1,924
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Derin öğrenme yöntemi ile köpek davranışlarının analizi ve sınıflandırılması
Hayvan yüzlerinin, vücut duruşlarının, davranışlarının ve fiziksel hareketlerinin gözlenmesi ve tanınması son zamanlarda disiplinlerarası bir alan olarak ön plana çıkmıştır. Bilgisayarlı görü, sayısal görüntü işleme gibi alanlardaki önemli teknolojik gelişmeler, videolar üzerinde insan davranışlarının analizinde kullanılabilmesinin yanında hayvan davranışlarının tespit edilmesinde yardımcı bir yöntem olmaktadır. Hayvanlarda, özellikle davranışların bilgisayarlı görü yöntemiyle tespiti ile ortaya çıkabilecek sonraki davranışların öngörülmesine ve hayvanların evcilleştirilmesine katkı sunabilir. Önerilen tez çalışmasında, köpeklerin davranışlarının analiz edilmesi ve sınıflandırılması için derin öğrenmeye dayalı bir sistem önerilmiştir. Giydirilebilir aksiyon kamera ve sabit kamera kullanılarak insanlar ile temastan kaçınmayan iki farklı türde köpeğin davranışlarını içeren videolar toplanarak bir veri seti oluşturulmuştur. Sonraki aşamada ise, köpeklerin davranışlarını analiz eden ve sınıflandırılmasını sağlayan derin öğrenme tabanlı uygulama gerçekleştirilmiştir. Elde edilen videolar üzerinde gerekli analizler yapıldıktan sonra belirlenen ağız açma, dil çıkarma, kulak dikme, kuyruk sallama, koklama, oyun oynama gibi davranışlar videolardan çıkarılarak, daha anlamlı bölümlerden oluşan özelleştirilmiş bir veri seti getirilmiştir. Bu videolardan anlamlı bölümlerin elde edilmesi ve özellik çıkarımı yapıldıktan sonra R-CNN (Bölgesel Evrişimsel Sinirsel Ağlar) ile belirlenen davranışların analizi gerçekleştirilmiştir. Yapılan deneysel çalışmalar üzerinde, köpeklerin ağız açma, dil çıkarma, kulak dikme, kuyruk sallama, koklama, oyun oynama davranışları incelenmiş ve bu davranışlar için sırasıyla %100, %99.99, %99.99, %95.99, %99.28, %99.64 eğitim başarımı elde edilmiştir. Anahtar Kelimeler: Derin Öğrenme; Evrişimsel Sinir Ağları(ESA, CNN); Bilgisayarlı Görü; Köpek Davranışları; Hayvan Davranış Tespiti.
Düşük başarımlı web uygulaması problem analizi ve iyileştirme çalışması: Öğrenci bilgi sistemi ders seçme modülü örneği
Üniversitelerin tamamında, öğrencinin tüm eğitim süreçlerinin takip edildiği öğrenci bilgi otomasyon sistemleri bulunmaktadır. Ders seçme haftalarında yaşanan aşırı yoğunluk nedeniyle, birçok üniversitede sunucular gelen talep trafiğine cevap veremediğinden sistemin durmasına yol açmaktadır. Bu çalışma kapsamında, Bilecik Şeyh Edebali Üniversitesinin kullanmış olduğu öğrenci bilgi sistemi yazılımı incelenip, yazılım mimarisinde kullanılan sorgulama teknolojilerinde ve sunucu yapılandırmasında geliştirmeler yapılarak bu problemin önüne geçilmiştir. Yeni geliştirilen sistemde ASP.Net mimarisi yerine MVC mimarisi kullanılmıştır. Bu mimariyle birlikte tasarım kısmında Bootstrap kullanılmıştır. Tasarım farklı boyutlardaki ekranlarda uyumlu çalışması sağlanmıştır. Eski sistem incelendiğinde birçok hesaplama C#'ta, yani sunucu tarafında yapılıyorken sunucuya binen yükü istemcilere taşımak amacıyla hesaplamaların birçoğu JavaScript'te alınmıştır. Bu sayede yapılacak hesaplamaların her birini sunucu değil öğrencinin kullandığı bilgisayarın yapması sağlanmıştır. Bu hesaplamaları yapmak için kullanılan verilerin birbirinin sonucuna bağlı olmayan karmaşık sorguları multi-thread yöntemi ile paralel şekilde sorgulanarak işlemlerin hızlandırılması sağlanmıştır. Sistemde bir kullanıcının işlem yapması için geçen süre geliştirmeler sayesinde yaklaşık 10 kattan fazla zaman kazancı elde edilerek, IIS'te oluşan kuyrukta bekleme süreleri azaltılıp sistemin hataya düşmesi engellemiştir. Yapılan yazılımsal geliştirmelere ek olarak, uygulama tek bir sunucu üzerinde çalışırken Load Banlance işlemi yapılarak gelen client yoğunluğu dört sunucuya dağıtılmış ve sunucuların önüne talepleri karşılayan bir balancer sunucusu konulmuştur. Bu sayede tekrar benzeri bir problem ile karşılaşılırsa arkada worker olarak çalışan sunucuların sayısı arttırılıp sistemin ayakta kalması sağlanmıştır. Genel olarak, hata ve uygulanan çözüm yöntemine bakıldığında sadece öğrenci otomasyonunda ders seçme modülünde değil yoğunluğa bağlı problem yaşayan tüm otomasyon yazılımları için bu çözümlerin uygulanabilir olduğu düşünülmektedir. Anahtar Kelimeler: MVC; Load Balance; Multi Thread; Yazılım Performansı; Otomasyon
MR spektroskopi verileri üzerinde beyin tümörlerinin bilgisayar destekli otomatik evrelenmesi
Beyin tümörlerinde diğer tümör çeşitlerinde olduğu gibi son yıllarda hızlı bir artış görülmektedir. Özellikle kanser olarak bilinen kötü huylu beyin tümörlerinin teşhisinde geç kalınması durumunda çok fazla sayıda hasta yaşamını kaybedebilmektedir. Bu nedenle erken ve doğru teşhis kanser tedavisinde hayati derecede önem taşımaktadır. Beyin tümörlerinin tespit aşamasında kullanılan en yaygın yöntemler Manyetik Rezonans Görüntüleme ve patolojik incelemelerdir. Biyopsi gibi patolojik invaziv yöntemler hastalık ve ölüm gibi çeşitli gibi riskleri beraberinde getirmektedir. Bu yüzden MR Görüntüleme ve MR Spektroskopi gibi invaziv olmayan yöntemler konusunda araştırma ve çalışmalar son yıllarda yaygınlaşmıştır. Bu çalışmada LSTM (Long Short Term Memory – Uzun Kısa Vadeli Hafıza) sinir ağlarını kullanarak birden fazla beyin tümörüne sahip hastadan ve sağlıklı hastalardan alınan Manyetik Rezonans Spektroskopi verilerini kullanarak farklı evrelerdeki beyin tümörlerinin sınıflandırılması gerçekleştirilmiştir. Verisetinde bulunan 179 kişiden alınan MR Spektroskopi sinyalleri üzerinde, bilgisayar destekli otomatik teşhis sistemine dayalı bir yöntem öneren bu çalışma sonucunda, geliştirilen uygulama ile tümör bulunmayan kişiler, iyi huylu ve kötü huylu tümör bulunan hastalar arasında yapılan sınıflandırma çalışmaları neticesinde evrelemenin %98.33 oranında başarım ile sağlandığı görülmüştür.
Döner kanatlı İHA otonom iniş denetleme yazılımının geliştirilmesi
İnsansız Hava Araçları (İHA), insan kontrolüne gerek duymadan otonom olarak uçabilen ya da bir yer istasyonu vasıtasıyla kontrol edilebilen hava araçlardır. Günümüzdeki teknolojik gelişmelere paralel olarak İHA'ların kullanımında da büyük bir artış gözlenmiştir. Bu kapsamda, İHA'ların yaygın kullanımıyla birlikte yeni çalışma alanlarına da ihtiyaç duyulmuştur. Yapılan araştırmalar sonucunda, otonom kontrol çalışmalarının diğer alanlara göre ön plana çıktığı görülmüştür. Bu çalışma kapsamında, İHA'lar için görüntü işleme tabanlı bir otonom iniş sistemi gerçekleştirilmiştir. İHA'nın alt kısmında bulunan yüksek çözünürlüklü ve geniş açılı kamera yardımıyla alınan görüntüler, Linux tabanlı işletim sistemi üzerinde görüntü işleme tekniklerine tabi tutularak iniş pistinin tespit edilmesi sağlanmaktadır. Tespit edilen iniş pisti, ortasında "H" harfi bulunan çember biçimindeki bir düzlem olarak tasarlanmıştır. Çemberin ve "H" harfinin rengi kırmızı seçilmiştir. Görüntü işleme teknikleri ile iniş pisti tespit edildikten sonra İHA, pist ile iz düşüm olarak üst üste geldiği anda havada askıda kalma moduna geçer. İHA'nın yüksekliği belirli bir oranda otonom olarak azaltılır. İHA, istenen yüksekliğe geldikten sonra, motorlar durdurularak iniş işlemi tamamlanır.
Web trafik verilerinde yapay bağışıklık algoritmaları ile anomali tespiti
Günümüzde internet dünyasında farklı türdeki tehditler ve saldırılar artarak devam etmekte ve buna paralel olarak alınan güvenlik önlemlerinde de önemli gelişmeler olmaktadır. Ağ ve web trafiğinde artan kullanıcı sayısı ile paylaşılan veri miktarında meydana gelen ciddi güvenlik zafiyetleri, doğrudan veri sızıntısına sebep olabilmektedir. Bu veri sızıntılarının büyük oranda önlenmesi, çözülmesi gereken önemli bir sorun haline gelmiştir. Özellikle bu alanda yapılan çalışmalar göz önünde bulundurularak hata tespitinin insan hata toleransından çıkarılarak bir sistematiğe bağlanması ve önlem alınması önem taşımaktadır. Bu nedenle, çevrimiçi ziyaretçi sayılarının oranı ile zaman serileri şeklinde gösterilen web trafik verilerinde anormal değişikliklerin hızlı ve doğru bir şekilde tespiti ve önlenmesi büyük önem taşımaktadır. Ağ verilerinde anormal trafiklerin tespiti için farklı metodolojiler ve veri sınıflandırılma teknikleri kullanılmaktadır. Bu problem genellikle sinyal pencereleri üzerinde özellik çıkarılarak sınıflandırma yapılarak değerlendirilmektedir. Bu tez çalışmasında, ağ üzerindeki anormal web trafiklerinin tespiti için Yapay Bağışıklık Sistemlerinin Negatif Seçim Algoritmasına (NSA) dayalı bir yöntem önerilmiş ve kullanıcı dostu bir uygulama yazılımı geliştirilmiştir. Web trafiği için Yahoo Webscope S5 verisetinde bulunan gerçek veriler kullanılmış ve pencere kaydırma yöntemi kullanılarak veriler pencerelere ayrılmıştır. Yapılan deneysel çalışmalarda, web trafik verilerinde oluşan anormal trafik verilerinin tespiti, NSA'nın yapısında bulunan aktifleşen detektör sayılarındaki değişimin izlenmesi ile gerçekleştirilmiştir. Tez çalışması kapsamında önerilen NSA destekli yöntem ile bir web trafik verisi içerisindeki anomalileri doğru bulma konusunda ortalama %94.30, genel sınıflandırma oranında ise ortalama %97.69 başarım elde edildiği görülmüştür.
Aşırı öğrenme makineleri ile dinamik sistem modelleme
Sinir ağları (SA) birçok mühendislik ve bilim problemiyle ile ilgili çözüm üretmek için kullanılırlar. Bu mimarilerin eğitim için kullanılan algoritmaları, genellikle yinelemeli algoritmalardır. İleri beslemeli sinir ağlarında eşik ve bağlantı ağırlık değerlerinin belirlemek için türev tabanlı yinelemeli algoritmalar kullanılır. Türev tabanlı yinelemeli algoritmaların eğitim süresinin yavaş olması yeni arayışların başlamasına sebep olmuştur. Bu yavaşlığın üstesinden gelmek için aşırı öğrenme makineleri (AÖM) kavramı önemli bir gelişim göstermiştir. AÖM tek gizli katmanlı ileri beslemeli ağlar için geliştirilmiş bir öğrenme algoritmasıdır. AÖM öğrenme algoritması eğitim süresi açısından büyük bir üstünlük sunsa da genelleme yeteneği olarak aynı başarımı gösterdiği söylenemez. İşte bundan dolayı geleneksel aşırı öğrenme makinelerinin bir araya gelerek oluşturduğu Meta-AÖM adı verilen yeni bir öğrenme algoritması geliştirilmiştir. Bu çalışmamızda, Meta-AÖM ile eğitilen yapay sinir ağlarının dinamik sistem modelleme başarımı incelenmiştir. Literatürden seçilen yedi farklı dinamik sistem için bu çalışmada kullanılmak üzere eğitim ve test veri kümeleri hazırlanmıştır. Eğitim kümeleri kullanılarak, her bir dinamik sistem için AÖM eğitim yöntemiyle Meta-AÖM sistem tanımlama modeli elde edilmiştir. Her bir dinamik sistem için eğitim evresi ile oluşturulan Meta-AÖM modellerinin test veri kümeleri ile de genelleme başarımları elde edilmiştir. Modelleme Meta-AÖM için farklı ağ parametreleriyle eğitim ve test veri kümeleri benzer şekilde kullanılarak tekrarlanmış, elde edilen sonuçlar ile istatiksel karşılaştırma yapılmıştır. Elde edilen sonuçlara dayalı olarak, önerilen yaklaşımın başarım değişiklikleri gösterilmiştir. Sonuç olarak, Meta-AÖMyi yapılandırmak için hücre/düğüm sayısı ve gruptaki AÖM sayısı seçimi hakkında genel bir değerlendirme yapılıp öneriler sunulmuştur.
HASAR(hava saldırı robotu)
Teknolojinin gelişmesiyle birlikte otonom ve akıllı sistemler hayatımıza girmeye başlamıştır. Artan güvenlik ve savunma sanayi ihtiyacı bu yeni teknolojik sistemlerin bu alanda da gelişmesini sağlamıştır. Bu sayede insan hayatını tehlikeye atabilecek görevlerde bilgileri kendi kendine yorumlayan, kararlar alıp yürüten sistemler görev alacaktır. İlerleyen yıllarda bu tür sistemlere diğer ülkelerin de sahip olacağı düşünülürse bu konuda yeni rekabet ortamlarının doğacağı kesindir. Bu çalışmada ülkemizin güvenlik, istihbarat ve savunma sanayisi alanlarında çok sayıda görevi tek başına yürütecek, yüksek hız ve manevra kabiliyetine sahip, üzerinde faydalı yük ve silah sistemi taşıyabilecek bir mini hava robotunun gerçekleştirilmesi hedeflenmiştir. Maliyeti düşük ve boyutları küçük tutulan bu robot, yürüteceği görevlere göre farklı donanımlarla donatılabilmektedir.
Araç takip sistemi ile sevkiyat yönetimi
Günümüzde rekabetin artması ve teknolojinin hızla ilerlemesi ile firmaların kendilerini sürekli yenilemeleri gerekmektedir. Bu durumda müşteri taleplerinin zamanında ve eksiksiz olarak en düşük maliyetle karşılanması büyük önem taşımaktadır. Kurumsal Kaynak Planlama (Enterprise Resource Planning, ERP) kullanan büyük ölçekli firmaların depolarının sevkiyat yönetiminin verimli bir şekilde yürütmesi için müşterilerin taleplerinin zamanında ve en düşük maliyetle karşılanmasının planlanması için sistematik bir araç rotalama optimizasyonu gerekmektedir. Araç Takip Sistemleri (ATS), üzerinde Küresel Konumlama Sistemi (Global Positioning System, GPS) alıcısı ve General Packet Radio Service (GPRS) modem bulunduran ve her türlü araçların anlık hız ve konum bilgilerinin belirlenmesini ve bu bilgileri GPRS modem aracılığıyla bir merkeze yönlendirmesi sağlayan sistemdir. Bir web servis ile bir merkez üzerinden alınan verilerin veritabanında toplanarak işlenip kullanıcı tarafından izlenmesi ve yönlendirilmesi amacıyla tasarlanmış bir sistemidir. ERP kullanan bir firma için, eş zamanlı bir veya birden fazla araç için sevkiyat işlemini kolaylaştırmak adına uygun rotaların karınca kolonisi algoritması ile hesaplanıp ve en uygun rotayı kullanıcıya sunan bir sistem tasarlanmıştır. VB.Net dili kullanılmıştır. Bir aracın sevkiyata başlayıp ve bitişine kadar alınan tüm veriler işlenerek yorumlanmıştır. Araç takip sisteminden gelen verileri veritabanına kaydetmek için servis uygulama yazılmıştır. Firmanın kullanmış olduğu ERP uygulamaya entegre olarak çalışan ve en uygun rotayı kullanıcıya sunan bir uygulama geliştirilmiştir. Sevkiyata başlayan araçların ATS tarafından gönderilen verilerini işleyen ayrı bir servis uygulama yazılmıştır. Toplam 3 ayrı uygulama yazılmıştır. Araç takip sistemini sevkiyat yönetimine dahil edilmesiyle birlikte sevkiyat süreleri kısaltılmış, toplam yakıt tüketimlerinde azalma görülmüş, sevkiyat yapan personellerin performans değerlendirmeleri raporlanmış, firma deposu ve müşteriler arasındaki iletişim problemleri büyük oranda çözüme ulaştırılmıştır.
Raylı sistem tam ve eş zamanlı benzetim ortamının yazılımsal uyarlanması
Son yıllarda şehirlerde yaşayan nüfusun artmasıyla birlikte raylı sistem yatırımları bütün dünyada ve ülkemizde çok hızlı bir şekilde artmaktadır. Artan nüfusa bağlı olarak artan ihtiyaçların karşılanması için raylı sistem araç üretimlerindeki hız çok önemli bir faktör haline gelmiştir. Bu tez çalışmasında; raylı sistem üreticileri ve işletmeleri için, araç üretilmeden önce, aracın bire bir aynı kontrol paneli, araç kontrol ünitesi, giriş-çıkış modülleri, insan makine arayüzleri ve yazılımların benzetimlerinin yapılacağı ayrıca tramvay araçlarında kullanılan ekipmanların testlerinin de yapılabileceği DurSim (Durma Simülatör) benzetim ortamı üzerinde çalışılmıştır. Bu benzetim ortamı ile yapılan testler sonucunda ekipmanların yeterliliği ve kullanılabilirliği belirlenebilecek olup, mevcut araç yazılımlarının testleri birebir araç üzerinde yapılmış gibi DurSim yardımıyla dinamik olarak test edilebilecektir. Bu tez çalışması sonucunda geliştirilen DurSim ile aracın üretiminden sonra ortaya çıkması muhtemel yazılımsal veya donanımsal eksiklikler ve hataların tespit edilmesi, tespit edilen hatalar ve eksikliklerin raylı sistem araç üretiminden önce giderilmesi ve bu sayede sıfır hatalı raylı sistem araç üretimi hedeflenmektedir. Ayrıca DurSim ile raylı sistem araç sürücülerinin eğitimlerinin verilmesi hedeflenmektedir, bu sayede sürücülerin kontrol paneli ve insan makine arayüzünün kullanımını öğrenmeleri sağlanacaktır. Böylece hiçbir risk faktörü olmadan sürücü eğitimlerinin güvenli, yetkin ve düşük maliyetli bir şekilde gerçekleştirilmesi sağlanmış olacaktır.
Manyetik rezonans spektroskopi sinyalleri kullanılarak uzun kısa süreli bellek tipi derin sinir ağları ile sahte beyin tümörlerinin bilgisayar destekli tespiti
Manyetik rezonans spektroskopi (MRS) günümüzde beyin tümörlerinin tespitinde kullanılan müdahalesiz araçlardan biridir. Biyopsi gibi ameliyata bağlı enfeksiyon ve ölüm riski getirmediği için hekimler tarafından son yıllarda yaygın olarak tercih edilmektedir. MRS beyinle ilgili metabolik bir profil sunmaktadır. Bu profilde tümör ve sahte tümörlerin MRS örüntüleri birbirleri ile benzerlik gösterebilmektedir. Bu sebepten dolayı beyin tümörünün doğru teşhisi ve sınıflandırılması, hastanın tedavi planlaması açısından hayati bir önem taşımaktadır. Bu çalışmada, MRS verileri kullanılarak, derin sinir ağları ile gerçek beyin tümörleri ve normal beyin dokusu ile sahte beyin tümörlerinin ikili sınıflandırılması sağlanmıştır. Çalışma kapsamında yürütülen deneysel çalışmalarda, Uzun Kısa Süreli Bellek (UKSB) ve Çift Yönlü Uzun Kısa Süreli Bellek (ÇY-UKSB) derin sinir ağları mimarileri kullanılmıştır. Bu çalışmada deneysel çalışmalar için, INTERPRET (International Network for Pattern Recognition of Tumours using Magnetic Resonance) veritabanında bulunan 29 adet glioblastom beyin tümörü, 26 adet normal beyin dokusu, 19 adet metastatik beyin tümörü, 9 adet diffüz astrositom beyin tümörü ve 9 adet sahte beyin tümörüne ait MRS sinyalleri kullanılmıştır. UKSB sinir ağlarının eğitimi ve test edilmesi için çok sayıda tümör ve sahte tümöre ait MRS verisini elde etmek gerçek dünyada zor bir prosedürel süreç olduğundan, ağ eğitilmeden ve test edilmeden önce, MRS veriseti için veri büyütme (çoğaltma) yöntemleri ile veri sayısı çoğaltılmıştır. UKSB sinir ağları bu veriler ile eğitilmiş ve test edilmiştir. Kullanılan UKSB sinir ağlarının eğitim ve testleri esnasında her model için tekrarlı k-kat çapraz doğrulama yöntemi kullanılmıştır. Eğitimler, her model için 5 kat ve 10 tekrar ile yapılmıştır. MRS verilerini bilgisayar destekli ikili sınıflandırmaya dayalı bir yöntem öneren bu çalışma sonucunda, geliştirilen uygulama ile yapılan testlerde, glioblastom beyin tümörü ve sahte beyin tümör sınıflandırmasında UKSB modeli ile %93.44, diffüz astrositom beyin tümörü ve sahte beyin tümörü sınıflandırmasında ÇY-UKSB modeli ile %85.56, metastatik beyin tümörü ve sahte beyin tümörü sınıflandırmasında UKSB modeli ile %88.33 ve normal beyin dokusu ve sahte beyin tümörü sınıflandırmasında ÇY-UKSB modeli ile %99.23 doğruluk başarımı elde edilmiştir.
Üniversitedeki veri sistemleriyle entegre olacak şekilde yeniden modellenen iş süreçlerinden elde edilecek kazanımlar
İş süreçleri modellemesi, kurumların süreçlerini analiz etmek, yeniden tasarlamak, iyileştirmek ve süreç otomasyonunu sağlamak gibi amaçlarla kullanılan bir araçtır. Son yıllarda süreç modelleme faaliyetleri kamu kurumları tarafından da sıklıkla gerçekleştirilmeye başlanmıştır. Bu doğrultuda kurumların analiz ettikleri süreçlerini tasarlayabilecekleri bir İş Süreci Yönetim Sistemi Yazılımı (İSYSY) ihtiyacı doğmaktadır. Kamu kurumlarında işlerin büyük ölçüde elektronik belge ve yazışmalar ile yapıldığını düşünürsek, İSYSY'nin kurumdaki mevcut Elektronik Belge ve Yönetim Sistemi (EBYS) ile uyumlu olması ihtiyacı doğmaktadır. İş Süreçleri Geliştirme ve İyileştirme Çalışmaları (İSGİÇ) kapsamında yapılan bu çalışmada, kurumun genelini ilgilendiren, personelin birimler arası yaptığı resmi yazışmalardan kaynaklanan iş yükünün yoğun olduğu ve iyileştirme çalışmaları ile ölçeklenebilir zaman tasarrufu sağlayacak süreçler belirlenmiştir. Yasal mevzuatlara aykırı durum olmaması için paydaş birimler ile koordineli bir şekilde süreçlerin işleyiş analiz çalışmaları yapılmıştır. Bu çalışmaların amacı; süreçlerin analiz edilip iyileştirilmesi, ihtiyaç olması halinde veri sistemleri ile entegre edilerek veri alışverişi sağlanması ve süreç tanımlarının oluşturulmasıdır. Bu doğrultuda ilk olarak bilimsel/sanatsal etkinliklere katılım süreci analiz edilmiş ve gerekli iyileştirme çalışmaları yapıldıktan sonra Üniversite Öğrenci Bilgi Sisteminin (ÖBS) ve Personel Bilgi Sisteminin (PBS) veri tabanlarıyla entegreli olacak şekilde elektronik ortama aktarılmıştır. Tanımlanan bu sürece başvuru yapan akademik personelin akademik dönem içerisinde istekte bulunduğu görevlendirme tarih aralığındaki ders programı bilgisi başvuru formuna aktarılmıştır. Bu başvuru sürecinde, birimler arasında yapılan resmi yazışmalardan kaynaklanan iş yükü büyük ölçüde azaltılmıştır. Ayrıca başvuru formu akışında gerekli iş adımlarında kullanılan kontroller, yönergeye aykırı durumları başvuru aşamasında engelleyecek şekilde tasarlanmıştır. Bu sayede ilgili birim tarafından reddedilmesi muhtemel başvuruların önüne geçilerek zaman ve performans kazancı elde edilmiştir.
Bilecik ilinde ilköğretimden liseye geçiş sınavlarında makine öğrenmesi yöntemleri ile öğrenci başarısının tahmini
İyi bir öğretim süreci öğrencilerin ihtiyaçlarının karşılanma gerekliliği ile doğru orantılıdır. Bu anlamda öğrencilerin akademik başarılarının tahmin edilmesi de eğitim kurumları için önem arz etmektedir. Son yıllarda ülkemizde birçok alanda olduğu gibi eğitim alanında da farklı projelerin hayata geçirilmesiyle öğrenci başarılarında artış gözlemlenmiştir. Özellikle Türkçe, Matematik ve Fen Bilgisi derslerindeki başarı artışı ele alındığında, eğitimin kalitesini korumak ve geliştirmek için öğrencilere ait önemli veri ve bilgiler düzenli olarak toplanıp çok sınıflı makine öğrenmesi yöntemleri kullanılarak çıkarılan sonuçlar okul yönetimlerince değerlendirilmelidir. Bu çalışmada öğrenci performansını etkilemesi beklenen değişkenler olan çeşitli demografik, sosyal / duygusal ve kapalı uçlu sorular içeren 32 soruluk anket, 2019 yılında sınav puanıyla öğrenci alan 4 farklı lise grubundaki 9.sınıf ve halen ortaokul 8.sınıfta okuyan öğrencilere uygulanmıştır. Kâğıt sayfalara dayanan öğrenci akademik bilgileri ile anket sonuçları üzerinden elde edilen veriler birleştirilip çok sınıflı makine öğrenmesi yöntemleri ile model oluşturarak başarı tahmini yapılmıştır. Öncelikle verilere öznitelik çıkarma yöntemi uygulanarak başlangıçtaki özniteliklerimizin en iyi bilgi veren bir alt kümesi elde edilmiştir. Bu filtrelenmiş özniteliklerle oluşturulan çok sınıflı makine öğrenmesi modelleri karşılaştırılarak, Random Forest yönteminin en iyi sonucu verdiği gözlemlenmiştir.
Meme kanserinin histopatolojik görüntüler üzerinde derin sinir ağları kullanılarak bilgisayar destekli otomatik tespiti
Günümüzde kadınlar arasında en sık görülen kanser türü meme kanseridir ve akciğer kanserinden sonra oldukça yüksek bir ölüm oranına sahip olarak ikinci sırada yer alır. Geç tespit durumunda ise meme kanseri tedavisi oldukça zor bir duruma gelmektedir. Meme kanserinin tespiti için çeşitli yöntemler bulunmasına karşın halen yardımcı tespit ve tedavi yöntemlerine olan ihtiyaç önem arz etmektedir. Bu çalışmada meme kanserinin histopatolojik görüntülerde tespiti için derin sinir ağları kullanılarak bir model önerilmiştir. Kullanılan veriseti 40X, 100X, 200X ve 400X yakınlaştırma oranlarına sahip ve toplamda 7909 adet histopatolojik görüntü içeren BreakHis'tir. Önerilen derin sinir ağı modelinde DenseNet201, Inception V3, ResNet50 ve Xception olmak üzere dört farklı ön-eğitimli ağ kullanılarak daha başarılı sonuçlar elde edilmesi sağlanmıştır. Kullanılan ön-eğitimli ağların çalışma mimarileri incelenmiş ve başarılı ağların neden daha iyi oldukları saptanmıştır. Modellerin başarımlarını daha da artırmak amacıyla bırakma, veri artırma, test zamanı veri artırımı ve yığın normalizasyonu yöntemleri kullanılmıştır. Her bir ön-eğitimli ağın farklı yakınlaştırma oranlarında elde ettiği başarımlar farklı performans ölçütleri (doğruluk, F1-skor, eğri altındaki alan) ve grafiksel doğruluk değeri vasıtasıyla incelenmiştir. Ön-eğitimli ağların karmaşıklık matrisleri çıkarılmış ve verisetinde bulunan görüntülere yaptıkları tahminler doğru veya yanlış olarak ayırt edilebilmiştir. Yapılan gözlem ve incelemeler neticesinde Xception ağı ile elde edilen sonuçların diğer ağlara oranla daha başarılı olduğu görülmüştür. Xception ağı ile 200X yakınlaştırma oranında gerçekleştirilen deneysel çalışmalarda, hem diğer ağlara göre hem de diğer yakınlaştırma oranlarına göre en başarılı sonuçlara ulaşılmış ve %98.01'lik bir doğruluk skoru, %98.21'lik bir hassasiyet değeri ve %98.92'lik bir hatırlama değeri elde edilmiştir. Xception ağının 200X yakınlaştırma oranındaki ROC (Receiver Operating Characteristic) eğrisi altındaki alan değeri ise 0.975 olarak hesaplanmıştır. Xception ağının rastgele seçilen 200X yakınlaştırma oranına sahip histopatolojik görüntüler üzerindeki tahminleri ve gerçek sonuçlar karşılaştırılmıştır. Sonuç olarak bu veriseti özelinde 100X yakınlaştırma oranında DenseNet201, 200X yakınlaştırma oranında InceptionV3, 200X ve 400X yakınlaştırma oranlarında ise Xception ağı daha başarılı sonuçlar ortaya koymuştur. Anahtar Kelimeler: Meme kanseri, Histopatolojik görüntü, Sınıflandırma, Derin sinir ağları, Xception, InceptionV3, ResNet, DenseNet, Ön-eğitimli ağlar
Gömülü sistem üzerinde derin öğrenme bazlı sürücü yorgunluk tespiti
Trafik kazaları, yanlış davranış, dikkatsizlik, ihmal gibi sebeplerin bir araya gelmesi ile oluşmaktadır. Bu kazalar sonucunda can ve mal kayıpları yaşanmaktadır. Dünyadaki trafik kazalarının başlıca nedenlerinden biri sürücünün yorgun ve uykusuz araç kullanmasından kaynaklanmaktadır. Bu nedenle araç içerisinde sürücünün anlık durumu izlenip, yorgunluk tespiti yapılarak kazaların sayısında büyük oranda azalma sağlanabilir. Bunun için gerçek zamanlı çalışan, sürekli olarak sürücüyü izleyen ve yüksek doğrulukla çalışabilen bir sisteme ihtiyaç vardır. Ayrıca, bu sistem araç içerisine yerleştirilebilmesi için gömülü bir cihaz üzerinde çalıştırılabilir olmalıdır. Bu çalışmada, ilgili sorunun çözülebilmesi kapsamında düşük maliyetli gömülü bir cihaz üzerinde gerçek zamanlı çalışan ve derin öğrenme bazlı yüksek doğrulukta performans gösteren yeni bir yaklaşım önerilmiştir. Önerilen sistem, Nvidia Jetson Nano gömülü cihazı üzerinde sürücünün göz ve ağız bölgelerini kullanarak dört farklı durum ile sınıflandırma yapmaktadır. Böylece olası bir kazanın önüne geçilerek can ve mal kaybının minimum seviyeye indirgenmesi hedeflenmektedir.
Derin öğrenme kullanılarak Bilecik ili rüzgar hızı tahmini
Son zamanlarda yapılan çalışmalarda, rüzgâr hızının kısa vadeli tahmininde derin öğrenme tabanlı modeller yaygın olarak kullanılmaktadır. Bu tez kapsamında rüzgâr hızları zaman serisi tipinde olduğundan buna en uygun derin öğrenme yöntemlerinden biri olan LSTM (Long Short-Term Memory) modeli kullanılmıştır. LSTM sinir ağı, derin öğrenme RNN ağının tüm avantajlarına sahip olmakla birlikte aynı zamanda RNN ağının kaybolan gradyan sorununun üstesinden geldiğnden güçlü doğrusal olmayan işlem yapma yeteneğine sahiptir ve sabit olmayan rüzgar hızı tahmini için uygundur. Çalışmada ilk olarak, Bilecik Meteoroloji Müdürlüğü'nden alınan saatlik rüzgar hızı ham verilerindeki eksik rüzgar hızı verileri ön işlemeden geçirilerek tamamlanmıştır. Daha sonra, Bilecik Meteoroloji Müdürlüğü'nden alınan 10 yıllık (2010-2019) işlenmiş saatlik rüzgâr hızı verileri çeşitli giriş büyüklükleri için tasarlanan derin öğrenme modelimizde eğitime sokularak belirli zaman aralıklarındaki rüzgar hızlarının en iyi doğruluklarda tahminini gerçekleştirilmiştir. Bunun için 10 yıllık saatlik rüzgar hızı verileri, oluşturduğumuz 3 katmanlı LSTM modelinde verilerin %67'si eğitim ve %33'ü test için kullanılarak eğitilmiş daha sonra 2020 yılının aralık ayına ait modelin hiç görmediği saatlik rüzgar hızı verileri test olarak alınarak iki tip LSTM modelinde Ocak ayının 1 gün, 2 gün, 1 hafta ve 1 aylık tahminleri yapılmıştır. Daha iyi tahmin değerleri elde etmek amacıyla, yapı olarak farklı iki tip LSTM modeli, tek değişkenli çift yönlü (Univarate Bidirectional) ve çok adımlı vektör çıkışlı (Multi-Step Vector Output) kullanılmış ve belirli aralıklarda saatlik rüzgar hızı tahmininde hangisinin daha uygun olduğu araştırılmıştır. Çalışmanın diğer bir sonucu ise LSTM modellerinde kullanılan farklı büyüklükteki 1 ve 10 yıllık saatlik rüzgar hızları verilerinin modellerin doğruluğuna etkisi incelenmiş ve sonuçlar karşılaştırılmıştır.
Derin öğrenme ile İHA görüntülerinden nesne tespitinin yapılması
Günümüzde insansız hava araçlarından alınan görüntüler askeri ve ticari alanlar başta olmak üzere tarım, güvenlik, keşif alanlarında ve daha birçok alanda yaygın olarak kullanılmaktadır. Son yıllarda, yapay zekâ teknolojilerinin gelişimi ile birlikte görüntülerdeki nesne tespiti, doğru ve hızlı bir şekilde yapılabilmektedir. İnsansız hava araçlarında en çok tespit edilen nesne türleri, hareket eden nesneler ve araç görüntüleridir. Araç tespiti, askeri operasyonlarda tespit edilen hedefin takip edilip koordinatlarının öğrenilmesinde, üstü açık bir otoparktaki araç yoğunluğunun belirlenip otoparka gelen araçların boş yerlere yönlendirilmesinde, bir kavşaktaki trafik yoğunluğunun hesaplanmasında yaygın olarak kullanılmaktadır. Son yıllarda, derin öğrenme mimarilerinin gelişimi ile birlikte bir derin öğrenme mimarisi olan evrişimsel sinir ağları kullanılarak fotoğraf ve video görüntüleri üzerinden nesne tespiti, hızlı ve doğru bir şekilde yapılabilmektedir. Google tarafından geliştirilen ve bir derin öğrenme kütüphanesi olan Tensorflow kütüphanesindeki Faster R-CNN, Mask R-CNN gibi popüler modeller ile nesne tespitinde başarılı sonuçların alınabildiği gösterilmiştir. Evrişimsel sinir ağları temelinde oluşturulan nesne tespitine yönelik modeller, belli bir eğitim sürecinden geçtikten sonra test aşamasında önce nesne tahmini yapar ve daha sonra belirlenmiş nesneyi bir çerçeve içine alarak nesneyi tespit eder. Bununla birlikte daha ileri düzeydeki modeller, tespit edilen nesneyi ayrıca renklendirerek görüntünün arka plan dokusundan ayrılmasını sağlar. Mask R-CNN, örnek bölütleme özelliği sayesinde, bir görüntüde bulunan tek bir kategoriye ait birden fazla görüntüyü farklı renkler ile renklendirerek diğer algoritmalardan ayrılmaktadır. Diğer yandan YOLO yapısı ise görüntüye tek bir sinir ağı uygulayarak nesne tespit etmedeki hızı ile ön plana çıkmaktadır. Bu çalışma ile araç tespiti, birer derin öğrenme modeli olan YOLO ve Mask R-CNN modeli ile yapılmış olup bahsi geçen çözümler örnek veriler üzerinde kıyaslama (benchmark) testlerine tabi tutularak en etkili çözümün ortaya konulması amaçlanmıştır. Modellerin eğitiminde görüntüler, insansız hava aracı kullanılarak farklı yükseklik ve lokasyonlardan alınmıştır.
Geliştirilmiş şahin algoritmasının çok amaçlı optimizasyon problemlerine uyarlanması
Bu çalışmada şahinlerden esinlenilmiş Harris Şahin Optimizasyonu (Harris Hawk Optimizer-HHO) algoritmasından ilham alınarak Karşıtlık Temelli Çok Amaçlı Harris Şahin Optimizasyon algoritması (Opposition learning-based Multi-Objective Harris Hawks Optimizer- OppMOHHO) geliştirilmiştir. İlk aşamada; HHO algoritmasının yapısı korunarak üzerine Pareto optimal sonuçları kayıt etmek ve yeniden kullanmak için bir arşiv yapısı eklenmiştir. Bu arşiv yapısı şahinlerin pozisyonlarını ve çözümleri kayıt etmek için kullanılmaktadır. Çözümlerin seçimi için rulet çarkı mekanizması kullanılmıştır. Seçim hedefin (avın) en iyi sonucu olarak güncellenmektedir. Böylece Çok Amaçlı Harris Şahin Optimizasyonu algoritması elde edilmiştir. İkinci aşamada; MOHHO algoritması üzerine karşıtlık öğrenme mekanizması eklenerek OppMOHHO algoritması geliştirilmiştir. Bu geliştirme ile algoritmanın başarımını yükseltmek hedeflenmiştir. OppMOHHO algoritmasının başarımını değerlendirmek için literatürde bulunan kısıtlamasız ZDT ve DTLZ test fonksiyon serileri kullanılmıştır. Kullanılan on üç test fonksiyonu için OppMOHHO algoritması, geliştirilen MOHHO algoritması ve literatürde bulunan üç adet meta sezgisel optimizasyon algoritması karşılaştırılmıştır. Bu algoritmaların istatistiksel karşılaştırılması için Ters Nesil Mesafesi, Nesil Mesafesi, Aralık, Yayılma ve Maksimum Yayılma metriği kullanılmıştır. Sonuçlar incelendiğinde OppMOHHO algoritması ZDT test fonksiyonu serisi için; ters nesil mesafe metriğinde OppMOHHO, nesil mesafesi metriğinde ilk üç içerisinde, aralık metriğinde ilk iki içerisinde, yayılma metriğinde ilk üç içerisinde ve maksimum yayılma metriğinde ilk iki içerisinde yüksek yakınsama davranışına sahip olduğunu nicel olarak göstermiştir. DTLZ test fonksiyonu için; ters nesil mesafe metriği için OppMOHHO, nesil mesafe metriği için ilk dört içerisinde, aralık metriği için ilk üç içerisinde, yayılma metriği için OppMOHHO ve maksimum yayılma metriği için de OppMOHHO algoritması yüksek yakınsama davranışına sahip olduğunu nicel olarak göstermiştir.
Derin evrişimli yapay sinir ağı kullanarak meyve yaprağı hastalık tespiti
Zirai üretimde bitki hastalıklarının hızlı bir şekilde tanınmasını sağlayacak ve kimyevi haşere ilaçlarının kullanımında karar verme sürecini hızlandıracak otonom bir tespit sistemi ortaya koymak önemlidir. Birçok ülke otonom sistemlerin araştırılması üzerine yatırım yapmakta ve pek çok AR-GE çalışmasını geliştirmektedir. Bu kapsamda ülkemizde de Tarımsal İzleme ve Bilgi S istemi (TARBİL) kapsamında tarım eko-sisteminde verimlilik ve akıllı tarım uygulamaları desteklenmeye başlanmıştır. Bu tezde açık bir kaynaktan alınan, görüntü çevirme, gama düzeltme, gürültü ekleme, PCA renk genişletme, döndürme ve ölçeklendirme olarak altı farklı veri genişletme tekniği ile oluşturulmuş,14 farklı bitki yaprağına ait 38 çeşit hastalıklı ve sağlıklı "New Plant Disease" isimli yeni bir veri seti kullanılmıştır. Veri setindeki yaklaşık 83.107 görüntü için bitki yaprağı hastalık tespiti sınıflandırması yapan 11 Katmanlı yeni bir CNN mimarisi oluşturulmuştur. Oluşturulan bu yeni modelle bitki yaprağı hastalığı sınıflandırma probleminin performansı iki şekilde incelenmiştir. Birinci olarak, veri setinde en yüksek sayıda veriye sahip 4 çeşit bitki yaprağına ait veriler ele alınıp modelin performansı incelenmiştir. İkinci olarak tüm veri seti için modelin performansı incelenmiştir. Elde edilen sonuçlar tezde verilmiştir. Ayrıca tüm veri seti için GoogLeNet, ResNet50, Vgg-19, Vgg-16, DenseNet gibi transfer öğrenme mimarileri kullanılmış ve performansları incelenerek sonuçları verilmiştir.
Akıllı güvenlik için uzaktan etkileşimli robot araç tasarımı ve gerçeklenmesi
Bu çalışmada, akıllı güvenlik için uzaktan etkileşimli robot araç geliştirilmiştir. Park halinde robot araca gelebilecek zararları önlemek amaçlı görüntü işleme tekniğini kullanarak kamera yardımı ile uzaktan uyarı sistemi gerçeklenmiştir. Robot aracın engele çarpma ihtimalinde sesli uyarı vermesi sağlanmış, elektronik göstergede gerekli yazılı bildirim vermesi temin edilmiştir. Ayrıca internet üzerinden e-posta ile mesaj gönderilerek araç sahibinin uzaktan bilgi edinmesi hedeflenmiştir. Robotun geliştirilmesinde Raspberry Pi ve Arduino mini bilgisayar kartları, HC-SR04 ultrasonik mesafe sensörü, L298N motor sürücü kartı, Buzzer, HC05 Bluetooth sensörü, ESP-01 Wi-Fi modülü, 16x2 LCD ekran, Raspberry Pi kamera modülü ve enerji temini için LiPo pil kullanılmıştır. Araca olası tehlike algılanması için hareketli görüntülerin, belirli rengin, kameradan alınan görüntü üzerindeki karakterlerin okunması amacıyla Raspberry Pi kartına Python OpenCV kütüphanesi kullanılarak Python programlama dili ile oluşturulan yazılım yüklenmiştir. Hareketli görüntü ve istenilen renk tespit edildiğinde led ile ışıklı uyarı sağlanmış LCD ekrana mesaj yazdırılmıştır. Bu işlemlerle birlikte aynı zamanda internet üzerinden istenilen yere mesaj gönderilmesi de sağlanmıştır. Tesseract programı kullanılarak resim üzerindeki karakterlerin okunması sağlanarak özellikle plaka bilgileri kaydedilmiştir. Ayrıca kaydedilen dosyanın internet üzerinden e-posta ile istenilen yere gönderilmesi de sağlanmıştır. Özetle bu çalışmada güvenlik isterleri için uzaktan etkileşim sağlayan ve denetlenebilen akıllı bir robot araç geliştirilmiştir.
Hastane otomasyon sistemlerinde yüz tanıma sistemlerinin kullanımı
Biyometrik tanıma sistemleri günümüz dünyasında pek çok alanda kullanılmaktadır. Parmak izi tarama, avuç içi damar tanıma gibi yaygın kullanılan yöntemlerin de aralarında bulunduğu biyometrik sistemlerin yanında, yüz tanıma gibi, insanları ayırt edecek kimlik doğrulama sistemleri insanın biyolojik yapısından yararlanarak bireyin kimliğini belirlemeyi ve doğrulamayı amaçlar. Bu çalışmada biyometrik sistemlerin ayrıntılarına değinilmiş ve çeşitleri detaylandırılmıştır. Bu çeşitler arasından yüz tanıma sistemlerine ayrıntıyla yer verilmiş, ardından, hastane kavramı incelenerek, yüz tanıma sistemlerinin olası kullanım alanları incelenmiş, sonuç bölümünde ise, uygulama önerileri anlatılmıştır. Bu bağlamda, yüz tanıma sistemlerinin faydaları üzerinde durulmuş ve hastane otomasyon sistemlerinde kullanımı önerilmiştir. Ayrıca, hastane otomasyon sistemlerinde var olan avuç içi damar tanıma sistemlerine alternatif olarak yüz tanıma sistemlerinin kullanımının avantajlarına değinilmiştir.
Mikroişlemci mimarilerinde Boolean cebri üzerine geliştirmeler ve karşılaştırma işlemleri
Mikroişlemci mimarileri 1960'lı yıllardan beri dünya genelinde gelişmektedir. Gelişim ilk yıllardan itibaren ivmelenerek devam etmiştir. Bu gelişimin fonksiyonel açıklaması Moore Yasası olarak izah edilmiş ve her 18 ayda mikroişlemcilerdeki bileşenlerin sayısının iki katına çıkacağı ve maliyetinin aynı kalacağı öngörülmüştür. Bu gelişim ilk yıllardan itibaren beklenenden fazla olmasına rağmen tek çekirdekli bir işlemciyi ele alındığında son on yılda işlemcilerdeki büyüme duraksamıştır. İşlemcilerde frekans artışı bu son dönemde 4Ghz bandı civarında kalıp, gelişmeler işlemcilerin çekirdek sayılarında ve mimari yapılarında olmuştur. Bu yazı kapsamında işlemci mimarilerinde, yüksek seviyeli yazılım dillerinin derleme sonucu performanslarında geliştirme ve eğitim açısından kod okunurluğunu artırmak amacıyla boolean cebrine ait işlemler, karşılaştırma ve dallanma işlemlerinde geliştirmeler planlanacak ve MIPS mimarisi üzerinde gelişimin nasıl olacağı anlatılacaktır.
Veri tabanı aracı seçiminde analitik hiyerarşi prosesi yönteminin uygulanması
Bu çalışma, veritabanı aracı seçimi yapılırken karar almada insan çabası harcanarak gerçekleştirilen işlemlerin bilgisayar gücü tarafından otomatize edilmesini sağlayarak insan hayatına kolaylık sunabilmek için gerçekleştirilmiştir. Bu çalışmada, literatür tarama yapılarak elde edilen bilgiler ışığında, yaygın veritabanı aracı alternatifleri ve kriterleri belirlenmiş, bu alternatifleri ve kriterleri netleştirebilecek bir anket çalışması yapılarak, anket yolu ile ayrıca kriterlerin ağırlıklandırılması tespit edilmiş ve matematiksel bir karar modeli geliştirilmiş, Analitik Hiyerarşi Prosesi (AHP) yaklaşımı ile ilişkisel ve ilişkisel olmayan veritabanı araçlarının karar verme amaçlı değerlendirmeye alınması sağlanmış, veritabanı aracı alternatiflerini C# programlama dili ile geliştirilen tek bir yazılım uygulaması üzerinden karşılaştırarak karar verme amaçlı değerlendirilmesini sağlayabilecek bir Karar Destek Sistemi geliştirilmiştir. Çalışma sonucunda, oluşturulan sistemde alternatifler ve kriter setlerinin kullanıcının tercihi için hazır bulunduğu ve karar almada alternatiflerin karşılaştırılmasının sistem tarafından yapıldığı görülmüştür. Karşılaştırılacak alternatifler ve alternatif seçimi için ele alınacak kriterler önceden belirlenmiş olduğundan, kullanıcının alternatif değerleme öncesinde harcadığı zaman ve efor azaltılarak karar alma sürecinin hızlandırılması ve insan tarafından gerçekleştirilen işlemlerin sistem tarafından gerçekleştirilerek otomatize edildiğinden insan faktörü ile oluşabilecek hataların azaltılması yönünde, birçok veritabanı aracı arasından seçim yapılırken karar almada, insan hayatına katkı sağlanabilmiştir.
Makine Öğrenmesi Bazlı Arama Motoru
Bu çalışma, bir web uygulaması için daha efektif arama işlemlerinin yapılmasına olanak sağlamak için geliştirilmiştir. Entegre bir biçimde değil, ayrık bir sistem olarak tasarlanmıştır. Bu sayede, uygulama üzerinde yük oluşmayacağı gibi, arama motoru da özelleşmiş bir şekilde hizmet vermesi hedeflenmiştir. Bu çalışmada, uygulamalara kolayca uyarlanabilecek ve ayrık şekilde çalışan bir tasarım yapılmıştır. Eski teknolojilerle, yeni teknolojinin birleştirilerek kullanılmasına olanak sağlayan bu uygulama, verilerin daha efektif bir biçimde kullanılarak, kullanıcılara performanslı bir kullanıcı deneyimi yaşamalarına olanak sağlamaktadır. Bu yeni teknolojiler, ilişkisel olmayan veritabanlarına duyulan ihtiyaç sonrası, son senelerde ortaya çıkması ve gelişmeye devam etmesiyle birlikte proye dahil edilmiştir. Kullanıcıların uygulama üzerinde yaptıkları işlemlerse, girilen veriler ile birlikte sistemin eğitilmesi konusunda sistemi beslemekte ve kullanıcılara daha doğru sonuçlar verilmesini sağlamaktadır.
Sezgisel algoritma tabanlı trafik ışıkları optimizasyonu ve benzetimi
Bu çalışmada örnek bir yol ağı problem olarak belirlenerek trafik ağı içerisinde bulunan araçların seyahat sürelerini azaltmak amacıyla trafik sinyal sürelerinin eniyilemesi üzerine çalışılmıştır. Farksal Gelişim sezgisel yaklaşımı trafik yol bağlantısının modellenebileceği bir benzetim programı ile entegre edilerek trafik ışıklarının kullanıldığı bir trafik ağı modellemesi yapılmıştır. Oluşturulan model kullanılarak belirlenen yol ağında bulunan trafik sinyal sürelerinin eniyilemesi yapılarak araçların seyahat süresi en aza indirilmeye çalışılmıştır. Farksal Gelişim sezgisel algoritması bu çalışmada iki farklı yöntem ile koşturulmuştur. Yapılan eniyileme işlemleri sonucu elde edilen seyahat süreleri ile sabit/standart trafik ışıklarının seyahat süreleri karşılaştırılmıştır. Geliştirilen akıllı trafik ağı ile modellenen benzetim ortamı yapılan eniyileme işlemlerinin görsel olarak analiz edilmesine olanak sağlamaktadır. Çalışılan trafik ağı için önceden belirlenmiş yol başlangıç-bitiş noktalarına göre araç seyahat sürelerinin karşılaştırması yapılmıştır. Çalışma öncesi ve kullanılan iki yöntem ile oluşturulmuş yol ağı görsel olarak belirlenen bir an için de karşılaştırılmıştır. Çalışma sonucunda sezgisel yaklaşım ile yapılan koşturmalar ile elde edilen trafik sinyal sürelerinin standart süreli trafik sinyallerine göre daha iyi sonuç verdiği görülmüştür. Trafik seyahat sürelerinin sezgisel yaklaşımlar ile düşürülebileceği gözlemlenmiştir. Anahtar kelimeler: SUMO, Allsop ve Charlesworths Yol Ağı, Farksal Gelişim Algoritması, Yol Ağı Benzetimi, Trafik Işıkları, Sezgisel Yaklaşım
Çekirge optimizasyon algoritması ve yapay sinir ağları kullanılarak hane güç tüketimi tahmini
Hibrit zeki sistemler farklı yapay zeka yöntem veya tekniklerinin birleştirilmesi ile ortaya çıkan zeki teknolojilerdir. Bu sistemlerde genellikle yapay sinir ağları (YSA), bulanık mantık ve evrimsel algoritmaların birlikte kullanımı uygulanmaktadır ve deneysel analizlerde bu sistemler ile daha başarılı sonuçlar elde etmek mümkün olmaktadır. Özellikle sürü-tabanlı optimizasyon algoritmalarının YSA ile entegre edilmesi ile sınıflandırma, tahmin, eğri kestirimi gibi birçok problem kolaylıkla çözülebilmektedir. Çekirge optimizasyon algoritması (ÇOA)' da YSA ile birleştirilerek oluşturulan son yıllarda yaygın olarak kullanılan başat meta-sezgisel optimizasyon algoritmalarından birisidir. Bu çalışmada, ÇOA ile YSA tabanlı bir hibrit zeki sistem (ÇOA-YSA) önerilmektedir. Çalışmada çok katmanlı ileri yönlü bir YSA mimarisi ÇOA ile eğitilerek, ağın en uygun ağırlıkları belirlenmiştir. Geliştirilen ÇOA-YSA hibrit zeki sistemi ile öncelikle doğrusal olmayan özel veya (XOR) problemi çözülmüş, daha sonra açık bir veriseti üzerinde hane için elektrik güç tüketimi tahmin edilmiştir. Hane için güç tüketiminin tahmininde yürütülen deneysel çalışmalarda, tez çalışmasında önerilen ÇOA-YSA hibrit zeki sistemi ile hesaplanan RMSE, MAPE ve R2 hata ölçüm sonuçları, Parçacık Sürü Optimizasyonu tabanlı YSA (PSO-YSA) ve Geriye Yayılım Algoritması tabanlı YSA (GYA-YSA) hibrit zeki sistemleri ile ulaşılan RMSE, MAPE ve R2 hata ölçüm sonuçları ile karşılaştırılmıştır. ÇOA-YSA sisteminde, 2007 Haziran ayı için hane güç tüketimi tahmininde ortalama RMSE, MAPE ve R2 hata ölçütleri sırası ile 2.7712, 0.9447, 0.8345 olarak hesaplanmıştır. Yine ÇOA-YSA hibrit zeki sistemi kullanılarak hane güç tüketimi tahmininde, 2008 Mayıs ayı için ortalama RMSE, MAPE ve R2 ölçütleri sırası ile 2.0856, 1.1418, 0.9248 olarak; 2009 Haziran ayı için ortalama RMSE, MAPE ve R2 ölçütleri sırası ile 3.705, 1.5597, 0.9249 olarak; 2010 Ocak ayı için ortalama RMSE, MAPE ve R2 ölçütleri sırası ile 3.1996, 1.6493, 0.8782 olarak hesaplanmıştır. Çalışmada yürütülen deneysel analizlerdeki bulgular, tez çalışmasında önerilen ÇOA-YSA hibrit zeki sisteminin başarım performansının RMSE ve MAPE hata ölçüm kriterleri için PSO-YSA ile GYA-YSA yöntemlerine göre yüksek olduğunu göstermektedir.
Asenkron motor rulman hatalarının uzun-kısa süreli bellek tipi derin sinir ağları ile sınıflandırılması
Asenkron motorlar güvenilir, hesaplı ve dayanıklı olmaları nedeniyle endüstride yaygın olarak tercih edilmektedir. Asenkron motorların rulman bileşenlerinin iç bilezik, bilye ve dış bilezik bölgelerinde sıklıkla hatalar meydana gelmektedir. Bu sebepten ötürü, asenkron motorlarının verimini arttırmak için rulman hatalarının önceden tespiti ve sınıflandırması oldukça önemlidir. Bu tez çalışmasında, Case Western Reserve University (CWRU) rulman veriseti ile Mendeley Rulman Titreşim verisetindeki titreşim verileri kullanılarak, asenkron motor rulmanlarının iç bilezik, dış bilezik ve bilye bölgelerinde oluşan hatalarının otomatik sınıflandırılması için iki yönlü uzun-kısa süreli bellek tipi (IY-UKSB) tipi derin sinir ağlarına dayalı bir yöntem önerilmektedir. Tez kapsamında verisetleri üzerinde yürütülen deneysel analizlerde, sağlıklı (normal) ve sağlıksız (hatalı) rulmanlara ait titreşim verileri 128, 256, 512 ve 1024 gibi farklı boyutlarda pencerelere ayrılarak, anlık frekans ve spektral entropi gibi çeşitli özellik çıkarımı yöntemleri sonucunda elde edilen veriler ile önerilen IY-UKSB ağının performansı değerlendirilmiştir. Çalışmada normal ve hatalı rulman verilerinden hazırlanan veriseti üzerinde farklı pencere genişliklerinde test kümesi üzerinde IY-UKSB ağının doğruluğunun CWRU verisetinde ortalama %60 civarında kaldığı, Mendeley Rulman Titreşim verisetinde ise ortalama %75 civarında olduğu hesaplanmıştır . Normal ve hatalı rulman verilerinin sınıflandırılmasında anlık frekans ve spektral entropi ile özellik çıkarımı sonrası IY-UKSB ağının ortalama doğruluğunun CWRU verisetinde ortalama %95'in üzerine, Mendeley Rulman Titreşim verisetinde ise %99'un üzerinde olduğu görülmüştür. Sonuç olarak, önerilen IY-UKSB ağının normal ve hatalı rulman titreşim verilerinin ayrımı için güçlü bir sınıflandırıcı olduğu değerlendirilmiştir. Çalışmanın diğer adımında hatalı verilerin konumunun sınıflandırılması ve hata büyüklüğünün sınıflandırılması da sağlanmıştır. Yapılan deneysel çalışmalarda özellik çıkarımı uygulanan IY-UKSB ile iki farklı veriseti üzerinde asenkron motor rulman hatalarının sınıflandırılmasında, yüksek performans elde edildiği doğrulanmıştır.
Otomatik üretim teknolojisine ait betonların basınç dayanımlarının makine öğrenmesi ve derin öğrenme yöntemleri ile tahmin edilmesi
Gelişen teknoloji ile yaygınlaşan otomatik yapı üretim teknolojisi sayesinde hızlı ve sağlam yapılar elde edilebilmektedir. Otomatik yapı üretim teknolojisi, tasarlanan yapı modelinin bilgisayarlar ile parçalanması, parçalanan modellerin beton harçlar kullanılarak katmanlar şeklinde üretilmesi prensibine dayanır. Betonun önemli mekanik özelliklerinin başında gelen basınç dayanımı önemli bir araştırma konusudur. Betonun basınç dayanımının ölçülmesinde kullanılmakta olan yöntemler tahribatlı ve tahribatsız olmak üzere iki ana başlık altında incelenebilir. Bu tez kapsamında, otomatik yapı üretim teknolojisine uygun betonların basınç dayanımlarını tahmin etmek amacıyla tahribatsız yöntemlere yeni bir yaklaşım önerilmektedir. Yapılan çalışmada otomatik yapı üretim teknolojisine uygun 24 farklı karışım oranına sahip 192 adet küp beton numunesi üretilmiştir. Karışım oranlarında değişken olarak agrega dane çapı, çimento oranı ve lif kullanılmıştır. Üretilen beton numunelerinin görüntü işleme yöntemleri ile basınç dayanımlarını tahmin etmek için görüntüleri alınmıştır. Görüntüleme işleminden sonra betonların gerçek basınç dayanım sonuçlarını elde edebilmek için basınç dayanımlarına bakılarak tahmin ve gerçek değerler karşılaştırmalı olarak sunulmuştur. Beton görüntülerinin dokusal ve renksel bilgilerini elde etmek amacıyla Gri Seviye Eş Oluşum Matrisi ve Histogram teknikleri kullanılarak öznitelikleri çıkartılmıştır. Oluşturulan öznitelikler makine öğrenmesi algoritmalarından K En Yakın Komşu (KNN) ve Destek Vektör Makineleri (DVM) ile, ayrıca geliştirilen derin öğrenme ağ modeli ile test edilmiştir. Yapılan çalışmalar sonucunda, makine öğrenmesi yöntemlerinden KNN algoritması ve DVM algoritmasının doğruluk oranları sırasıyla %88,44 ve %88,19 olarak gözlemlenmiştir. Otomatik üretim teknolojisine uygun betonların basınç dayanımları önerilen derin öğrenme algoritmasıyla %90,12 oranıyla en yüksek tahmin başarımına ulaşmıştır.
Melez öğrenme ile kalp ve damar hastalığının tahmini
Ülkemizde ve dünyada yaşam kalitesini düşüren, çok sayıda ölüme sebep olan ve tedavi giderleri fazla olan kalp ve damar hastalıklarına yakalanma riski yaşı gün geçtikçe düşmektedir. Hastalığın tedavisinde erken tanının rolü büyüktür. Bununla ilgili birçok alanda çalışmalar yapılmaktadır. Teknolojinin gelişmesiyle günümüzde makinelerin insan öğrenmesini taklit edebilmesi ve çıkarım yapabilmesi sağlanmıştır. Yapay Zeka adı verilen bu yöntem ile makinelerin günlük hayatımızda ve bir çok alanda insan yaşamını kolaylaştıracağı düşünülmektedir. Yapay zekanın alt dalları olan yapay sinir ağları hastalıkların erken tanısında kullanılmaktadır. Literatürde birçok çalışmada kullanılan bu yöntemler ile hastalıklara neden olan faktörler girdi olarak alınıp hastalık sonucu tahminlemesi yapılabilmektedir. Böylece hastalığa yakalanma riski olanların erken tanı ile tedavisi mümkün olabilmektedir. Bu çalışmada, yapay sinir ağları yöntemi ile birlikte önerilen melez (hibrit) sistem kıyaslanarak kalp ve damar hastalıklarının tedavisinde hastanın durumunun önceden tahmini sağlanmaktadır. Önerilen melez sistemin yapısında k - ortalamalar algoritması ve yapay sinir ağı yöntemi kullanılmaktadır. Kardiyoloji verilerinin hastalık tahmininde en iyi sonucu veren modelin tespit edilmesi için yapılan çalışmada yapay sinir ağı ve melez sistem iki farklı model oluşturulmuştur. Kardiyoloji verileri kullanılarak yapılan hastalık tahmininde model başarım ölçütlerinde kullanılan ortalama karesel hata, kök ortalama karesel hata ve ortalama mutlak yüzde hatası performans kriterleri ile en doğru sonucu veren model belirlenmektedir.
Olası bir nükleer saldırı durumda YSA ile kurtulma algoritması
İstanbul iline karşı gerçekleşecek olası bir havadan yere nükleer saldırı sonucu, erken uyarı sistemleri sayesinde gelecek bilgiyi kullanarak kullanıcının bulunduğu konuma göre kendisine yapay sinir ağları kullanılarak bir kaçma kurtulma algoritması oluşturmak. Saldırıdan sonra hayat idame için kullanıcıya destek ve arama kurtarma ekiplerinin işini kolaylaştırmak da çalışmanın diğer hedefidir. Hesaplamalar erken uyarı sisteminden gelecek verilere göre(yaklaşık konum) gerçekleştirileceğinden mütevellit yerden yere tabir edilen terörist saldırılar kapsam dışıdır. Olası saldırı senaryoları için uygun veri seti oluşturularak,yapay sinir ağları ile hata payı düşene kadar iterasyona uğratılacaktır. Çıkan sonuç kullanıcının anlayacağı düzeye indirgenerek görüntülenecektir. Çalışma alanı olarak İstanbul seçilmiştir.
Genetik algoritmalarda doğal olmayan seçilimin etkileri
Genetik algoritma, çözümünde optimizasyon tekniklerine gerek duyulan problemlerde uzun yıllardır kullanılmakta olan sezgisel algoritmalardan biridir. Evrimsel süreçlerin simüle edilmesine dayanan bu algoritma, birbirinden farklı ideal çözüme ulaşma problemlerinde kullanılmış ve ürettikleri çözümler ile literatüre katkı sağlamıştır. Doğadaki seçilim ve evrimsel süreci temel alan genetik algoritmalar, farklı popülasyon grupları üreterek ideal çözüm kümelerine ulaşmayı hedefler. Genetik biliminde gen transferi ve genom düzenleme konuları son yıllarda popülerliğini arttıran çalışma alanlarındandır. Canlılar arası gen transferi için yeni tekniklerin geliştirilmesi, klasik doğal seçilimden daha farklı seçeneklerin oluşmasının önünü açmıştır. Bu çalışmada canlıların genetik yapısına bir başka canlıdan aktarım gerçekleştirilmesinin genetik algoritmalara uyarlanması ve bu işlemin algoritmanın çalışmasında ne gibi değişikliklere yol açacağının görülmesi hedeflenmiştir. Genetik algoritma uygulamalarının çalışma prensibi, iki bireyden çaprazlama yöntemi ile elde edilen gen parçacıklarının birleştirilmesi sonucunda iki yeni birey üretmektir. Çalışmada çaprazlama sürecine üçüncü bir bireyin dahil olması sonucunda oluşturulacak iki yeni bireyin klasik genetik algoritma süreçlerine devam etmesi temel alınmıştır. Üretilen yeni çaprazlama yönteminin klasik yöntem ile kıyaslanabilmesi amacıyla literatürde yaygın olarak kullanılan Sırt Çantası Problemi tercih edilmiştir. Klasik yöntem ve yeni yöntem başarıya ulaşma oranları ve çözüm üretme hızları bakımından karşılaştırılmış olup, karşılaştırma sonuçları tablo halinde sunulmuştur. Çalışmada elde edilen sonuçlar incelendiğinde önerilen yeni çaprazlama yönteminin klasik yönteme kıyasla başarım oranının daha yüksek olduğu ve sonuca daha erken iterasyonlarda ulaştığı görülmüştür.
Derin öğrenme ile mammogram görüntülerindeki lezyonların tespiti ve sınıflandırılması
İnsan yaşamında sık görülen kanser türlerinden biri olan meme kanseri erkeklere göre kadınlarda daha sık görülmektedir. Bu kansere neyin sebep olduğu tam olarak bilinmese de kişinin beslenme şekli, regl durumu, doğum ve doğum kontrol hapları gibi birçok nedenlerin olabileceği düşünülmektedir. Meme kanserinin erken teşhisi tedavisinde oldukça önemlidir. Çok farklı meme kanseri tespit yöntemleri vardır. Bunlardan biri de Manyetik Rezonans (MR) ile görüntüleme teknikleridir. Bu çalışmada, Mammogram görüntüleri üzerinde lezyon tespiti ve sınıflandırmasında Faster R-CNN derin öğrenme yöntemi ile birlikte önceden eğitilmiş üç farklı CNN modeli Inception V2, Resnet101 ve Resnet-50 kullanılmıştır. Mammografi taraması görüntüleri içeren "The Digital Database for Screening Mammography – DDSM" açık kaynaklı sayısal veri tabanın kanserli ve normal görüntülerden oluşan toplamda 500 adeti alınarak oluşturulmuştur. Alınan bu görüntülerin 400 adedi radyologlar tarafından işaretlenmiş 100 adedi ise işaretlenmemiş vakalara ait mammogram görüntüsüdür. İşaretlenmiş 400 adet kanserli görüntüdeki lezyon bölgeleri LabelImg etiketleme aracı kullanılarak XML dosyası olarak etiketlendi. Daha sonra bu etiketlenen görüntüler eğitim veri seti olarak kullanıldı. Lezyon tespitinde kullanılan Faster R-CNN derin öğrenme yöntemi ile birlikte kullanılan üç adet CNN modelin her birinin eğitimi 300.000 adımda ve batchsize=1 alarak gerçekleştirildi. Bu deneyler sonucunda Inception V2 modeli için %97,16 doğruluk başarımı ve ResNet101 modeli için %94,74 doğruluk başarımı elde edilirken en iyi sonucu veren ResNet-50 modeli için ise %99,63 doğruluk başarımı elde edilmiştir. Elde edilen sonuçlar bu alanda çalışan uzmanlara erken teşhis koymada destek olabilecektir. Ayrıca tezde ele alınan ön eğitimli CNN modelleri MIAS veri seti kullanılarak sadece iyi huylu ve kötü huylu tümör sınıflandırması yapılmıştır. 2016 adet iyi huylu eğitim ve 4088 adet kötü huylu eğitim seti ve 504 adet iyi huylu ve 1024 adet kötü huylu görüntü doğrulama veri seti olarak kullanılmıştır. Tezde ele alınan ön eğitimli modellerle gerçekleştirilen eğitim sonucunda yine yüksek başarılar elde edildiği görülmüştür.
Otokodlayıcı tabanlı gizliliği koruyan ortak filtreleme
Gizliliği koruyan ortak filtreleme sistemleri, kullanıcıların mahremiyetlerini ihlal etmeden onlara kişiselleştirilmiş öneriler sunan etkili yaklaşımlardır. Ancak rastgele karıştırma tekniklerine dayalı veri gizleme yaklaşımları gerçek kullanıcı verisi üzerinde bozulmaya neden olduğundan sistemin öneri üretme başarısını olumsuz yönde etkilemektedir. Özellikle yüksek gizlilik seviyelerine ulaşmak için yapılan veri gizleme işlemlerinde öneri doğruluğunda ortaya çıkan kayıplar oldukça fazladır. Bu çalışmada, rastgele karıştırma teknikleri ile maskelenen gerçek kullanıcı oy değerlerinin öneri doğruluğu kayıplarını hafifletmek için otokodlayıcı tabanlı bir öneri üretme yaklaşımı kullanılmıştır. Book-Crossing referans alınarak üretilen veri seti üzerinde rastgele karıştırma teknikleri kullanılarak farklı gizlilik seviyelerinde üretilen maskelenmiş veri setlerinin öneri doğrulukları geleneksel hafıza tabanlı komşuluk algoritması ve otokodlayıcı tabanlı öneri üretme yaklaşımları ile analiz edilmiştir. Otokodlayıcı tabanlı öneri üretme sistemi çeşitli gizli katman sayıları (2, 3 ve 4) ve aktivasyon fonksiyonları (tanh, elu, selu ve lineer) ile test edilmiştir. Deneysel çalışmalar sonucunda, rastgele karıştırma tekniği kullanılarak maskelenmiş veri seti üzerinde otokodlayıcı tabanlı öneri üretme yaklaşımının geleneksel komşuluk tabanlı yaklaşımlarına göre tahmin doğruluğunu önemli ölçüde arttırdığı gösterilmiştir. Değişken gizlilik seviyelerine göre ortalama mutlak hata değerleri incelendiğinde, geleneksel komşuluk tabanlı ortak filtreleme yaklaşımda sırasıyla en düşük ve en yüksek gizlilik seviyelerindeki hata değerleri 1,395 ve 2,249 iken, otokodlayıcı tabanlı ortak filtreleme yaklaşımında bu değerler 1,208 ve 1,313 olarak elde edilmiştir. Sonuç olarak, otokodlayıcı tabanlı ortak filtreleme sistemi yükselen gizlilik seviyelerine bağlı olarak veri setinde ortaya çıkan bozulmaları daha iyi tolere edebilmekte, kullanıcıya yüksek mahremiyet seviyeleri sağlandığında da yüksek doğrulukta öneriler üretebilmektedir.
Akıllı telefonlarda kullanıcıların tercih ettikleri kimlik doğrulama yöntemleri
Göz takibi günümüzde hala gelişmekte olan büyük bir teknoloji icadıdır. Özellikle sağlık sektörü, oyun sektörü ve satış sektöründe. Aynı zamanda akıllı telefonlarımız da gün geçtikçe daha güçlü donanıma sahip olmaktadırlar. Asıl amaç göz takibi ile kimlik doğrulanması tekniğiyle akıllı telefonlarının güvenliğinin arttırılması. Tezin içeriğinde akıllı telefonlarının ön kamerasından göz bebeklerinin takip edilerek kimlik doğrulanması incelenmiştir. Akıllı telefonlarda, bunun başarılması için göz takip algoritmaları ve göz bebeği eşleşme taslakları uygulanmıştır. Kullanıcıların güvenilir bir şekilde kimlik doğrulamalarını mobil cihazları ile güvenli bir şekilde yapabilmeleri için göz bebeği segmentasyon algoritması, gözün algılanması ve gözün bakış estimasyon algoritmasını kapsamaktadır.
Simülasyon ortamında derin pekiştirmeli öğrenme ile robot kontrolü
Makine öğreniminin bir dalı olan Pekiştirmeli Öğrenme, bir ortamda ödülleri en üst düzeye çıkarmak için eylemleri seçmeye dayalı öğrenme yöntemidir. Doğada çokça gözlemlenen bu davranışsal öğrenme şekli, hakkında bilgi sahibi olunmayan ortamlarda otonom görevler için başarılı sonuçlar verir. Pekiştirmeli Öğrenme yöntemlerinden, Derin Pekiştirmeli Öğrenme ile otonom görevler için gezgin robotları eğitebiliriz. Gezgin robotlar, eş zamanlı konum belirleme ve haritalama (SLAM) algoritmaları ile ortam haritasını çıkararak yol ve hareket planlama görevlerini yapabilirler. Ancak haritası çıkarılmamış ortamlarda hareket planlamak ve yapmak zorlu bir görevdir. Çalışmamızda, bu zorlukları aşmak için Derin Pekiştirmeli Öğrenme yöntemleri kullanılarak gezgin robotlar ile bilinmeyen ortamlarda belirlenen görevleri yerine getirmek amaçlanmıştır. Robot İşletim Sistemi ve benzetim ortamı olarak sıklıkla kullanılan, 3 boyutlu modeller ile çalışabilen Gazebo benzetim ortamı ile gerekli ortam oluşturulmuş ve TurtleBot3 gezgin robotu ile engellere çarpmadan bu ortamda belirlenen hedeflere ulaşmak amaçlanmıştır. Çalışmamızda, Pekiştirmeli Öğrenmenin sıklıkla kullanılan yöntemi Q Öğrenmenin sınırlamalarından dolayı, karmaşık problemler için bellek yerine sinir ağlarını kullanan Derin Pekiştirmeli Öğrenme yöntemlerinden Derin Q Ağları tercih edilmiştir. Gazebo'da oluşturulan ortamda TurtleBot3 gezgin robotu ile eğitim yapılmıştır. Pekiştirmeli öğrenmenin temel özelliklerinden, açgözlü yaklaşım politikasına göre başlangıç aşamasında rastgele yapılan hareketler yerini ilerleyen aşamalarda sinir ağı modelinin karar verdiği hareketlere bırakarak hedef noktayı art arda defalarca bulabilen ve bölüm boyunca topladığı ödülü artırabilen bir model oluşturulmuş ve bu modelin başarımı grafiklerle gösterilmiştir.
Elektrik tüketim verilerine yapay zeka modellerinin uygulanması
Bu çalışmada, 2016 Ocak - 2024 Haziran döneminde Türkiye'nin Bilecik ilinin Aydınlatma, Mesken, Sanayi, Tarımsal Sulama ve Ticarethane sektörlerine ait elektrik tüketim verileri incelenmiştir. Elektrik tüketiminin gelecekteki eğilimlerini tahmin etmek amacıyla, Enerji Piyasası Düzenleme Kurumu'nun (EPDK) yayımladığı Elektrik Piyasası Aylık Resmi İstatistikleri kullanılarak veriler toplanmış ve Zaman Serisi Analizi ile işlenmiştir. RNN, GRU, LSTM ve BiLSTM modelleri, sektörel bazda epoch 25, 50, 100 ve 200 değerlerinde eğitilmiş, 2016-2019 dönemi eğitim verisi, 2020-2024 Haziran dönemi test verisi olarak kullanılmıştır. Modellerin performansı MAE, RMSE, MSE ve MAPE metrikleri ile değerlendirilmiştir. Çalışmada elde edilen bulgular, Mesken ve Ticarethane sektörlerinde BiLSTM ve LSTM modellerinin yüksek doğrulukla tahmin yaptığını, Sanayi ve Tarımsal Sulama sektörlerinde ise GRU ve BiLSTM modellerinin daha başarılı olduğunu göstermiştir. RNN modeli genel olarak diğer modellere göre daha düşük performans sergilemiştir. Çalışma, derin öğrenme modellerinin elektrik tüketimi tahmininde güçlü bir öğrenme yeteneğine sahip olduğunu, ancak bazı sektörlerde daha fazla hiperparametre optimizasyonuna ihtiyaç duyulduğunu ortaya koymuştur. Sonuç olarak, bu modeller, Bilecik ilinin gelecek yıllarındaki elektrik tüketiminin sektörel bazda tahmin edilmesini sağlamış ve enerji yönetimi açısından önemli öngörüler sunmuştur. Gelecekteki çalışmalar için modellerin sektörel bazda performanslarını artırmak amacıyla daha karmaşık ve daha büyük veri kümelerinde optimizasyon yöntemleri kullanılabilir.
Kümeleme problemleri için geliştirilmiş tek aday optimizasyon algoritması
Optimizasyon problemlerinin etkili bir şekilde ele alınması için, verimli optimizasyon algoritmalarının geliştirilmesi büyük önem taşımaktadır. Bu tez çalışması kapsamında, 2022 yılında Shami ve arkadaşları tarafından (Shami, Grace, Burr, & Mitchell, 2022) literatüre kazandırılan Tek Aday Optimizasyonu (SCO: Single Candidate Optimizatin) Algoritması ele alınmaktadır. Bu çalışmada ele alınan SCO algoritması, basit ve anlaşılır bir algoritma olup diğer popülasyon tabanlı sezgisel algoritmalardan en büyük farkı, tek bir aday çözüm ile optimizasyon probleminin çözümünü daha hızlı bulmaya çalışmasıdır. Ancak diğer sezgisellerde olan yerel minimumlara takılma gibi temel sorunlara da sahiptir. Öncelikle SCO yapısında sınır değeri aşma problemi (aday çözümün arama uzayının dışına çıkması) ele alınmış ve arama başarımını iyileştirmek için, hızlandırılmış karşıt öğrenme tabanlı bir mekanizma algoritma yapısına entegre edilmiştir. Böylece bu çalışmada, SCO algoritmasına hızlandırılmış karşıt öğrenme mekanizması eklenerek elde edilen, Hızlandırılmış Karşıt Öğrenme tabanlı Tek Aday Optimizasyonu (AccOppSCO: Accelerated Opposition Learning based Single Candidate Optimization) adı verilen yeni bir optimizasyon algoritması önerilmiştir. Önerilen AccOppSCO algoritmasının başarımını değerlendirmek için, literatürden çeşitli optimizasyon problemleri seçilmiştir. Yapılan değerlendirme, AccOppSCO algoritmasının orijinal SCO algoritmasına kıyasla daha doğru çözümler üretebildiğini ortaya koymaktadır. Önerilen AccOppSCO algoritmasının başarımı, ayrıca bir kümeleme problemi üzerinde değerlendirilmiştir. Kümeleme probleminde önerilen AccOppSCO algoritması, orijinal SCO algoritmasına kıyasla daha üstün yakınsama göstermektedir. Son olarak, önerilen AccOppSCO algoritması; Genetik Algoritma (GA), Farksal Gelişim (DE) ve Parçacık Sürüsü Optimizasyonu (PSO) gibi klasik sezgisel optimizasyon algoritmalarıyla karşılaştırılmıştır. Sonuçlara göre, AccOppSCO algoritması yakınsama ve çözüm kalitesi açısından orijinal SCO algoritmasından daha iyi başarım göstermektedir.
Derin öğrenme tabanlı kiraz yapraklarında hasar tespiti
Bu çalışmada tarımsal üretimde verim artışını sağlamak amacıyla kiraz yapraklarındaki hastalıkların tespiti için derin öğrenme yöntemlerinin kullanılması amaçlanmaktadır. Günümüzde yaprak hastalıkların tespiti uzman personel tarafından yapılabilmekte ancak uzun sürmektedir. Ayrıca, bu uzmanların sayısı yetersiz olabilir, bu da doğru tespitin zorluğuna işaret etmektedir. Bu nedenle, kiraz üretimini artırmak ve hastalıkları erken teşhis etmek için derin öğrenme temelli hastalık tespit uygulamalarının kullanımı bu çalışmanın ana amacıdır. Çalışmada iki farklı veri seti üzerinde kiraz yaprak hastalığı tespiti için farklı derin öğrenme modellerinin performansı incelenmiştir. Ortalama sonuçlara göre, MobileNet-V2 modeli %98.68 doğruluk ve %98.83 hassasiyet ile yüksek bir performans sergilemiş, Inception-V3 modeli %94.17 F1-Skor ile tatmin edici sonuçlar vermiştir. Önerilen CNN modeli %95.83 F1-Skor ile dikkat çekmiş, önerilen CNN + LSTM modeli %96.33 geri çağırma değeri ile tatmin edici sonuçlar sunmuş ve önerilen CNN + BiLSTM modeli %96.33 F1-Skor ile yüksek bir performans göstermiştir. En iyi sonuçlar kategorisinde, MobileNet-V2 modeli %99.03 doğruluk oranı ve %99.33 F1-Skor ile en iyi sonuçları vermiş, Inception-V3 modeli %94.00 doğruluk ve %94.33 hassasiyet ile tatmin edici bir performans sergilemiştir. Önerilen CNN modeli %95.66 F1-Skor ile iyi bir performans sergilemiş, önerilen CNN + LSTM modeli %96.67 doğruluk ve %96.67 F1-Skor ile en iyi sonuçları vermiş ve önerilen CNN + BiLSTM modeli %96.66 F1-Skor ile yüksek bir performans göstermiştir. Bu sonuçlar, kiraz yaprak hastalığı tespiti için derin öğrenme modellerinin umut veren sonuçlar elde ettiğini göstermektedir. Çalışma kapsamında en iyi sonuçlar MobileNet-V2 ve önerilen CNN + LSTM modelleri tarafından elde edilmiştir. Bu çalışmanın, çeşitli veri setleri kullanılarak güvenirliliği arttırılabilir, farklı derin öğrenme yöntemleri kullanılarak hastalık tespit başarım oranları yükseltilebilir ve hastalık tespit süreleri düşürülebilir. Anahtar Kelimeler: Derin Öğrenme, CNN, LSTM, Transfer Öğrenme, kiraz yaprak hastalıkları
Yapay zeka ile meme kanseri lenf nodu analizi
Dünya' da en çok görülen kanser türünün akciğer kanseri olmasına rağmen kadınlarda en çok görülen kanser türü meme kanseridir. Meme kanserinde, hastalığın evresi ve buna bağlı olarak hangi tedavi yönteminin kullanılacağı konusunda birçok olgunun analiz edilmesinin yanında koltuk altı lenf nodu durumu önem taşımaktadır. Meme kanserinde koltuk altı lenf durumunun varlığı vücudun diğer organlarına yayılma riskini arttırmaktadır. Cerrahi işlemler gerektiren bu durum hastalığın ciddiyetini önemli kılmaktadır. Yapılan bu çalışmada İstanbul Gaziosmanpaşa Taksim Eğitim ve Araştırma Hastanesi'nden alınan meme kanseri olan hastaların koltuk altı lenf durumunu içeren klinik ve patolojik verileri, Yapay Zeka yöntemlerinden olan K-Means, Uyarlamalı Sinirsel Bulanık Çıkarım Sistemi, Genetik Algoritma ve Yapay Sinir Ağları kullanılarak modeller oluşturulmuş ve meme kanseri lenf nodu durumu teşhisi için kullanılabilirliği analiz edilmiştir. Modellerin eğitimi için belirtilen yöntemler ile farklı iki hibrit model oluşturulmuştur. Farklı özelliklere sahip bu iki yöntemin verimliliğini görebilmek adına temel bir Yapay Sinir Ağı kullanılmıştır. Tıbbi olarak güvenilirliğini test etmek amacıyla bu çalışmada oluşturulan modellerin performanslarının karşılaştırılması tanı testleri ve ROC eğrisiyle ortaya konulmuştur.
NOSQL ve RDBSM yapıların performans karşılaştırması
Düzensiz ve düzenli veri tabanı yapıları karşılaştırmalı olarak incelenmiştir. Amaç olarak, veri tabanı uygulamaları farklı boyutlarda veri üzerinde okuma işlemi yaparken ne kadar verimli çalıştıklarının anlaşılması güdülmüştür. Aynı veriler hem düzensiz hem de düzenli uygulamalara yüklenmiş ve bir program aracılığıyla verimleri ölçülmüştür. Sonuçta çeşitli veri akış yükü ve veri boyutlarında hangi düzenin hem geliştirme hem de kullanıcıya sunmada daha verimli sonuç verdiği yorumlanmıştır. Veriler eşliğinde veri tabanlarının çok fazla verinin bulunmadığı, tablolar arasında çok fazla ilişkinin olmadığı kısımlarında düzenli yapıların, büyük tablolar ve karmaşık ilişkilerin bulunduğu kısımlarındaysa düzenli yapıların kullanılmasının geliştirme, kullanıcıya sunma ve bakımını yapma konularında daha verimli çözümler sunduğu anlaşılmıştır. Veri tabanı mühendislerinin ve veri tabanıyla uğraşan tüm yazılımcıların bir tasarıyı geliştirirken hangi yaklaşımı tercih etmeleri gerektiğine ışık tutulmaya çalışılmıştır.
Acil çağrı merkezine gelen çağrıların doğal dil işleme yöntemleri ile sınıflandırılması: bilecik 112 acil çağrı merkezi örneği
Acil çağrı merkezleri, modern toplumlarda bireylerin yaşam güvenliği ve toplumsal düzenin sürdürülebilirliği açısından hayati öneme sahip kritik altyapılar arasında yer almaktadır. Bu çalışma, acil durum çağrılarının işlenme süreçlerinde operasyonel verimliliği artırmak ve müdahale sürelerini optimize etmek amacıyla doğal dil işleme (NLP) tabanlı yenilikçi bir otomatik sınıflandırma sistemi önermektedir. Araştırma kapsamında, gerçek çağrı merkezi ortamından elde edilen ses kayıtları öncelikle metinsel veriye dönüştürülmüş, ardından kapsamlı bir veri ön işleme sürecinden geçirilmiştir. Bu süreçte, metin normalizasyonu, tokenizasyon, stop-word eliminasyonu ve özel isimlerin anonimleştirilmesi gibi temel NLP teknikleri uygulanmıştır. Makine öğrenmesi yaklaşımı olarak Naive Bayes, Destek Vektör Makineleri (SVM), Random Forest ve Logistic Regresyon algoritmaları ile birlikte derin öğrenme tabanlı LSTM, CNN, GRU ve BERT modelleri karşılaştırmalı olarak değerlendirilmiştir. Model performansları kesinlik, duyarlılık ve F1-skor standart doğruluk metrikleri ile ölçülmüştür. Deneysel sonuçlarda geliştirilen modellerde farklı doğruluk sonuçlarına ulaşılmıştır. Bu bulgular, acil durum yönetim sistemlerinde yapay zekâ tabanlı çözümlerin operasyonel verimliliği önemli ölçüde artırabileceğini ve insan kaynaklı hataları minimize edebileceğini ortaya koymaktadır. Çalışmanın, gelecekte acil çağrı merkezlerinin dijital dönüşüm çalışmalarına katkı sağlayacağı öngörülmektedir.
Kaotik mutasyon stratejileri tabanlı tek aday optimizasyon algoritmalarının mühendislik tasarım problemlerinde uygulanması
Sezgisel arama algoritmaları, karmaşık optimizasyon sorunlarını ele almak için yaygın olarak kullanılan bir metodolojidir. Tipik olarak bu algoritmalar, arama uzayı boyunca bir dizi potansiyel çözümde gezinerek optimum çözüme yakınsama hedefiyle sürü veya popülasyon tabanlı yaklaşımlara dayanmaktadır. Bununla birlikte, bu yaklaşımların çoğunluğunun önemli sayıda parametre gerekliliği, yüksek hesaplama maliyeti, erken yakınsama ve global çözümü garanti edememe gibi eksiklikleri vardır. Bu tez çalışmasında, sürü tabanlı metodolojilerin aksine, optimizasyon süreci boyunca tek bir aday çözüm kullanan yeni bir sezgisel arama stratejisi olan Tek Aday Optimizasyon (SCO) algoritması ele alınmaktadır. SCO, aday çözümün konumunun güncellenmesi için iki aşamalı bir metodoloji kullanır. İlk aşamada aday, kendi içsel bilgisinden yararlanarak arama uzayının çeşitli bölgelerini araştırır. İkinci aşamada aday, yerel arama yöntemlerini kullanarak kendi bölgesi içinde en uygun çözümü arar. Bu şekilde, SCO algoritması keşif ve sömürü yetenekleri arasında bir denge kurar. SCO algoritması, basitlik, sınırlı sayıda parametre, düşük hesaplama maliyeti ve yüksek başarım gibi çeşitli avantajlar sunar. Bununla birlikte, SCO algoritmasının potansiyel eksiklikleri de yok değildir. Bunlar arasında tek bir aday çözümün sınırlı keşif kabiliyeti, yerel minimum noktalarına yakalanma riski ve optimal olmayan bölgelerde takılıp kalma olasılığı yer almaktadır. SCO'nun keşif mekanizması aday çözümü hızla sıfıra götürebilirken, bu durum sıfır olmayan çözümlere sahip problemler için SCO'nun çözüme yakınsamasını engelleyebilir. Bu sınırlamaları ele almak ve SCO algoritmasının başarımını iyileştirmek için çeşitli yöntemler önerilebilir. Bu tez çalışmasında, SCO algoritmasının etkinliğini artırmak ve bahsedilen handikaplarını yenebilmek için Chaucy, Gauss ve Levy gibi kaotik fonksiyonlara dayalı yeni bir mutasyon tekniği önerilmektedir (Kale ve Yüzgeç, 2022:3). Bu mutasyon operatörü, aday çözümün konumunu güncellerken arama uzayının farklı bölgelerini dolaşmasını sağlayarak keşif yeteneğini geliştirir (Parmaksız vd. 2023:5). Önerilen kaotik mutasyon stratejisi tabanlı tek aday optimizasyon algoritması (CSCO: Chaotic mutation based Single Candidate Optimizer), literatürden elde edilen 23 farklı kıyaslama fonksiyonu için orijinal SCO algoritması ile karşılaştırmalı olarak değerlendirilmiştir. Bunun yanısıra, CSCO algoritmasının başarımı, literatürde tanımlanan çeşitli mühendislik tasarım problemlerinin incelenmesi yoluyla değerlendirilmiştir. Bunlar arasında Kaynaklı Kiriş Tasarımı (WBD), Sıkıştırma Yayı Tasarımı (CSD) ve Basınçlı Kap Tasarımı (PVD) yer almaktadır. Karşılaştırmalarda orijinal SCO algoritmasının yanı sıra literatürde sıklıkla kullanılan popüler sezgisel algoritmalar da kullanılmıştır. Sonuçlar, farklı mutasyon tekniklerinin kullanıldığı CSCO'nun başarımında kayda değer bir iyileşme olduğunu göstermektedir. Öncelikle 23 adet kıyaslama fonksiyonunun karşılaştırılmasında, CSCO algoritması en iyi metrik değerlerine göre orjinal SCO algoritmasından %73,91'lik daha iyi bir başarım göstermiştir. Aynı şekilde, en kötü metrik değerlerin karşılaştırılmasında CSCO, kıyaslama fonksiyonlarında %56,52'lik bir başarı oranı ile dikkat çekmektedir. Ayrıca, CSCO 13 fonksiyonda SCO'dan %56,52 daha etkili bir medyan metrik başarımı ve 10 fonksiyonda %43,48 daha etkili bir ortalama metrik başarımı sergilemektedir. Ayrıca, SCO'ya kıyasla %69,57 daha düşük standart sapma değeriyle, CSCO'nun test fonksiyonları arasında daha düzgün ve istikrarlı bir davranış sergilemesi de dikkat çekicidir. Bu gözlemler, CSCO'nun test fonksiyonlarının optimizasyonunda SCO'ya kıyasla daha üstün bir yetkinliğe sahip olduğunu doğrulamaktadır. Bunun yanı sıra SCO ve CSCO algoritmalarının 10 mühendislik tasarım problemleri yakınsama eğrileri analiz edildiğinde 10 problemden 9'unda CSCO algoritmasının daha az iterasyonda, yerel minimumlara takılmadan çözüm noktasına yakınsadığı görülmektedir. Mühendislik tasarım problemlerinde CSCO algoritması %90 başarı oranıyla yapılan geliştirmelerin verimliliğini ortaya koymaktadır.
Çok katmanlı aşırı öğrenme makinelerinin regresyon problemlerindeki başarımlarının karşılaştırılması
Yapay zeka, günümüzdeki gelişmelerle birçok alanda yaygın olarak kullanılmaktadır. Yapay sinir ağları (YSA), büyük veri kümelerinin analizinde etkili olup, zaman ve çaba tasarrufu sağlayarak daha akıllı sistemlerin oluşturulmasına katkıda bulunur. Aşırı öğrenme makinesi (AÖM), YSA'ların eğitim sürecini basitleştirerek daha hızlı öğrenmelerini sağlar. Özellikle büyük veri kümeleri üzerinde çalışırken ortaya çıkan zorlukları aşmak için tasarlanmıştır. 2022'de Kale ve Karakuzu, çok katmanlı aşırı öğrenme makineleri üzerine iki önemli geliştirme yapmıştır. Araştırmacılar, bu ağların dinamik sistemlerdeki modelleme başarımını detaylı bir şekilde inceleyerek, önerilen sistemlerin üstün modelleme yeteneklerine sahip olduğunu belirlemiştir. Bulgular, çok katmanlı aşırı öğrenme makinelerinin sistem modelleme uygulamalarında etkili araçlar olduğunu net bir şekilde göstermektedir. Bu tez çalışmasında, yeni geliştirilen bu iki AÖM yapısının regresyon problemleri üzerindeki başarımları incelenmiştir. Bulgular, yeni geliştirilmiş modellerinin regresyon problemlerini çözmede etkili bir başarım sergilediğini ve orijinal ağ yapısına kıyasla daha başarılı sonuçlar verdiğini göstermektedir. Ancak, işlem yapma hızı açısından her durumda üstünlük sağlamadığı gözlemlenmiştir. Elde edilen sonuçlar, modellerin regresyon analizinde geniş bir uygulama potansiyeli olduğunu ve endüstriyel/bilimsel problemlerin çözümünde değerli bir araç olabileceğini işaret etmektedir.
Blok zincir teknoloji tabanlı aidat ödeme sistemi
Blokzincir teknolojisi, günümüzde yaygınlaşan ve gelecekte daha da ön planda olacak olan verileri güvenli, değiştirilemez ve silinemez olarak dağıtık deftere kaydeden merkeziyetsiz bir teknolojidir. Verilerin blokzincir ağına kaydedilmesi veri tabanına kaydedilmesinden daha güvenlidir. Bu çalışma, bir site içerisinde yer alan apartman sakinlerinin aidat ödemelerinin blokzincir tabanlı sistemde yapılmasını sağlamak konuludur. Çalışmada öncelikle tüm apartman sakinleri için metamask cüzdanları tanımlanmıştır. Her apartman sakininin ödemelerini blokzincir tabanında ve metamask cüzdanları ile yapması için sistemin arka planında Ethereum tabanlı akıllı kontratlar yazılmıştır. Arayüz akıllı sözleşme bağlantısı Truffle geliştirme çatısı kullanılarak yapılmıştır. Akıllı kontratlar içerisinde site yöneticisi, apartman ve daire bilgileri tanımlanmıştır. Ayrıca, geliştirilen ara yüzde kullanıcı ve yönetici girişi ayrı olacak şekilde tasarlanmıştır. Yöneticinin sistemde kiracılar, ev sahibi, aidat miktarı ve diğer bilgiler üzerinde güncelleme yapabilmesi sağlanmıştır. Yönetici tarafında apartman sakinlerinin yaptığı aidat ödemelerinin ayrıntılı bir şekilde listelenmesi için ara yüz tasarlanmıştır. Kullanıcı girişi sayfasında ödenen miktar, hangi hesaba gönderildiği, gönderen kişiye ait apartman adı, daire numarası ve gönderdiği tarih bilgileri tutulmaktadır. Apartman sakinlerinin yaptıkları aidat ödemeleri veri yerleştirmeler (mappings) sayesinde blokzincir ağında akıllı sözleşmenin kalıcı bellek bölgesinde tutulmakta ve bu bilgiler istenildiği zaman raporlanmaktadır. Yapılacak olan her işlem için akıllı sözleşmede ayrı ayrı fonksiyonlar tanımlanmıştır. Aylık yapılan ödemelere ait bilgiler uyarı olarak blokzincir ağının ilgili bloğuna olaylar (events) aracılığıyla kaydedilebilmekte ve istenirse ağdan herkese açık bir şekilde incelenebilmektedir. Ödemelere ait bir rapor istenirse filtreleme yapmak için akıllı sözleşmede yer alan fonksiyonlar aracılığıyla kalıcı hafızaya kaydedilen veriler kullanılmaktadır. Çalışma apartman aidat yönetiminde veri güvenliği ve aidat takibi açısından izlenebilirlik ve şeffaflık sağlamaktadır. Çalışma Solidity yazılım dili ile yapılmıştır. Test aşamasında sanal cüzdanlar kullanılmıştır. Aidat ödeme sırasında kesilen işlem ücreti fazla olduğundan dolayı Ethereum Gas ücretini en aza indirmek için yazılım aşamasında kod satırları minimuma indirilmiştir. Yazılımda yer alan kod satırları azaltıldığından dolayı coin transferi sırasında kesilen ücretinin minimuma indirgenmesi sağlanmıştır.
Ailevi Akdeniz Ateşi'nde kolşisin tedavisinin makine öğrenmesi analizi
Bu çalışmada Ailevi Akdeniz Ateşi hastalığı tespiti oldukça zor işlemler ve süreçler sonrası elde edilebilmektedir. Birçok hasta uzun bir süre boyunca hastalığın belirtileri taşımasına rağmen hastalık teşhisi yapılamamaktadır. Bunun asıl sebebi de birçok Dahiliye doktoru, hastalık belirtileri ile gelen hastalardan farklı hastalıklardan şüphe duymasıdır. Çünkü Ailevi Akdeniz Ateşi hastalığı günümüze kadar sık rastlanan hastalıklar arasında yer almamıştır. Bu çalışmada Ailevi Akdeniz Ateşi (FMF) hastalığının tespit edilmesi için yapılabilecek çalışmalar ve bu çalışmaların uygulama yöntemleri ile ilgili çalışmalar yer almaktadır. Makine Öğrenmesi yöntemleri ile ilk olarak hastalıkta yer alan önemli kriterlerinin belirlenmesi ve ardından kişinin Ailevi Akdeniz Ateşi hastası olup olmama ihtimali hakkında doktora bilgi vermesi sağlanacağı düşünülmüştür. Fakat veri setinin böyle bir sınıflandırma problemini ele almak için yetersiz olması nedeniyle çalışma hastalık tedavisinde kullanılan en önemli ilaçlardan biri olan kolşisin tedavisine hastaların yanıt vermesi veya vermemesi durumlarını incelemek olarak araştırmaya yeni bir yön verilmiştir. Bu bağlamda, Ailevi Akdeniz Ateşi (AAA) hastalığına ait demografik bilgiler, klinik semptomlar ve genetik varyantlar gibi çeşitli özellikler içeren özelleştirilmiş bir veri seti üzerinde çalışma gerçekleştirilmiştir. Özellik seçimi sürecinde, chi2-değerine dayalı SelectKBest algoritması kullanılarak 8 kritik özellik belirlenmiştir. Bu özellikler üzerinde gerçekleştirilen analizde, Logistic Regression modeli dikkate değer sonuçlar elde etmiştir. Bu model, ortalama doğruluk oranı %85.42, ortalama hassasiyet %85.81, ortalama geri çağırma %99.17 ve ortalama F1 skoru %92.00 olarak belirlenmiştir. Bu sonuçlar, Ailevi Akdeniz Ateşi hastalığının teşhisinde yüksek doğruluk ve hassasiyetle çalışan bir modelin geliştirilmesine olanak tanımaktadır. Bu bulgular, Ailevi Akdeniz Ateşi hastalığının erken teşhisinde ve kişiselleştirilmiş tedavi stratejilerinin geliştirilmesinde önemli bir katkı sağlayabilir. Çalışma, bu alandaki daha geniş kapsamlı araştırmalar için sağlam bir temel oluşturmaktadır ve alanında önemli bir adım olarak değerlendirilebilir.
İskemik inmenin medikal taramalar üzerinde derin öğrenme yöntemleri ile tespiti
İnme, her yıl milyonlarca insanın hayatını kaybetmesine ve aynı zamanda kalıcı fiziksel ve bilişsel sorunlar yaşamasına sebep olan bir rahatsızlıktır. Beyindeki kan akışının ani kesintisi sonucu ortaya çıkmaktadır. İnme vakalarında semptomların görülmeye başlanıp hastaneye başvurulduğu dönem akut fazda teşhisin yapılması ve hemen tedaviye başlanması, hayati riski azalttığı gibi bireyin tedavi sonrası yaşam kalitesini iyileştirmek için de önemlidir. İnme lezyonlarının saptanması için uzman görüşünün yanı sıra, el yordamı ile bölütlemenin zaman alıcı bir süreç olması gereken hızlı teşhis ihtiyacını aksatmaktadır. İnme lezyonlarının bilgisayar destekli algoritmalar ile tespit edilmesi bu ihtiyaca uygun bir çözümdür. İnmede tedaviye geçiş sürecinde yaşanabilecek gecikmeler hastada fonksiyon kayıplarına ve ölümle sonuçlanabilecek beyin dokusunun ölmesine sebep olabilmektedir. Son yıllarda, derin öğrenme algoritmalarındaki gelişmeler, hastalıkların teşhis ve tedavisinde kullanılan medikal tarama analizinde klinik çözümlerin bir parçası olmaktadır. Yakın dönemde yapılan birçok çalışmada başarılı sonuçlar alınması, uzmanlara yardımcı olabilecek doğruluğu yüksek sistemler geliştirilmesi konusunda umut vaat etmektedir. Bu tez çalışmasında, iskemik inme vakalarında yaygın olarak kullanılan Manyetik Rezonans Görüntüleme (MRG) taramaları üzerinde lezyonların otomatik bölütlenmesini sağlamak amacıyla global açık bir verisetinde (ISLES'22) derin öğrenme yöntemlerinin etkisi incelenmektedir. Bölütleme görevinde derin öğrenme modellerinden U-Net mimarisi ile iki farklı evrişimsel sinir ağının birleştirildiği yöntemlerin, difüzyon-ağırlıklı MR görüntüleri (DAG) üzerindeki performansları ölçülmüştür. Deneysel analizlerde, 250 hastaya ait MR görüntüleri ile eğitilen modeller kullanılarak F1-skoru, Dice benzerlik katsayısı ve Kesinlik (Precision), Duyarlılık (Recall) anahtar performans metrikleri için sırasıyla test kümesi üzerinde ortalama 0.85, 0.79, 0.86 ve 0.87 skorları başarılmıştır. Deneysel çalışma sonuçları, küçük boyut ve düzensiz şekiller nedeniyle zorlu inme lezyonlarına sahip ISLES'22 verisetinde katılımcılarının elde ettiği sonuçlarla örtüştüğü ve sonuç olarak U-Net ile oluşturulan modellerin, iskemik inme lezyonlarını başarılı bir şekilde bölütleme potansiyeline sahip olduğunu göstermiştir. Önerilen yöntemin klinik aşamalarda inme teşhisini kolaylaştıracağı ve karar verme sürecinde kullanılabilecek yardımcı bir araç olabileceği değerlendirilmektedir.
Derin öğrenme algoritmaları ile yumurtalıklarda kanserli hücre tespiti
Bu çalışma, yumurtalık kanseri hücrelerini sınıflandırmak amacıyla çeşitli derin öğrenme mimarilerinin (ResNet-50, EfficientNetB0, DenseNet121, MobileNetV2 ve InceptionV3) performanslarını değerlendirmektedir. Her bir model, yumurtalık kanserinin beş farklı alt türüne (Clear Cell, Endometri, Mucinous, Non_Cancerous, Serous) ait veriler kullanılarak eğitildi ve test edildi. Veri seti eğitim, doğrulama ve test olarak üç ana bölüme ayırıldı ve veri artırma teknikleri kullanarak eğitim verisinin çeşitliliğini arttırılmıştır. Modellerin eğitimi sırasında modeller, önceden eğitilmiş ağırlıklarla yüklendi ve üst katmanları çıkarılarak özel sınıflandırıcı katmanlar eklendi. Eğitim sürecinde, sınıf ağırlıkları hesaplamaları, kategorik çapraz entropi kaybı ve ince ayar yöntemleri kullanılarak bu yöntemlerin başarımları da değerlendirilmiştir. Modellerin performansı, başarım grafikleri, sınıf bazlı sonuçlar ve karmaşıklık matrisleri ile gösterilmiş ve doğruluk, hassasiyet, geri çağırma ve F1-skoru metrikleri kullanılarak değerlendirilmiştir. Elde edilen sonuçlar, ince ayarlı modellerin genellikle daha iyi performans gösterdiğini ve belirli modellerin belirli sınıflar için daha uygun olduğunu göstermektedir. EfficientB0 modelinin tüm sınıflarda yüksek doğruluk oranlarına ulaştığı gözlemlenmiştir. Modelin genel doğruluğu %98,87'ye ulaşmıştır; bu sonuç, kanser sınıflandırmasında önerilen yöntemin umut verici olduğu şeklinde değerlendirilmektedir. EfficientB0 modelinden sonra başarımı en yüksek model ResNet50'dir. ResNet50, yüksek hassasiyet, geri çağırma, F1 skoru ve doğruluk elde ederken, makro ortalama değerleri diğer modellere göre daha yüksektir. Diğer modellerin performansı, bu iki modelin gerisinde kalmaktadır. Bu sonuçlar, ResNet50 ve EfficientB0'un önerilen modeller olarak değerlendirilmesini desteklemektedir. Çalışmanın sonuçları, derin öğrenme modellerinin yumurtalık kanseri sınıflandırması alanında etkin bir şekilde kullanılabileceğini ve gelecekteki çalışmalar için değerli bir rehberlik kaynağı olabileceğini göstermektedir. Bu sonuçlar, daha etkili ve hassas tanı yöntemlerinin geliştirilmesine yönelik önemli bir adım olarak değerlendirilebilir.
Robotik süreç otomasyonunun otomotiv sektöründe verimlilik etkisi
İnsan gücüne başvurularak tamamlanmakta olan işlerin robotlar aracılığıyla yapılması verimlilik oranına olumlu şekilde yansımaktadır. Robotik Süreç Otomasyonu (RPA) yalnızca bir mekanizma olmakla sınırlı kalmamaktadır. Özellikle otomotiv alanında giderek daha da önemli gelişmeler kaydedilmektedir. RPA çalışma süreçlerini bünyesindeki mekanizmalarla otomatik hale getiren yararlı bir otomasyon yazılımı şeklinde ifade edilse dahi sınırlılıklarının bulunduğu noktalar bulunmaktadır. Yalnızca kural temelli olarak inşa edilen çalışma aşamalarında kullanılabilmesi, veri anlamlandırma ve yorumlama, genellikle insani bir çabaya ihtiyaç duyması bu sınırlılıklardan bazıları olmaktadır ve yapılan çalışma kapsamında RPA'nın otomotiv sektöründeki verimlilik etkisi gözlemlenmektedir. Otomotiv sektörü, karmaşık üretim süreçleri ve yüksek hacimli veri yönetimi gerektiren bir endüstri olarak, RPA'nın potansiyel faydalarından büyük ölçüde yararlanabilir. Bu çalışmada otomotiv sektöründe araç enerji tüketimini hesaplayan ve oldukça karmaşık bir akışa sahip olan Araç Enerji Tüketimi Hesaplama Aracı (VECTO) simülasyonunun RPA ile kullanımından bahsedilecektir. Bu simülasyon, aracın teknik özellikleri ve bilgileriyle aracın yakıt tüketimini CO2 emisyonlarını hesaplamaktadır. Hesaplanan değerler sonrasında AB Komisyonu sistemine yüklenmektedir. Çalışmada bu işlemlerin RPA ile nasıl yapıldığı, verimliliği ve diğer faktörleri nasıl etkilediği ele alınmıştır. Süreç öncelikle analiz edilerek dokümantasyonları hazırlanmıştır. Daha sonra sürece ait tüm kurallar netleştirilerek RPA ürünü olan UiPath Studio'da geliştirilmiştir. Süreç için manuel insan eforu 1 işlem için ortalama 180 dakika sürerken robot ile bu işlem 8 dakikaya düşmüştür.
Alfa kanalı ile steganografi
Bu çalışmada, Steganografi bilimi yöntemlerine yeni bir yöntem getirilmesi amaçlanmıştır. Bilinen bazı Steganografi yöntemleri üzerine incelemeler gerçekleştirilmiş ve güncel konular üzerinden teknikler açıklanmaya çalışılmıştır. Steganografi alanlarından bir tanesi olan görüntü ile mesajlaşma yöntemi üzerinde durulmuş ve bazı görüntülerde yer alan alfa kanalı üzerinden Steganografi gerçekleşebileceği gösterilmiştir. Görüntüler üzerinden gizli mesaj gönderimi esnasında ilgili resimde yer alan görüntünün de bozulmaması esasına dayalı olarak fikir geliştirilmiş ve yeni yöntem sunulmuştur.
JPEG dosyalarının hafıza boyutlarının düşürülmesi
Bu çalışma ile, JPEG dosyalarının bilgisayar hafızasında kapladıkları boyutun küçültülmesi amaçlanmıştır. Çalışma süresince dijital görüntü işleme ve tekniklerine ilişkin incelemeler yapılmış ve mevcut bazı yöntemler günümüz örnekleri ile açıklanmaya çalışılmıştır. Çalışmanın detaylandırıldığı, tez önerisinin sunulduğu bölümde ise, hali hazırda bu tez konusunu belirli yöntemlerle gerçekleştiren diğer çalışmalara yer verilmiş ve yeni yaklaşım ortaya atılmıştır.
Görüntü işlemede yüz tanıma temel bileşenler analizi ve doğrusal diskriminant analizi yöntemlerinin android mobil uygulamada karşılaştırılması
Günümüz teknolojisinde görüntü işleme önemli bir yer kaplamakla beraber bir çok farklı alanda karşımıza çıkmaktadır. Hayatımızı daha kolaylaştıran yüz tanıma; sağlık sektöründe, çalışan takip sistemlerinde, endüstriyel alanlarda, savunma sanayisi gibi alanlarda kullanılmakta ve bu konuda ihtiyaçlar gün geçtikçe artmaktadır. Şirketlerde çalışanların giriş – çıkış bilgileri artık yüz tanıma sistemleri ile tutulmakta, trafikte plaka tanıma, hız sınırı kontrolleri için görüntüler işlenmekte, sağlık sektöründe hastalıkların bir çoğu görüntü işleme sistemleri ile tespit edilmektedir. Bu sayede iş yükü azalmış, stabilite ve güvenilirlik artmıştır. Görüntü işleme yöntemleri kullanılmadan haftalarca, aylarca ve hatta yıllarca sürebilecek işlemler artık dakikalara, saniyelere kadar düşürülmüştür. Bu sistemler eğitildikçe hata oranları azalmakta, gün geçtikçe daha stabil olmaktadırlar. Bu çalışmada, görüntü işleme yöntemlerinden yüz tanıma ele alınmış; bu bir mobil uygulama üzerinde gerçeklenmiş ve farklı iki yöntem performans açısından birbiri ile karşılaştırılmaya, sonuçları incelenmiştir.