Nerve net
65 theses under this subject heading
Makine çevirisi ile Türkçe sözel ifadelerin python sözdiziminin oluşturulması
Bu çalışmada, Türkçe sözel ifadelerin, Python programlama dilindeki söz dizimsel ifadesinin otomatik oluşturulması hedeflenmiştir. Yapılan çalışma ile Python kodunun öğrenilmesi kolaylaştırılarak hem eğitim-öğretim ortamlarında kodlama dersi veren öğretmenler için büyük bir kolaylık sağlanması hem de bu dersi alan öğrencilerin hızlı ve kolay bir şekilde kodlama öğrenme imkânı sağlanması hedeflenmiştir. Bu amacın gerçekleştirilebilmesi için yeni bir yaklaşım benimsenmiştir. İlk olarak, Türkçe sözel olarak söylenen cümleler yazıya çevrilmektedir. Yazıya çevirme işlemi, Python dilinde bulunan "speech recognition" kütüphanesi kullanılarak gerçekleştirilmektedir. İkinci olarak, yazıya çevrilen Türkçe cümleler, LSTM, BiLSTM ve GRU gibi derin öğrenme algoritmaları kullanılarak İngilizceye çevrilmektedir. Makine çevirisi yapılırken, Seq2seq mimarisini içerisinde barındıran Encoder-Decoder modeli kullanılmaktadır. Encoder-Decoder modeli, girişte Türkçe olarak aldığı cümleleri, çıkışta İngilizceye çevirmektedir. İngilizceye çevrilen cümleler, daha sonra GPT-3 modeline girdi olarak verilmektedir. GPT3 modeli, kendine gelen İngilizce cümleyi alarak Python kodunu üretmektedir. Çalışmanın son kullanıcılar tarafından da kullanılabilmesi amacıyla "Django" ve "PyQt5" kütüphaneleri kullanılarak hem web tabanlı hem de Windows tabanlı uygulaması geliştirilmiştir. Çalışma sonuçlarının değerlendirilmesinde BLEU, METEOR ve TER metrikleri kullanılmıştır. Çalışma sonucunda, BiLSTM modeli, tüm metriklerde diğer modellere göre daha yüksek skorlar üretmeyi başarmıştır.
Geri yayılımlı birlikte evrim ile iyileştirilmiş derin sinir ağları kullanılarak yol çatlak tespiti
Çatlaklar trafik yükleri etkisi ile alt tabakadan başlayarak kaplama yüzeyine kadar oluşan yüzeysel hasarlardır. Oluşan bir çatlak hasarının büyümeden tespit edilip gerekli bakımlarının yapılması hem yol konforuna hem de bakım için yapılacak harcamalara olumlu olarak katkıda bulunmaktadır. Bu çalışmada yol üzerinde bulunan çatlakları gerçek zamanlı ve yüksek doğrulukta tespit etmek amaçlanmıştır. Bu kapsamda Geri Yayımlı Birlikte Evrim yaklaşımıyla İyileştirilmiş Derin Sinir Ağları ve görüntü işleme yöntemlerini birlikte kullanılmıştır. Çalışmada çeşitli sayıda ve boyutta çatlak görsel verileri içeren EdmCrack600, AsphaltCrack, CFD ve CrackSegmentation veri setlerinden yararlanılarak yeni bir veri seti elde edilmiş ve bu veri seti üzerinde Derin Sinir Ağları tabanlı öğrenim gerçekleştirilmiştir. Görüntü işleme teknikleri sayesinde ise çatlak tespiti yapılan görsel içerisinden çatlak olmayan nesneler arındırılmış ve çatlağın kabaca konumunu gösteren siyah-beyaz bir resim elde edilmiştir. Son olarak kabaca konumu belirlenmiş çatlak üzerinde en iyi öğrenme gerçekleştirmiş ağ yapısına ait parametreler kullanılarak alan bazlı çatlak tespiti yapılmıştır. Modelin doğruluğu CFD veri seti kullanarak Keskinlik, Duyarlılık ve F1-Score kriterleri ile değerlendirilmiştir. Değerlendirme sonucunda, önerilen yöntem maksimum saniyede 48 görsel üzerinde çatlak tespiti yapabilirken %92,74 Kesinlik, %88,92 Duyarlılık ve %89,61 F1-Score başarı yüzdelerine erişebildiği gözlenmiştir.
Finansal başarısızlığın öngörülmesinde yapay sinir ağı kullanımı ve ampirik bir uygulama
Finansal başarısızlığın öngörülmesi tüm bilgi kullanıcılarını yakından ilgilendiren bir konudur. Finansal başarısızlığı öngörmek amacıyla finansal oranları değişken olarak kullanan çok sayıda model içinde, çok değişkenli ayırma analizi en yaygın kullanılan istatistik tekniktir. Bununla beraber ayırma analizinin, ancak dayandığı varsayımlar gerçekleştiğinde doğru sonuçlar üreteceği söylenebilir. Yapay sinir ağı sahip olduğu avantajlar nedeniyle, finansal başarısızlığın öngörülmesinde kullanılabilecek alternatif bir teknoloji durumundadır. Bu çalışmada; finansal başarısızlığı öngörme konusunda ayırma analizi tekniği ve yapay sinir ağı teknolojisi karşılaştırılmış, yapay sinir ağının finansal başarısızlığı öngörmede daha başarılı olduğu görülmüştür.ANAHTAR KELİMELER: 1. Finansal başarısızlık 2. Yapay sinir ağları
Uçucu gazları algılayıcı QCM sensör dizi verilerini bilgisayar ortamında tanı yöntemleri
Kimyasal sensör dizileri; uçucu analitlerin analizinde önemli bir role sahip olmuştur. Değişik diziler; geniş duyarlılık profillerinin çakıştığı veriyi toplarlar. Bunların sağlam veri analizlerine ihtiyaçları vardır, adreslenen problemleri çözmek için sıklıkla numune tanıma metotlarını ilgilendirirler. İstatistik yaklaşım; geleneksel olarak formüle edilen numune tanımalardaki sayısız yapılar arasında en yoğun çalışılanı ve pratikte en çok kullanılanıdır. Daha yakınlarda istatistik öğrenme teorisinden alınan yapay sinir ağı teknikleri ve metotlarında önemli bir artış görünmüştü. Bir tanıma sisteminin tasarımında şu noktalara dikkat edilir: numune sınıflarının tanımlaması, çevresel algılama, numune tanıtılması, özellik çıkarımı ve seçimi, küme analizi, sınırlandırıcı tasarımı ve öğrenmesi, eğitme ve test örneklerinin seçimi ve performans değerlendirmesi. Bu alanda, yaklaşık 50 yıllık araştırma ve gelişmeye rağmen, kompleks numuneleri keyfi yönlendirmeyle, yerleştirme ve ölçü ile tanımlama genel problemi hala çözülememiştir. Bu çalışmada; uçucu analitlerin algılanması ve tanınması aşamalarında kullanılan, iyi bilinen metotları gözden geçirmek ve karşılaştırmak amacımızdır. Anahtar Kelimeler: Hata Tahmini, Kimyasal Sensör Dizisi, Numune Tanıma, Özellik Seçimi Sınıflandırma, Sinir Ağları.
A hybrid approach for data classification based on mathematical modelling and improved online learning algorithm for general fuzzy min-max neural network
The Fuzzy Min-Max Neural Network (FMNN) is a machine learning algorithm that utilizes hyper-boxes for classification and clustering tasks. It is built using hyper-box fuzzy sets, which allow for the representation of fuzzy data. This makes FMNN particularly effective for handling uncertain and imprecise data. Both the FMNN classification and clustering are based on this concept, making it a powerful tool for a variety of applications. Mixed integer programming models can offer improved performance and global optimality compared to other methods, but they are limited in their ability to handle large datasets because of the presence of binary variables and can be difficult to solve optimally. In this thesis, we aim to enhance the MILP model proposed by a well-known publication by providing an initial solution. This thesis presents a new hybrid approach that integrates mixed integer linear programming (MILP) and an improved online learning algorithm for general FMNN (IOL_GFMM). The IOL_GFMM method is employed to generate initial hyper-boxes to enhance the efficiency of the MILP model. The new hybrid approach is tested on both real and artificial datasets and has been shown to be efficient. The new hybrid approach significantly speeds up training time by up to 76 times and reduces the number of misclassified data by up to 17 times.
Yenilenebilir enerji santrallerinde yapay sinir ağları yöntemiyle enerji üretiminin modellenmesi ve planlanması
Yenilenebilir enerji santralleri arasında rüzgar santralleri uygulanabilirliği, verimliliği ve üretilen elektrik maliyetleri açılarından en önemli olanıdır. Ancak, rüzgar santrallerinin kontrolü tam anlamıyla doğanın elindedir. Diğer bir deyişle, rüzgarın ne zaman ne şiddette eseceği insanoğlunun kontrolü dışındadır. Tüm elektrik üreten yenilenebilir enerji santrallerinde planlama aşamasından üretime geçiş aşamasına kadar yaşanan başlıca sorun, santralin bulunduğu bölgedeki meteorolojik verilerin düzeyi, zamana bağlı değişimi ve verilerin gerçekçi bir modelde kullanılarak üretim düzeyinin belirlenmesidir. Karmaşık meteorolojik modeller ve zaman serileri ile yapılan model çalışmalarında istenen doğruluk ve esneklik elde edilememiştir. Bir yenilenebilir santralin üretim düzeyi meteorolojik verilere bağlı olarak doğru saptanamazsa, o santralin güvenilir kapasitesi, kullanılacak donanım kapasiteleri ve türleri yanlış seçilebilmekte; bunun sonucunda yatırım ve üretim maliyetleri hatalı hesaplanmaktadır. Ulusal bazda, elektrik enerjisi üretimi açısından bakıldığında, şebekeye verilecek olan elektrik enerjisindeki kesikli bağlantılar dalgalanmalara neden olmakta; ulusal şebeke genelinde teknik sorunlar yaratmakta, şebeke verimliliği ve etkinliği alanlarında önemli düşüşlere yol açmaktadır ki, bu istenmeyen bir durumdur. Bu çalışmada yukarıda anlatılan sorunlara özellikle yapay sinir ağları kullanılarak yeni yaklaşımlar getirilmiştir. Rüzgar, hidrolik debi ve güneşlenme verileri için kısa, orta ve uzun vadeli tahminler ve öngörüm modelleri üretilmiştir. Bu sayede yenilenebilir enerji santrallerinde enerji üretiminin kontrolü ve planlaması günlük, aylık ve yıllık olarak büyük bir hassasiyetle yapılabilecektir. Bu tezde yapılan çalışmalar sonucu rüzgar, su ve güneşe dayalı yenilenebilir enerji santralleri için akıllı sinir ağları ve bulanık mantık kullanarak kısa, orta ve uzun vadeli tahminleri yüksek bir hassasiyetle yapan bir özgün bir model oluşturulmuştur. Oluşturulan model Türkiye'nin çeşitli yörelerinden elde edilen gerçek verilerle sınanmış ve uyumun çok yüksek olduğu gözlenmiştir. Anahtar Kelimeler: : Yenilenebilir enerji, rüzgar enerjisi, hidroelektrik enerji, bulanık mantık, yapay sinir ağları, enerji planlaması.
Yatırım fonları net varlık değerlerinin yapay sinir ağları yöntemi ile tahmin edilmesi
Bu tez çalışmasının amacı, Türkiye'deki yatırım fonlarının net varlık değerlerinin, Yapay Sinir Ağları (YSA) yöntemiyle tahmin edilmesidir.19 adet A tipi ve 19 adet B tipi olmak üzere toplam 38 adet yatırım fonunun net varlık değerlerinin tahmin edilmesi için 6 adet makro ekonomik değişkenden yararlanılmıştır. Bu makro ekonomik değişkenler Aktif Tahvilin Faiz Oranı (ATFAİZ), ABD Doları/TL Kuru (DK), İMKB-100 Endeksi (İMKB100), Para Arzı (M2), Sanayi Üretim Endeksi (SUE) ve Toptan Eşya Fiyat Endeksi (TEFE)'dir.Çalışma Ocak 2001- Aralık 2008 dönemine ait, tüm değişkenler için aylık kapanış fiyatlarından oluşmaktadır. Bu çalışmada yatırım fonu net varlık değeri hem yapay sinir ağları hem de regresyon modeli çerçevesinde öngörülmüş ve her iki yöntem için elde edilen sonuçların öngörü performansları karşılaştırılmıştır.Analiz sonuçları, yatırım fonları net varlık değerlerini tahmin etmek için geliştirilen YSA modellerinin çok düşük hata düzeyinde ve regresyon yönteminden daha başarılı sonuçlar verdiğini ortaya koymuştur.
A sentence boundary detection system for Turkish textual documents
This study aims to design a high-performance method for sentence boundary detection in accordance with its own language structure in order to increase the prevalence of Turkish in the digital world. When general-purpose sentence boundary detection applications were tested on corpora containing different usage patterns of Turkish, it was observed that these applications remained at low success rates. In the study within the scope of the thesis, a hybrid method is proposed by combining the FP-Growth method, which is used to generate association rules, and Recurrent Neural Network (RNN) methods. A set of features has been obtained, in which suffix and POS tag information are used together, as well as some formal rules for the tokens before and after the possible end-of-sentence character. Then, this data set was tested with RNN methods such as LSTM and BiLSTM in the Turkish National Corpus (TNC) sub-corpus. In general-purpose applications, it was observed that the f-score value, which was 77% in the tests performed with the same data set, reached 96% with the proposed method. Within the scope of the study, it was observed that the success reached similar values in different Turkish corpora. In addition, in the study, it was concluded that the POS tag information and suffix structures of the tokens for Turkish play an important role in the detection of the boundary of a sentence. Keywords: Sentence Boundary Detection, Recurrent Neural Network, FP-Growth, Turkish Natural Language Processing, Corpus Annotation, Grammatical Cues
Deep learning-based daily solar irradiation prediction for Adana region
Nature suffers because of the negative effects and insufficiency of fossil energy resources such as oil, coal, and natural gas, which is why renewable energy generation has received significant attention. To replace harmful fossil fuels with clean, safe, and sustainable energy, the photovoltaic (PV) market has grown rapidly in the last decades. A high-accuracy daily solar global horizontal irradiation (GHI) prediction model is a critical tool for the operation, maintenance, and optimization of PV systems so that developing an intelligent and robust GHI prediction model has become one of the most captivating topics among researchers in recent years. In this thesis, meteorological data of Adana region were obtained from MERRA-2 via introducing calendar data, then the dataset was wrangled to treat missing and erroneous data by using Python programming language in order to form a cleansing dataset that is normalized and split into 80% and 20% for training and testing dataset respectively. Moreover, four different feature selection scenarios were created depending on Pearson's correlation and the threshold limits were specified as 0, 0.10, 0.25, and 0.5. After day-head GHI prediction models were carried out using different deep learning-based models with a statistical and a traditional artificial neural network algorithm, namely multiple linear regression (MLR), multilayer perceptron (MLP), recurrent neural network (RNN), long short-term memory (LSTM), gated recurrent unit (GRU), bidirectional LSTM, and bidirectional GRU. The prediction results were evaluated by utilizing a variety of performance metrics, including R-squared (R2), normalized mean absolute error (nMAE), mean absolute percentage error (MAPE), and normalized root mean squared error (nRMSE). The Bi-LSTM model has been observed to outperform the other models in terms of R2 (85.495%) and MAPE (19.901%). Key Words: Daily Global Horizontal Irradiation Prediction, Deep Learning, Recurrent Neural Networks, Long Short-Term Memory, Gated Recurrent Unit, Adana
Gaucher hastalığında beyin parankimi manyetik rezonans görüntüleme bulgularının değerlendirilmesi ve hastalığın alt tipleri arasındaki farklılıkların radyomiks analizi ile karşılaştırılması
Amaç: Gaucher Hastalığı, en sık görülen lizozomal depo hastalığı olup 3 klinik alt tipe ayrılmaktadır. Bu tez çalışmasında Gaucher Hastalığı alt tipleri arasındaki farklılıkların ve serebral tutulumun, serebral manyetik rezonans görüntüleri üzerinden gerçekleştirilen radyomiks analizleri ile tespit edilebilirliğini araştırmak amaçlanmıştır. Gereç ve Yöntem: Çukurova Üniversitesi Tıp Fakültesi Çocuk Beslenme ve Metabolizma Bilim Dalı tarafından takip ve tedavileri yürütülen 25 tip 1, 26 tip 3 Gaucher hastasına ait, mart 2016 ve ocak 2023 tarihleri arasında Çukurova Üniversitesi Tıp Fakültesi Radyoloji Anabilim Dalı ve çevre illerde farklı merkezlerde elde olunmuş serebral manyetik rezonans görüntüleri retrospektif olarak çalışmaya dahil edilmiştir. T2 ağırlıklı aksiyel görüntülerde sol putamen, FLAIR aksiyel görüntülerde sol hipokampüs ve sol posterior peritrigonal beyaz cevher segmentasyonu sonrası özellik çıkarımı ile radyomiks verileri elde olunmuş, her hasta için toplam 333 nicel parametre elde edilmiştir. Gini indeks ile özellik azaltımı sonrası en anlamlı 5 parametre tespit edilmiştir. 5 farklı makine öğrenme yöntemi ile yapılan analizler eğri altında kalan alan, doğruluk oranı, duyarlılık, özgüllük, F1 skoru, kesinlik, çalışma karakteristiği eğrisi ve hata/konfüzyon matriksi gibi parametreler ile karşılaştırılmıştır. Bulgular: Çalışmaya yaşları 3-62 arasında değişen toplam 51 hasta dahil edilmiştir. Vakaların 24'ü (% 47,1) kadın, 27'si (% 52,9) erkekti. Vakaların yaş ortalaması 21,2±13,7 idi. Vakaların 25'i (% 49) tip 1, 26'sı (% 51) tip 3 Gaucher hastası idi. Yaş ve cinsiyete göre tip 1 ve tip 3 Gaucher hasta grupları arasında anlamlı farklılık izlenmedi. (p>0.05) Özellik azaltımı sonrası elde edilen 5 parametreden 3'ü hipokampal radyomiks analizlerine aitti. Makine öğrenme yöntemleri ile gerçekleştirilen modellemelerde en yüksek başarı 0,808 EAKA, 0,725 doğruluk oranı, 0,727 F1 skoru, 0,727 pozitif kestirim, 0,725 duyarlılık, 0,750 özgüllük değerleri ile nöral ağ modelinde elde edilmiştir. Nöral ağ algoritması 25 tip 1 Gaucher hastasının % 76'sını (n=19), 26 tip 3 Gaucher hastasının % 69'unu (n=18) doğru sınıflandırabilmiştir. Ayrıca varyans analizler sonucunda tip 1 Gaucher hastalarında da hipokampal etkilenimin olduğu dikkati çekmiştir. Sonuç: Çalışmamızın sonuçlarına göre serebral manyetik rezonans görüntüleme üzerinden gerçekleştirilen radyomiks analizleri, Gaucher hastalığı alt tipleri arasında yüksek başarı ile ayrım sağlayabilmektedir. Hasta grupları arasında yapılan karşılaştırmalara göre en anlamlı özellikler hipokampüs düzeyinden elde edilmiş olup hipokampüsün hastalık için seçici etkilenim lokalizasyonu olduğu düşünülmektedir.
Kentsel içme suyu ihtiyacının yapay sinir ağlarıyla tahmini
Kentsel içme suyu ihtiyaçlarının saglıklı bir sekilde tahmin edilebilmesi, su kaynakları planlamasının önemli ve ilk adımlarından birisidir. Bu ihtiyacı karsılayacak su kaynaklarının bulunması ve derlenmesi ve kullanım yerine iletilmesi için gereken yapıların çesit ve boyutlarının belirlenmesi hep tahmin edilecek su miktarına baglı olacaktır. Dolayısıyla yapılacak yatırımın büyüklügü ve konunun insan yasamındaki önemi dikkate alındıgında saglıklı tahminlerin yapılması oldukça önemli olmaktadır. Su ihtiyacı tahminleri ülkemizde genellikle ller Bankasının önerdigi ve üstel nüfus tahminine dayanan basit bir formül ile yapılmaktadır. Halbuki konunun önemi ve ilgili parametrelerin çoklugu nedeni ile daha kapsamlı veri ve yöntemlerin kullanılması saglıklı tahminler için bir gerekliliktir. Bu nedenle yeni ortaya çıkan metotlar her alanda oldugu gibi içme suyu tahmininde de kullanılmaya baslanmaktadır. Bu çerçevede yapay zekâ teknikleri su kaynaklarının farklı alanlarında uygulanması yapılmaya baslanmıstır. Bu çalısmanın amacı bu tekniklerden yapay sinir agları kullanılarak kentsel su ihtiyacı tahmini yapılmasıdır. Nüfus, GSYH/kisi, sıcaklık? gibi su kullanımını etkileyen parametreler dikkate alınarak zmir ili için aylık su kullanımları YSA ile modellenmis ve gelecekteki 20 yıl için su ihtiyacı tahmini yapılmıstır.
Geliştirilen yeni filtrelerin ve temel frekans tespit yönteminin derin öğrenme ile konuşma duygu analizinde uygulanması
Bu tez çalışmasında konuşma duygu tanıma uygulamaları için yeni filtre bankaları ve insan sesi temel frekans tespiti için yeni bir metot önerilmektedir. Yeni filtre bankalarının konuşma duygu tanıma uygulamalarında büyük gelişmelerin önünü açması beklenmektedir. Günümüze kadar pek çok farklı filtre bankası konuşma tanıma uygulamaları için önerilmiştir. Ancak bu modeller genellikle çok fazla parametre içermekte veya karmaşık bazı matematiksel işlemlere gereksinim duymaktadırlar. MFCC (Mel Frequency Cepstral Coefficients) katsayıları Mel filtre bankalarından türetilirken DCT (Discrete Cosine Transform) uygulanmaktadır. Ayrıca MFCC katsayılarını akustik olarak yorumlamak hemen hemen imkansızdır. Mel filtre bankaları daha kolay yorumlanabilmesine rağmen çok fazla sayıda parametre içermektedir. Önerilen EFB (Emotional Filter Banks) filtre bankaları daha kolay yorumlanabildiği gibi hesaplama yönünden de daha hızlıdırlar. Bu çalışmada bu filtre bankalarını SVM-SMO (Support Vector Machine-Sequential Minimal Optimization) ve Derin Yapay Sinir Ağı modelleri ile uygulayıp MFCC ve Mel filtre bankaları ile EmoSTAR, EmoDB (Berlin Emotional Database), IEMOCAP (Interactive Emotional Dyadic Motion Capture Database) ve MELD (Multimodal EmotionLines Dataset) verisetleri üzerinde uygulayıp karşılaştıracağız. Özellik seçme ve veri türetme uygulamaları da ayrıca incelenecektir. Temel frekans tespiti için HDM (Harmonic Differences Method) metodu önerilecek olup genişbant ve darbant (telefon) konuşma için araştırılacaktır. HDM harmonikler arasındaki farkı temel alarak çalışmaktadır. Temel frekans için Hillenbrand ve Texas Sesli verisetleri ile TIMIT (Texas Instruments Massachusetts Institute of Technology) verisetinin sesli kısmının tamamı kullanılacaktır. HDM algoritması otokorelasyon, kepstrum, YIN, YAAPT (Yet Another Algorithm for Pitch Tracking), CREPE (Convolutional Representation for Pitch Estimation) ve FCN (Fully Convolutional Network) metotları ile karşılaştırılacaktır. Sonuçlar harmonikler arasındaki farkların temel frekans için iyi bir seçim olduğunu ve HDM metodunun diğerlerine göre çoğunlukla daha başarılı sonuçlar üretebildiğini göstermektedir.
Çocuklukta zatürre hastalığının göğüs röntgen görüntülerinden derin öğrenme ile tespiti
Hastalıkları otomatik olarak tespit etmeye yönelik çalışmaların popülaritesi her geçen gün artmaktadır. Son zamanlarda birçok araştırmacı, Derin Öğrenme (DL) kullanımının daha iyi algılama performansı ve daha kolay sınıflandırma süreci sergilediğini kanıtlamıştır. Bundan dolayı, DL tabanlı teşhis araştırma makalelerinin sayısı artmaya devam etmektedir. Bu çalışmada, solunum yolu hastalıklarından olan zatürre hastalığının erken tespiti için derin öğrenme modelleri önerilmektedir. Çocukluk çağı zatürresi, çocuk ölümlerinin önemli nedenlerinden biridir ve bu konuda doğru tespit kritik bir role sahiptir. Önerilen ağ modelleri, zatürre hastalığına sahip bireylerin ve sağlıklı bireylerin göğüs röntgen görüntüleri üzerinden eğitilmektedir. Böylece sistem Zatürre hastalığının erken teşhisine yardımcı olur. Bu modeller, iki sınıflı sınıflandırma modelini önermektedir. Modellerin eğitimleri öncesinde veri setine belirli ön işlem adımları uygulanmış ve SMOTE yöntemiyle veri arttırma işlemi gerçekleştirilmiştir. Bu yöntem ile her iki sınıfa ait eğitim veri setinin sayısı eşitlenmiştir. Böylece eğitimde sayıca fazla olan sınıfa eğilim azaltılmıştır ve aşırı uydurma önlenmiştir. Ağın eğitimi, derin öğrenme algoritmalarından CNN, RNN ve LSTM algoritmaları ile gerçekleştirilmiştir. Eğitimli modeller, zatürreyi CNN %97.23, RNN %89.23 ve LSTM %88.92 doğrulukla tespit etmiştir ve en son teknolojiden daha iyi performans gösterir.
Finansal başarısızlık tahmininde veri madenciliğinin kullanılması: İMKB'de bir uygulama
Finansal başarısızlık tahmini, işletmelerin faaliyetlerine uzun süre devam edebilmeleri ve karşılaşabilecekleri güçlükleri önceden görebilmeleri açısından çok önemlidir. Özellikle 1970'li yıllardan sonra uluslar arası finansal sistemdeki gelişmeler paralelinde risk olgusundaki artışla birlikte firmalar daha fazla finansal sorunlar yaşamaya başlamıştır. Bu ortamda finansal başarısızlığı tahmin etmeye yönelik çalışmalar daha önemli bir hale gelmiştir. Tahmin konusunda yapılan çalışmalarda teorik olarak elde edilen bulguların pratik hayatta da uygulanabilirliği, bu konunun önemini daha da artırmıştır. Bu çalışmanın amacı İMKB'de işlem gören ve imalat sektöründe faaliyet gösteren firmaların finansal başarısızlıklarının tahminine yönelik faktörlerin belirlenmesidir. Tahmin modeli geliştirmek amacıyla son yıllarda sıklıkla kullanılmaya başlanan veri madenciliği yöntemlerinden karar ağaçları C5.0 ve sinir ağları teknikleri kullanılmıştır. Çalışma kapsamında 2005-2010 yılları arası 12 aylık bilanço ve gelir tabloları verileri kullanılmıştır. Elde edilen bulgulara göre finansal başarısızlığı en fazla etkileyen değişkenin ?Faaliyet Kârı / Aktif Toplamı? oranı olduğu tespit edilmiştir. Ayrıca sinir ağları tekniğinin finansal başarısızlığı tahminlemedeki performansının karar ağaçları C5.0 tekniğine göre daha yüksek olduğu sonucuna ulaşılmıştır.
İnsan fetüslerinde nervus medıanus'un ön koldaki motor dallanması
Ön kolun ön kompartmanında bulunan kasların çoğunu n. medianus inerve eder. N. medianus hasarına bağlı patolojilerin tedavisinde cerrahi, elektrik stimülasyonu, botulinum toksini enjeksiyonu gibi yöntemler uygulanmaktadır. Bu işlemlerin özellikle kasın motor sinir giriş noktalarına yapılması, tedavinin başarısını artırmaktadır. Bu çalışma, n. medianus'un ön kol kaslarına inervasyon paterninin belirlenmesi ve motor sinir giriş noktalarının ön koldaki lokalizasyonlarının saptanması amacıyla yapıldı. 6 insan fetüsüne ait (4 kız, 2 erkek) 12 ön kol diseke edildi. Ön kollar horizontal çizgilerle eşit bir şekilde proksimal, intermedial ve distal bölümlere, median bir çizgi ile medial ve lateral bölümlere ayrıldı. Ön kolda n. medianus'un inerve ettiği kaslar morfolojik olarak tanımlandı. N. medianus ile kaslar arasındaki ilişkiler incelendi. Kaslara giden sinir dallarının dallanma paternleri saptandı. N. medianus'un MPT, MFCR, MFDS, MFPoL, MFDP ve MPQ'ya verdiği dallanma paternleri sırasıyla 7, 3, 4, 3, 2 ve 1 olarak belirlendi. N. medianus'un, ön kolun ön kompartman kaslarına giden dallarının motor sinir giriş noktalarının %41.1'i proksimal-medial bölümde, % 30.1'i intermedial-lateral bölümde, %18.3'ü intermedial-medial bölümde, % 8.0'i distal-lateral bölümde, % 1.4'ü distal-medial bölümde, % 0.7'si proksimal-lateral bölümde saptandı. Sonuç olarak, ön kolda bulunan kasların sinir dağılımlarının ayrıntılı bir şekilde bilinmesi, bu bölgede uygulanan cerrahi işlemlerin ya da elektroterapi uygulamaları, botulinum toksin enjeksiyonu gibi tedavi yöntemlerinin başarısını artıracaktır.
Görüntü manipülasyonlarının derin öğrenme yaklaşımı ile belirlenmesi
Makine öğrenmesinin popüler bir alt dalı olan derin öğrenme yaklaşımları, günden güne artan bir ilgiyle birçok alanda kullanılmaktadır. Derin öğrenme yaklaşımları; görüntü işleme, nesne tanıma, sinyal işleme gibi birçok alanda oldukça başarılı bir şekilde kullanılmaktadır. Benzer şekilde; insansız hava araçları, bilgisayarlı görüntüleme, akıllı telefon gibi alanlarda da etkili bir şekilde kullanılmaktadır. Günümüzde bu teknolojilerin çok çeşitli uygulamaları mevcuttur. Ancak bu uygulamalardan bazıları tehdit veya tehlike arz etmektedir. Bu tez çalışmasında, görüntü manipülasyonlarını tespitinde derin öğrenme tabanlı yöntemlerden olan Evrişimsel Sinir Ağları (ESA)'nın farklı mimarileri kullanılarak sınıflandırma problemi çözülmeye çalışılmıştır. Özellikle, görüntü manipülasyonları türlerinden olan ve son yıllarda kullanımı yaygınlaşan yüz manipülasyonu (deepfake) tespiti üzerinde durulmuştur. Bu kapsamda yeni bir deepfake veri seti oluşturulmuştur. Önerilen yöntemlerde, genel olarak derin öznitelik çıkarımı tabanlı kullanılmıştır. Görüntü manipülasyonlarının tespiti amacıyla farklı derin öğrenme mimarileri kullanılmıştır. Önceden eğitilmiş bazı derin öğrenme mimarileri görüntülerin sınıflandırılması probleminde kullanılmıştır. Ayrıca yeni bir derin öğrenme mimarisi görüntü manipülasyonlarının tespiti için sunulmuştur. Önerilen yöntemler, aynı veri setlerini kullanan mevcut yöntemlere göre daha iyi bir doğruluk performansı sergilemiştir.
Deep learning based sentiment analysis for cloud provider selection
The selection of a viable Cloud Service Provider (CSP) has always been a crucial task for a Cloud Service Consumer (CSC) to avail of their offered services. This selection would enable a service consumer to maintain a trustful relationship with a provider. For that purpose, consumer reviews posted on internet websites and other social media platforms need to be carefully evaluated for a proper CSP selection. Sentiment Analysis, also termed Opinion Mining, is the computational treatment of text's views, experiences, sentiments, and subjectivity. Aspect-Based Sentiment Analysis (ABSA) extracts informative aspects within the text and uses them to classify the sentiment of reviews. Nowadays, different lexicon- based, supervised learning, and un-supervised learning techniques are used for sentiment classification tasks. Deep Learning is an AI technique used for language processing, text analysis, pattern recognition, sequence predicition tasks, etc. Its types, such as Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU), use different strategies to carry out processings. The dissertation performs Aspect-Based Sentiment Analysis of cloud consumer reviews using Deep Learning approaches of RNN, LSTM and GRU. The cloud reviews are extracted using Harvesting-as-a-Service (HaaS) framework. Analytic Hierarchy Process (AHP) model is used to decide the importance and priorities of aspects for Cloud Service Consumers (CSCs). The evaluation would assist cloud service consumers (CSCs) choose the best CSP ideal for their requirements.
Derin sinir ağları ile çekirdek hücrelerinin tespiti ve segmentasyonu
Derin öğrenme, birden çok işleme katmanından oluşan hesaplama modellerinin, birden çok soyutlama düzeyi ile verilerin temsillerini öğrenmesine olanak tanır. Bu yöntemler, konuşma tanıma, görsel nesne tanıma, nesne algılama ve ilaç keşfi ve genomik gibi diğer birçok alanda en son teknolojiyi önemli ölçüde geliştirmiştir. En popüler derin sinir ağlarından biri evrişimsel sinir ağlarıdır. Son yıllarda, evrişim sinir ağlarına dayalı anlamsal segmentasyon, geleneksel görüntü segmentasyona göre önemli avantajlar göstermiş ve birçok görsel göreve başarıyla uygulanmıştır. Anlamsal segmentasyon, görüntüdeki her piksele bir etiket atama işlemidir. Bu işlem, tüm resme tek bir etiketin atandığı sınıflandırmanın tam tersidir. Anlamsal segmentasyon, aynı sınıftaki birden çok nesneyi tek bir varlık olarak ele alır. Bu tezde, çekirdek görüntü bölütleme ve tespiti için anlamsal segmentasyon yöntemi kullanılmıştır. Evrişimsel sinir ağlarına dayalı anlamsal segmentasyon, çekirdek görüntü bölütleme ve algılama için olağanüstü performans göstermiştir. Yöntemi test etmek için PSB 2015 kitle kaynaklı çekirdek veri setinden halka açık meme kanseri görüntüleri ve Kaggle 2018 Data Science Bowl veri seti kullanılmıştır. Doğruluk değerlendirmesi için gerçek negatif, gerçek pozitif, yanlış pozitif ve yanlış negatif hesaplayan karşılıklık matrisi kullanılmıştır. Ayrıca; Duyarlılık, Özgüllük, Jaccard Index, Dice, Kesinlik, Geri Çağırma ve F1 Puanı performans ölçekleri de kullanılmıştır. Yapılan deneyler sonucunda; PSB 2015 veri seti için; Duyarlılık, Özgüllük, Doğruluk, Jaccard, Dice, Kesinlik ve F1 Puanı için sırasıyla şu şekilde ortalama değerler elde edilmiştir: 0,9269; 0,7160; 0,851; 0,4855; 0,6434; 0,844 ve 0,6434. 2018 Data Science Bowl veri seti için çıktı sonuçları kesin referans görüntüleriyle karşılaştırılmış, buna göre Duyarlılık, Özgüllük, Doğruluk, Jaccard, Dice, Kesinlik ve F1 Puanı için sırasıyla şu şekilde ortalama değerler elde edilmiştir: 0,8719; 0,9881; 0,9768; 0,7715; 0,8632; 0,8843 ve 0,8632 değerleri elde edilmiştir. Sonuç olarak, literatürde önerilen diğer yöntemlere göre yüksek performansa sahip olduğu gösterilmiştir.
The performance comparison of ensemble machine learning classifierson medical datasets
The machine learning process may be broken down into two distinct phases: learning, in which the classification algorithmic program is trained, and classification, in which the algorithmic program labels new data. Classification, also known as supervised learning, is a technique for processing data that divides the information into predetermined groups and categories. We are examining the J48 Decision Tree, the Artificial Neutral Network (ANN), the Extreme Learning Machine (ELM), and other other notable ensemble machine learning classifiers. Single-hidden-layer feedforward neural networks spawned the new field of ELM, which focuses on regression and classification challenges. In this thesis, activation functions will be used to apply the three basic classifiers—ELM, J48, and ANN—to medical datasets. These databases include information on diseases such as diabetes and hepatitis. The ELM classifier is fed both healthy and harmful features. In addition, the logarithmic and tangent sigmoid activation functions, as well as others, are included into ELM in order to optimize classification performance. Based on information theory, the J48 approach does classification using decision trees. It's a version of Ross Quinlan's older ID3 approach, sometimes referred to as J48 in Weka and named after Java. SVM is sometimes referred to as a statistical classifier due to the fact that C4.5 creates decision trees that are utilized for classification. The C4.5 algorithmic rule (J48) is often used to categorize data in a vast array of fields, including the diagnosis of coronary heart disease by evaluating clinical data, classification of data for e-governance, and many others. In the realm of computing, artificial neural networks (ANNs) were developed in an attempt to emulate the neuronal network that makes up a person's brain. ANNs enable computers to absorb information and make judgments in a way that closely resembles that of humans. The artificial neural network is the product of programmers' desire for computers to act similarly to an interconnected network of brain cells. We will employ classifiers such as ELM, Sigmoid, and Relu for a medical dataset of patients with a patient population of 900 to 1000, leveraging a free online dataset of patients with mild to severe illness difficulties.
Robotik radikal prostatektomi sonrası prostat üzerindeki sinir demetinin üç boyutlu olarak ortaya konulması (Prostat sinir demetinin haritalanması)
ÖZETBu çalışmada amacımız, sinir koruyucu olmayan RYRP sonrası prostat üzerindeki sinirlerin, sinir haritası çıkarıldıktan sonra 3 boyutlu rekonstrükte edilerek prostat üzerindeki dağılımlarını göstermekti.Kliniğimizde Kasım 2011 ve Nisan 2012 tarihleri arasında tek bir cerrah(Doç.Dr.Lütfi Tunç, Gazi ÜTFH,Üroloji A.D.) tarafından sinir koruyucu olmayan RYRP yapılan 6 vaka çalışmaya alınmıştır. Operasyon sonrası radikal prostatektomi spesmenleri 4 mm.'lik transvers dilimlere ayrılarak A4 kağıt üzerine her bir dilimin izdüşümü çizilmiştir. Spesmenlere Hematoksilen-Eozin boyama yapılmıştır. Toplam kesitlerden prostat apeks, orta kesim ve bazisden olmak üzere 2'şer kesit, mikroskopla incelenerek sinir haritası çıkarılmıştır. Sinir haritaları kullanılarak bilgisayar ortamında 3 boyutlu rekonstrüksiyon yapılmıştır.Bütün vakalarda, sinirlerin en fazla görüldüğü yer prostat posterolateraliydi. Toplam sinirlerin, %48,2'sinin prostatın posterolateralinde, %11,9'unun posteriorunda, %19'unun da anteriorunda yer aldığı saptanmıştır. Prostat apeksteki sinir sayılarının, orta kısım ve bazisteki sinir sayılarına göre daha az olduğu görülmüştür. Sinir liflerinin prostat çevresinde ışınsal tarzda yerleştiği saptanmıştır. Prostatın anterioruna dağılan parasempatik sinirlerin ereksiyona katkısı akılda tutulmalıdır.Sinir koruyucu cerrahide, onkolojik prensiplerden ödün vermeden, robotik cerrahi kullanılarak, interfasyal veya intrafasyal tekniklerin kullanılması erektil fonksiyon sonuçlarını olumlu yönde etkileyecektir.DSD anatomisi ve fizyolojisinin belirlenmesinde, robot yardımlı teknikle yapılan geniş sayılı vakaların, immünhistokimyasal ve 3 boyutlu rekonstrüksiyonla birlikte değerlendirilmesi daha verimli sonuçlar elde edilmesini sağlayacaktır.
Developing data-driven methods using machine learning in operations and finance
With the recent advances in data collection and analysis technologies, data-driven approaches to operations management and financial problems have gained traction. In particular, machine learning methods are increasingly being integrated into optimization problems. This integration facilitates translating the historical data into prescriptive solutions in comprehensive frameworks. This thesis aims at building data-driven methods to link the data with the actions and improve the goals in operational and financial decision systems. We consider an integrated learning and optimization approach using machine learning techniques for optimizing strategy for decision-makers facing a complex problem with additional information about the state of the system. We give algorithms based on integrating optimization, neural networks, and adapting time series properties, and develop models that are capable of estimating nonlinear relations between data. We focus on three problems from the fields of inventory, financial investment, and firms evaluation. In the context of inventory, we consider an integrated learning and optimization problem for optimizing a newsvendor's strategy facing a complex correlated demand with additional information about the unobservable state of the system. We, therefore, combine estimation, inference, and optimization using a multi-layered neural network. To assess the performance of this integrated approach, we compare the results from our approach against data-based methods that ignore the hidden factor information or that employ separate inference and optimization steps. Numerical examples on both a synthetic data set and real data which might have an unobservable state demonstrate that our approach compares favorably against the other benchmarks. In the context of financial investment, we propose a new approach to asset allocation based on machine learning; it analyzes historical market states and asset returns and identifies the optimal portfolio choice in a new period when new observations become available. In this approach, we directly relate state variables to portfolio weights, rather than first modeling the return distribution and subsequently estimating the portfolio choice. The method captures nonlinearity among the state (predicting) variables and portfolio weights without assuming any particular distribution of returns and other data, without fitting a model with a fixed number of predicting variables to data, and without estimating any parameters. The empirical results for a portfolio of stock and bond indices show the proposed approach generates a more efficient outcome compared to traditional methods and is robust in using different objective functions across different sample periods. In the last project, we propose a nonlinear approach based on stochastic frontier analysis and machine learning to estimate the pricing efficiency and the level of premarket inefficiencies for initial public offerings (IPOs). This approach enables us to estimate IPO pricing efficiency using information available before the IPO day and without any distributional assumptions for deliberate underpricing in the premarket that have been documented in the literature. We apply the proposed approach in the U.S. IPO market and show that only a few determinants of the value of firms impact the pricing and underpricing of IPOs.
Çimento bazlı malzemelerin kırılmasında boyut tesirinin ( Non-Lineer kırılma mekaniği ) yapay sinir ağları ile incelenmesi
III ÖZET Yüksek Lisans Tezi ÇİMENTO BAZLI MALZEMELERİN KIRILMASINDA BOYUT TESİRİNİN (NON-LİNEER KIRILMA MEKANİ?İ) YAPAY SİNİR A?LARI İLE İNCELENMESİ Ragjp İNCE Fırat Üniversitesi Fen Bilimleri Enstrtitüsü İnşaat Mühendisliği Anabilim Dalı 1994, Sayfa': 9 6 Geçen birkaç yıl içerisinde, inşaat mühendisliğinde bilgisayarlı hesaplamalarda yapay zeka uygulamaları ilk sırayı almıştır. Bu uygulamalar genellikle uzman sistemleri içermektedir. Bu çalışmalarda değişik bir yapay zeka yaklaşımı olan YSAna (Yapay Sinir Ağları) değinilmiş ve bir uygulama yapılmıştır. Çalışmada YSA yardımıyla çimentolu malzemelerin kırılma mekaniğinde deneysel boyut etkisi teorisi modellenmiştir. İlk önce genel amaçlı bir YSA paket programı NETİCE (Neural nETwork In Civil Engineering) geliştirilmiştir. Daha sonra geniş bir literatür taraması yapılarak, kırılma mekaniğinin temel mod durumlarını içeren deneysel çalışmalardan elde edilen sonuçlar veri toplanmıştır. Bu sonuçlar veri olarak alınıp NETİCE programı bir PC üzerinde koşturulmuştur. Elde edilen sonuçlar deneysel çözümlerle karşılaştınlmış ve oldukça anlamlı müsbet sonuçlar elde edilmiştir. Nöral ağ hesaplamalarının inşaat mühendisliğinde karar verme ve tasarım için alternatif bir çözüm olduğu gösterilmiştir. YSA, mevcut çözümlerin birden fazla olduğu problemlerde ve ampirik ifâdelere dayalı teorik çözümlerde kullanılması oldukça uygundur. İnşaat mühendisliği problemlerinin birçoğu bu tür özellikler içerdiğinden YSA mn bu alandaki uygulamaları büyük bir potansiyel göstermektedir. ANAHTAR KELİMELER: Yapay Zeka, Nöral Ağlar, Beton, Kırılma Mekaniği, Boyut Etkisi Teorisi.
A neural-statistical modeling approach for keystroke recognition algorithms
The main problem of the computer and information systems is the security, which is to protectthe system from the attacks of imposter or unauthorized users. In order to supply bettersecurity, it must be determined clearly while system access that if the claimed one isauthorized user known by the system or not.Recently, biometric security systems technology is developed and added to the typicalauthentication systems , which are consist of username and PIN or password query, aiming toget higher security in system access.The keystroke pattern recognition system is chosen as one of the biometric security systemand proposed to perform a classification in this thesis. In order to achieve this, a perspective isdeveloped under the knowledge of the classification algorithms used earlier in keystrokepattern recognition systems. According to this, a model is designed which uses hybridcombination of two different algorithms. One of them is the statistical algorithm which is thevery firstly used one in pattern recognition and the other one is the neural networks. In themodel, the statistical algorithm formulations are embedded into the neural networkarchitecture. Designed algorithm model is described in detail and tested with sample userdatasets and performance results are presented.When thinking about need of new approaches in the classification algorithms in keystrokepattern recognition, this study can be a starting point to further enhancements with itsperspective on the subject.
Paraşütlü kargo iniş sisteminin derin öğrenme yöntemleriyle modellenmesi ve kontrolü
Bu tez çalışmasında, günümüzde askeri operasyonlarda kargo teslimatı için kullanılan paraşüt kontrollü bir iniş sisteminin geliştirilmesi ve bilgisayar ortamındaki simülasyonları üzerine çalışılmıştır. İlk olarak sistem matematiksel olarak modellenmiştir. Bu model MATLAB simulink ortamına aktarılarak yönlenme kontrolleri ele alınmıştır. Geliştirilen kontrolcüler ile sistem istenilen sapma açısı ve sapma açısı hızlarında kontrol edilmiştir. Bir sonraki aşamada sistemin donanımsal ve yazılımsal testlerinin entegrasyonu için Döngüde Yazılım ve Döngüde Donanım çalışmalarına yoğunlaşılmıştır. Bu aşamada sistem Gazebo ortamında modellenmiş ve ROS entegrasyonu için gerekli yazılımlar geliştirilmiştir. Sistemde veri toplama, haberleşme ve motor kontrolleri için Pixhawk autopilot kartı kullanılmıştır. Burada PX4 olarak bilinen açık kaynak yazılımlar, sitemin simülasyon ortamına entegre edilerek gerçek uçuş testleri ilk olarak Gazebo'da simülasyonu yapılmıştır. Simülasyon sonuçları, sistem tanımlama ve model öngörülü kontrol çalışmalarında girdi olarak kullanılmıştır. Sistem tanımlama çalışmalarında NARX Sinir ağının parametrik olarak performansları elde edilmiş ve incelenmiştir. Yapılan incelemeler sonucunda tek katmanlı 5 nörondan oluşan modelin yeterli olduğu görülmüştür. Son olarak, simülasyon verileri ile geliştirilen algoritmalar gerçek uçuş verisi ile test edilmiştir. İki ayrı ortam ve sistem değişkenleri kullanılarak yapılan uçuş testleri gerçekleştirilmiştir. Kontrolcü algoritmasına çevrimiçi eğitim yöntemleri de eklenerek geliştirilen sistem modelinin sürekli güncel olması hedeflenmiştir. Bu doğrultuda, eğitilen model farklı çevresel durumların ve sistem ağırlığına ait uçuş verisi üzerinde hücum açısında ortalama 12 derecelik tahmin ortalaması tutturmuştur. Gerçek zamanlı kontrolcü çalışmaları yapılarak sistemin istenilen hedef konuma inişi rüzgarsız ortamda 3m, rüzgarlı ortamda ise 7m hata ile gerçekleştirilmiştir.