1,940
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Güvenlik kameralarından araç hız tespiti için yeni bir derin öğrenme mimarisi önerisi
Bu araştırma, akıllı ulaşım sistemlerinde doğru ve verimli araç hız tahmini için yeni bir derin öğrenme tabanlı yöntem sunmaktadır. Geleneksel nesne tespiti ve takibi odaklı yaklaşımların aksine, önerilen yöntem, video verilerinden uzamsal-zamansal bilgileri birleştirerek araç hızını doğrudan öğrenen birleşik bir yöntem önermektedir. Araç hareketi, uzamsal-zamansal alandaki izler olarak temsil edilir ve bu izlerin eğimi araç hızını doğrudan belirler. Sistemin tasarımı, uzamsal-zamansal bilgiyi bütünleştirerek tahmin doğruluğunu ve modelin sağlamlığını artırır. Bu bağlamda geliştirilen model, popüler YOLOv8 nesne tespit modeli baz alınarak uyarlanmıştır. Çeşitli trafik senaryolarında araç hız tahminine yönelik olarak uçtan uca eğitilmiştir. Model, geniş çaplı güvenlik kamerası video verileri üzerinde eğitilerek, görsel özellikler ve araç hızları arasındaki karmaşık ilişkileri etkili bir şekilde öğrenmiştir. Deneysel sonuçlar, geliştirilen yöntemin üstün performansını ortaya koymaktadır: %99 değerinde Ortalama Kesinlik Ortalaması (mAP), 1,34 km/sa değerinde ortalama mutlak hata, %2,50 değerinde ortalama mutlak yüzdelik hata ve 1,80 km/sa ortalama karekök hata değerleri elde edilmiştir. Ayrıca, geliştirilen model, saniyede 150 kare işleme hızına ulaşarak gerçek zamanlı trafik analiz uygulamaları için uygun bir çözüm sunmaktadır. Bu çalışma, araç hız tahmini için doğrudan uzamsal-zamansal verilerden öğrenen bir derin öğrenme yaklaşımının etkinliğini ortaya koyarak, trafik izleme ve sıkışıklığı yönetimi gibi alanlarda yenilikçi bir çözüm sunmaktadır. Önerilen model hem doğruluğu hem de işlem hızını optimize ederek yeni bir yaklaşım sunmaktadır.
Predicting RT-PCR test outcomes with machine learning: Guided autoencoder-based imputation and clinical utility assessment
Nowadays, machine learning (ML) is widely used in the healthcare industry for various purposes, including drug development, disease diagnosis and prediction, medical imaging analysis, and outbreak forecasting. Since its emergence in 2019, the COVID-19 pandemic has posed serious challenges to global health. The World Health Organization (WHO) reports that more than 6.9 million people have died from COVID-19, and there have been over 767 million confirmed cases worldwide. Additionally, 936 fatalities and more than 359,000 new cases were reported globally between May 12 and June 8, 2025. These figures underscore the burden on healthcare systems, especially in underdeveloped countries with limited funding. This thesis is organized into three main sections. In the first section, machine learning-based models were developed and evaluated using clinical data to predict the likelihood of active COVID-19 infection and recommend the optimal medical facility for treatment. Since the dataset contains missing data, several imputation techniques are employed. The second section of this study assesses multicollinearity and its impact on the effectiveness of imputation methods, ensuring the reliability of these predictive models. In the third section, an autoencoder-based model with noise-aware masked loss for imputing missing data in high-dimensional datasets is proposed. The proposed approach combines structured noise and a guided loss function to improve imputation accuracy and stability while preserving original data relationships. Collectively, these contributions aim to enhance predictive modeling and robust data completion in healthcare, supporting more trustworthy AI-driven decision-making for current and future public health challenges.
Diferansiyel gizli komşuluk-tabanlı çoklu-kriterli öneri sistemi
Öneri sistemleri, kullanıcıların geçmiş tercihlerini ve etkileşimlerini analiz ederek kişiselleştirilmiş içerik önerileri sunan önemli araçlardır. Bu sistemlerde yaygın olarak kullanılan işbirlikçi filtreleme teknikleri, kullanıcı benzerliklerine dayanarak tahmin üretmektedir. Tek-kriterli sistemlerin sınırlı yapısı karşısında çoklu-kriterli işbirlikçi filtreleme yaklaşımları, daha doğru ve kişiselleştirilmiş öneriler sunma potansiyeli ile dikkat çekmektedir. Ancak, öneri sistemlerinde kullanıcı verilerinin yoğun kullanımı, ciddi gizlilik risklerini beraberinde getirmektedir. Literatürdeki çalışmaların çoğu, hizmet sağlayıcıların güvenilir olduğu varsayımına dayansa da bu güven her zaman sağlanamayabilir. Bu nedenle, veriyi kullanıcı tarafında koruyan yerel diferansiyel gizlilik temelli yaklaşımlar giderek daha önemli hale gelmiştir. Bu çalışmada, yerel diferansiyel gizliliğe-dayalı üç farklı diferansiyel gizlilik mekanizması – Standart Laplace Mekanizması, Sınırlı Laplace Mekanizması ve Kırpılmış Laplace Mekanizması – kullanılarak gizliliği korunan çoklu-kriterli işbirlikçi filtreleme prosedürü geliştirilmiştir. İki farklı gerçek veri seti üzerinde gerçekleştirilen deneylerde, farklı gizlilik seviyelerinde öneri doğruluğu değerlendirilmiştir. Sonuçlar, önerilen yöntemin gizliliği sağlarken öneri kalitesini koruduğunu göstermektedir. Bu yönüyle çalışma, yerel diferansiyel gizliliğin çok-kriterli öneri sistemlerine entegrasyonu açısından literatüre önemli katkılar sunmaktadır. Anahtar Sözcükler: Çoklu-kriterli öneri sistemleri, Diferansiyel gizlilik, İşbirlikçi filtreleme
Karmaşık süreçlerdeki problemlere derin öğrenme yaklaşımları: quadrotor arızalarının erken tahmini ve uçuş sağlığı izleme modelleri
Gelişmiş teknolojik sistemlerde arızaların erken tespiti, güvenilirlik ve güvenlik açısından hayati öneme sahiptir. Yapay zekânın arıza tespiti konusundaki artan popüleritesine rağmen, mevcut yöntemler genellikle kapsamlı sistem bilgilerini ve sensör verilerini etkili bir şekilde kullanmakta yetersiz kalmaktadır. Toplanan verilerdeki gizli arızaların varlığı, dikkatleri gelişmiş analitik tekniklere olan ihtiyaca çekmektedir. Bu çalışma, karmaşık sistemlerde arızaları erken tespit etmek ve sistem sağlığını gerçek zamanlı izleyebilmek amacıyla düşme tahmini ve uçuş sağlığı tahmini olmak üzere derin öğrenme tabanlı iki yöntem sunmaktadır. Geliştirilen yöntemlerde LSTM tabanlı otokodlayıcılardan faydalanılarak özellik boyutları azaltılmış ve verilerin anlamlı özniteliklere indirgenmesi sağlanmıştır. Modellerin tahmin ve sınıflandırma aşamalarında BiLSTM ve LSTM modelleri kullanılmıştır. Her iki model gerçek quadrotor uçuşlarından elde edilen sağlıklı ve arızalı verilerle eğitilmiş ve doğrulanmıştır. Deneysel sonuçlar, düşme tahmini modelinin kritik bir arızadan 30 saniye önce 0,9771 doğrulukla arıza belirtilerini tespit ettiğini, uçuş sağlığı tahmini modelinin ise uçuş sırasında sağlık durumunu ortalama 0,1538 MAE değeriyle gerçek zamanlı olarak tahmin ettiğini göstermektedir. Bu durum, önerilen yöntemlerin karmaşık sistemlerde operasyonel güvenlik ve güvenilirliği artırmadaki ciddi potansiyelini ortaya koyarken, kapsamlı verilerin ve gelişmiş analitik tekniklerin erken arıza tespiti ve sistem sağlığı izlenmesindeki önemini de ortaya koymaktadır.
Veriye dayalı bulanık sistem modelleme ve tanımlama
Bulanık mantık insan düşünüş tarzından esinlenerek bulunmuş bulanık küme teorisine dayanan genel bir hesaplama sistemidir. Bu sistem mantıksal ifadeler ve dilsel değişkenler arasındaki bağılantılara dayanmaktadır. Mühendislik açısından en önemli üstünlüklerinden biri ilgilenilen sistemin matematiksel modeline ihtiyaç duymamasıdır. Temel sorun kendisinden beklenilen görevi yapacak şekilde parametrelerinin en uygun değerlerinin belirlenmesidir. Bu çalışmada, yaygın olarak kullanılan Takagi-Sugeno (TS) tipi bulanık sistemin parametrelerinin eldeki giriş-çıkış verilerine dayalı olarak belirlenmesi üzerine çalışılmıştır. Bu çalışmada verilen yöntem ile önce, bulanık sistemin giriş-çıkış değişkenleri belirlenerek girişe ait değişkenler ilgili uzayda yaklaşık olarak homojen dağıtılmış üyelik fonksiyonları ile bulandırılmaktadır. Böylece bulanık sistemin şart/öncül parametreleri belirlenir. Daha sonra, en küçük karesel kestirim (LSE, Least Square Estimation) yöntemi ile eldeki giriş-çıkış örnek verilerine dayalı olarak bulanık sistemin sonuç/kural parametreleri belirlenir. Bu çalışmada, anılan bu yöntem beş farklı denektaşı dinamik sistemin TS tipi birer bulanık sistem ile modellenmesi üzerinde çalışılmıştır. Elde edilen sonuçlar tasarımcının elinde giriş-çıkış örneklerinin bulunması durumunda yöntemin etkin bir şekilde kullanılabileceğini göstermektedir.
Makine öğrenmesi ile basketbolda pozisyona dayalı kümeleme
Modern basketbolda, geleneksel beş pozisyonlu sınıflandırma sistemi oyun yapısının temelini oluştursa da zamanla gelişen pozisyon içi oyuncu çeşitliliğini ve farklı oyun tarzlarını kapsamlı bir şekilde karakterize etmekte yetersiz kalabilmektedir. Bu tez çalışması; oyun kurucu (PG), şutör gard (SG), kısa forvet (SF), uzun forvet (PF) ve pivot (C) geleneksel pozisyonlarını dikkate alarak oyuncuları gelişmiş istatistiksel ölçütler ve beşli kadro verileriyle analiz eden bir pozisyona dayalı kümeleme yöntemi önermektedir. NBA analiz literatüründe yeterince incelenmemiş bir yöntem olan İkiye Ayıran K-ortalamalar algoritması kullanılarak, 2007-2024 yılları arasındaki 15 sezonluk veriler doğrultusunda, her pozisyon için normalleştirilmiş gelişmiş istatistiklerle oyuncu kümeleri oluşturulmuştur. Küme sayılarının belirlenmesinde 28 farklı küme geçerlilik indeksi birlikte değerlendirilerek en uygun küme sayıları belirlenmiştir. Çalışma, sadece oyuncuların kümelenmesini değil, aynı zamanda bu kümelerin beşli kadro metrikleri üzerindeki etkilerini de analiz ederek farklı oyuncu tiplerinin takım stratejisine nasıl katkı sağladığını ortaya koymaktadır. Ayrıca İkiye Ayıran K-ortalamalar algoritmasının efektifliği, literatürde daha yaygın olarak kullanılan Hiyerarşik Kümeleme algoritması ile kıyaslanmıştır. Bu tez, yorumlanabilir ve uygulanabilir bir pozisyona dayalı kümeleme yaklaşımı sunarak farklı oyuncu profillerini belirlemek ve bu oyuncu profillerinin takım yapısına etkisini daha iyi anlamak adına spor analitiği alanına katkı sağlamaktadır.
Robot yol planlaması için gri kurt optimizasyon algoritması
Yol planlama problemi, mobil robot çalışmalarında önemli bir rol oynamaktadır. Robot sistemlerinde, robotun yolunu bir noktadan diğerine planlamak için farklı teknikler kullanılmaktadır. Yol planlama probleminde ana amaç, bir robotun engeller bulunan bir ortamda, başlangıç konumundan hedef konumuna kadar engellere çarpmadan en kısa yolu bulmaktır. Bu çalışmada, Gri Kurt Optimizasyon algoritması robot yol planlama problemine uyarlanmıştır. Gri Kurt Optimizasyon algoritması (Gray Wolf Optimizer-GWO), doğadaki gri kurtların avlanma davranışını ve sosyal liderliğini taklit eder. Liderlik hiyerarşisi dört gruptan oluşur. Bunlar alfa, beta, delta ve omega gruplarıdır. Bu algoritmada avlanma mekanizması üç aşamadan meydana gelir. Bunlar avı aramak, avı kuşatmak ve ava saldırmak. Robot yol planlamasının test çalışmalarında, üç, dört ve beş dairesel engelli haritalar kullanılmıştır. Yol planlamasında aday çözümler bulunurken, başlangıç ve hedef noktalar arasında üç koordinat noktası kullanılmıştır. Her yinelemede, bu koordinat noktaları GWO algoritması tarafından çözüme daha yakın olacak şekilde güncellenir. Çözüm noktası engel bölgesinde ise, maliyet fonksiyonuna ihlal değeri eklenir. Bu tez çalışmasında, GWO algoritmasının performansı, robot yol planlama problemini çözmek için diğer meta-sezgisel algoritmalarla beraber değerlendirilmiştir. GWO algoritması ile elde edilen sonuçlar, kullanılan test haritası için en uygun yolun bulunduğunu göstermektedir.
Karaciğer bt görüntülerinin bilgisayar destekli bölütleme uygulaması
Son yıllarda tıp alanında, görüntüleme tekniklerinin sıklıkla kullanılması sayesinde Bilgisayar Destekli Tespit (BDT) sistemleri de kendisine geniş bir yer bulmuştur. BDT sistemlerinde en önemli işlem bölütleme aşamasının doğru bir şekilde yapılmasıdır. Bu tez çalışmasında, Bilgisayarlı Tomografi (BT) görüntüleri üzerinde karaciğerin bölütlenmesi için bilgisayar destekli otomatik bir yöntem ve yazılım geliştirilmiştir. Bölütleme işlemleri için Bölge Büyütme (RG) ve Bulanık C-Ortalama (FCM) algoritmalarından yararlanılmıştır. Bu algoritmalar ile yapılan bölütlemelerin başarımını tespit etmek için alanında uzman bir hekimden destek alınmıştır. Bu amaçla uzman tarafından yapılan seçim ölçüt olarak kullanılarak RG ve FCM algoritmaları ile bilgisayar destekli olarak elde edilen bölütleme sonuçları karşılaştırılmıştır. Karşılaştırma ölçütü olarak Jaccard benzerlik ölçütü kullanılmıştır. 88 BT görüntüsü üzerinde yapılan deneysel çalışmalarda Jaccard benzerlik ölçütüne göre RG algoritmasında %91.15 ve FCM algoritmasında %75.16 bölütleme için ortalama başarım değerleri bulunmuştur. Sonuç olarak Bölge Büyütme algoritması ile yapılan bölütleme işlemlerinin daha başarılı olduğu görülmüştür. Ayrıca, benzerlik ölçümleri sonucunda bulunan nicel değerlerin istatiksel olarak anlamlılık testlerinin değerlendirilmeleri de gerçekleştirilmiş ve RG algoritması ile elde edilen daha başarılı bölütleme sonuçlarının, anlamlı bir fark ortaya koyduğu sonucuna ulaşılmıştır. Bunlara ek olarak, benzerlik ve anlamlılık testleri ile beraber işlem zamanlarının karşılaştırmaları da yapılmış ve burada da RG ile yapılan bölütleme işleminin daha hızlı olduğu sonucuna varılmıştır. Tüm bu elde edilen bulgular ile bu tez çalışmasında karaciğerin bölütlenmesi için önerilen bilgisayar destekli yöntemin ve geliştirilen yazılımın, hekimlerin karar verme aşamalarında ikincil bir yardımcı araç olarak kullanılabileceği görülmüştür.
E-ticaret'te yeni nesil karma sistem yaklaşımı ve bir uygulama mimarisi
Bu çalışmada B2B ve B4B yapıları incelenmiş özellikleri, kullanım amaçları ve farkları ortaya konmuştur. Türkiyede kullanılan B2B çeşitlerinin yapısı incelenmiş, B2B'den B4B'ye geçişin nedenleri tüm detaylarıyla irdelenmiştir. Bunun yanı sıra bulut bilişim ve bir bulut bilişim yapısı olan SAAS servis yapısı incelenmiş, klasik yapıdan maliyet, erişebilirlik, stabilizelik ve güvenlik açısından daha iyi olduğu tespit edilerek teze konu olan B4B Karma sistemi bu anlayış ile bir SAAS servisi olarak inşa edilmiştir. Uygulama geliştirilmeden evvel ilkin çevik yazılım metodolojisi incelenmiş, uygulama geliştirilirken çevik yazılım metodolojisinin bir alt basamağı olan Scrum yöntemi kullanılmıştır. Scrum ile birlikte yazılım projesinin zaman, insan kaynağı, maliyet bakımından klasik yöntemlere göre daha fazla fayda sağladığı ve daha esnek olduğu tespit edilmiştir. Nihayetinde bir B4B karma sistemi uygulamasının prototipi ortaya konmuştur.
Hidroelektrik santrallerde kavitasyon durumunu gerçek zamanlı izleyen uygulama geliştirilmesi
Enerji santrallerinde üretim maliyeti yüksektir. Üretim maliyeti içerisine bakım işlemi de dahildir. Bakım sırasında santralin duruş pozisyonuna geçmesi ve üretime ara verilişi(sistemin durması), maliyeti artıran bir başka unsurdur. Planlamaya uygun yapılmayan bakımlar, santrallere ek maliyet yükü getirmektedir. Geliştirilen bu yazılım projesindeki amaç, hidroelektrik santrallerdeki türbinlerde suyun etkisi ile oluşabilecek kavitasyondan mümkün olduğunca kaçınmak isteyen yetkililere, gerekli bildirimi canlı (online) sağlamaktır. Bu projedeki yazılımda, sistemin kavitasyon bölgesinde çalışıp çalışmadığı gözlemlenirken, iki özellik esas alınmıştır. Birincisi, sağlanan "abstract class" formatında bir kod yığını, kullanıcı koduna entegre edilip; programa tanıtılmıştır. Programa yüklenen geliştirilmiş data sürücüleri ile veri kaynağından bağımsız, "veri okur/yazar özelliği" oluşturulmuştur. İkincisi, türbin üreticileri tarafından sağlanan kavitasyon eğrileri sisteme yüklenmiştir. Sahadaki sensörlerden alınan verilerin standart olmasıyla; program, herhangi bir türbine rahatlıkla adapte edilebilir özellik kazanmıştır. Geliştirilen bu yazılımın testi için Osisoft firmasına ait PI Sistem (tarih bazlı veri tabanına bağlanan kaynak kodu) uyarlanmış ve sisteme yüklenmiştir. Bunun yanında, iki hidroelektrik santralinin kavitasyon eğrileri sisteme tanıtılmıştır. Sistem başarılı olarak test edilmiş ve kabul edilebilir sonuçlar elde edilmiştir.
Bilgisayar görüsü teknikleri ile gökyüzü görüntülerinin analizi ve bulut hareketlerinin izlenmesi
Günümüzde nesne tanıma, bilgisayar görüsü alanında oldukça popüler ve birçok otomatize sistemin temelini teşkil eder durumdadır. Bu tez çalışmasında gökyüzü görüntülerinin analiz edilerek bulutların tespit edilebilirliği, tespit edilecek bulutların hareketlerinin takibe alınabilirliği ve bulutların hareket hızlarına göre güneş ışınlarını ne kadar süre sonra kesebileceğinin tahmin edilebilirliği incelenmiştir. Tez çalışmasının sonucunda olası güneş kesintileri için bir erken uyarı sisteminin geliştirilebileceği ve özellikle solar enerji tesislerinde kullanım alanı bulabileceği görülmüştür.
Çizim tabanlı bir insan ve bilgisayar ayrımı amaçlı tam otomatik genel turing testinin tasarımı ve analizi
Zamanında hayvanlardan aldığımız gibi bizim de bir gün bu dünyanın egemenliğini bizden sonra gelen üstün bir türe bırakmamız gerekebilir. Bu üstün türün kim ya da ne olacağını bilemeyiz ancak teknolojik gelişmeler dikkate alındığında şu an için en büyük adayın Yapay Zekâ olduğunu söyleyebiliriz. Yapay zekâ ile insan zekâsı arasındaki farkın günden güne azalmasıyla otomasyona dayalı kötü niyetli girişimleri engelleyebilmek için makine ve insan arasında ayrım yapmak giderek zorlaşmaktadır. Bu çalışma web ortamında insan makine ayrımı için kullanılan Captcha uygulamalarına görüntü analiz yöntemleri kullanarak çizim ile nesne sınıflandıran yenilikçi bir alternatif sunma amacı taşımaktadır.
Birliktelik kural çıkarım algoritmaları kullanılarak market sepet analizi
Mağazalarda ürün çeşitliliği ile oluşan veri yığınları, mağaza depolarında mal girişi ve çıkışı esnasında yoğunlukların yaşanmasına neden olmaktadır. Bu yoğunluğun iş gücünü, zamanı, enerji tüketimini ve satışları olumsuz etkilediği düşünülmektedir. Veri madenciliği çalışmaları, sektörlerde taleplerin belirlenmesi, taleplere en uygun çözümü bulma ve geliştirme konusunda çözümler üretmektedir. Birliktelik kural analizi algoritmaları veri madenciliği alanında veri kümeleri veya veriler arasındaki ilişkileri ortaya çıkarmak için sıklıkla kullanılan yöntemlerin başında gelmektedir. Literatür taraması sonucu elde edilen bilgiler ışığında birliktelik kural analizi algoritmaları içerisinde en yaygın kullanılan algoritmaların Apriori ve FP-Growth algoritmaları olduğu tespit edilmiştir. Bu tez çalışmasında, bir mağaza deposuna ait 4625 hareketlilik ve 106 üründen oluşan bir veri tabanı üzerinden birliktelik kural çıkarım algoritmaları kullanılarak depodan birlikte çıkma eğilimi olan ürünler ortaya çıkarılmıştır. Apriori ve FP-Growth algoritmaları uygulama üzerinde karşılaştırmalı olarak incelenmiş ve mağaza deposunun giriş-çıkış için en uygun hale getirilmesi amaçlanmıştır. Bu tez çalışması toplam, beş bölümden oluşmaktadır: giriş, veri madenciliği hakkında genel bilgiler, birliktelik kural analizi hakkında detaylı bilgiler, uygulama bölümü ve sonuç.
Raspberry pi mini bilgisayarı ile ortam izleme sistemi geliştirilmesi
Nesnelerin interneti kavramının gelişmesiyle birlikte akıllı ev konsepti son yıllarda insanların hayatına girmiştir. Bu sayede insanlar, evlerinden veya iş yerlerinden uzakta olduklarında, bu mekanlarda meydana gelen değişimleri anlık olarak takip edebilmekte ve mekandaki cihazları uzaktan kontrol edebilmektedirler. Ayrıca ortamdaki sıcaklık, nem, gaz, alev, hareket ve su basmaları gibi veriler izlenebilmekte ve bu veriler ile ilgili alarmlar oluşturulup söz konusu alarm durumları meydana geldiğinde kullanıcılara bilgilendirme yapılabilmektedir. Uzaktan verilerin anlık olarak izlenmesi üzerine birçok sistem geliştirilmiştir ve teknolojinin hızlı gelişmesi ile bu tip sistemler de gelişmektedir. Piyasada var olan uzaktan algılama sistemleri izlenecek verilere, kullanıcı sayısına, haberleşme tekniğine bağlı olarak yüksek maliyetli olabilmektedirler. Bu çalışma kapsamında Raspberry Pi mini bilgisayarı ile uzaktan bir ortam izleme sistemi geliştirilmiştir. Bu sistemin kurulu olduğu ortamlar internet tarayıcıları aracılığıyla uzaktan takip edilebilmekte ve önceden belirlenen alarm durumları meydana geldiğinde sisteme tanımlanan kişilere e-posta ile bilgilendirme yapılabilmektedir. Ayrıca ortamın fiziksel değerleri için sisteme limitler tanımlanabilmekte; bu limitler aşıldığında uyarılar penceresinde bildirimler yapılmaktadır. Bu çalışmadaki sistem; veri merkezleri, seralar ve evler gibi kapalı ortamlardaki fiziksel koşulları takip edebilecek şekilde tasarlanmıştır.
Yumuşak dokuların 3B modellenmesi ve dokunsal cihazlar kullanılarak deformasyonun simülasyonu
Günümüz teknoloji çağında, bilgisayar grafiklerindeki gelişmeler sayesinde, birçok nesne asıllarına uygun şekilde sanal ortamda 3B modellenebilmesinde kayda değer gelişmeler elde edilmektedir. 3B modelleme ile iç içe olan sanal gerçeklik teknolojisi kullanılarak günlük yaşamda karşılaşılması muhtemel tepkilerin aynısı, sanal ortamda oluşturulan senaryolar ile birebir benzetilebilmektedir. Günümüzde, sanal gerçeklik teknolojisi kullanılarak, tıp eğitiminden pilotların uçuş eğitimlerine birçok alanda kullanılmak üzere simülatörler geliştirilmekte ve yaygın olarak kullanılmaktadır. Tıp eğitiminde, doktor adaylarının pratik eğitimi için oldukça maliyetli olan ve etik bazı sorunlara yol açan kadavralar kullanılmaktadır. Tıp eğitimindeki bakış açısının değişmesi ile birlikte, geliştirilen simülatörler ile doktor adaylarının çeşitli senaryolar kullanarak sayısız tekrar yapmalarına olanak sağlanarak pratik kazanmaları gerçekleştirilmektedir. Bunun yanında simülatör yazılımları ile birlikte kullanılan ve dokunsal geri bildirim sağlayan cihazlar ile psikomotor becerilerin kazanımı gerçekleştirilebilmektedir. Böylelikle adaylar, gerçek bir organa ya da dokuya dokunduklarında hissettikleri deneyimi bilgisayar ortamında modellenmiş model üzerinde aynı tepkiyi hissedebilmektedir. Bu tez çalışmasında, insan vücudu içerisinde bulunan safra ve dalak gibi organların deformasyon algoritmaları ile benzetimlerinin yapılabilmesi için bir simülatör yazılım platformu geliştirilmiştir. Sistemde öncelikle, organlar anatomik yapılarına uygun şekilde 3B olarak modellenmiştir. Geliştirilen simülatör üzerinde, tasarlanan dokunsal cihaz donanımı ile organ üzerine dokunulduğunda ya da çekme kuvveti uyguladığında model üzerinde gerçekleşen deformasyonun gerçekleşmesi sayesinde geri bildirim sağlanmıştır. Çalışmada, zengin grafikli 3B modellerdeki deformasyonun alınabilmesi için kütle yay metodu ve moleküler modelleme metodu kullanılmıştır. Ek olarak, dokunsal cihaz ile modellenmiş örgü yapısı içerisinde hangi noktaya temas edildiğinin tespiti için çarpışma tespiti yöntemi tercih edilmiştir. Tez çalışmasında geliştirilen simülatör üzerindeki tüm benzetimler, OpenGL kütüphanesi içerisinde bulunan fonksiyonlar kullanılarak gerçek zamanlı olarak gerçekleştirilmiştir.
Sınıflandırma problemlerinde özellik seçimi için karşıtlık tabanlı gri kurt optimizasyon algoritması
Teknolojinin hızlı bir şekilde ilerlemesiyle çoğalan verilere kolay ve hızlı bir şekilde erişmek için veri kümesinde tanımlanan veriler çeşitli sınıflar arasında dağıtılarak sınıflandırma yapılır. Sınıflandırma problemlerini çözmek için geliştirilen sınıflandırma algoritmalarından yararlanarak veriler benzer özelliklere göre sınıflandırılırlar. Bu sınıflandırma algoritmaları, verilen eğitim veri kümesiyle eğitilerek, öğrenme sağlanır ardından sınıfları belirli olmayan test verileri ile işlem yapıldığında bu verileri doğru bir şekilde sınıflandırmak için çalışırlar. Sezgisel algoritmalar optimizasyon problemlerinde son yıllarda gittikçe popüler bir algoritma haline gelmektedir. Gri Kurt Optimizasyon (GWO) algoritması, gri kurtların toplumsal ve avcılık davranışlarını taklit edilerek geliştirilmiş bir meta sezgisel optimizasyon algoritmasıdır. Bu çalışma kapsamında belirlenen sınıflandırıcıların (K Nearest Neighbour, Support Vector Machine vb.) özellik seçimi için Gri Kurt Optimizasyon algoritması ve karşıtlık tabanlı öğrenme yöntemi kullanılarak geliştirilmiştir. Karşıtlık tabanlı öğrenme, olasılık kuramına göre rastgele bir noktanın karşıt durumu çözüme, rastgele noktadan daha yakın olabilir. Karşıtlık tabanlı öğrenmede birinci aşama karşıtlık tabanlı başlangıç popülasyonun belirlenmesi, bir sonraki aşama ise karşıtlık temelli jenerasyon atlama işlemdir. Önerilen algoritma için karşıtlık tabanlı öğrenme dışında mutasyon ve sınır değeri kontörlü gibi yenilikler eklenmiştir. Bu çalışma kapsamında geliştirilen karşıtlık tabanlı GWO algoritması, mevcut kaynaklardan elde edilen sınıflandırma veri setleri için orijinal GWO algoritması ile eş zamanlı olarak test edilip sonuçlar karşılaştırılmıştır. Bu karşılaşmalar algoritmaların işleyiş zamanları, özellik sayıları, doğruluk değerleri gibi değerler için karşılaştırılmıştır. Karşılaştırmaların sonucunda önerilen geliştirilmiş GWO algoritması orijinal GWO 'ya kıyasla daha başarılı sonuçlar vermiştir. Karşılaştırmalar zaman, doğruluk değeri, sınıflandırma hatası gibi etmenlerle yapılmıştır. Anahtar Kelimeler Özellik seçimi; Sınıflandırma; Optimizasyon; Gri Kurt Algoritması; Karşıtlık tabanlı öğrenme.
Çok-boyutlu kaotik sistemlere dayalı renkli görüntü şifreleme yöntemi
Bilişim teknolojilerinin gelişmesi ve internette yayınlanan verilere yetkisiz erişim olasılığının artmasıyla birlikte verilerin korunması ihtiyacı önemli bir konu haline gelmiştir. Veri güvenliğinde faydalı olabilecek yöntemlerden biri şifrelemedir. Veri şifreleme kullanılarak, veriler farklı ortamlarda güvenli bir şekilde kolayca dağıtılabilir. Bu tez, dijital görüntüler için kaos teorisine dayalı bir şifreleme yöntemini sunmakta ve incelemektedir. Şifrelenmiş görüntüler üzerinde yapılan testler ve analizler, sunulan yöntemin gerekli verimliliğe sahip olduğunu göstermektedir. Şifreleme, bilgileri yalnızca yetkili kişilerin anlayabileceği şekilde düzenleme yöntemidir. Teknik olarak bu, düz metni şifreli metne dönüştürme işlemidir. Daha basit bir ifadeyle, şifreleme, okunabilir verileri alır ve anlaşılmaz ve rastgele görünecek şekilde değiştirir. Şifreleme, bu işlemi gerçekleştirmek için bir şifreleme anahtarının kullanılmasını gerektirir. Bu anahtar, şifreli mesajın hem göndericisinin hem de alıcısının bildiği bir dizi matematiksel değerdir. Şifrelenmiş veriler rastgele gibi görünse de şifreleme mantıksal ve öngörülebilir bir şekilde yapılır, öyle ki şifrelenmiş verilere sahip olan ve verileri şifrelemek için kullanılan anahtara sahip olan taraf, verilerin şifresini çözebilir ve düz metne dönüştürebilir. Ancak güvenli bir şifreleme, üçüncü bir tarafın tahmin edemeyeceği veya şifrelenmiş metni çeşitli araçlar kullanarak düz metne dönüştüremeyeceği kadar karmaşık olmalıdır. Bu tezde, görüntü şifreleme için etkin bir yöntem önerilmiştir. Uygulamadan sonra önerilen yöntem, veri güvenliği analizi için var olan çeşitli araçlarla değerlendirilmiştir. Sonuçlar, önerilen yöntemin görüntü şifreleme için kabul edilebilir olduğunu göstermektedir.
Derin öğrenme ile içecek şişe kapağı üzerindeki görsellerden ürün tipi tanıma
Endüstriyel içecek üretim hatlarında üretilen içecekler tazeliğinin ve bütünlüğünün korunması amacı ile şişelere doldurulur ve kapakları kapatılarak tüketicilere ulaştırılır. İçecek üretici firmalar çeşitli pazarlama ve reklam faaliyetleri ya da ürün tiplerinin birbirinden ayrıştırılması için ürün yelpazesinde bulunan her farklı ürün için üzerinde farklı görsel tasarımın bulunduğu şişe kapaklarını tercih edebilir, bu nedenle doğru ürüne doğru kapağın uygulanması önem taşımaktadır. Üretim sürecinde kapak uygulama makinasında yaşanacak bir sorun neticesinde, üretim hattında o an üretimi yapılan ürün şişesine, ürüne ait olmayan bir kapağın uygulanması mümkündür, bu durumda üretici açısından çözülmesi gereken bir kalite sorunu ortaya çıkmaktadır. Bu çalışmada bahsedilen sorunun çözümüne yönelik olarak, derin öğrenme ile içecek şişe kapağı üzerindeki görsellerin tanınması ve dolayısı ile kapak ile ürün arasında ilişki kurulduğu için ürün tipinin tanınması amaçlanmıştır. Evrişimsel sinir ağları, derin öğrenme tekniklerinin bir sınıfıdır. Ürün tipinin tanınmasında bir evrişimsel sinir ağı modeli olan VGG-16 modeli kullanılmıştır. Modelin ImageNet veri kümesi ile eğitilmiş hali üzerinden, tam bağlı katmanın son katmanı hariç öğrenme aktarması yapılmıştır. Tam bağlı katmanın son katmanı olan sınıflandırma katmanı bu çalışma için oluşturulmuş 9 farklı ürüne ait toplam 7200 adet fotoğraftan meydana gelen veri kümesi ile yeniden eğitilmiştir. Eğitim ve doğrulama sürecinde %99.99 doğruluk oranına ulaşılarak tatminkar bir sonuç elde edilmiştir. Ayrıca farklı ürüne ait bir kapağın ürün tipinin derin öğrenme ile tanınması ve o an üretimi yapılan ürüne uygulanmasını engellemeye yönelik bir prototip yazılım hazırlanarak önerilen çözümün uygulaması gerçekleştirilmiştir.
Doğal dil işleme ile makinelerin kendi dilini modellemesi
Doğadaki tüm canlılar birbirleri ile haberleşmek için çeşitli yöntemler kullanmaktadır. Dillerin oluşumu ve gelişimi hakkında hala yeterli bilgi bulunmamaktadır. Dillerin oluşumu ve doğal dil işleme süreçleri ile ilgili geçmişten günümüze kadar çeşitli çalışmalar yapılmış olup bu çalışmalar farklı metot, farklı analiz ve farklı yaklaşımlar içermektedir. Makinelerin kendi dillerini üretebilmesi için yaklaşım geliştirilmesi, böylece insansı makinelerin oluşturulma sürecinde bu makinelerin de tıpkı insanların sahip olduğu gibi kendi dilleri ile iletişim kurabilme süreçlerine katkıda bulunulmak, doğal dillerin oluşumu sürecinde de dil bilimcilere yol göstermesi, evrişimli sinir ağlarını kullanarak canlıları ayırt etme ve sınıflandırma yetilerini, yeni sesler türetme yetisini kazanması hedeflenmiştir. Görüntü işleme algoritmalarının ses işlemede kullanılarak daha etkin ses analizlerinin yapılmasının sağlanması ve ses işlemede yeni model geliştirilmesi konularına odaklanılmıştır. İnsanlar yüzyıllardır dillerin oluşumu ve gelişimi üzerine çalışmalar yapmaktadır. Diller sayesinde insanlar birbirleri ile etkileşimde bulunabilmektedir. Çalışma ile bu yetinin makinelere kazandırılması sağlanması için modeller oluşturulmuştur. Çalışmada var olan doğal dil işleme modelleri ile ses işleme modelleri kullanılmıştır. Öncelikle makineye günümüzde var olan alfabelerden hangisini kullanmak istediği karar verdirtilmiş ardından da Yenilemeli Yapay Sinir Ağları, Mel Frekans Cepstral Katsayısı ve Dinamik Zaman Çözgü yaklaşımı modellerinin birlikte kullanılması ile canlıların seslerine benzer sesler türetilmiş ve canlılar bu sesler ile adlandırılmıştır. Çalışma sonucunda, makinelerin kendi dillerini üretebilmesi için yaklaşım geliştirilmiştir. Böylece insansı makinelerin oluşturulma sürecinde bu makinelerin de tıpkı insanların sahip olduğu gibi kendi dilleri ile iletişim kurabilme süreçlerine katkıda bulunulmuştur. Doğal dillerin oluşumu sürecinde de dil bilimcilere yol göstermesi hedeflenmiştir.
Farklı servis odaklı yaklaşımların performans değerlendirmeleri
Gelişen teknoloji ile değişen ihtiyaçlar, yazılım geliştirme projelerini ve onların kullandıkları teknolojileri de etkilemiştir. İnternet kullanımının artmasıyla insanların ihtiyaçlarının büyük bölümünü internet ortamından çözüme kavuşturmaya başlamışlardır. Sağlık alanındaki gelişmeler, e-ticaret sektöründeki gelişmeler yazılım sektörü ile iç içe geçmiştir. Mobil uygulamaların kullanımının artmasıyla ve Iot (internet of things) kullanımının yaygınlaşmasıyla yazılım alanında dağıtık mimari yaklaşımının da değişmesine yol açmıştır. İnternet ortamında dolaşan veri trafiğinin artması ile daha düşük veri ile daha yüksek performans sağlayacak araç ve gereçleri kullanma konusunda düşünmeye sevk etmiştir. 90 'lı yıllarda kullanıma başlanan dağıtık mimari olan SOA, ihtiyaç duyulan veri miktarının artması ve artan cihaz çeşitliliği nedeniyle performans sorunlarını beraberinde getirmiştir. Mobil cihazların ve e-ticaret sistemlerinin kullanımındaki zorluklar, geliştiricileri yeni teknolojileri kullanmaya sevk etmiştir. Ayrıca veri yönetim sistemlerinin merkezi yapıdan çıkıp çok merkezli hale gelmesi kurumsal ölçekli büyük uygulamaların kullanımını ve geliştirilmesini zorlaştırmıştır. 2000' li yılların ortasına doğru ortaya çıkan Mikroservis mimarisi, değişen ihtiyaçlar ve artan cihaz çeşitliliği ile daha kolay bağlantı yapma ve daha düşük veri transferi sağlaması neticesinde kullanımı yaygınlaşmıştır. Mobil cihazların kullanımının artması ile bu cihazların Mikroservisler ile kolay bağlantı kurabiliyor olması teknoloji şirketlerinin de geliştirmelerini bu teknolojiyi kullanarak ilerlemeye sevk etmiştir. Bununla birlikte Google tarafından geliştirilen açık kaynaklı gRPC altyapısının artan veri miktarı ile ortaya çıkan performans sorunlarına çözüm için yeni bir bakış açısı getirmiştir. Ağ trafiğindeki transfer edilen veri miktarı düşürülmeye çalışılmış, böylece performans artışı sağlanması hedeflenmiştir. Yapılan bu çalışmanın amacı SOA, Mikroservisler ve gRPC teknolojilerinin kıyaslamasını yaparak nasıl performans kazanımları elde edilebileceğini anlamaya yardımcı olmaktır. Çeşitli alanlarda teknoloji kullanımı artarken, ihtiyaçlar değişmeye başlamıştır. Değişen ihtiyaçlara göre yeni teknolojiye geçiş yapmak oldukça maliyetli ve uzun soluklu bir süreçtir. Bu çalışma yeni teknolojiye geçiş yapmanın getirdiği performans kazanımlarını incelemektedir.
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.