10
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Etiket sadeleştirme: Uyandırma mantık devresinde karmaşıklığı azaltarak güç kazanımı
Program sırasını dağıtan işlemcinin, program sırasını yeniden düzeltmeye yarayan yeniden sıralama belleği dışında, en önemli yapısı yayın kuyruğudur. İşlemci, buyrukları bellekten getirip çözdükten ve diğer bazı dönüşüm işlemlerini yaptıktan sonra çözülmüş buyrukları yayın kuyruğuna atar. Bu kuyrukta buyruklar okuyacakları kaynak verilerinin hazır olmasını bekler. Her iki kaynağı da hazır olan buyruklar yürütülmek üzere işlem birimlerine atanır, işlemlerin tamamlanmasının ardından sonuçlar yazmaç birimine yazılır. Her sonuç üreten buyruk, ürettiği sonucun yazmaç numarasını kendisinden sonra gelen ve bu değere bağımlı olan buyruklara bildirmek için yayın kuyruğuna gönderir. Yayın kuyruğundaki tüm buyruklar, bekledikleri kaynak verilerinin yazmaç numaralarını yayınlanan bu numaralarla bir karşılaştırıcı devre kullanarak karşılaştırır ve numaraların aynı olması durumunda kaynağın hazır olduğunu belirten bir biti birler. Her bir saat vuruşunda çok sayıda karşılaştırma, yazma ve okuma işleminin yapıldığı yayın kuyruğu güncel mikroişlemci çekirdeklerindeki en çok güç tüketen bileşenlerden biridir. Sayısal devrelerde iki tür güç tüketimi vardır: devingen (dinamik) güç tüketimi ve durağan (statik) güç tüketimi. Devingen güç tüketimi işlemlerin yapılması sırasında transistörlerin açılıp kapanması, ara düğümlerdeki sığaların yükle dolup boşalması nedeniyle oluşur. Durağan güç tüketimi ise, işlemcide hiçbir işlem yapılmasa da, transistörlerin, kaynak gerilimi ve toprak arasında, akım sızdırması nedeniyle oluşur. Gittikçe küçülen transistör boyutları sızdırma akımından kaynaklanan durağan güç tüketiminin toplam güç tüketimi içindeki oranını artırmış, yüksek sıcaklıklarda bu güç tüketiminin oranı neredeyse %50 düzeyine gelmiştir.Çok yollu işlemciler dallanma tahmini gibi teknikler kullandığında işlemci hatalı bir tahmin sonucunda olmaması gereken bir duruma düşer. Yanlışlıkla işlenilmeye başlanan buyrukların yazmaçlarının yeniden adlandırmaları bir şekilde geri alınmalı ve doğru duruma dönülmelidir.Bu tezde işlemcinin en fazla güç tüketen yapılarından birisi olan yayın kuyruğunun devingen ve durağan güç tüketiminin azaltılması için yöntemler önerilmektedir. Önerilen yöntemler yayın kuyruğunun hem adres karşılaştıran karşılaştırma devrelerinin karmaşıklığını işlemci boru hattının daha önceki aşamalarına aktararak devingen güç tüketimini azaltmaktadır. Devingen güç tüketiminin artırılması için yayın kuyruğunda saklanan yazmaç numaraları gruplanacak ve yazmaç kuyruğu birden fazla sayıda parçaya bölünerek her bir parçada yalnızca belirli bir genişlikte yazmaç numaralarının karşılaştırılması sağlanacaktır. Bu şekilde yayın kuyruğunda önemli sayıda transistör ve bit kaldırılmakta, güç tüketimiyle birlikte gecikme de azaltılmaktadır. Burada kaldırılan karmaşıklık, güç tüketimi ve gecikme işlemcinin daha rahat işlem yapabileceği ön tarafına aktarılmaktadır.
Virtual and augmented reality based interfaces for choreography generation
Choreography is a vital creative process of defining movement. Digital applications go a long way in helping choreographers achieve their tasks in choreography generation. Thus, since the late 1960's researchers have tried to use the computer in the choreographing process. In the early days choreographing applications made use of 2D stick figures to represent characters. However, as computer processing power and graphics improved 3D realistic models became the norm. These advances in technology have also seen different techniques to interact with computing systems emerging, this has been punctuated by the advent of Natural User Interfaces (NUIs), whose interaction models the way humans naturally interact. NUIs remove the reliance on traditional input methods like keyboards and mouse, but rather focuses on gestures, touch and voice. Furthermore, technologies like Augmented Reality (AR) and Virtual Reality (VR) have transformed interface development. AR presents an interesting way to interface design. It allows users to interact with both the real world and the virtual world simultaneously. Whereas, VR immerses the user into a synthetic world. Thus, it is important to embrace these technologies in the choreographing process. In this study, we investigate the effects of different interaction techniques on user experience for a choreography generator. We evaluated different interactive techniques, which are the direct input methods like touch screen and gestures, and indirect methods like the mouse and keyboard. We also evaluated VR and AR as interfaces for choreographing tools. Our research contributes to the study of how different interaction methods of the same application affect user experience. It also extends the evaluation of VR and AR in training applications. Previous research on VR and AR has shown varying results which differ from domain to domain. Therefore, it is imperative to evaluate these two technologies on choreography tools so that stakeholders in choreography know which interface to invest on. For this reason, we develop an AR based choreography generator and a VR-based choreography generator and compare with a Personal Computer (PC) based choreography generator and a touch-based mobile application for choreography generation. The PC based generator uses the keyboard and mouse as the interaction technique, whilst the mobile application utilizes the touch screen. The AR interface utilizes the touch screen and gestures, whereas the VR interface utilizes the touchpad and gestures. These interfaces allow choreographers to complete the same tasks on them. Using the choreography generator, users can add actors and other props into the scene. The applications allow the choreographer to be in charge of the actors just like in the real world, he/she can define movements of the 3D actors. The choreographer can add from a diverse list of characters. The props are essential to decorate the scene or to help emphasize concepts. The interfaces also have interactive items that allow the choreographer to control the speed of the characters. The PC based interface, the touch-based mobile application interface and the virtual reality based interfaces present the same graphics to the user. These three mainly differ in the interaction method. However, the VR interface also gives the user the immersion effect, whereby a user is immersed into the choreographing world and feels like he/she is inside the virtual environment. Since AR allows users to interact with the real world and virtual objects simultaneously, the AR interface graphics differs significantly from the other interfaces, however it offers the same functionality. AR gives the users the power to use real world objects with computer generated imagery. It presents a flexible way which is important especially with interfaces for training and teaching applications. In this research, we evaluate user performance and user experience on the interfaces in terms of task completion times, as well as subjective criteria, such as mental stress, physical stress, pleasure and frustration experienced. The physical stress scores give us an indication of the physical requirements needed to perform a task, whilst mental stress gives us the cognitive load needed to perform the tasks. These criteria help us investigate the four factors of usability: satisfaction, effectiveness, ease of learning and efficiency. We used usability testing methods to evaluate the four interfaces using a total of 20 test subjects. To obtain objective results we recorded the task completion times, whereas to obtain subjective results a post-test questionnaire was used. Furthermore, the think-aloud technique assisted us to understand the user's psychological experience whilst using the interface. The combination of time it takes to complete tasks, mental load and physical load gives a fair understanding of the efficiency and effectiveness of the interfaces. The experiments were conducted in a controlled environment that was the same for all users. Furthermore, the users used the interfaces randomly to avoid task adaptation. Participants were given four tasks to complete on the interfaces. Firstly, they had to add two dancers to the left and right of the scene. After that they had to add props to the scene. After adding the dancers and props users had to define the path for the dancers to follow. Finally, they had to play the defined choreography. Whilst playing the choreography users were encouraged to explore the system further. This included changing zooming levels and viewing angles. The results show that touch-based approaches produce faster task completion rates. This was attributed to the naturality of using the approach, especially when defining the path using the finger. The results also demonstrated that NUIs are an effective way to enhance user experience. They give users an easier and faster way to complete tasks using intuitive methods. Furthermore, this approach does not require pre-training as users can use their intuition to understand how to interact. The AR interface's ability to zoom in or out and change viewing angles by only moving the mobile device around the marker, gave users a natural approach of performing the zooming task, which is analogous to moving near or further from an object in real life. This gives users a compelling effect which enhances user experience. We also noted that pointer based approaches can be very effective depending on the tasks. Especially with tasks that require a small area of contact to interact the pointer proves to be a good option as it provides precise pointing. The results also verify the effectiveness of AR in developing training and design applications. In the choreographing process AR has an additional advantage as both computer generated imagery and physical objects can be used to emphasize concepts. Therefore, AR gives the choreographer flexibility allowing him/her to define his/her own stage in a way that is necessary for a particular task. Furthermore, the results showed that AR gives users excitement and pleasure which comes from the curiosity it creates. The major downside of mobile AR is the physical stress it exerts on users, which is due to hand movements as the user interacts with the interface. Another downside of AR is due to the errors that arise as the mobile device tilts whilst the user is performing the tasks. This is due to the natural hand tremor. Although VR gives pleasure to users, its high tasks completion rates, and high physical stress scores negatively affect its efficiency and effectiveness in choreography. This adversely impacts its overall usability scores. Therefore, most of the users preferred the AR interface as compared to the three other interfaces. We conclude by proposing an AR interface that utilizes virtual buttons and voice commands to interact. In this way, we can achieve a system that completely embraces the natural user interface approach. We strongly suggest that choreographers should invest in AR, as it is flexible and allows them to use both computer generated imagery and physical objects to illustrate concepts.
Gözetimsiz öznitelik seçim algoritmalarının karşılaştırılması ve entropiye dayalı yeni bir yöntemin önerilmesi
Özellik seçim işlemi, Makine Öğrenimi algoritmalarının çok boyutluluğun lanetinden (curse of dimensionality) etkilenmemesi için çok önemlidir. Özellik seçim algoritmaları bu sorunu çözmeye çalışmaktadır. Ancak, özellik seçim algoritmalarının bazı yetersizlikleri vardır: (i) Her bir makine öğrenme algoritmasının performansı seçilen özellikler üzerinde önemli ölçüde farklı olabilir. (ii) Sınıflandırıcıların performansında, alt kümedeki varyasyona bağlı olarak önemli dalgalanmalar da gözlemlenebilir. (iii) Seçilen özellikler büyük veri kümeleri üzerinde uzun zaman harcayabilmektedir. Bu tezde, yukarıda bahsedilen sorunlarla başa çıkmak için, tek değişkenli ve filtre yaklaşımına dayanan, hızlı bir gözetimsiz özellik seçim algoritması önerilmektedir. Önerilen algoritma hem dağılımın kümülatif entropisini hem de dağılımın simetrisi ile hesaplanan Shannon entropisini her bir boyut için birlikte ele almaktadır. Son teknoloji algoritmalarla yapılan karşılaştırmalar sonucunda deneysel sonuçlar, önerilen yöntemin diğer yöntemlere kıyasla bu sorunlarla daha iyi başa çıkabildiğini göstermektedir.
Sezgisel yaklaşımla web tabanlı zaman çizelgeleme yazılımının geliştirilmesi
Millî Eğitim Bakanlığı'na bağlı okullarda ve üniversitelerde haftalık ders programları oluşturmak uzun bir planlama ve hazırlık gerektirir. Ders programı çizelgeleme problemi (DPÇP), sınıfların, derslerin ve bu derslerden sorumlu öğretmenlerin/öğretim elemanlarının kısıtları ve kurumun özellikleri göz önünde bulundurularak en uygun zaman dilimlerine dağıtılmasını gerektiren bir zaman planlama sorunudur. Bu çalışmada, bir okulun haftalık ders programı incelenmiş, analiz edilmiş ve çözülmüştür.
Makine öğrenmesi ile adres çözümleme protokolü sahteciliğinin tespiti
Adres Çözümleme Protokolü (Address Resolution Protocol - ARP), ağlardaki cihazların IP adreslerini MAC adreslerine dönüştürmek için kullanılan temel bir ağ protokolüdür. Ancak, bu protokolün doğası gereği güvenlik açısından zayıf olması, kötü niyetli kişiler tarafından kolayca manipüle edilmesine ve ARP sahteciliği (ARP spoofing) gibi saldırılara yol açabilmektedir. ARP sahteciliği, ağ güvenliği açısından büyük risk teşkil eden ve hassas verilerin çalınmasına, ağ trafiğinin yönlendirilmesine ve veri bütünlüğünün bozulmasına neden olabilen kritik bir saldırıdır. Bu tezde, ARP sahteciliğinin tespitinde çeşitli makine öğrenmesi ve derin sinir ağları (Deep Neural Networks - DNN) algoritmalarının kullanımına yönelik bir çalışma gerçekleştirilmiştir. Özel olarak, bu çalışmada, yakın zamanda Alani ve ark. tarafından önerilen DNN modelinin kullanıldığı ARP sondası (APR Probe) sistemi gerçeklenmiş ve bağımsız olarak elde ettiğimiz başarım sonuçları, bahsedilen çalışmada bulunan sonuçlarla karşılaştırılmıştır. Aynı çalışmada, DNN modelinin tasarımında Nesneleri̇n İnterneti̇ Ağ Saldırısı Veri̇ Seti̇ (Internet of Things Network Intrution Dataset – IoT-ID) kullanıldığı belirtilmiş olmakla birlikte, çalışmamızda bu veri setinin tamamının kullanılmadığı gözlenmiş ve tamamının kullanılması sonucunda başarım metriklerinin daha düşük olduğu bulunmuştur. Ayrıca, Karar Ağacı, Rastgele Orman, K-En Yakın Komşu ve Lojistik Regresyon gibi makine öğrenmesi yöntemleri kullanılarak performansları DNN ile karşılaştırılmıştır. Bunun bir sonucu olarak, Rastgele Orman ve Karar Ağacı algoritmaları en yüksek doğruluk (sırasıyla, %95.82, %95.94) ve keskinlik (sırasıyla, %93.24, %93.77) değerlerine ulaşarak en iyi performansı göstermiştir. DNN uygulamaları ise özellikle duyarlılık açısından %99.72 ile en yüksek sonucu vermiştir.
Derin öğrenme algoritmaları kullanılarak elektrolüminesans görüntüleri ile fotovoltaik hücrelerde kusur tespiti
Güneş enerjisi santrallerinin küresel ölçekte artan kurulum kapasitesi, PV modüllerin işletme ömrü ve verimliliğinin sürdürülebilirliğini kritik bir mühendislik problemi hâline getirmiştir. Üretim, nakliye ve saha montajı süreçlerinde hücre yüzeyinde oluşan mikro çatlaklar ve yapısal deformasyonlar, zamanla ciddi enerji kayıplarına neden olmaktadır. Bu kusurların tespitinde kullanılan EL görüntüleme tekniği endüstriyel standart olsa da elde edilen görüntülerin manuel analizi yüksek uzmanlık gerektirmekte ve zaman maliyeti oluşturmaktadır. Bu tez çalışmasında, PV hücre kusurlarının otonom, hızlı ve piksel hassasiyetinde tespiti için nesne tespiti ve bölütleme yaklaşımlarını birleştiren hibrit derin öğrenme mimarisi önerilmiştir. Çalışma kapsamında, literatürdeki güncel tek aşamalı tespit algoritmalarından YOLOv11 mimarisi ile temel segmentasyon modeli olan SAM 2 entegre edilmiştir. Önerilen yöntem, YOLOv11 aracılığıyla kusurların konumunu sınırlayıcı kutularla belirlemekte ve bu koordinatları "kutu istemi" olarak SAM 2 modeline ileterek kusurların morfolojik sınırlarını hassas şekilde maskelemektedir. Modelin eğitimi ve testi, EL2021 v10 açık kaynak veri seti ve saha çalışmalarından elde edilen özgün görüntülerin birleştirilmesiyle oluşturulan, toplam 13.631 görselden oluşan kapsamlı veri havuzu üzerinde gerçekleştirilmiştir. Deneysel sonuçlar, geliştirilen hibrit modelin "black_core", "crack", "finger", "horizontal_dislocation", "short_circuit", "star_crack" ve "thick_line" kusur sınıfları genelinde 0.885 mAP@0.5 değerine ulaştığını göstermektedir. Sınıf bazlı analizlerde, "black core" ve "short circuit" gibi belirgin kusurlar %99,5 gibi yüksek AP ile tespit edilirken, tespitin en zor olduğu çatlak sınıfında da literatürle rekabetçi sonuçlar elde edilmiştir. Bu çalışma, YOLOv11'in gerçek zamanlı tespit hızı ile SAM 2'nin "zero-shot" segmentasyon yeteneğini birleştirerek, manuel etiketleme maliyetlerini düşüren ve endüstriyel kalite kontrol süreçlerinde uygulanabilir, yüksek doğruluklu otonom sistem ortaya koymaktadır.
Makine öğrenmesi yöntemleri ile kripto varlık piyasalarında fiyat balonlarının tahmini
Bu tez, kripto varlık piyasalarında, özellikle Bitcoin'de, ani değer kayıplarına yol açan fiyat balonlarının araştırılması ve nedenlerinin makine öğrenmesi yöntemleri ile tespit edilmesini amaçlamaktadır. Kripto piyasalarının yüksek oynaklığı ve karmaşık yapısı, ilgili piyasada fiyat balonlarının varlığı konusunda şüphe uyandırmaktadır. Yapılan çalışmada ilk olarak 1 Ocak 2020 ile 5 Haziran 2024 tarihleri arasındaki veriler analiz edilmiş ve fiyat balonları GSADF testi ile tespit edilmiştir. Sonraki aşamada fiyat balonları, makine öğrenmesi ve derin öğrenme sınıflandırma algoritmaları kullanılarak tahmin edilmektedir. Sınıflandırma tahmini için finansal ve ekonomik değişkenlerin yanı sıra çeşitli teknik indikatörler de türetilerek kullanılmaktadır. Metodolojik olarak, özellik mühendisliği aşamasında makroekonomik göstergelere ek olarak RSI, SMA ve ATR gibi teknik göstergeler kullanılmıştır. Veri sızıntısını önlemek amacıyla tüm değişkenler modele gecikmeli olarak dahil edilmiştir. Modellerin performansı, azınlık sınıfı başarımını ölçmeye uygun Test F1 Skoru, PR-AUC ve ROC-AUC metrikleri ile değerlendirilmiştir. Analiz sonuçlarına göre, makine öğrenmesi modellerine kıyasla RNN modeli, %70 eğitim – %30 test bölünmesinde 0,705 Test F1 skoru ve 0,797 PR-AUC değeri ile en yüksek performansı sergilemiştir. Bu çalışma, fiyat balonlarının varlığını tespit etmek ve veriyi etiketlemek amacıyla ekonometrik GSADF testini kullanmıştır. Belirtilen etiketleri öngörmek amacıyla ise RNN tabanlı derin öğrenme mimarisini kullanan iki aşamalı bütünleşik bir metodoloji sunmaktadır. Elde edilen bulgular üç temel alanda somut katkı sağlamaktadır. İlk olarak yatırımcılar için spekülatif balon dönemlerinde riskleri azaltmaya yardımcı olan bir erken uyarı mekanizması sunmaktadır. İkinci olarak düzenleyici kurumlar açısından piyasa gözetimine yönelik uygulanabilir bir analitik çerçeve önermektedir. Son olarak akademik literatüre, finansal zaman serilerinde zaman bağımlılığını modelleyebilen RNN tabanlı yaklaşımların, geleneksel modellere kıyasla daha güçlü genelleme yeteneğine sahip olduğunu ampirik olarak göstermektedir.
Histopatolojik görüntülerde derin öğrenme temelli öğreticisiz doku bölütlemesi
In the current practice of medicine, histopathological examination of tissues is essential for cancer diagnosis. However, this task is both subject to observer variability and time consuming for pathologists. Thus, it is important to develop automated objective tools, the first step of which usually comprises image segmentation. According to this need, in this thesis, we propose a novel approach for the segmentation of histopathological tissue images. Our proposed method, called deepSeg, is a two-tier method. The first tier transfers the knowledge from AlexNet, which is a convolutional neural network (CNN) trained for the non-medical domain of ImageNet, to the medical domain of histopathological tissue image characterization. The second tier uses this characterization in a seed-controlled region growing algorithm, for the unsupervised segmentation of heterogeneous tissue images into their homogeneous regions. To test the effectiveness of the segmentation, we conduct experiments on microscopic colon tissue images. Quantitative results reveal that the proposed method improves the performance of the previous methods that work on the same dataset. This study both illustrates one of the first successful demonstrations of using deep learning for tissue image segmentation, and shows the power of using deep learning features instead of handcrafted ones in the domain of histopathological image analysis.
Araç konum tahmini ve araç sınıflandırması derin evrimsel sinir ağları kullanarak
The aim of this master's thesis is to classify the vehicles and estimate the position with license plate localization using Deep Convolutional Neural Network (DCNN). Vehicle pose estimation with license plate localization serves as one of the most widely-used real-world applications in fields like toll control, traffic scene analysis, and suspected vehicle tracking. Along with license plate information, to obtain overall comprehension, the information of the owner vehicle also plays a great role, and contextual information is defined as the relationship between the vehicles pose license plate and the owner vehicle in our work. We proposed a one-stage anchor-free vehicle classifier for simultaneously localizing the region of license plates and vehicles' poses. The classifier, rather than bounding rectangles, gives bounding quadrilaterals, which gives a more precise indication for vehicle pose estimation with license plates localization. For single scale input, we reached mean Precision Accuracy mAP/mAP50 of 35.4/82.3 on the Laboratory for Intelligence and Safe Automobile (LISA) benchmark dataset, already outperformed the existing commercial systems OpenALPR and Sighthound. For multi-scale input, we reached the best mAP/mAP50 of 40.8/90.1. For the vehicle pose (front-rear), classification accuracy reached 98.8%, average IoU reached 71.3%, giving a promising result as an end-to-end vehicle position estimation and license plate localization with contextual information. The work has performed in python programming language with several libraries of deep learning were being used for this purpose. There are three functional head networks in our design, and thus the end-to-end and simultaneous training leads to a potential training instability. If the model fails to converge, it is quite hard to trace which head design is raising a problem. Thus, in our design process, we added each the functional head step-by-step, making sure the single head design idea is working correctly and then expanded the model with the rest functional heads. Our DCNN model training started from an initial weight which we had already trained for about 110000 iterations in the model without classification head, so the total training iterations will be around 780000 including the transfer learning part in DCNN. Transfer learning made the DCNN model start at a smart point and made it easier to optimize all of the functional heads simultaneously. Keywords: Vehicle classification, pose estimation, optimization, DCNN, transfer learning, license plate, localization, deep learning.
Israrlı ortam erişim kontrol protokolü tasarlama ve hizmet kalitesinde enerji bilinçli yönlendirme garantili kablosuz vücut alanı ağı
Wireless body area network (WBAN) is a type of wireless sensor network that enables efficient healthcare systems. To minimize frequent sensor replacement due to resource restrictions, it is necessary to improve energy efficiency in WBAN. This thesis deals with energy efficiency and QoS improvement together in novel WBAN architecture. A novel WBAN architecture is designed with dual sink nodes in order to minimize delay and energy consumption. A novel insistence aware medium access control (IA-MAC) protocol which is aware of criticality of sensed data is presented in proposed WBAN. Prior-knowledge based weighted routing (PWR) algorithm is responsible to select optimal route for data transmission. In PWR, weight value is computed by considering significant metrics such as residual energy, link stability, distance, delay, etc. in order to improve energy efficiency and QoS in the network. Energy consumption is further minimized by incorporating graph based sleep scheduling (GSS) algorithm. In GSS, criticality of sensor node also considered as major metric. In coordinator, split and map based neural network (SMNN) classifier is involved to perform packet classification. After classification, packets are assigned to corresponding sink node accordance to packet type. Then, throughput and delay metrics are improved by frame aggregation process which is involved in sink node. Extensive simulation in OMNeT++ shows better performance in network lifetime, throughput, residual energy, dropped packets, and delay.