve nötrofil beyaz kan hücrelerine ilişkin dijitalleştirilmiş periferik kan yayma görüntüleri kullanılmıştır. Lösemi hastalığının tanısında önemli bir ayıraç olan lenfosit hücre tipinin tanıma oranını geliştirmek için önerilen YOLOv5x yaklaşımı ve hibrit yapı sunulmuştur. Önerilen YOLOv5x yaklaşımı ile lenfosit tanıma oranı ve genel tespit doğruluğuna ilişkin tanıma oranı için sırasıyla 0.133 ve 0.006 doğruluk oranında bir iyileşme sağlanırken hibrit yapı için %3,44 ile %14,7 doğruluk oranında bir iyileşme sağlanmıştır. Bu çalışmada farklı alt türlere sahip olan lösemi hastalığının bilgisayar destekli sistemler ile tanı ve tedavi sürecine ilişkin sitogenetik, moleküler, moleküler ve immünfenotipik, patolojik değerlendirmelerin yer aldığı bütünsel bir analiz yapılmıştır. Güncel bir araştırma alanı olan ve halen non-invaziv ya da alternatif yaklaşımların keşfi üzerinde çalışmalar yapılan lösemi kanserine ilişkin sunulan 7 ayrı değerlendirme ile karar destek sistemi inşa edilmiştir. Doktorlara fikir vermek amacıyla tasarlanan bu sistem vasıtasıyla doğru ve erken tanı ile başlayan başarılı tedavilerin gerçekleşmesi hedeflenmektedir.
COVID-19 mutasyonlarının tespitinde yapay zeka tabanlı algoritmaların kullanılması
Koronavirüs hastalığı 2019 (COVİD-19) virüsü, son zamanlarda ortaya çıkan ve bulaşılıcılığı oldukça yüksek olan ölümcül bir koronavirüs türüdür. COVİD-19 virüsünün hızlı yayılması, insanlar arasında büyük korku ve paniğe neden olmuştur. Ülkeler, COVİD-19 virüsü ile mücadele etmek için tam kapanma, sokağa çıkma yasağı gibi bazı önlemler almak zorunda kalmışlardır. Fakat bu alınan önlemlere ragmen COVİD-19 virüsü yayılmaya devam etmiştir. COVİD-19 virüsü ile mücadele etmenin başka biri yöntemi ise aşı ve ilaçların geliştirilmesidir. COVİD-19 virüsüyle mücadelede aşı ve ilaçların geliştirilmesi büyük önem taşımaktadır. Geliştirilen bu aşı ve ilaçların etkinliği, COVİD-19 virüsünün mutasyona uğraması sonucu ya önemli oranda azalmış yada tamamen yok olmuştur. Bu nedenle, COVİD-19 mutasyonlarıyla mücadele etmek oldukça önemlidir. COVİD-19 virüsünün yapısında gelecekte meydana gelebilecek mutasyonlar önceden tahmin edilebilirse aşı ve ilaçlar daha kolay geliştirilebilir. Böylece enfekte olan alanlar karantinaya alınabilecek ve sonuçta COVİD-19 virüsüyle mücadele daha kolay olabilecektir. Yapay zeka tabanlı yaklaşımlar COVİD-19 virüsü tespitinde de umut verici sonuçlar sunmaktadır. Literatür incelendiğinde COVİD-19 virüsü ile ilgili gerçekleştirilen çalışmaların geneli COVİD-19 virüsünün diğer yönleri ile ilgili çalışmalardır. Bu nedenle literatürde COVİD-19 virüsünün mutasyon tahmin edilmesi açısından ciddi boşluk bulunmaktadır. Bu tez çalışmasında biz bu boşluğu bir nebze olsun doldurmayı amaçladık. Bu tez çalışmasında, COVİD-19 virüsü yapısında gelecekte meydana gelebilecek mutasyonları tahmin etmek için yapay zeka tabanlı üç model (TfrAdmCov, StackGridCov ve HyperAttCov) önerilmiştir. İlk önerilen TfrAdmCov modeli, adam optimizasyon algoritmasına sahip tamamen transformer kodlayıcı tabanlıdır. Önerilen TfrAdmCov model ile giriş dizisindeki değişkenler arasındaki bağımlılıklar kolay bir şekilde yakanalabilmektedir. Önerilen TfrAdmCov modeli, transformer tabanlı olması sebebiyle, aynı anda paralel hesaplama yapabilmektedir. Ayrıca, önerilen TfrAdmCov modelinin performansını arttırmak için eğitim, test ve Kfold veri setlerini oluşturma aşamasında agglomerative kümeleme algoritması tercih edilmiştir. Ek olarak, makine öğrenmesi algoritmalarının en iyi hyperparametre değerlerinin ayarlamak için GridSearchCV algoritmasında faydalanılmıştır. Deneysel sonuçlar detaylı olarak incelendiğinde, önerilen TfrAdmCov modelinin hem klasik yapay zeka tabanlı modellerden hem de birkaç son teknoloji modellerden daha iyi performans elde ettiğini göstermiştir. Önerilen TfrAdmCov modeli, COVİD-19 test veri seti üzerinde %99.93 doğruluk değerine, %100.00 kesinlik değerine, %97.38 hassasiyet değerine, %98.67 F1-skor değerine ve %98.65 MCC değerine ulaşmıştır. Benzer şekilde 10 rastgele deneminin ortalaması alındığında da, önerilen TfrAdmCov modeli, COVİD-19 test veri seti üzerinde %99.924 ile doğruluk, %97.18 ile hassasiyet, %98.57 ile F1-skor ve %98.54 ile MCC değeri açısından diğer modellerden daha iyi sonuçlar elde etmiştir. Önerilen TfrAdmCov modeli ile derin öğrenme modellerinin istatistiksel açıdan kıyaslamak için farklı rastgele tohumlarla 10 rastgele denemenin ortalaması alınarak elde elde edilen sonuçlar analiz edilmiştir. Ortalama, standart sapma, medyan, min ve maks gibi istatistiksel ölçümler kullanılarak her model için doğruluk, kesinlik, hatırlama, F1-skor ve MCC performans ölçüm metriği açısından detaylı değerlendirme gerçekleştirilmiştir. Ayrıca, önerilen TfrAdmCov modelinin performansını değerlendirmek için influenza A/H3N2 HA veri seti üzerinde mutasyon tahmini gerçekleştirilmiştir. Önerilen TfrAdmCov modeli, H3N2 HA test veri seti üzerinde %96.33 doğruluk, %81.55 kesinlik, %52.33 hassasiyet, %63.75 F1-skor ve %63.61 MCC değerlerinde diğer modellere göre daha iyi sonuçlar elde etmiştir. İnfluenza H3N2 HA test veri seti üzerindeki sonuçlar, önerilen TfrAdmCov modelinin oldukça sağlam olduğunu göstermiştir. İkinci olarak, COVİD-19 virüsünün mutasyon tahmini için sağlam bir StackGridCov modeli önerdik. Önerilen StackGridCov modeli, tamamen topluluk öğrenme tablanlıdır. Önerilen StackGridCov modelinin ve diğer modellerin performansını artırmak için GridSearchCV hiperparametre ayarlama algoritması kullanılmıştır. Önerilen StackGridCov modelinin ve diğer modellerin performansını değerlendirmek için, holdout tekniğinin yanı sıra stratified 10 katlı çapraz doğrulama tekniğinden faydalanılmıştır. Ek olarak önerilen StackGridCov modelinin performansını değerlendirmek için daha önce ortaya çıkan influenza A/H1N1 HA virüsü veri seti üzerinde mutasyon tahmini gerçekleştirilmiştir. GridSearchCV yöntemine sahip önerilen StackGridCov modeli, COVİD-19 test veri setinde 0.6623 doğruluk değeri, 0.6723 F1-skor değeri, 0.3273 MCC değeri ve 0.7018 AUC değeri ile diğer algoritmalardan daha iyi performans gösterimiştir. Ayrıca, önerilen StackGridCov modeli, influenza A/H1N1 HA test veri setinde 0.9460 doğruluk değeri, 0.7969 hassasiyet değeri, 0.8093 F1-skor değeri ve 0.7780 MCC değeri açısından diğer modellerden daha iyi performans göstermiştir. Sonuç olarak, GridSearchCV hiperparametre tekniğinin kullanılmasının genel olarak önerilen StackGridCov modeli ile diğer modellerim performansını arttırdığı gözlemlenmiştir. Üçüncü olarak, COVİD-19 virüs mutasyon tahmini için HyperMixer ve dikkat mekanizmalarına dayalı olan HyperAttCov modeli önerilmiştir. Önerilen HyperAttCov modelinin performansının en yüksek seviyeye çıkartmak için dikkat mekanızmalarından faydalanılmıştır. Önerilen HyperAttCov modeli, birçok derin öğrenme tabanlı ve makine öğrenmesi modellerinden daha iyi performans elde etmiştir. Deneysel sonuçlar detaylı olarak incelendiğinde, önerilen HyperAttCov modelinin, COVİD-19 test veri seti üzerinde %70.0 doğruluk değerine, %92.0 kesinlik değerine ve %46.5 MCC değerine ulaştığını gözlemlenmiştir. Benzer şekilde, önerilen HyperAttCov modeli, 10 adet rastgele denemenin ortalaması alındığında COVİD-19 test veri seti üzerinde %70.2 doğruluk değerine, %90.4 hassasiyet değerine ve %46.2 MCC değerine ulaşmıştır. Ayrıca, önerilen HyperAttCov modeli literatürdeki çalışmayla karşılaştırıldığında, test veri seti kümesi üzerinde oldukça başarılı sonuçlar elde etmiştir. Sonuç olarak, önerilen TfrAdmCov, StackGridCov ve HyperAttCov modelleri, COVİD-19 veri setinde meydana gelecek mutasyonları başarılı bir şekilde tahmin edebilmektedir. Elde edilen sonuçlar aşı ve ilaç geliştirilmesi açısından umut vericidır.
Yalın üretim ve dijitalizasyon (endüstri 4.0 + endüstri 5.0): Çok boyutlu etkileşim matrisi ve üretim firmaları için kurulum, geliştirme stratejileri ve değerlendirme modeli
Üretim sektörü dijitalizasyon (Dx) (Endüstri 4.0 + Endüstri 5.0) ile beraber büyük bir dönüşüm yaşamaktadır. Bu dönüşümü çevik, verimli ve sürdürülebilir bir şekilde yapmak zorunluluğu ve güçlükleri yanında üretim sektörü yalınlığı (Lean) da sürdürmek zorundadır. Bu çalışma üretim sektörü için dijitalizasyon dönüşümü ve kurulumu yanında yalınlığı da sürdürmek ve dönüşüm ile beraber güçlendirmek için izlenecek stratejileri belirlemeye yardımcı olacak kritik başarı faktörlerini (KBF) , yalınlığı güçlendirme rotalarını, yalın+Dx çerçevesi için bir değerlendirme modelini, yalın üretim konusunda öncü kabul edilen bir üretim firmasının (Toyota Motor Europe) bu dönüşüm sürecini deneysel olarak inceleyerek belirlemeyi hedefler. Dönüşüm sürecindeki KBF'leri doğru bir şekilde incelemek ve yalınlığı güçlendirme rotalarını belirlemek için öncelikle hem yalın hem de Dx için bütünsel bir bakış açısı sağlayacak tüm kavramları, ilkeleri, unsurları, yöntemleri, araçları ve türleri içeren bir çerçevenin oluşturulması gerekir. Bunun yanında her iki alan arasındaki etkileşimin tanımlanması ve değerlendirilmesi gerekmektedir. Bu amaçla, her iki alan için ontolojiler oluşturulmuş, alanlar arası bağlantılar çok boyutlu etkileşim matrisi olarak belirlenmiştir. KBF'ler "dijital dönüşüm" ve "yalınlığı sürdürme" başlıkları altında gruplandırılarak belirlenmiştir. Çalışmada Delphi metodu kullanılmıştır. Literatür taraması ile oluşturulan ontolojiler, çok boyutlu matris ve belirlenen kritik başarı faktörleri, Delphi metodunun ilk adımı ile uzmanlarla birebir yapılan oturumları takiben son haline getirilmiştir. Takip eden Delphi roundlarında, alanlar arasındaki her bir bağlantı için, "etkileşimin etkisi", "dijital dönüşüm" ve "yalınlığı sürdürme" kritik başarı faktörleri değerlendirilmiştir. Bu çalışma sonucu dijitalizasyonun yalınlığı pozitif etkilediği ve yalın düşüncenin (lean thinking) dijitalizasyonu ve dijital dönüşümü desteklediği sonucuna ulaşılmıştır. Değerlendirilen 12 etkileşim bağlantısnın 6 tanesi için "yüksek/güçlü pozitif etki" sonucu elde edilirken, 3 bağlantı için "yüksek pozitif etki" ve kalan 3 bağlantı için "orta pozitif" etki sonucuna ulaşılmıştır. 11 adet "dijital dönüşüm" KBF'si arasında ilk sırada "üst yönetim desteği ve dönüşümsel liderlik" yer almıştır. Bunu çalışan ve ekip çalışması ile ilgili 4 adet KBF takip etmiştir. 9 adet "yalınlığı sürdürme" KBF'si arasında ilk sırada "git ve gör prensibini koru (keep Gemba)" yer almıştır. Bunu "zamanında duruştan ödün vermeme (never comprimise Jidoka)", "yerinde kaliteyi koruma (keep and enforce JKK)" ve "insan dokunuşu ile otomasyon (keep automation with human touch)" takip etmiştir. Endüstri 4.0 dönüşümünü adresleyen kritik başarı faktörleri çalışılmıştır fakat bu dönüşüm sürecinde yalınlığı koruma kritik başarı faktörleri çalışılmamıştır. Endüstri 4.0 yanında Endüstri 5.0 paradigmasını adresleyen kapsayıcı çalışma bulunmamaktadır. Yalınlık ve dijitalizasyon arasındaki ilişkileri tanımlayan dijitalizasyonun yalın üretime etkisini değerlendiren ve bu süreçte yalınlığı sürdürme faktörlerini ve güçlendirme rotalarını belirleyen holistik çalışma bulunmamaktadır. Çalışmamız listelenen bu alanları adreslemektedir. Yalınlık ve dijitalizasyon alanlarında ayrı ayrı olgunluk değerlendirme modelleri bulunmaktadır fakat yalın+dijitalizasyon olgunluğunu konu alan, Endüstri 5.0 paradigmalarını da içeren bir değerlendirme modeli bulunmamaktadır. Çalışmamızın son bölümünde deneysel çalışmamızın sonuçları da kullanılarak, Yalın+Dx (Lean+Dx = LDx) organizasyon çerçeve modeli tanımlanmış ve bu model için bir olgunluk değerlendirme modeline temel olacak ana ve alt değerlendirme boyutları önerilmiştir. Bu çalışmanın sonuçları üretim firmaları, küçük ve orta büyüklükteki işletmeler (KOBİ) için dijital dönüşüm ve bu süreçte yalınlığı sürdürme ve güçlendirme için doğru stratejileri belirmeye yardımcı olacaktır. Çalışmamız kapsamında önerilen LDx modeli ve değerlendirme boyutları kullanılarak hem yalınlığı ve hem Endüstri 4.0 ve Endüstri 5.0 paradigmalarını içeren olgunluk değerlendirme modeli geliştirilebilecektir. Son olarak, ontoloji yaklaşımını kullanarak Dx ve yalınlık organizasyon modellerinin ve bağlantılarının belirlenmesi, yalınlık ve Dx konusundaki teori tartışmasına yeni bakış açıları sunacaktır.
Yükseköğretim çalışmalarında entegre edilmiş harmanlanmış öğrenme teknolojisinin etkisi
Anahtar kelimeler: e-Sınıf, e-Öğrenim, e-İçerik, Yükseköğrenimde e-öğrenme, M-öğrenme, sosyal öğrenme, u-Öğrenme ve harmanlanmış Öğrenme. Günümüzde, eğitim teknoloji ve internet kullanımıyla önemli değişimler yaşamakta, yeni öğretim ve öğrenim yöntemleri geliştirilmektedir. Bilgi edinimini teşvik etmek için yaygın şekilde kullanılan öğretim yöntemlerinden biri de çeşitli formatlarda mevcut olan sanal ortamların kullanımını kapsamaktadır. Çevrimiçi olarak erişim sağlanabilecek öğretim-öğrenim sistemleri bu ortamlara örnek olarak gösterilebilir. Bu araştırma özellikle, çevrimiçi öğrenme içeriğinin tasarımı ve uygulanması için BİT araçlarını kullanarak öğrenim ve öğretim materyalleri sunmaktadır. Bu durum aşağıda belirtilenlere odaklanmış üç temel alanı kapsamaktadır; 1.) e-Kitap kullanarak etkileşimli multimedya ders içeriği (e-İçerik) tasarımı ve uygulaması; 2.) Karma eşzamansız öğrenmeye entegre edilmiş ÖYS, e-Ödev, e-Sınav tasarımı ve uygulaması; 3.) Etkileşimli e-Sınıf oluşturumu ve uygulaması. Hem eşzamanlı hem de eşzamansız teknolojilere dayalı, entegre edilmiş karma çevrimiçi ders, eğitimcilerin yüz yüze öğrenmeyi desteklemelerinin yanı sıra, çevrimiçi öğrencilere işbirlikli faaliyetler ve öğrenme kaynakları sunmalarına da imkân tanımaktadır. Sakarya Üniversitesi Fen Edebiyat Fakültesi Fizik Bölümü'nde eğitim gören örnek grubundaki 122 öğrenci rastgele seçilmiştir. Veri toplamak için 40 soru içeren bir anket oluşturulmuş ve anketten alınan sonuç SPSS programı kullanılarak analiz edilmiştir. Çalışma kapsamında, e-Kitap kullanımına ilişkin elde edilen ilk bulgular şu şekildedir; Öğrencilerin çoğunluğu (%57.4'si) internet erişimi için akıllı telefonlarını kullanmaktadır, e-Kitap üzerinde geçirilen zamana yönelik incelemeler öğrencilerin %52.2'inin bu hususta bir saatlik bir zaman harcadığını ortaya koymuştur. Yapılan veri analizi "Katılıyorum" ve "Kesinlikle katılıyorum" şıklarının ilgili ankette en çok işaretlenen şıklar olduğunu göstermiştir. ÖYS platformunun kullanımına ilişkin elde edilen bulgular, öğrencilerin %59'unun internet erişimi için akıllı telefonlarını kullandığını ve %57.4'inin ÖYS platformu üzerinde bir saatlik bir zaman geçirdiğini göstermiştir. Yapılan veri analizi "Katılıyorum" ve "Kesinlikle katılıyorum" şıklarının ilgili ankette en çok işaretlenen şıklar olduğunu ortaya çıkarmıştır. e-Sınıf sisteminin 18 öğrenci kullanımına ilişkin elde edilen bulgular ise öğrencilerin %66.7'sinin internet erişimi için akıllı telefonlarını kullandığını göstermiştir. Yapılan veri analizi "Katılıyorum" ve "Kararsızım" şıklarının ilgili ankette en çok işaretlenen şıklar olduğunu ortaya koymuştur. Çalışmadan alınan tüm bu sonuçlar, daha fazla öğrencinin bulut ve HTML5 teknolojileri kullanarak sesli ve görüntülü derse daha kolay erişim ve paylaşım imkânı sunan çevrimiçi
İnce bağırsak görüntüleri üzerinde sezgisel algoritma teknikleri ile polip teşhisi
İnce bağırsak, sindirim kanalının mideden sonra başlayan, yaklaşık 5-6 metre sonra kalın bağırsak ile sonlanan en büyük organıdır. Sindirim sistemi içerisinde en çok işlem gerçekleşen ince bağırsakta sindirim işleminin gerçekleşme oranı %90'dır. Aynı zamanda ince bağırsak sindirim ve emilimin ana merkezi, vücudun en büyük endokrin organı ve bağışıklık sisteminin en büyük kısmıdır. İnce bağırsak bu kadar önemli işlevlere sahipken, ince bağırsağın herhangi bir tabakasında köklenen ve dışarıya doğru tümör şeklinde itilen poliplerin oranı, sindirim kanalının diğer organlarından çok daha düşüktür. Bu amaçla ince bağırsaktaki polipleri saptamak için başlatılan bu çalışmada, görüntüler matlab programında çeşitli filtreler kullanılarak ön işleme yöntemlerine tabi tutulmuştur. Akabinde matlab programında LBP özellik çıkarım yöntemi kullanılarak görüntüler sayısallaştırılmış ve sonuçlar excel formatında bir dosyaya kaydedilmiştir. Excel dosyası, dönüştürücü programı yardımıyla csv dosyasına dönüştürüldükten sonra bu dosya weka programında açılmıştır. Dosya içerisindeki veriler Destek Vektör Makineleri Algoritması, Rastgele Orman Algoritması, Karar Ağacı Algoritması ve Naive Bayes Algoritması tarafından sınıflandırılmış ve sırasıyla %70, %71, %63 ve %67 başarı oranları elde edilmiştir. Daha sonra bu veriler PCA özellik çıkarım yöntemi kullanılarak daha detaylı incelenmiş ve veriler kesişme ve çakışmalardan arındırılarak, algoritmalar tarafından yeniden sınıflandırılmıştır. Sonuçlar sırasıyla %73, %73, %68 ve %69 başarı oranları göstermiştir. Diğer yandan ince bağırsakta görülen polip oranının seyrek olması, mevcut veri setinde polip içeren ince bağırsak görüntülerinin, polip içermeyen ince bağırsak görüntülerinden daha az olmasına neden olmuştur. Poliplerin tespit oranını olumsuz etkileyen dengesiz veriler SMOTE yöntemiyle daha dengeli hale getirilmiş ve algoritmalar tarafından yeniden sınıflandırılmıştır. Sonuçlar sırasıyla %79, %76, %72 ve %68 başarı oranları göstermiştir. Bu nihai başarı oranlarının ince bağırsakta polip olup olmadığına dair karar vermede doktorlar için destek sağlayacağı planlanmaktadır. Ek olarak geleneksel algoritmaların yanında son zamanlarda kullanılmaya başlanmış ve derin öğrenme üzerinde temellenmiş olan Resnet Mimarisi kapsamında veriler yeniden sınıflandırılmış ve başarı oranı %83'e çıkmıştır.
Çölyak hastalığının teşhis edilmesi ve sınıflandırılmasında yapay zekâ algoritmalarının kullanılması
Yüksek bir oranda yaygınlık gösteren çölyak hastalığı (ÇH), tahıllardaki glüten ve diğer tahıl proteinlerine kalıcı bir intolerans olarak gelişen proksimal ince bağırsak hastalığıdır. Teşhis edilmesi en zor hastalıklardan biri olarak kabul edilir. Seroloji testi ve endoskopi sırasında alınan ince bağırsak biyopsilerinin histopatolojik kanıtı tanı için altın standart olmaya devam etmektedir. Bu nedenle, endoskopide bilgisayar destekli teşhis (CAD) sistemleri, hastalığın tanısal doğruluğunu artırmak ve zamandan ve insan gücünden tasarruf etmek için yeni ortaya çıkan bir teknolojidir. Bu çalışmada çölyak hastalığının CAD sistemi için hibrit bir makine öğrenme yöntemi uygulanmıştır. Sunulan CAD sisteminde ilk olarak, görüntüleri bölütlemek için uzamsal bağlam temelli optimal çok düzeyli eşikleme tekniği kullanılmıştır. Daha sonra, görüntüler ayrık dalgacık dönüşümü (DWT) ile alt bantlara ayrıştırılmış ve ayırt edici özellikler ölçekle değişmeyen doku tanımlayıcı ile çıkartılmıştır. Sınıflandırma doğruluğu, duyarlılığı ve özgüllük oranı sırasıyla %94,79, %94,29 ve %95,08 olarak elde edilmiştir. Önerilen modellerin sonuçları, evrişimli sinir ağı (CNN) ve yüksek dereceli spektral (HOS) analizi gibi diğer güncel yöntemlerin sonuçlarıyla karşılaştırılmıştır. Sonuçlar, önerilen hibrit yaklaşımların doğru, hızlı ve kabul edilebilir düzeyde olduğunu göstermiştir.
Arıma ve XGBoost modelleri ile elektrik talep tahmini
Elektrik enerjisi toplumun her alanda ihtiyaç duyduğu ikincil enerji gruplarında bulunan bir enerji türüdür. Elektrik enerjisi, teknolojik gelişmeler doğrultusunda farklı alanlarda daha yaygın bir şekilde kullanılabilir hale gelmektedir. Elektrik enerjisinin artan ihtiyaçları karşılayabilecek şekilde üretilip, doğru zamanda doğru şekilde kullanıcılara aktarılması, oldukça önemli bir problemdir. Bu çalışmada geçmiş elektrik verileri kullanılarak kısa vadeli elektrik talep tahmini yapılmıştır. Tahminlemede ARIMA ve XGBoost modelleri kullanılmıştır. Avustralya'nın Victoria eyaletinin 2000 yılından 2019 yılına kadar alınmış yarım saatlik elektrik talep verileri kullanılmıştır. Sadece ocak ayının ilk haftasının tahminlenmesi amaçlanmıştır. Bu amaçla bu verilerin sadece yılın ilk haftası kullanılmış, bu şekilde tüm modeller kısa vadeli tahminleme performansı karşılaştırılmıştır. ARIMA modelinin parametreleri belirlenirken ACF ve PACF grafiklerinden faydalanılmış ve ARIMA modeli oluşturulmuştur. XGBoost modelinin parametreleri ise karşılaştırılarak seçilmiştir. XGBoost modelinin eğitimi için zaman bilgisi ayrılarak bir parametre seti oluşturulmuş ve sonrasında bu çalışmaya özgü üretilmiş parametreler eklenmiş ve tüm modellerin karşılaştırılması yapılmıştır. Sonuç olarak görülmüştür ki, ARIMA ve XGBoost modelleri ilk kıyaslandığında benzer sonuçlar vermektedir. Ancak eklediğimiz parametrelerin XGBoost modelinin doğrulunu kayda değer şekilde arttırdığı ve istatistiksel yaklaşımdan daha iyi sonuçlar aldığı görülmektedir. MAPE değeri 0.10'dan 0.05'e düşürülmüş hata azaltılmıştır. Bu yaklaşımla yapay zekâ modellerine, verinin durumu gözetilerek, eklenecek parametreler ile doğruluğunun arttırılabileceği anlaşılmaktadır. Gelecek çalışmalar için zaman serisinden elde edilen parametreler dışında, sıcaklık, nüfus gibi dış etmenlerinde eklenip aynı etmenlerle yapay zekâ ve istatistiksel modellerin karşılaştırılması yapılabilir.
İstatistik ve yapay zeka teknikleri ile enerji tüketiminin tahmini: Sakarya doğal gaz tüketiminin uygulaması
Ülke yönetimleri, enerji talep tahminlerini güvenilir, doğru ve düşük hata ile yaparak ekonomik ve sosyal kayıpları azaltmak için çalışmaktadırlar. Bu tez çalışması kapsamında, enerji sektöründeki önemli alt sektörlerden biri olan doğal gaz üzerine yıl öncesi aylık talep tahmini ve gün öncesi talep tahmini, farklı yöntemler kullanarak en düşük hata ile gerçekleştirilmeye çalışılmıştır. Önerilen yöntemler, tek değişkenli olup, kendi tüketim verisinden başka hiçbir veriye ihtiyaç duymamaktadır. Tez çalışması kapsamında getirilen yenilik; yanlış tahminden kaynaklanan cezaları en aza indirecek model ve yaklaşımın bulunması olup, bunların günlük yaşamda kullanılabileceğini göstermektir. Bu çalışmada doğal gaz talep tahmini için iki farklı durum ele alınmıştır. İlk durumda yıl öncesi aylık talep tahmini yapılırken, ikinci durumda gün öncesi talep tahmini yapılmıştır. Dört yıllık doğal gaz tüketim verisi üzerinden önce yıl öncesi aylık talep tahminleri aylık ve günlük olarak iki farklı veri yoğunluğunda. Zaman serilerinin ayrıştırılması (ZSA), Winters üstel düzleştirme (WÜD) yöntemi, tümleşik kendiyle bağlaşımlı hareketli ortalama (ARIMA), sezonsal ARIMA (SARIMA) yöntemleri kullanılarak gerçekleştirilmiştir. Bu yöntemler ile yapılan tahminler sonucunda, günlük veri ile günlük olarak yılın tahmin edildikten sonra aylık tüketime dönüştürülmesinin aylık veri ile tahmine göre, hata oranında %12,9 MAPE'den %11,9 MAPE'ye düşüş sağladığı ortaya çıkartılmıştır. Günlük talep tahmininde ise iki farklı şekilde gün öncesi tahminler gerçekleştirilmiştir. İlk durumda, bir yılın bir anda tahmini için oluşturulan ZSA, WÜD, ARIMA ve SARIMA modellerin sonuçları %27 MAPE ve 0,8 R2 civarında sonuçlar bulmuştur. İkinci durumda ise kayan pencere tekniği (KPT) kullanılarak WÜD ve yapay sinir ağları (YSA) ile gün öncesi talep tahmini gerçekleştirilmiştir. Burada ilk üç yıllık veri ile her gün için farklı α,β,γ parametreleri bulunarak WÜD ile tahmin yapılırken, YSA' da yine üç yıllık veri kullanılarak geri yayılım (GY) ve yapay arı kolonisi (YAK) algoritmalarının eğitimde kullanılması ile tahminler yapılmıştır. KPT ile WÜD ve YSA-YAK sırasıyla en düşük %15 ve %14,9 MAPE elde ederken, en yüksek 0.94 ve 0.89 R2 değeri elde ederek gün öncesi talep tahminini gerçekleştirmişlerdir. Sonuç olarak, önerilen tahmin modellerinin, literatürde sıklıkla kullanılan doğal gaz tüketim talep tahmini için kabul edilebilir uygun sonuçlar üretebildiği görülmüştür. Önerilen modeller ile geçmiş verisinden başka bağımsız değişken ihtiyacı olmayan tahminlerin gerçek yaşamda da ödenen talep tahmin cezalarını azaltabileceği görülmüştür.
Dağıtım transformatörlerinin metasezgisel algoritmalarla tasarım optimizasyonu
Dünyadaki pek çok ekonomi, yüksek verimli transformatörlerin kullanımını zorunlu kılan veya teşvik eden enerji verimliliği yönetmelikleri veya teşvik programları kabul etmiştir. Öte yandan, transformatör verimliliğindeki artışlar, transformatör ağırlık ve boyutunda bazen % 50 hatta daha fazla bir artışı gerektirmektedir. Transformatör endüstrisi bu nedenle gerçekten en iyi tasarımları geliştirme uğraşısı ile karşı karşıyadır. Transformatör tasarım optimizasyonu (TDO) problemi, karmaşık ve süreksiz amaç fonksiyonlu ve kısıtlı karma-tamsayılı bir doğrusal olmayan programlama problemidir. TDO'nun amacı, ulusal ve/veya ulusal standartlar ve müşteri şartnameleri uyarıca, mevcut malzemeleri ekonomik olarak kullanarak daha düşük boyut, ağırlık ve maliyet ve daha yüksek işletme performansı elde etmek üzere transformatörün tüm bileşenlerinin niteliklerinin detaylı olarak hesaplanmasıdır. Bu çalışmada TDO probleminin çözümü için beş modern metasezgisel optimizasyon algoritması uygulamasının ayrıntılı karşılaştırmalı analizi üç test vakası üzerinde gösterilmiş ve iki algoritma önerilmiştir; önerilen bu algoritmaların, rassal özelliklerine rağmen, garanti edilmiş küresel yakınsama özelliklerine sahip oldukları doğrulanmıştır. Algoritmaların karşılaştırılması için pragmatik bir kıyaslama yöntemi geliştirilmiştir. Literatürde sunulan TDO yöntemleri nadiren üretimde doğrudan uygulanabilir çözümler üretir; tasarım mühendisinin genellikle teorik çözümü pratik olarak uygulanabilir bir hale dönüştürmek için ek çaba harcaması gerekir. Bu problem bu çalışmada ele alınmış ve piyasada mevcut veya üretime uygun boyutlara sahip çözümler üreten bir ayrık transformatör tasarım optimizasyon yöntemi önerilmiştir Ayrıca, amaç fonksiyonu ve kısıt hesaplamalarını azaltmak için basit bir yöntem önerilmiştir. Yöntem, önbellekleme tekniği kullanılarak arama işlemi sırasında yinelenen tasarım vektörleri için hesaplamaların atlanması esasına dayanmaktadır. Performans testleri, teorik TDO için Rekabetçi-Uyarlamalı Diferansiyel Gelişim ve Guguk Kuşu Arama, Pratik TDO için de Guguk Kuşu Arama ve Çiçek Tozlaşma algoritmaları kullanıldığında küresel optimum ve ona çok yakın sonuçlar elde edildiğini göstermiştir.
Göğüs hastaliklarinin teşhis edilmesinde makine öğrenmesi algoritmalarinin kullanilmasi
Birçok hastalık insan yaşamını, sağlığını ve yaşam kalitesini birçok yönden etkileyerek tehdit etmektedir. Bunlar arasında tüberküloz (TB), kronik obstrüktüf akciğer hastalığı (COPD), zatürre, astım ve akciğer kanseri gibi göğüs hastalıkları hem gelişmekte olan ülkelerde hem de gelişmiş ülkelerde önemli sağlık sorunları ve ölüm nedenlerinden başlıcaları olarak kabul edilmektedir. Bir hastalığın teşhisi doktorlar tarafından ne kadar erken konulursa, hastanın iyileşme olasılığı o kadar yükselmektedir. Bu anlamda, günümüzde uzman sistemler ve farklı yapay zeka teknikleri, tıbbi teşhis dahil olmak üzere çeşitli alanlardaki farklı problemleri çözmek için başarıyla kullanılmaktadır. Bu doktora tezi kapsamında, göğüs hastalıklarını teşhis etmek için destek vektör makinaları (SVM), K-en yakın komşular (K-NN) ve Basit Bayes sınıflandırma (NB) metotları kullanılmıştır. Ayrıca, ilk kez uyarlamalı destek vektör makina metodunun (ASVM) göğüs hastalıkları teşhisindeki performansı da değerlendirilmiştir. Bu metot, SVM tekniğinin en uygun eşik değerini bulacak şekilde geliştirilmesine dayanmaktadır. Kullanılan bu yaklaşımlar Diyarbakır Göğüs Hastalıkları Hastanesi'nden alınan deneysel veriseti kullanılarak ve daha önceki çalışmalarda kullanılan sinir ağları yöntemleri ile karşılaştırılarak değerlendirilmiştir. Yapılan çalişmada elde edilen sonuçlar, kullanılan metotların, özellikle de ASVM metodunun başarim etkisinin yüksek olduğunu göstermiştir. ASVM metodu, öngörülebilir ve doğruluk oranı en yüksek sonuçları vererek göğüs hastalıklarında etkili bir şekilde kullanılabileceğini kanıtlamıştır.
Güvenli yazılım geliştirme süreç modelinin seçimi
Gelişen teknoloji ile birlikte günümüz şartlarında yazılım güvenliği ve güvenli yazılım süreç seçim kriterleri giderek önemli hale gelmeye başlamıştır. Uygulama geliştirme departmanları tarafından güvenlikten yoksun olarak yapılan projelerin dış kaynaklı saldırılardan korunması yazılımın güvenliği bakımından önem arz etmektedir.Bu çalışmada altı yazılım süreç seçim kriteri çeşitli faktörler göz önüne alınarak incelendi. Yazılım süreç seçim kriterleri üzerinde çalışıldıktan sonra da, yazılım geliştirme yapan kurumların, sistem saldırılarından korunmak için yazılımlarını destekleyen güvenli bir model seçmelerinin önemi anlatıldı.Altı fonksiyonel nokta değerli ve otuz beş kriterli bir set oluşturuldu. Seçilen altı yazılım geliştirme süreç modeli de bu kriterlere göre değerlendirildi. Kriter setine göre olması gereken güvenli bir yazılım geliştirme süreç modeli oluşturuldu ve altı yazılım geliştirme süreç modeli de istenilen güvenli modele göre karşılaştırılarak değerlendirildi. Bu değerlendirme sonucunda da içlerinden en güvenli ve de en güvensiz yazılım geliştirme süreç modeli belirlendi. Örnek olarak üç adet canlı yazılım projesine de aynı kriterler uygulanarak hangi yazılım geliştirme süreç modelinin uygulandığı belirlendi.Çalışmanın sonucunda çok büyük projelerde uygulanabilirliği açısından, yazılım sürecinde kullanıcının projeyi her aşamada test edebiliyor olmasından ve de proje yöneticisinin projeyi her aşamada gözlemleyebiliyor olmasından dolayı en çok tercih edilen model ve en güvenilir yazılım geliştirme süreç modeli olarak Sarmal Model belirlendi. Aynı şekilde prototiplerin yavaş ve hantal programlar olması ve de müşterilerin geliştirilen prototipi gerçek program gibi algılaması ihtimali olduğundan Prototip modeli en az tercih edilen ve de en güvensiz yazılım geliştirme süreç modeli olarak belirlendi.