Artificial neural networks
607 theses under this subject heading
Sağlık harcamalarının tahminine yönelik ayrıştırma temelli yeni bir model
Her geçen gün sağlık hizmetlerine olan erişimin ve talebin artması sağlık harcamalarının da artmasına neden olmaktadır. Bu nedenle, sağlık harcamalarının planlanması, takibi ve tahmini; sağlık hizmetleri politikalarının en kaliteli şekilde sürdürülebilmesi için oldukça önemlidir. Bu tez çalışmasında, Türkiye'nin toplam sağlık harcamasını modellemek ve tahmin etmek amacıyla Trend-Artık (T-A) modeli adı verilen zaman serisi ayrıştırması temelli yeni bir tahmin modeli önerilmiştir. Önerilen T-A modeli kaskat bir yapıya sahip olup sağlık harcaması zaman serisinin iki alt bileşenini (trend ve artık) ayrı ayrı modellemeye ve tahmin etmeye çalışmaktadır. T-A modeli ilk olarak, birçok avantajı yapısında barındıran polinom regresyon modeli ile toplam sağlık harcaması zaman serisinin trend bileşeni belirlemektedir. Daha sonra ise doğrusal parametreleri En Küçük Kareler Tahmin yöntemiyle, doğrusal olmayan parametreleri ise Sinir Ağı Algoritmasıyla optimize edilmiş yeni bir artık model geliştirilerek trendden arındırılmış zaman serisi yani artık bileşeni modellenmektedir. Veri kümesi olarak Türkiye'nin 1999-2021 yılları arasındaki toplam sağlık harcamaları kullanılmıştır. Önerilen T-A modelinin modelleme ve tahmin performansı; gri modeller, regresyon modelleri, üstel yumuşatma modelleri ve ARIMA modelleri ile karşılaştırılmıştır. Karşılaştırma sonuçları önerilen T-A modelinin modelleme ve tahminleme performansının diğer modellerden daha iyi olduğunu göstermiştir. Sonuç olarak T-A modeli ile elde edilen tahmin sonuçlarına göre 2030 yılında toplam sağlık harcaması miktarının 2,2 trilyon TL'ye ulaşacağı ve 2022'den 2030 yılına kadar yaklaşık beş kat artacağı öngörülmüştür.
Iris detection using hybrid models
Face and iris detection are great of interests to researchers in the field of video processing and computer vision. In recent years, great advances in robotics and artificial intelligence have further increased the importance of face recognition and iris detection. In this study, iris of the human eye is detected through hybrid models. These models first detect the face, then the eyes, and finally the iris. Two classifiers, the Artificial Neural Network (ANN) and the Decision Tree (DT), are trained to distinguish face images from other. They are also used to extract face images using the sliding window technique. After extracting the face from the given image, the same steps are applied to detect the eyes from the face. It has been observed that the ANN performs better than the DT with respect to detection rate of faces and eyes. The eyes that are finally detected are used to find circles that indicate the iris. Two methods are discussed to detect the iris: Hough Transform (HT) and the mean of gradients (MoG). In comparison with HT, MoG yields higher detection rate.
Finansal tablo hilelerinin tespit edilmesinde kullanılan veri madenciliği yöntemleri ve Borsa İstanbul'da bir uygulama
Bağımsız denetimden geçmiş, makul bir düzeyde güvence almış işletmeler ile ilgili dünyada ve ülkemizde yaşanan finansal skandallar bu işletmelerin yayınlamış olduğu finansal raporlarının doğruluğunun ve güvenilirliğinin tartışılmasında etkili olmuştur. Finansal raporların tartışılması da bilgi kullanıcılarının alacağı kararlarda tereddüt yaşamalarına sebep olmuştur. Bu araştırmada bilgi kullanıcılarının tereddütlerini gidermek ve finansal tablolarda oluşmuş veya oluşması muhtemel finansal tablo hile riskini belirli bir güvence düzeyinde tahmin edebilmek için bir model geliştirilmiştir. Araştırmada veri olarak; 2012-2019 yılları arasında Borsa İstanbul'da faaliyet gösteren Yakın İzleme Pazarı, Yıldız Pazar ve Ana Pazar gruplarında yer alan 144 işletmenin bağımsız denetim raporları ile finansal tablolarından elde edilen veriler kullanılmıştır. 48'i Yakın İzleme Pazar'ı, 96'sı da Yıldız Pazar ile Ana Pazar gruplarında bulunan işletmelerin finansal tablolarından elde edilen ve alanyazında da finansal tablo hilelerinin tespitinde kabul gören oranlar, veri madenciliği uygulamalarından olan yapay sinir ağları yöntemi kullanılarak analiz edilmek suretiyle bir yapay sinir ağı modeli geliştirilmiştir. Geliştirilen model, finansal tablolardaki hile riskini %88,89 oranında doğru tahmin ederek başarılı bir sonuç ortaya çıkarmıştır. Araştırma sonuçları, geliştirilen modelin, işletmelerin finansal tablo hile riski taşıyıp taşımadığına ilişkin olarak bilgi kullanıcılarının kararlarında fayda sağlayacağı yönünde değerlendirilmiştir. Modelin parametrelerinin kullanımının, bilgi kullanıcılarının yatırım yapacağı işletmeler hakkında finansal tablo hile riski taşıyıp taşımadığı ile ilgili güçlü bir güvence vereceği ve bilgi kullanıcılarına faydalı olacağı kanaatine varılmıştır.
Akciğer kanserinin bilgisayarlı tomografi görüntüleri kullanılarak derin öğrenme ile tespiti
Yapay zekâ, artan teknolojik faaliyetlerle birlikte hem söylem hem de teknik olarak yaşantımızın önemli bir bölümünde yer almaktadır. Bir yapay zekâ türü olan makine öğrenmesi ve bunun alt kümesi derin öğrenme modelleri ve algoritmalar kullanılarak mevcut veriler işlenebilmekte, yeni ve faydalı veriler elde edilmektedir. Derin öğrenme yöntemlerinden biri olan görüntü işleme teknolojisi, var olan görüntüleri işleyerek yeni ve kullanışlı bilgiler sunma modelidir. Tıbbi görüntüleme teknolojisi ise hastalıkların erken teşhis edilmesi ve tedaviye yanıt oranını arttırmaktadır. Ayrıca hastaların tıbbi görüntülerinin hekimler tarafından okunma süreci zaman kaybının yanı sıra sonuçların sübjektif olmasından dolayı tartışma konusudur. Görüntü işleme teknolojisi bu alanda radyologların iş gücü ve zaman kaybını azaltmasıyla birlikte objektif sonuçlar ortaya çıkarmasıyla popülerliğini arttırmaktadır. Bu tez kapsamında "Görüntü işleme teknolojisi nedir?" sorusuna cevap aranmıştır. Bu soruya cevap niteliği taşıyan tezin bilim dünyasına katkısı vurgulanmıştır. Tez kapsamında, sağlıklı, akciğer kanserli kötü ve iyi huylu tümörler bulunan bilgisayarlı tomografi görüntülerinin yer aldığı veri kümesi, önceden eğitilmiş konvolüsyonel sinir ağları; AlexNet, DenseNet 201, GoogleNet, MobileNetV2, ResNet50 mimarileriyle eğitime tabi tutulmuştur. Bu eğitim sonrası bulunan doğruluk oranının arttırılması hedeflenmiştir. Bu bağlamda yeni bir hibrit model geliştirilmiştir. Deneysel sonuçlar önerilen modelin başarısını kanıtlar niteliktedir.
Yapay sinir ağları temelli tıbbi teşhis sistemi
ÖZET Yüksek Lisans Tezi YAPAY SİNİR AĞLARI TEMELLİ TIBBÎ TEŞHİS SİSTEMİ MUZAFFER DOĞAN Anadolu Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı Danışman: Doç.Dr.Ahmet BABANLI 2003, 99 sayfa Uzman sistemlerin hazırlanmasındaki en büyük zorluk, uzmanın sahip olduğu bilgilerin bilgisayar ortamına uygun biçimde aktarılmasıdır. Bu tezde, başağrısı hastalıklarının teşhisi için bilgisayar programları yazılmasını kolaylaştırmak amacıyla başağrısı hastalıklarının belirtilerinin sistematik bir biçimde listelenmesi ve sınıflandırılması çalışması yapılmıştır. Bu sınıflandırmanın ardından, Yapay Sinir Ağları kullanılarak başağrısı hastalıklarının sınıflandırılması denenmiştir. Yapay sinir ağları modellerinden perseptron ağları, kendini düzenleyen ağlar ve geri yayılım ağları modelleri kullanılarak başağrısı hastalıklarının daraltılmış bir grubuna ait hastalıkların teşhis edilmesi sonuçları karşılaştırılmıştır. Bu teşhis probleminin çözümünde en sık rastlanan başağrısı hastalıkları olan aurah migren, aurasız migren ve gerilim tipi başağrısı ele alınmıştır. Sonuçta başağrısı hastalıklarının sınıflandırılmasında en uygun yöntemin perseptron ağları olduğu belirlenmiş ve ileriki başağrısı sınıflandırma çalışmalarına öncülük edebilecek bir hastalıklar ve belirtiler listesi hazırlanmıştır. Anahtar Kelimeler: Yapay Sinir Ağları, Başağrısı Hastalıkları, Uzman Sistemler, Teşhis Problemleri.
Diferensiyel evrim algoritması ile mikrodalga anten tasarımı
Bu tez çalışmasnda, Mikroşerit Yansıtıcı Dizi Anten (MYDA) yapıları incelenmiştir. Bu yapılar geleneksel parabolik antenler gibi performansa sahip olurken, daha basit, hafif, hem elektromanyetik hem de mekanik açıdan daha kullanışlıdırlar. Bu yapılara ait yüksek performanslı tasarımlar, yapıdaki her bir mikroşerit elemanın ayrı ayrı bir şekilde yansıma değerleri hesaplanması ile elde edilir. Yüksek performanslı bir MYDA tasarımındaki en büyük engel, yüksek doğruluğa sahip, hızlı ve optimizasyona uygun bir birim elemanı tasarımının oluşturulmasıdır. 3B Simülatör programları ile bir MYDA optimizasyonunu yapmak son derece düşük verimli bir işlemdir. Nedeni ise, her bir benzetim evresinin uzun sürmesidir. Bu çalışmada, yapay zekâ algoritmaları kullanılarak bir mikroşerit birim elemanının geometrik ve malzeme parametrelerine bağlı frekans bandı boyunca, yansıma açısının karakterizasyonunun yapacak hızlı, doğruluğu yüksek bir araç tasarlanması amaçlanmıştır. Burada, X bant uygulamaları için Omega şeklindeki modelinin 3B simülatör programında elde edilen veriler ile çok katmanlı algılayıcı modeli oluşturulmuştur. Bu sayede, birim elemanın yansıma açısı, elemanın geometrik yapısı, malzeme parametrelerine bağlı frekans düzlemi boyunca sürekli bir fonksiyon olarak elde edilerek MYDA tasarımı ve optimizasyonu için hızlı, doğruluğu yüksek bir model elde edilmiştir.
Fama-French faktör modelleriyle oluşturulan portföylerin davranışsal açıdan test edilmesi: Borsa İstanbul'da hibrit bir model uygulaması
Bireylerin rasyonel olduğu ön kabulüyle piyasa etkinliğini öne süren Fama (1970) mevcut piyasaların tüm bilgileri içerdiği ve piyasa katılımcılarının anormal getiri elde edemeyeceği görüşü ile finans literatürüne farklı bir bakış açısı kazandırmıştır. Söz konusu görüş ampirik çalışmalarla da desteklenmiştir. Ancak destekleyici çalışmaların yanı sıra piyasalarda anomalilerin de var olduğunu, tüm bilgilerin piyasaya yansımasının mümkün olmadığını ve yatırımcının anormal getiri elde edebileceğini öne süren çalışmalar aynı zamanda yatırımcının rasyonel olmaktan ziyade irrasyonel tavır sergilediğini gözler önüne sermiştir. Tüm bu kavramlar Davranışsal Finans teorisi çerçevesinde değerlendirilirken yatırımcı davranışları her boyutta incelemeye alınmıştır. Bilişsel önyargılar ve hevrestikler bu incelemelerin ana temasını oluşturmakta ve bununla birlikte sosyolojik ve psikolojik olgular çalışmalara yön vermektedir. Bu olguların yanı sıra bireylerin rasyonel kararlar verme davranışı dışında, farklı bakış açılarıyla kararlar vermeyi tercih ettiği bir diğer alan da İslami Finans'tır. İslami Hukuk kuralları çerçevesinde şekillenen İslami Finans yatırımcıların finansal kararlarında dini inançlarının etkisini konu edinmektedir. Tüm bu teorik alt yapı çerçevesinde çalışmada Fama ve French (2015) tarafından ortaya konan beş faktörün hangilerinin hangi tip portföylerde etkin olduğunu ortaya koyabilmek amacıyla, elde edilen veriler, Genetik Algoritması optimizasyonuyla oluşturulan Yapay Sinir Ağları tabanlı hibrit bir modelle analiz edilmiştir. Bu çerçevede geleneksel ve İslami bakış açısıyla oluşturulan portföyleri oluşturmada olası farklılıkların da altı çizilmiştir. Bu amaçla öncelikle Borsa İstanbul Tüm Endeksi'nde yer alan 159 firmanın ve Borsa İstanbul Katılım 50 Endeksinde yer alan 29 firmanın 2014- 2021 arası dönemin çeyreklik verileriyle oluşturulan portföylerle her iki endekste de Fama ve French Beş Faktörlü Modelin geçerliliği test edilmiştir. Yapılan analizler neticesinde, Fama ve French Beş Faktörlü regresyon modeliyle uygulanan Panel Veri Analizi testlerinde, geleneksel ve İslami bakış açısıyla oluşturulan portföyler üzerinde etki eden faktörlerdeki olası farklılıklar tespit edilmiştir. Ayrıca, uygulanan Genetik Algoritması optimizasyonuyla oluşturulan Yapay Sinir Ağları tabanlı hibrit modelle yapılan değerlendirme neticesinde, benzer şekide, farklı bakış açılarıyla oluşturulan portföylerde etkin gen parametrelerinin değişkenlik göstermesi farklılaşmaya işaret etmektedir. Sonuç olarak geleneksel bakış açısıyla ve İslami bakış açısıyla oluşturulan portföylerdeki farklılaşma davranışsal açıdan incelenmiştir. Bunun yanı sıra uygulanan iki model çerçevesinde genetik algoritması optimizasyonuyla oluşturulan yapay sinir ağları tabanlı hibrit modelin sonuçlarının daha spesifik çıktılar ürettiği sonucuna varılmıştır.
En iyileştirilmiş çekirdek uç öğrenme makineleri kullanılarak trafik sinyalizasyon süresinin kontrolü
Son yıllarda şehirleşme ve araç sayısının artması, trafik sıkışıklığının da artmasına sebep olmuştur. Dolayısıyla bu soruna çözüm arayışında olan ulaşım sistemlerindeki gelişmeler de hızlanmış, bir çok çözüm önerisinde bulunulmuştur. Ancak önerilerin bir çoğu trafik akışının dinamikliğine tam olarak yanıt verememektedir. Statik trafik yönetimlerinin yetersiz olması nedeniyle akıllı ulaşım sistemlerinin önemi artmış, araştırmacılar gerçek zamanlı trafik yönetim modelleri ile trafik akışının değişken ve çok parametreli yapısına yönelik çalışmalarını artırmıştır. Bu tez çalışmasında amaç, trafik sıkışıklığının azaltılması ve trafiğin daha akıcı bir hale gelmesidir. Bu amaç doğrultusunda trafik sinyalizasyon sistemlerinde kullanılmakta olan geleneksel sabit süreli yönetim modelleri yerine derin öğrenme ve tek gizli katmana sahip ileri beslemeli bir yapay sinir ağı olan uç öğrenme makinelerinin (ELM, Extreme Learning Machine) bir kombinasyonu kullanılmıştır. Yapılan çalışma 4 aşamada gerçekleştirilmiştir. Birinci aşamada, gerçek trafiğe ait video görüntülerinde yer alan araçlar, derin öğrenme algoritmalarından YOLOv8 ile tespit edilmiş ve sınıflandırılmıştır. İkinci aşamada, eğitilmiş derin modelin öznitelikleri çıkarılarak çekirdek uç öğrenme makinesine (KELM, Kernel ELM) giriş olarak verilmiştir. Burada, veri setinin karmaşık yapısını modellemek, trafik akışı tahminlerindeki doğruluğu artırmak için uç öğrenme makinesi iç çarpımı, çekirdek (kernel) işleviyle değiştirilmiştir. Üçüncü aşamada KELM'nin optimizasyonu için Parçacık Sürü Optimizasyonu (PSO, Particle Swarm Optimization ), Gri Kurt Optimizasyon Algoritması (GWO, Grey Wolf Optimization), Genetik Algoritma (GA, Genetic Algorithm) ve Yapay Arı Kolonisi Optimizasyon Algoritması (ABC, Artificial Bee Colony) kullanılmıştır. Bu basamaktaki çalışma sonrası, Genetik Algoritmanın problemimize ve veri setimize diğer algortimalara göre daha uygun olduğu tespit edilmiştir. Son aşamada ise tespit edilen araçların sayılması, araç sayılarına göre oluşturulabilebilecek adaptif trafik yönetim modelinin simule edilmesi yer almaktadır. Python Pygame kütüphanesi kullanılarak hazırlanan simülasyonda, 4 kollu izole sinyalize kavşaktaki trafik canlandırılmıştır. Gerçek kamera görüntüsünde, kırmızı ışıkta bekleyen araçlar tespit edilerek araç sayıları elde edilmekte, bu araçlara atanan değerler kulanılarak yeşil ışığın süresi tayin edilmektedir. Bu şekilde gerçek trafik yoğunluğuna, aracın sayısına hatta araç türüne özel bir adaptif trafik kontrol sistemi oluşturulmuştur.
Deprem etkisi altında çelik yapıların deplasmanlarının yapay sinir ağları ile incelenmesi
Bir yapının tasarım boyutlandırılması, zemin analizi, taşıyıcı sistem seçimi, malzeme tayini, üç boyutlu modelleme ve analiz, gerekli durumlarda revizyon ve tadilatların yapılması gibi zaman alan bir süreci kapsamaktadır. Yapay zekâ kullanımı ise bu sürecin hızlanmasını sağlayıp zaman kayıplarını minimize edebilecek bir teknolojidir. Bu çalışmanın amacı bu teknolojinin bu alandaki kullanımını sorgulamaktır. Bu nedenle çalışmada öncelikle örnek çelik yapılarımız moment aktaran çelik yapılar olarak belirlendi. Örnekler, dört farklı taban alanı, iki farklı kat yüksekliği ve sekiz farklı kat sayısı kombinasyonu kullanılarak toplam 64 adet olacak şekilde oluşturuldu. Örnek yapılar, SAP 2000 programı yardımıyla modellenerek deprem etkisi atında doğrusal statik analizi yapıldı. SAP 2000 ile analizi yapılan örnek yapıların, maksimum deplasman değerleri oluşturulan yapay sinir ağının (YSA) çıktı seti olarak belirlendi. Maksimum deplasmanı etkileyecek bazı parametreler olarak; kat sayısı, kat yüksekliği, yapı toplam yüksekliği, yapı taban alanı ve yapı ağırlığı değerleri ise girdi seti olarak belirlendi. Girdi ve çıktı veri kümesi belirlenen YSA modeli Matlab programı yardımıyla oluşturuldu. Çalışma sonucunda oluşturulan YSA modeli ile tahmin edilen değerler ile SAP 2000 ile bulunan değerler arasında kıyaslama ve regresyon analizi yapılmıştır. Yapılan kıyaslama ve regresyon analizinde, YSA ile tahmin edilen değerlerin sıfır hata çizgisine oldukça yakın dağılım gösterdiği, bağıl hata oranlarının düşük ve regresyon katsayılarının 1'e oldukça yakın olduğu görülmüştür. Yapay zekanın sadece bir alt dalı ile yapılan bu çalışma ile alınan olumlu sonuç diğer alt dallarında da olumlu sonuçlar verme umudunu göstermekte hatta birden fazla alt dalının birlikte kullanılmasıyla gelecekte inşaat mühendisliğinin proje aşamasında farklı ve yenilikçi senaryoların ortaya çıkabileceği öngörülmektedir.
Yüksek yapılar için modal analiz tabanlı hasar tespiti ve yapı sağlığı izleme yaklaşımı
Yapı sağlığı izleme (SHM), herhangi bir yüklemeye bağlı olarak hasar gören yüksek katlı yapıların sağlığını kontrol etmek için şu anda az sayıda da olsa uygulanmaktadır. Burada hedeflenen yapıda muhtemel hasar mekanizmasının başlangıç düzeyinde tespit edebilmek ve karar destek sistemlerine bilgi üretebilmektedir. Ancak uygulamada, birçok farklı nedenle bu düzeyde izlemeden ziyade genel maksatlı izlemeler tercih edildiği, çok az sayıda örnekte ise önemli sayıda ve nitelikte sensör ile izlemelerin yapıldığı da aşikardır. Bu maksatla çalışmada, hasarlı katları tespit etmek ve ardından hasarlı elemanların yerini belirleyebilmek için hibrit bir prosedür(ler) önerilmiştir. İlk adım için modal şekildeğiştirme enerjisi (MSE) yaklaşımı, ters çözüm, ve Yapay Sinir Ağı (ANN) yöntemi olmak üzere üç yöntem kullanılmaktadır. Başlangıçta ötelenme serbestlikleri üzerine kurulan yaklaşımlar bir yapının gerçek davranışını daha iyi modelleyebilmek maksadıyla dönme serbestliklerini de içerecek şekilde Guyan statik yoğuşma prosedürü kullanılarak yaklaşık olarak basitleştirilmiş, daha sonra, sadece ilk iki en düşük eğilme modunu kullanarak ters çözüm uygulanarak gerçekleştirilen modeller sayısal ve deneysel olarak doğrulanmıştır. ANN tabanlı teknik, gerek diğer yaklaşılmalarda kat düzeyinde hasarı tahmin etmek için gerekse kat ve eleman düzeyi tespitleri için ayrı ayrı kullanılmıştır. Ağlar, en düşük eğilme modları kullanılarak eğitilmiştir. İkinci adımda, yalnızca belirlenen katlara odaklanarak hasarlı elemanları tahmin edebilmek için ANN yöntemi yardımıyla değişken sayısı etkin bir şekilde azaltılabilmektedir. Çalışmada, farklı yöntemler ve hibrit yaklaşımlar sırasıyla iki boyutlu (2D) problemden başlayarak, yüksek binayı temsilen (3D) 30 katlı bir binanın hasar tespitine kadar farklı senaryolar için adım adım geliştirilerek verilemektedir. Bu veriler ışığında düşük gürültü düzeyleri için tüm seviyelerde hasar tahminlerinin doğru bir şekilde elde edilebildiği gösterilmiştir.
Türkiye'nin yenilenebilir enerji tüketimi ile sağlık göstergelerinin STIRPAT model çerçevesinde yapay sinir ağları ile analiz edilmesi
Bir toplumun varlığını sürdürebilmesinin en önemli koşulu sağlıklı bireylere sahip olmasıdır. Sağlıklı toplumların üretim gücü sürekli olarak artmaktadır. Toplumlar bu üretimi sağlamak ve devam ettirmek için yoğun bir enerjiye gereksinim duymaktadır. Günümüzde de enerji gereksinimlerini gidermek amacıyla gelişmiş ve gelişmekte olan ülkeler, yenilenebilir enerji kaynaklarına yönelmektedir. Bu yüzden sağlık ile yenilenebilir enerji arasındaki ilişkinin önemi gittikçe daha da anlaşılır hale gelmektedir. Bu ilişkiyi dengelemek ve birlikte yürütmek ülkeler için büyük önem arz etmektedir. Bu çalışmada 1975-2013 yılları arasında Türkiye'nin sağlık ve aynı zamanda gelişmişlik düzeyini ölçen sağlık göstergeleri ile yenilenebilir enerji tüketimi arasındaki ilişki STIRPAT modeli çerçevesinde yapay sinir ağları kullanılarak incelenmiş ve yenilenebilir enerji tüketiminin geleceğine yönelik tahminler yapılmıştır. Çalışmanın sonucunda kalkınmışlık göstergesi olarak da kullanılan sağlık göstergelerinin yenilenebilir enerji tüketimini dolaylı olarak etkilediği bulunmuştur. Bu bağlamda Türkiye'nin sağlık politikalarını düzenleyerek ve geliştirerek kalkınması, yenilenebilir enerji potansiyelini daha etkin şekilde kullanarak yenilenebilir enerji tüketimini arttırması gerektiği sonucuna varılmıştır. Anahtar Kelimeler: Bebek ve Çocuk Ölümleri, Doğumda Yaşam Beklentisi, Sağlık Harcamaları, STIRPAT, Yapay Sinir Ağları, Yenilenebilir Enerji
Yapay sinir ağları ile hisse senedi kapanış fiyatlarının tahmini ve portföy optimizasyonu
Modern portföy teorisinde, yatırım araçlarını çeşitlendirmenin yatırım risklerini azalttığı kabul edilen bir gerçektir. Yatırımcı doğal olarak piyasada maruz kaldığı riske karşın en büyük getiriyi elde etmek istemektedir. Yatırım, gelecekle ilgili bir süreç olduğundan doğal olarak belirsizlikler ve riskler içermektedir. Portföy optimizasyonu üzerine yapılan çalışmalarda genellikle geçmişe dayalı getiri değerleri kullanılmıştır. Bu çalışmanın amacı, tahminleme yöntemlerine göre Markowitz'in ortalama-varyans modelinin performansını analiz etmektir. Çalışmada BIST 30 'da işlem gören 26 hisse senedine ait 2008-2014 yılları arasındaki aylık getiri değerleri kullanılmıştır. En iyi tahmin aracının bulunması için Yapay Sinir Ağları ve Zaman Serileri Analizi Yöntemleri karşılaştırılmıştır. İlk olarak, Yapay Sinir Ağlarının en iyi parametre değerlerinin bulunması amaçlanmıştır. Tahminler gerçekleştirilmeden önce farklı zaman dilimleri, nöron sayıları, girdi değişkeni sayıları ve öğrenme algoritmaları kullanılarak tahminleme modelleri oluşturulmuştur. Bu modellerin tahmin sonuçları karşılaştırılırken MAE, MSE, MAPE hata ölçümleri kullanılmıştır. İkinci aşamada, 2008-2013'e ait aylık ortalama getirilerden hareketle Basit Ortalama, Hareketli Ortalamalar, Üstel Düzeltme ve Trend Analizi Yöntemleri kullanılarak 2014'e ait 12 aylık getiriler tahmin edilip Yapay Sinir Ağı Sonuçları ile karşılaştırılmıştır. Sonuçlara göre en iyi tahmin değerlerini veren yöntemlerin Yapay Sinir Ağları ve Üstel Düzeltme yöntemleri olduğu tespit edilmiştir. Bu iki yöntemin tüm hisse senetlerinde birbirlerine üstünlük sağlamadıkları görülmüştür. Son olarak, Yapay Sinir Ağları, Üstel Düzeltme ve geçmiş gerçek veriler kullanılarak oluşturulan Markowitz 'in Ortalama-Varyans modellerinin farklı beklenen getiri düzeylerindeki eniyi varyans değerleri, 2014 yılına ait gerçek varyans değerleri kullanılarak karşılaştırılmıştır. Hesaplama sonuçlarına göre, birleştirilmiş Yapay Sinir Ağları-Üstel Düzeltme tahmin yöntemi ile Markowitz'in Ortalama-Varyans modelinin birlikte kullanılması sonucunda en iyi sonucunun elde edildiği görülmüştür. Anahtar Kelimeler: Portföy Optimizasyonu, Tahminleme, Yapay Sinir Ağları, Zaman Serileri Analizi.
Yönlendirilmiş enerji girdili metal katmanlı imalat yöntemi için topoloji optimizasyonu
Yönlendirilmiş enerji girdili metal yığma yöntemi (DED), serbest biçimli geometrilerin üretiminde, onarım uygulamalarında, kaplama ve yüzey modifikasyonunda ve fonksiyonel olarak derecelendirilmiş malzemelerin imalatında kullanılan bir katmanlı üretim sürecidir. Malzemeleri eriterek kaynaştırmak için odaklanmış termal enerjinin kullanıldığı bir süreçtir. Termal etkiler, DED işlemi sırasında parçalarda bozulmalara ve kusurlara neden olabilir, bu nedenle ürünlerin imalatı sırasında değerlendirilmeli ve dikkate alınmalıdır. Eritme havuzu kontrolü ve DED dolgu geometrileri de doğru tanımlanmalıdır. Bu çalışmada, geometrik desenleri tahmin etmek ve hibrit bir üretim teknolojisi olarak lokal takviyeli bir ürün oluşturmak için DED süreç parametreleri dikkate alınarak bir Yapay Sinir Ağı modeli uygulanmıştır. Döküm, ekstrüzyon ve toz yatak füzyonu gibi üretim yöntemleri için topoloji optimizasyonu üzerine birçok çalışma mevcut olmasına rağmen; DED süreci için tasarım geometrik modellerini tahmin etmede topoloji optimizasyonu yaygın olarak dikkate alınmamaktadır. Bu çalışmada, hibrit parçanın enerji, toplam kütle ve maksimum kuvvet sonuçlarını optimize eden lokal güçlendirmelerin uygun boyutları, topoloji tabanlı geometrik desenleri ve ısı kaynağı gücünü tahmin etmek için yanıt yüzey metodu (YYM) ve genetik algoritma destekli yapay sinir ağları (YSA-GA) yaklaşımları uygulanmıştır. Tek bir DED dolgu biriktirmesi, sayısal ısı kaynağı modelinin doğrulanması açısından simüle edilmiş ve DED dolgularından alınan kesitler analiz edilmiştir. DED cihazı kullanılarak bir atkı elemanını oluşturacak bir yapı üretilmiş ve bu atkı yapısı, test cihazında üç nokta bükme fiziksel koşulları altında doğrulanmıştır. Lokal olarak güçlendirilmiş atkı kirişin düz modele göre çok daha fazla enerji emilimine ve maksimum kuvvet değerlerine sahip olduğu gözlenmiştir. Sonuçlar, önerilen YSA-GA modelinin, hibrit üretim teknolojileri kullanılarak lokal güçlendirilmiş bir ürün oluşturmak adına topoloji tabanlı geometrik desenler ve süreç parametreleri oluşturmada kullanılabilecek umut verici bir yaklaşım olduğunu göstermiştir.
Yatırım fonu kapanış fiyatının (net aktif değerinin) ve performansının fon portföy dağılımından faydalanılarak tahmin edilmesi
Yatırım fonları, profesyonel bir şekilde yönetilen ve yatırımcıların paralarını bir araya getirerek çeşitli yatırım araçlarına yatırım yaparak yatırımı çeşitlendirmek suretiyle riski tabana yayan önemli finansal yatırım türlerinden birisidir. Yatırım fonlarının sayısı son yıllarda giderek artmaktadır. Bu gerçek, belirli yatırım fonlarının seçilmesinin, aynı yatırım evreninde faaliyet gösteren fonlar hakkında bilgi toplamak ve analiz etmek açısından önemli bir yatırımcı çabası gerektirdiğini göstermektedir. Yatırım fonlarının kapanış fiyatlarının doğru bir şekilde tahmin edilmesi yatırımcılar açısından giderek daha önemli bir konu haline gelmiştir. Yatırım fonlarının gelecek performanslarının doğru tahminini sağlayan modellerin geliştirilmesi ile yatırım fonu yatırımcılarına büyük destek sağlanacaktır. Bu modellerin kullanımı, orta-uzun vadede yatırım yapmak isteyen yatırımcılar için uygun yatırım fonu seçimini kolaylaştıracaktır. Bu tez çalışmasının amacı, Yapay Sinir Ağları (YSA) ve Doğrusal Olmayan Dışsal Girdili Otoregresif Ağ (NARX) kullanarak, fon portföy dağılımı ve performans değerlendirme yöntemleri değerleri yardımıyla bir menkul kıymet yatırım fonunun kapanış fiyatını doğru tahmin etmektir. Çalışmada yapılan analiz, yatırımcılara yararlı bir bakış açısı sağlayacak ve yatırımcıların yatırım fonu hakkında daha iyi kararlar almasına yardımcı olacaktır. Bu sayede yatırımcıların getirileri artacak, fon seçimi için sarf edilen efor ise azalacaktır.
Doğrusal ve doğrusal olmayan zaman serileri analizinin seçilmiş bazı makroekonomik değişkenler üzerine uygulaması
Günümüzde iktisadi değişkenlerin seyrinin belirlenmesi ve ileriye yönelik gösterecekleri değişimin yönü, karar alıcılar ve politika belirleyicileri için oldukça önem kazanmıştır. Oluşturulacak hedeflerin veya planlamalarının öngörüsünde doğruluk ve tutarlılık gerekmektedir. Son dönemde kullanımı yaygınlaşan Yapay Sinir Ağları ve Yapay sinir ağlarına dayalı hibrit modelleme teknikleri, bu anlamda başarılı bir analiz aracı olarak karşımıza çıkmaktadır. Geleneksel zaman serisi modelleri, otoregresif koşullu değişen varyans modelleri, Markov rejim değişimi modelleri, eşik ve geçiş modelleri tek başına değişkenlerin öngörülmesinde hibrit yapılara göre yetersiz kalmaktadır. Bu doğrultuda tezde ispatlanmak istenen hipotez, "makroekonomik değişkenlerin öngörülmesinde hibrit tekniklerin en güvenilir ve tutarlı sonuçlar üreteceği" yönünde olmuştur. Bu tez çalışmasında, Türkiye ekonomisinin zaman serilerinin farklı özelliklerini içeren 7 makroekonomik değişkeni analiz edilmiştir. Çalışma dönemi 01/01/1997-31/10/2020 için ele alınmış ve tahminler gerçekleştirilmiştir. 01/01/2020-31/10/2020 dönemi için gerçekleştirilen öngörü değerleri gerçek seri değerleri ile karşılaştırılmıştır. Çalışma üç ana başlıkta ele alınmıştır. İlk bölümde zaman serilerinin özellikleri ve yapay sinir ağı teorisinden bahsedilmiştir. İkinci bölümde yukarıdan bahsedilen modellere ilişkin teorik yapılar ele alınmıştır. Son bölümde de BIST 100 Endeks getirisi, işsizlik oranı, enflasyon, reel para arzı, reel efektif döviz kuru, ihracat ve net dış borç stoku değişkenleri için gerekli tahminler ve karşılaştırmalar yapılmıştır. Çalışmada ele alınan tüm seriler için hibrit model sonuçları; serinin yapısına bağlı gerçekleştirilen model tahminleri ve yapay sinir ağına dayalı model sonuçlarından daha başarılı olmuş olup gerçeğe en yakın değerleri elde etmiştir. Bu anlamda, karar vericiler için yapay sinir ağlarına dayalı hibrit modellerin makroekonomik değişkenlerin öngörü performansını arttırabilecek şekilde kullanılabileceği belirlenmiştir.
Yapay sinir ağları tabanlı hibrit modellerle yük tahmini
Güç sistemi planlamasının öncelikli amacı, müşterilerin elektrik enerjisi ihtiyaçlarını mümkün olduğunca ekonomik, güvenilir ve kaliteli bir şekilde karşılamaktır. Planlama sürecindeki önemli adımlardan biri de yük tahminidir. Geleneksel olarak yük tahmini için hem uygulaması kolay hem de iyi performans göstermesi nedeniyle istatistiksel metotlar yaygın kullanıma sahiptir. Ancak son yıllarda yük tahmini için yapay zeka yöntemleri de fazlaca kullanılmaya başlanmıştır. Bu çalışmada yapay zeka algoritmalarından yapay sinir ağları (YSA), adaptif sinirsel bulanık mantık (ANFIS) ve dalgacık dönüşümü-yapay sinir ağları (DDYSA) kullanılarak Eskişehir ili için yıllık ve mevsimlik yük tahminleri yapılmıştır. Eskişehir iline ait sıcaklık, nüfus, ithalat, ihracat ve zaman verileri giriş verisi olarak kullanılmıştır. Yapılan çalışmayla söz konusu yöntemlerin tahmindeki doğruluk seviyeleri araştırılmıştır. YSA, ANFIS ve DDYSA'da farklı parametreler kullanılarak oluşturulan deneme modelleri test MAPE değerlerine göre karşılaştırılmıştır. Çalışmada en iyi performansı gösteren YSA 2 gizli katmanlı, gizli katmanlarında 12 nöron bulunan ve tanjant sigmoid transfer fonksiyonu kullanan, çıkış katmanında lineer transfer fonksiyonu kullanan yapıdır. En iyi ANFIS yapısı ızgara bölümleme yöntemiyle 64 kurallı, kural katmanında trimf ve çıktı katmanında lineer transfer fonksiyonunu kullanan yapıdır. En iyi DDYSA yapısı ise tek gizli katmana sahip, gizli katmanında 12 nöron bulunan ve bu katmanda tanjant sigmoid transfer fonksiyonu kullanan, çıkış katmanında ise lineer transfer fonksiyonu kullanılan yapıdır. Çalışmada Eskişehir ilinin yıllık ve mevsimlik tahminlerinde YSA'nın diğer iki yöntemden daha küçük MAPE değerlerine sahip olduğu, dolayısıyla daha iyi sonuçlar verdiği gözlemlenmiştir.
Hidroelektrik santrallerde net düşü değişiminin aktif güç çıkışı üzerine etkisinin incelenmesi
Bu tezde dar rezervuar hacmine ve küçük net düşü aralığına sahip hidroelektrik santrallerin (HES) aktif güç üretim dengesizliklerini azaltmak için yapay sinir ağlarından (YSA) faydalanılan farklı bir yaklaşım sunulmuştur. Çalışmada önce hidroelektrik santrallerden ve santrallerde kullanılan türbin tiplerinden bahsedilmiş ve sonra hız regülatörlerinde kullanılan kontrol yöntemlerine değinilmiştir. İlave olarak hidroelektrik santrallerde net düşü gibi aktif güç üretimini olumsuz etkileyen bazı çevresel etkilerden bahsedilmiştir. Uygulama yapılacak HES için ileri beslemeli geri yayılımlı YSA kullanılmıştır. HES'te paralel çalışan senkron generatörler birbirlerini etkileyeceklerinden, tasarlanan YSA'lar her bir senkron generatör için ayrı ayrı eğitilmiştir. Ağ yapılarının tamamında ortalama karesel hata oranı (MSE) performans fonksiyonu olarak kullanılmıştır. Denetleyici kontrol ve veri toplama sistemi (SCADA) verileri minimum-maksimum normalizasyon yöntemi kullanılarak normalize edilmiştir. Normalizasyon işleminden sonra bu veriler YSA eğitim ve test verileri olarak kullanılmıştır. Elde edilen en iyi sonuçlar farklı eğitim fonksiyonları ile de test edilmiş, farklı YSA modeliyle eğitilerek mümkün olan en iyi sonucun elde edilmesi hedeflenmiştir. Yapılan denemelerde en iyi sonuç alınan YSA ağ yapısı; birinci senkron generatör için çok katmanlı, performans fonksiyonu MSE, eğitim fonksiyonu Trainlm, gizli katmanlarında logaritmik-sigmoid ve çıkış katmanında da lineer aktivasyon fonksiyonu kullanan yapı olmuştur. İkinci senkron generatör için en iyi sonuç alınan YSA yapısı ise; çok katmanlı, performans fonksiyonu MSE, eğitim fonksiyonu Trainlm, gizli katmanlarında tanjant-sigmoid ve çıkış katmanında tanjant-sigmoid aktivasyon fonksiyonu olan yapı olmuştur. En iyi sonuç veren ağ yapıları test edilerek elde edilen sonuçlar çizelgeler halinde verilmiş ve sonuçlar tartışılmıştır.
Dış mekân elektromanyetik maruziyet seviyesinin yapay sinir ağı ve bulanık mantık ile tahmini
Elektromanyetik (EM) kaynakların insan hayatındaki önemi teknolojinin gelişmesiyle birlikte artmaktadır. Elektromanyetik radyasyon çevrede var olan elektronik cihazları ve daha da önemlisi insan sağlığını olumsuz yönde etkileyebilmektedir. Günümüzde bahsedilen sorunları tetikleyebilen yapılardan biri olan baz istasyonu bir bölgedeki insan yoğunluğu ile orantılı olarak radyasyon yaymaktadır. Hastaneler, konser alanları, askeri kışlalar, okullar, alışveriş merkezleri gibi insanların yoğun olarak bulunduğu alanlarda elektromanyetik maruziyet diğer bölgelere göre daha fazladır. EM seviyelerini izin verilen sınırların altında tutmak için bu alanlardaki elektromanyetik radyasyon yoğunluğu hakkında sürekli endişe göstermek önemlidir. Bursa Uludağ Üniversitesi Görükle Yerleşkesi'nde 55000'den fazla öğrenci ve her gün binlerce kişinin ziyaret ettiği bir tıp fakültesi hastanesi bulunmaktadır. Bu nedenle EM düzeyini tespit etmek ve bu değeri ulusal standartların altında tutmak önem arz etmektedir. Bu çalışmada, kampüs genelinde EM seviyelerini incelemek için insan yoğunluğunun çok yüksek olduğu noktalarda elektrik alan şiddetleri statik olarak ölçülmüştür. Elde edilen ölçümler sonucunda yapay sinir ağı ve bulanık mantık yöntemleri ile elektromanyetik alan şiddeti tahmini için modeller geliştirilmiştir. Oluşturulan modeller kullanılarak ölçüm yapılmayan noktalarda elektromanyetik alan seviyesi tahmini yapılmış, ölçüm sonuçlarıyla doğrulanmış ve modellerin performansları karşılaştırılmıştır Ölçüm sonuçları ve tahmin sonuçları, ulusal (BTK) ve uluslararası (ICNIRP) standartların belirlediği sınırlar içinde değerlendirilmiştir. Son olarak, ölçüm tahmin sonuçları, ölçüm noktalarına ve ortalama elektrik alan şiddeti yoğunluğuna göre haritalandırılmıştır.
Sınırlı bir alanda ses kaynağı yönünün deneysel veriler kullanılarak yapay sinir ağı ile tahmin edilmesi
Bu çalışmada, normal koşullar altında daha önceden belirlenmiş ve bir metre karelik alandan alınmış ses seviyesi değerleri kullanılarak, ses kaynağının belli bir uzaklığa göre yönünün bulunması amaçlanmıştır. Sabit genlikte ve frekansta yayın yapan bir ses kaynağı kullanılarak, tertiplenen uygun ortam için, sürekli ilgili ortamı dinleyerek ve verileri kaydederek, yön tayinindeki ilişki incelenmeye çalışılmış ve o alan için bir "konum-ses seviyesi" ilişkisi ortaya konulmuştur. Sistemin fiziksel gerçekliği, ses seviyesi ölçerlerin kaynağa olan uzaklığından meydana gelen ses gücü seviyesi düşmelerine dayanmaktadır. Ses kaynağının, ses seviyesi ölçerlere olan açısı değiştikçe, alınan sistem verilerindeki değişim ve bu değişimle kaynağın yönü arasındaki ilişkisi incelenmiştir. Sistemde beş adet desibel metre kullanılmış ve mesafe, ses seviyesi, ortam gürültüsü, ses kaynağı açısı gibi veriler alınmıştır. Bu veriler kullanılarak, sistemde tanımlanan dört bölge için çeşitli açılarda doğrusallık incelenmiştir. Elde edilen doğrusallık parametreleri ile ortamda başka bir konum için alınan değerler birlikte işleme tâbî tutulduğunda kaynak açısının doğru bulunup bulunmadığı incelenmiştir. Alınan veriler, MATLAB' de yapay sinir ağına tabii tutularak, ses kaynağının bulunduğu bölgenin ve açının tahmin edilmesi sağlanmıştır. Ayrıca doğrusallık incelemesinde elde edilen yön verisi ile yapay sinir ağından alınan yön verisi arasında karşılaştırma yapılmıştır. Tahmin için, geri yayılımlı ileri beslemeli (feed-forward back propagation) gizli katmanında 8 nöron olan yapay sinir ağı yapısı kullanılmıştır. Sonuçlar ve sonuçlar arasındaki ilişkiler grafikler ile ifade edilmiştir.
Muhasebe mesleği sorumluluk sigortalarında yapay sinir ağları yöntemi ile risk değerlemesi
Risk sigortanın temelini oluşturan sigorta sözleşmesinin konusudur. Riskin meydana gelmesi ile oluşacak zarar sigorta ile teminat altına alınmaktadır. Sigortanın önemi gün geçtikçe artmakta ve branşlar bazında gelişme göstermektedir. Mesleki faaliyetlerde bulunan meslek mensuplarının taşıdıkları riskleri güvence altına alan mesleki sorumluluk sigortaları önem kazanmaktadır. Mesleki sorumluluk sigortaları hızla gelişmekte ve yaygınlaşmaktadır. Türkiye'de Mayıs 2007'de muhasebe mesleği sorumluluk sigortası klozu yürürlüğe girmiştir. Muhasebe mesleği sorumluluk sigortaları meslek mensuplarının hukuki risklerini teminat altına alan yeni bir sigorta branşıdır.Araştırmada muhasebe mesleği sorumluluk sigortalarının hukuki risk faktörleri belirlenerek, hukuki risklerini değerlendiren yapay sinir ağı modeli geliştirilmiştir. Araştırmada yapay sinir ağı yöntemi uygulanmıştır. Yapay sinir ağı yöntemi ile elde edilen bulgular, lojistik regresyon ve ayırma analizi yöntemleri ile elde edilen sonuçlarla ile karşılaştırılmıştır. Muhasebe mesleği sorumluluk sigortalarında gerçekleşen hukuki riskle, yapay sinir ağı yönteminin öngördüğü hukuki risk mukayese edildiğinde sonuçların oldukça uyumlu olduğu tespit edilmiştir. Gerçekleşen sonuçlar ile yapay sinir ağı modelinden elde edilen sonuçların gerçek değerlere çok yakın çıktılar verdiği ve yapay sinir ağı modelinin %99 başarı oranında Muhasebe mesleği sorumluluk sigortalarının hukuki risklerinde doğru öngörüde bulunduğu tespit edilmiştir.
Türkiye'nin uzun dönem elektrik yük talep tahmini
Teknoloji çağı olan günümüzde elektrik enerjisinin önemi gün geçtikçe artmaktadır. Elektrik enerjisinin üretimi, iletimi ve dağıtımı ile yükümlü bulunan kuruluşların amacı, üretilen enerjinin tüketicilere sürekli, kaliteli ve ucuz olarak sunulmasını sağlamaktır. Bunu sağlayabilmeleri için de geçmişteki verilerden faydalanarak geleceğe ilişkin tahmin yapmak kaçınılmaz olmuştur. Elbette ki tahmin yapabilmek için çok çeşitli yöntemler kullanılabilmektedir. Bu çalışmada, zaman serisi analizi, çoklu doğrusal regresyon ve yapay sinir ağları (YSA) kullanarak elektrik enerjisi uzun dönem talep tahmini yapılmıştır. Yapılan tahmin çalışmalarının sonuçları; hem kendi aralarında hem de Enerji ve Tabii Kaynaklar Bakanlığı'nın kullanmış olduğu MAED programının sonuçları ile karşılaştırılarak değerlendirilmiştir. Çalışmada; yapay sinir ağlarının geçmişe yönelik veriler için diğer metotlardan daha az hata oranı ile tahmin yapabildiği tespit edilmiştir. Ayrıca YSA metodu gelecek projeksiyonunun ise MAED modeli tahminlerine yakın olduğu görülmüştür.
Finansal tablolardaki hile riskinin belirlenmesi: Yapay sinir ağı modeliyle bir bankada uygulama
Bankaların temel fonksiyonlarından birisinin kredi kullandırımı olması nedeniyle bankaların karşı karşıya kaldığı risklerin başında kredi riski gelmektedir. Finansal tablolara dayalı olarak gerçekleştirilen ticari kredi kullandırımlarında, hileli finansal tablolar üzerinden kullandırılan kredilerin kısmen veya tamamen geri dönüşümünün sağlanamaması kredi riskine sebebiyet vermekte ve bankalar açısından önemli bir sorun oluşturmaktadır. Bu nedenle bankaların kredi riski yönetiminde, finansal tablolardan sağlanan bilgilerin doğruluğu ve güvenirliği büyük önem taşımaktadır.Dolayısıyla bu çalışmanın temel amacı, finansal tablolardaki hile riskinin belirlenmesini ve bu şekilde de bankalarda oluşabilecek kredi riskinin önüne geçilmesini sağlamaktır.Finansal tablolardaki hile riskinin öngörülmesi ve değerlenmesinde yöntem olarak yapay sinir ağı (YSA) teknolojisinden yararlanılmıştır.Araştırma kapsamında bir bankanın ticari ve kurumsal müşterileri içerisinde yer alan ve 97' si manipülatör grup, 192' si ise kontrol grubu olmak üzere toplam 289 adet firmanın 2007 yılı mali verileri analiz edilerek bir YSA modeli geliştirilmiştir.Geliştirilen YSA modeli, finansal tablolardaki hile riskini % 90 oranında doğru tahmin ederek oldukça başarılı sonuçlar ortaya koymuştur. Araştırma sonuçlarına göre YSA modeli ile elde edilen bulgular, istatistiksel yöntemlerden probit model, logit model ve diskriminant analizi yöntemleri ile karşılaştırılmış ve en doğru tahminin YSA modeli ile gerçekleştirildiği sonucuna ulaşılmıştır.
Kan glikoz ve HbA1c değerlerinin avuç içi nem ve vücut parametreleri kullanılarak radyal temelli yapay sinir ağları ile tahmin edilmesi
Bu çalışmada, avuç içi terlemesinden insan kanındaki Glikoz ve HbA1c değerlerinin Radyal Temelli Yapay Sinir Ağları kullanılarak tahmin edilmesi hedeflenmiştir. Diyabet, insandaki terleme miktarını değiştiren bir metabolizma hastalığıdır. İnsanda sadece ayak altı ve avuç içi ter bezleri hem kandaki kimyasallar hem de sinir sistemi tarafından kontrol edilmektedir. Bu nedenle, çalışmada avuç içi terleme değişimlerinden elde edilen parametreler kullanılmıştır. Bu parametrelere ek olarak da cinsiyet, yaş, kilo, boy, boy-kilo endeksi, büyük tansiyon, küçük tansiyon, nabız, ortam sıcaklığı, ortam nemi de giriş parametreleri olarak kullanılmıştır.Deneklerden alınan veriler, hastane biyokimya laboratuar test sonuçlarında açlık kan glikoz ve HbA1c parametreleri teşhis değerlerine göre gruplandırılmıştır. Bu şekilde, açlık kan glikoz değerleri 76,9-467 mg/dl, 76,9-270 mg/dl, 76,9-200 mg/dl, 76,9-150 mg/dl olarak dört gruba ayrılmıştır. 13 giriş kullanılarak radyal temelli yapay sinir ağları ile yapılan eğitim sonucunda sırasıyla %65,34, %70,51, %78,13, %83,32 doğruluk; 8 giriş kullanılarak radyal temelli yapay sinir ağları ile yapılan eğitim sonucunda sırasıyla %52,35, %69,27, %76,06, %82,91 doğruluk elde edilmiştir. Bu şekilde, HbA1c değerleri % 5,47-12,95, % 5,47-10, %5,47-7,5 olarak üç gruba ayrılmıştır. 13 giriş kullanılarak radyal temelli yapay sinir ağları ile yapılan eğitim sonucunda sırasıyla %80,93, %82,24, %92,63 doğruluk; 8 giriş kullanılarak radyal temelli yapay sinir ağları ile yapılan eğitim sonucunda sırasıyla %77,89, %84,08, %92,60, doğruluk elde edilmiştir.Bu çalışma, 109E234 kodlu TÜBİTAK Projesi (Diyabetli Hastalarda ve Sağlıklı Kişilerde Avuç İçi Terlemesinden Kan Glikoz ve HbA1c Değerlerinin Belirlenmesi) kapsamında gerçekleştirilmiştir.Anahtar Kelimeler: Diyabet, Glikoz, HbA1c, Avuç içi Terleme, Terleme Oranı, Radyal Temelli Yapay Sinir Ağları.
Deprem verilerinin analizi için veri madenciliği yaklaşımı
Türkiye, öncelikle deprem olmak üzere çığ, sel, yangın, heyelan gibi doğal afetlere sıklıkla maruz kalmış ve kalmaya da devam eden bir ülkedir. Bu nedenle yaşanan afetlerin yarattığı can ve mal kayıpları ile birlikte ekonomik kayıpların da azaltılması gerekmektedir. Bu da depreme hazırlık aşamasında yapılan etkili bir çalışma ile sağlanabilir. Bu tezde veri madenciliği tekniği ile deprem verilerinin analiz edilip değerlendirilmesi amaçlanmıştır. Veri madenciliği büyük miktarlardaki verinin içinden anlamlı ve yararlı ilişki ve kuralların bilgisayar programları aracılığıyla aranması ve analizidir. Kütahya ve etrafındaki 250 kilometrelik yarıçaplı çemberi kapsayan bölge uygulama bölgesi olarak seçilmiş ve çember etrafında, 1900'lü yıllardan günümüze gelene kadar meydana gelen depremlerin büyüklüğü, zamanı, derinliği, sıcak su kaynağı üzerinde olup olmaması, toprak çeşidi ve Kütahya merkeze olan uzaklığı incelenmiştir. Bu amaçla deprem verilerinin daha anlamlı hale getirilip içerisindeki gizli değerleri analiz edebilmek ve bu verileri değerlendirme imkanı bulabilmek için Weka 3.6.8 veri madenciliği yazılımı kullanılmıştır. Deprem verilerinin sınıflandırılmasında farklı yaklaşımlar kullanılmış ve yapay sinir ağlarının çok katmanlı algılayıcı ağ modeli 0.87 doğruluk oranı ile en uygun yaklaşım olarak bulunmuştur. Bunun dışında deprem verileri ile ilgili daha ayrıntılı analiz için k-ortalamalar algoritması ile kümeleme analizi gerçekleştirilmiştir.