Theses supervised by Prof. Dr. Cihan Karakuzu
10 theses · Bilecik Şeyh Edebali Üniversity
Çok katmanlı aşırı öğrenme makinelerinin geliştirilmesi ve sistem modellemedeki başarımlarının analizi
Aşırı Öğrenme Makinesi (AÖM), sınıflandırma ve regresyon uygulamalarında yüksek verimlilik ve kolay uygulanabilirdiğinden dolayı son on yılda önemli araştırma konusu olmuştur. Çalışmamız kapsamında regresyon ve sınıflandırma problemleri için geliştirilen klasik AÖM, Radyal Tabanlı Fonksiyon Kullanan Aşırı Öğrenme Makinesi (RTF-AÖM), Meta Aşırı Öğrenme Makinesi (Meta-AÖM) ve Çok Katmanlı Aşırı Öğrenme Makinesi (ÇK-AÖM) gibi mevcut AÖM yapıları incelenmiştir. Bu çalışmada, anılan yapıların zayıf ve üstün yönleri incelenerek yapıların iyileştirilmesi ve yeni hibrit yapılar önerilmiştir. Çalışmamızdaki motivasyon unsuru, AÖM yöntemlerinin yaygın olarak sınıflandırma problemlerinde kullanılmış olması ve sistem modelleme üzerinde çalışılmamış olmasıdır. Bu bağlamda zamana dinamik bir şekilde bağlı sistemlerin yanısıra engebeli ve/veya keskin değişimli yüzeylere denektaşı sistemlerin modellenmesi üzerinde çalışılarak iyileştirme ve yeni karma ağ yapısının geliştirilmesi hedeflenmiş olup çalışmamızda istenen hedefe ulaşılmıştır. ÇK-AÖM yapısının sistem modelleme başarımını arttırmayı ve hesaplama zamanını düşürmeyi amaçlayan iki İyileştirilmiş Çok Katmanlı Aşırı Öğrenme Makinesi (İÇK-AÖM) adını verdiğimiz AÖM ağ yapıları geliştirilmiş olup deney sonuçları ile başarım üstünlünlükleri denektaşı sistemler üzerinde gösterilmiştir. İÇK-AÖM yapıları ile yedi farklı dinamik sistem modelleme uygulaması üzerinde başarımı incelenmiştir. Ayrıca çok katmanlı aşırı öğrenme makinesi ile radyal tabanlı fonksiyon ağları birleştirerek HybRBF-ML-ELM adını verdiğimiz karma bir ağ yapısı daha geliştirilmiştir. Engebeli ve/veya keskin değişimli yüzey problemlerinde başarımı deney sonuçları ile kıyaslamalı olarak gösterilmiştir. Dinamik sistem modelleme deneylerinde geliştirilen İÇK-AÖM'nin bazı durumlarda ÇK-AÖM'ye kıyasla hem eğitim hem de test veri setleri için %70lere varan daha iyi modelleme başarım sergilediği gözlenmiştir. Örneğin, Denektaşı Dinamik Sistem (DDS) 7 için 100 düğüm kullanıldığında ÇK-AÖM, İÇK-AÖM1 ve İÇK-AÖM2 yapıları 0.627977, 0.104272 ve 0.092683 ortalama test Karesel Ortalama Hatanın Karakökü (RMSE) sonuçları verilmiştir. ÇK-AÖM ile karşılaştırıldığında İÇK-AÖM1 yapısı 83% daha iyi ortalama test RMSE sonuçları sağlarken İÇK-AÖM2 yapısı 85% daha iyi ortalama test RMSE sonuçları sağlamıştır. Yüzey modelleme deneylerinde geliştirilen HybRBF-ML-ELM yapısının ÇK-AÖM yapısına göre her problem için daha başarılı olduğu gözlemlenmiştir. Örneğin, Griewank, Dropwave ve Schaffer2 fonksiyonları için hem eğitim hem de test RMSE sonuçlarına bakıldığında ÇK-AÖM yapısına göre yaklaşık olarak %99 daha iyi başarım elde edildiği görülmüştür. Peaks fonksiyonu için de eğitim verisinde ortalama RMSE değerine bakıldığında ÇK-AÖM yapısına göre %76,87 daha iyi modelleme başarım sergilediği gözlenmiştir.
Aşırı öğrenme makineleri ile dinamik sistem modelleme
Sinir ağları (SA) birçok mühendislik ve bilim problemiyle ile ilgili çözüm üretmek için kullanılırlar. Bu mimarilerin eğitim için kullanılan algoritmaları, genellikle yinelemeli algoritmalardır. İleri beslemeli sinir ağlarında eşik ve bağlantı ağırlık değerlerinin belirlemek için türev tabanlı yinelemeli algoritmalar kullanılır. Türev tabanlı yinelemeli algoritmaların eğitim süresinin yavaş olması yeni arayışların başlamasına sebep olmuştur. Bu yavaşlığın üstesinden gelmek için aşırı öğrenme makineleri (AÖM) kavramı önemli bir gelişim göstermiştir. AÖM tek gizli katmanlı ileri beslemeli ağlar için geliştirilmiş bir öğrenme algoritmasıdır. AÖM öğrenme algoritması eğitim süresi açısından büyük bir üstünlük sunsa da genelleme yeteneği olarak aynı başarımı gösterdiği söylenemez. İşte bundan dolayı geleneksel aşırı öğrenme makinelerinin bir araya gelerek oluşturduğu Meta-AÖM adı verilen yeni bir öğrenme algoritması geliştirilmiştir. Bu çalışmamızda, Meta-AÖM ile eğitilen yapay sinir ağlarının dinamik sistem modelleme başarımı incelenmiştir. Literatürden seçilen yedi farklı dinamik sistem için bu çalışmada kullanılmak üzere eğitim ve test veri kümeleri hazırlanmıştır. Eğitim kümeleri kullanılarak, her bir dinamik sistem için AÖM eğitim yöntemiyle Meta-AÖM sistem tanımlama modeli elde edilmiştir. Her bir dinamik sistem için eğitim evresi ile oluşturulan Meta-AÖM modellerinin test veri kümeleri ile de genelleme başarımları elde edilmiştir. Modelleme Meta-AÖM için farklı ağ parametreleriyle eğitim ve test veri kümeleri benzer şekilde kullanılarak tekrarlanmış, elde edilen sonuçlar ile istatiksel karşılaştırma yapılmıştır. Elde edilen sonuçlara dayalı olarak, önerilen yaklaşımın başarım değişiklikleri gösterilmiştir. Sonuç olarak, Meta-AÖMyi yapılandırmak için hücre/düğüm sayısı ve gruptaki AÖM sayısı seçimi hakkında genel bir değerlendirme yapılıp öneriler sunulmuştur.
Raylı sistem tam ve eş zamanlı benzetim ortamının yazılımsal uyarlanması
Son yıllarda şehirlerde yaşayan nüfusun artmasıyla birlikte raylı sistem yatırımları bütün dünyada ve ülkemizde çok hızlı bir şekilde artmaktadır. Artan nüfusa bağlı olarak artan ihtiyaçların karşılanması için raylı sistem araç üretimlerindeki hız çok önemli bir faktör haline gelmiştir. Bu tez çalışmasında; raylı sistem üreticileri ve işletmeleri için, araç üretilmeden önce, aracın bire bir aynı kontrol paneli, araç kontrol ünitesi, giriş-çıkış modülleri, insan makine arayüzleri ve yazılımların benzetimlerinin yapılacağı ayrıca tramvay araçlarında kullanılan ekipmanların testlerinin de yapılabileceği DurSim (Durma Simülatör) benzetim ortamı üzerinde çalışılmıştır. Bu benzetim ortamı ile yapılan testler sonucunda ekipmanların yeterliliği ve kullanılabilirliği belirlenebilecek olup, mevcut araç yazılımlarının testleri birebir araç üzerinde yapılmış gibi DurSim yardımıyla dinamik olarak test edilebilecektir. Bu tez çalışması sonucunda geliştirilen DurSim ile aracın üretiminden sonra ortaya çıkması muhtemel yazılımsal veya donanımsal eksiklikler ve hataların tespit edilmesi, tespit edilen hatalar ve eksikliklerin raylı sistem araç üretiminden önce giderilmesi ve bu sayede sıfır hatalı raylı sistem araç üretimi hedeflenmektedir. Ayrıca DurSim ile raylı sistem araç sürücülerinin eğitimlerinin verilmesi hedeflenmektedir, bu sayede sürücülerin kontrol paneli ve insan makine arayüzünün kullanımını öğrenmeleri sağlanacaktır. Böylece hiçbir risk faktörü olmadan sürücü eğitimlerinin güvenli, yetkin ve düşük maliyetli bir şekilde gerçekleştirilmesi sağlanmış olacaktır.
Akıllı güvenlik için uzaktan etkileşimli robot araç tasarımı ve gerçeklenmesi
Bu çalışmada, akıllı güvenlik için uzaktan etkileşimli robot araç geliştirilmiştir. Park halinde robot araca gelebilecek zararları önlemek amaçlı görüntü işleme tekniğini kullanarak kamera yardımı ile uzaktan uyarı sistemi gerçeklenmiştir. Robot aracın engele çarpma ihtimalinde sesli uyarı vermesi sağlanmış, elektronik göstergede gerekli yazılı bildirim vermesi temin edilmiştir. Ayrıca internet üzerinden e-posta ile mesaj gönderilerek araç sahibinin uzaktan bilgi edinmesi hedeflenmiştir. Robotun geliştirilmesinde Raspberry Pi ve Arduino mini bilgisayar kartları, HC-SR04 ultrasonik mesafe sensörü, L298N motor sürücü kartı, Buzzer, HC05 Bluetooth sensörü, ESP-01 Wi-Fi modülü, 16x2 LCD ekran, Raspberry Pi kamera modülü ve enerji temini için LiPo pil kullanılmıştır. Araca olası tehlike algılanması için hareketli görüntülerin, belirli rengin, kameradan alınan görüntü üzerindeki karakterlerin okunması amacıyla Raspberry Pi kartına Python OpenCV kütüphanesi kullanılarak Python programlama dili ile oluşturulan yazılım yüklenmiştir. Hareketli görüntü ve istenilen renk tespit edildiğinde led ile ışıklı uyarı sağlanmış LCD ekrana mesaj yazdırılmıştır. Bu işlemlerle birlikte aynı zamanda internet üzerinden istenilen yere mesaj gönderilmesi de sağlanmıştır. Tesseract programı kullanılarak resim üzerindeki karakterlerin okunması sağlanarak özellikle plaka bilgileri kaydedilmiştir. Ayrıca kaydedilen dosyanın internet üzerinden e-posta ile istenilen yere gönderilmesi de sağlanmıştır. Özetle bu çalışmada güvenlik isterleri için uzaktan etkileşim sağlayan ve denetlenebilen akıllı bir robot araç geliştirilmiştir.
Makine öğrenmesi algoritmalarıyla Türk işaret dilinde harf ve dinamik sözcük tanıma
Toplumsal hayatın bir parçası haline gelen bilgisayarlar ve akıllı arabirimler, ses ve görüntü dışında, özellikle işaretlerin ve hareketlerin tanınmasında etkin bir şekilde kullanılarak hayatı kolaylaştırmaktadır. Sunulan bu çalışmada işaret dilini kullanan işitme ve konuşma engelliler ile diğer bireylerin kolay iletişime geçmesi ve işaret dilini bilmeyen bir kişinin bu dili anlayabilmesi çerçevesinde çalışılmıştır. Günümüzde teknolojik eğilimin taşınabilir sistemlere doğru olması sebebiyle işaret tanıma çalışmalarında LMC ve Kinect cihazı kullanılmıştır. LMC cihazı bilgisayar, mobil cihazlar başta olmak üzere diğer akıllı arabirimlere gömülü yada doğrudan entegre edilebilir olması, el ve parmak hareketlerini anlık tarama hızı ve hassasiyetinin yüksek olması ve gelişime açık olması sebebiyle özellikle tercih edilmiştir. Kinect ise LMC'nin yetersiz kaldığı durumlarda destek olması amacıyla kullanılmıştır. Bu çalışmada, LMC ve Kinect cihazı kullanılarak Türk işaret dili (TİD)'ne ait çift elli statik parmak alfabesi ve dinamik sözcük tanıma sistemleri üzerine çalışılmıştır. Çalışma önişlem, izleme, görüntü karelerinin toplanması, özellik çıkarımı, özellik seçimi ve çıkarımı, boyut indirgeme, eğitim ve test olmak üzere 8 aşamadan oluşmaktadır. Çalışma dört uygulamadan oluşmaktadır. Birinci uygulama LMC kullanılarak statik parmak alfabesi tanıma üzerine gerçekleştirilmiştir. İkinci uygulamada LMC ile dinamik sözcük tanıma sistemi tasarlanmıştır. Bu uygulama için kendi arasında benzerlik ve farklılıkları dikkate alınarak hazırlanan 50 dinamik sözcük için 4 denek kullanılarak veri kümesi oluşturulmuştur. Üçüncü uygulamada Kinect cihazı kullanılarak dinamik sözcük tanıma sistemi üzerinde çalışılmıştır. Dördüncü uygulama ise LMC+Kinect cihazları kullanılarak gerçekleştirilen farklı uzunluk ve sürelere sahip dinamik sözcük tanıma sistemidir. Bu uygulamada kullanılan histogram ve zamansal özellik çıkarımı veri kümelerinin boyutlarını eşitleyerek sınıflandırıcıya girişi kolaylaştırır ve aynı zamanda verilerin boyutunun küçültülmesini sağlar. Bu uygulamalardan elde edilen veri kümelerinden özellik seçim algoritması, özelik çıkarım yöntemleri ve PCA, LDA ve PCA+LDA boyut indirgeme yöntemleri kullanılarak yeni veri kümeleri elde edilmiştir. Bu veri kümeleri kullanılarak makine öğrenme yöntemlerinden geleneksel, sinir ağı ve ELM tabanlı sınıflandırıcılar ile işaret tanıma başarımı analiz edilmiştir. ELM mimarileri ilk kez bir işaret dili tanıma sisteminde sınıflandırıcı olarak bu çalışmada kullanılmıştır. Tanıma başarımı açısında gürbüz ve kararlı genelleme yeteneği sunan ELM'in 5 farklı mimarisi ve bunların kendine özgün öğrenme yöntemleri test edilerek sonuçlar karşılaştırılmıştır. Bu çalışma ile önerilen TİD tanıma sisteminin başarım testi 10 katlamalı çapraz doğrulama yöntemi kullanılarak yapılmıştır. Elde edilen başarım metriklerine dayalı olarak, ELM tabanlı mimari ve makine öğrenmesi yöntemlerinden ML-KELM'in tüm veri kümelerinde başarım oranını koruduğunu ve en yüksek başarım oranını verdiği ve başarım açısından kararlı bir yapıya sahip olduğu gözlemlenmiştir.
Blokzincir tabanlı akıllı sözleşme kullanarak güvenli veri saklama ve veri doğrulama
Hyperledger Fabric ve Ethereum blokzincir platformları, merkezi olmayan, güvenli ve şeffaf bir ortam sağlayarak öne çıkan ve farklı kullanım senaryolarına uygun olan akıllı sözleşme kullanan platformlardır. Özellikle kurumsal uygulamalarda tercih edilen Hyperledger Fabric modüler yapısı, yetkilendirme ve kimlik yönetimi mekanizmaları, kanal sistemi ve işlemle ilgili özel akıllı sözleşmelerin kullanımına imkan veren yapısıyla dikkat çekmektedir. Askeri, tıbbi görüntülerin veya gizliliği üst seviyede önemli olan görüntülerin/belgelerin saklanması bazı kurumlar açısından büyük önem arz etmektedir. Bu tez kapsamında sunulan HFSecImg çalışması veri güvenliği ve veri doğrulama gibi önemli problemlere çözüm önerisi olarak oluşturulmuştur. Bu çalışma, blokzincir teknolojisinin kullanımı ile veri güvenliği ve doğrulama açısından etkin bir çözüm sunmaktadır. Bu çözümde, görüntü verilerinin güvenli bir şekilde şifrelenerek paydaşlar arasında dağıtılması ve güvenilir bir şekilde saklanmasının yaynında paydaş imzalarının ve şifrelenen görüntünün veri doğrulamasının akıllı sözleşme kullanılarak sağlanması da veri doğrulama problemini etkin çözmeye yöneliktir. Bu yaklaşımın ilk adımında kaotik sistem tabanlı görüntü şifreleme yöntemiyle görüntü şifrelenmiştir. Şifrelemede kullanılan anahtar Shamir's Secret Sharing yöntemiyle belirlenerek paydaşlar arasındaki özel bilginin güvenliğinin artırılması hedeflenmiştir. Şifrelenen görüntüye ait özet bilgisi ve paydaşların dijital imzaları Hyperledger Fabric blokzincir ağında saklanmaktadır. Ayrıca paydaşların imzalarında bulunan özel ve açık anahtarlar RSA şifreleme algoritması kullanılarak oluşturulmuştur. Veri bütünlüğü ve güvenlik temelli oluşturulan çalışmada akıllı sözleşme kullanımı vurgulanmaktadır. Dağıtık defterde tutulan paydaşların imzaları ve şifrelenen görüntü Hyperledger akıllı sözleşme mekanizmasıyla doğrulama sürecinden geçmektedir. Bu sayede blokzincir teknolojisi kullanılarak güvenlik ve veri bütünlüğü sağlanmıştır. Şifrelenen görüntünün bulut sisteminde depolanması sağlanarak ağda bulunan herkese açık, erişimi kolay ve güvenlik riskinin düşük olması amaçlanmıştır. Yapılan analizler ve kullanılan mekanizmalar başarılı bir güvenli veri saklama ve veri doğrulama mekanizmasının oluşturulduğunu göstermiştir. Ethtrace adı verilen ikinci çalışmada, blokzincir teknolojisinin şeffaf bağış uygulamalarında kullanımı ve Ethereum tabanlı akıllı sözleşmelerin kullanımı ile oluşacak avantajlar konusu ele alınmıştır. Çalışmada bu konuya ilişkin bir örnek uygulama geliştirilmiştir. Bağış sürecinin otomatikleştirilmesi, bağışçılar ve alıcı kuruluşlar arasındaki anlaşmazlıkları gidermek ve güvenli bağış yönetiminin sağlanması amaçlanmıştır. Uygulamanın şeffaflık, izlenebilirlik ve güvenlik açısından değerlendirildiğinde başarılı sonuçlar verdiği görülmüştür. Bu çalışma, bağış sürecinin şeffaf ve güvenli hale getirilmesini ve bağışçıların bağışlarının etkili bir şekilde kullanıldığından emin olmalarını sağlayarak toplumsal faydayı artırmayı hedeflemektedir. Aynı zamanda, birden fazla kuruluşa aynı anda bağış yapma imkanı sunularak daha geniş bir bağışçı kitlesine hitap edebilmesi, bağış uygulamaları ve blokzincir teknolojisi arasında olası bir sinerjiyi ortaya koyması açısından literatüre katkı sağlanmıştır. Bu tez çalışması kapsamında gerçeklenen HFSecImg ve Ethtrace blokzincir uygulamalarının ortak yönü blokzincir akıllı sözleşmelerinin kullanılmasıdır. Ayrıca iki farklı uygulamaya ait akıllı sözleşmelerin birbirlerine göre üstünlükleri, sakıncaları ve kullanılması gereken alanlar detaylı bir şekilde incelenmiştir. Uygulamaların farklılıkları gizlilik, güvenlik, maliyet vb. birçok açıdan incelenmiştir. Sonuç olarak geliştirilmesi gereken uygulamaya göre seçilmesi gereken platform ile ilgili bilgilere yer verilmiştir. Blokzincir platformu seçiminin geliştirilen uygulamanın yapısına bağlı olarak çok önemli olduğu gösterilmiştir.
RF parmak izi kullanılarak IoT cihaz tanımada meta aşırı öğrenme makinası tabanlı başarım analizi
Günümüzün gözde teknolojilerinden biri olan IoT kavramının ortaya çıkması, akıllı cihazların getirdiği kolaylıklar ve kullanımının yaygınlaşmasıyla birlikte kablosuz cihazların sayısı artmakta ve buna bağlı olarak cihazlar arasında yoğun ve karmaşık bilgi iletişim ağları oluşmaktadır. IoT uygulamalarında yaygın olarak kullanılan birçok cihaz türü, farklı iletişim standartlarını kullanarak haberleşmektedir. Haberleşme sürecinde bilgi iletişim ağlarına yetkisiz erişim ve saldırıları önlemek amacıyla güvenlik kavramı ön plana çıkmaktadır. Fakat, IoT cihazlarının doğası gereği kaynakları kısıtlıdır. Bu nedenle, cihazlarda güvenlikle ilgili özelleştirilmiş önlemlerin alınması mümkün olmamaktadır. Güvenlik sorununu çözmek için cihazların donanımsal tekilliğini barındıran RF parmak izleri IoT cihazlarını tanımlamak ve doğrulamak için kullanılmaktadır. Bu çalışmada, düşük maliyetli yazılım tanımlı radyo, tek kartlı bir bilgisayar ve açık kaynaklı yazılım kullanarak tasarlanmış ve gerçeklenmiş bir sistem ile RF sinyalleri yakalanıp kayıt altına alınmıştır. Yakalanan sinyallerin özniteliklerini çıkarmak için sinyalin geçici bölgesi/kısmı belirlenir ve Hilbert Dönüşümü kullanılarak anlık genlik, anlık faz ve anlık frekans değerleri elde edilmiştir. En baskın öznitelikleri seçmek için bu değerlere çarpıklık, basıklık, standart sapma, varyans ve medyan değer gibi çeşitli istatistiksel yöntemler uygulanmamıştır. Öznitelik boyutu, minimum artıklık ve maksimum alaka düzeyi tekniği kullanılarak indirgenmiştir. IoT cihazı tanımlama için sınıflandırıcı olarak AÖM tabanlı Meta-AÖM, Çok Katmanlı Meta-AÖM (ÇK-Meta-AÖM) ve Kısıtlı Karma Meta-AÖM (KK-Meta-AÖM) ağ yapıları ve bu yapılar için AÖM tabanlı öğrenme algoritmaları kullanılmıştır. Anılan son iki AÖM tabanlı ağ yapısı bu tez çalışması kapsamında geliştirilmiş özgün ağ yapılarıdır. Bu sınıflandırıcıların başarımı, 7 cihazdan alınan 3752 ham sinyalden oluşan özgün veri kümesine göre deneysel olarak değerlendirilmiştir. Deneysel değerlendirmeler sonucunda, ÇK-Meta-AÖM ağının cihazları %88 doğruluk oranıyla, Meta-AÖM ağının ise %90 civarında bir doğruluk oranıyla cihazları ayırt ettiği gözlenmiştir. KK-Meta-AÖM ağının ise, %92'lik bir doğruluk oranıyla en iyi başarım gösterdiği sonucuna varılmıştır.
Simülasyon ortamında derin pekiştirmeli öğrenme ile robot kontrolü
Makine öğreniminin bir dalı olan Pekiştirmeli Öğrenme, bir ortamda ödülleri en üst düzeye çıkarmak için eylemleri seçmeye dayalı öğrenme yöntemidir. Doğada çokça gözlemlenen bu davranışsal öğrenme şekli, hakkında bilgi sahibi olunmayan ortamlarda otonom görevler için başarılı sonuçlar verir. Pekiştirmeli Öğrenme yöntemlerinden, Derin Pekiştirmeli Öğrenme ile otonom görevler için gezgin robotları eğitebiliriz. Gezgin robotlar, eş zamanlı konum belirleme ve haritalama (SLAM) algoritmaları ile ortam haritasını çıkararak yol ve hareket planlama görevlerini yapabilirler. Ancak haritası çıkarılmamış ortamlarda hareket planlamak ve yapmak zorlu bir görevdir. Çalışmamızda, bu zorlukları aşmak için Derin Pekiştirmeli Öğrenme yöntemleri kullanılarak gezgin robotlar ile bilinmeyen ortamlarda belirlenen görevleri yerine getirmek amaçlanmıştır. Robot İşletim Sistemi ve benzetim ortamı olarak sıklıkla kullanılan, 3 boyutlu modeller ile çalışabilen Gazebo benzetim ortamı ile gerekli ortam oluşturulmuş ve TurtleBot3 gezgin robotu ile engellere çarpmadan bu ortamda belirlenen hedeflere ulaşmak amaçlanmıştır. Çalışmamızda, Pekiştirmeli Öğrenmenin sıklıkla kullanılan yöntemi Q Öğrenmenin sınırlamalarından dolayı, karmaşık problemler için bellek yerine sinir ağlarını kullanan Derin Pekiştirmeli Öğrenme yöntemlerinden Derin Q Ağları tercih edilmiştir. Gazebo'da oluşturulan ortamda TurtleBot3 gezgin robotu ile eğitim yapılmıştır. Pekiştirmeli öğrenmenin temel özelliklerinden, açgözlü yaklaşım politikasına göre başlangıç aşamasında rastgele yapılan hareketler yerini ilerleyen aşamalarda sinir ağı modelinin karar verdiği hareketlere bırakarak hedef noktayı art arda defalarca bulabilen ve bölüm boyunca topladığı ödülü artırabilen bir model oluşturulmuş ve bu modelin başarımı grafiklerle gösterilmiştir.
Çok katmanlı aşırı öğrenme makinelerinin regresyon problemlerindeki başarımlarının karşılaştırılması
Yapay zeka, günümüzdeki gelişmelerle birçok alanda yaygın olarak kullanılmaktadır. Yapay sinir ağları (YSA), büyük veri kümelerinin analizinde etkili olup, zaman ve çaba tasarrufu sağlayarak daha akıllı sistemlerin oluşturulmasına katkıda bulunur. Aşırı öğrenme makinesi (AÖM), YSA'ların eğitim sürecini basitleştirerek daha hızlı öğrenmelerini sağlar. Özellikle büyük veri kümeleri üzerinde çalışırken ortaya çıkan zorlukları aşmak için tasarlanmıştır. 2022'de Kale ve Karakuzu, çok katmanlı aşırı öğrenme makineleri üzerine iki önemli geliştirme yapmıştır. Araştırmacılar, bu ağların dinamik sistemlerdeki modelleme başarımını detaylı bir şekilde inceleyerek, önerilen sistemlerin üstün modelleme yeteneklerine sahip olduğunu belirlemiştir. Bulgular, çok katmanlı aşırı öğrenme makinelerinin sistem modelleme uygulamalarında etkili araçlar olduğunu net bir şekilde göstermektedir. Bu tez çalışmasında, yeni geliştirilen bu iki AÖM yapısının regresyon problemleri üzerindeki başarımları incelenmiştir. Bulgular, yeni geliştirilmiş modellerinin regresyon problemlerini çözmede etkili bir başarım sergilediğini ve orijinal ağ yapısına kıyasla daha başarılı sonuçlar verdiğini göstermektedir. Ancak, işlem yapma hızı açısından her durumda üstünlük sağlamadığı gözlemlenmiştir. Elde edilen sonuçlar, modellerin regresyon analizinde geniş bir uygulama potansiyeli olduğunu ve endüstriyel/bilimsel problemlerin çözümünde değerli bir araç olabileceğini işaret etmektedir.
Blok zincir teknoloji tabanlı aidat ödeme sistemi
Blokzincir teknolojisi, günümüzde yaygınlaşan ve gelecekte daha da ön planda olacak olan verileri güvenli, değiştirilemez ve silinemez olarak dağıtık deftere kaydeden merkeziyetsiz bir teknolojidir. Verilerin blokzincir ağına kaydedilmesi veri tabanına kaydedilmesinden daha güvenlidir. Bu çalışma, bir site içerisinde yer alan apartman sakinlerinin aidat ödemelerinin blokzincir tabanlı sistemde yapılmasını sağlamak konuludur. Çalışmada öncelikle tüm apartman sakinleri için metamask cüzdanları tanımlanmıştır. Her apartman sakininin ödemelerini blokzincir tabanında ve metamask cüzdanları ile yapması için sistemin arka planında Ethereum tabanlı akıllı kontratlar yazılmıştır. Arayüz akıllı sözleşme bağlantısı Truffle geliştirme çatısı kullanılarak yapılmıştır. Akıllı kontratlar içerisinde site yöneticisi, apartman ve daire bilgileri tanımlanmıştır. Ayrıca, geliştirilen ara yüzde kullanıcı ve yönetici girişi ayrı olacak şekilde tasarlanmıştır. Yöneticinin sistemde kiracılar, ev sahibi, aidat miktarı ve diğer bilgiler üzerinde güncelleme yapabilmesi sağlanmıştır. Yönetici tarafında apartman sakinlerinin yaptığı aidat ödemelerinin ayrıntılı bir şekilde listelenmesi için ara yüz tasarlanmıştır. Kullanıcı girişi sayfasında ödenen miktar, hangi hesaba gönderildiği, gönderen kişiye ait apartman adı, daire numarası ve gönderdiği tarih bilgileri tutulmaktadır. Apartman sakinlerinin yaptıkları aidat ödemeleri veri yerleştirmeler (mappings) sayesinde blokzincir ağında akıllı sözleşmenin kalıcı bellek bölgesinde tutulmakta ve bu bilgiler istenildiği zaman raporlanmaktadır. Yapılacak olan her işlem için akıllı sözleşmede ayrı ayrı fonksiyonlar tanımlanmıştır. Aylık yapılan ödemelere ait bilgiler uyarı olarak blokzincir ağının ilgili bloğuna olaylar (events) aracılığıyla kaydedilebilmekte ve istenirse ağdan herkese açık bir şekilde incelenebilmektedir. Ödemelere ait bir rapor istenirse filtreleme yapmak için akıllı sözleşmede yer alan fonksiyonlar aracılığıyla kalıcı hafızaya kaydedilen veriler kullanılmaktadır. Çalışma apartman aidat yönetiminde veri güvenliği ve aidat takibi açısından izlenebilirlik ve şeffaflık sağlamaktadır. Çalışma Solidity yazılım dili ile yapılmıştır. Test aşamasında sanal cüzdanlar kullanılmıştır. Aidat ödeme sırasında kesilen işlem ücreti fazla olduğundan dolayı Ethereum Gas ücretini en aza indirmek için yazılım aşamasında kod satırları minimuma indirilmiştir. Yazılımda yer alan kod satırları azaltıldığından dolayı coin transferi sırasında kesilen ücretinin minimuma indirgenmesi sağlanmıştır.