Computer Engineering

Sketch-based creativity assistant

Creativity is the ability to come up with new ideas. Yet, even creative people may find themselves stuck with overused ideas, a phenomenon known as 'design fixation.' To overcome the fixation and discover fresh ideas, experts in visual design suggest sketching out the initial idea. Sketches, being abstract representations, introduce an element of ambiguity. Exploring and reinterpreting these ambiguous shapes helps break away from cliches and foster creative thinking. In our project, we introduce a computerized intelligent system that leverages sketching to assist non-designers in visual design tasks. This system assists users in reinterpreting their sketches creatively. To accomplish this, we've developed a unique semantic network called the 'Sketch Net,' which connects ambiguous sketches to multiple crowdsourced interpretations. Our contributions include 1) Sketch Net, 2) a method for generating ambiguous sketches, and 3) an intelligent system that provides diverse interpretations of the user's sketch to enhance the creative process by associating it with Sketch Net elements. The effectiveness of this assistant in boosting creativity is evaluated through a user study. The results show that the Sketch-Based Creativity Assistant significantly improves the quality of the final product.

Reinforcing good decisions for global multiple-object tracking

Multiple Object Tracking (MOT) involves the challenge of determining the paths followed by individual objects within a video. Most previous works in MOT achieve tracking using the tracking-by-detection paradigm. The challenge is in resolving ambiguous correspondences between detected objects across the temporal axis. This has lead to learning to extract and utilize more discriminative features. Such distinguishing cues can be extracted either visually, geometrically, spatio-temporally or from velocity. Most relevant to our work are approaches that utilize the global-reasoning capacity of Graph-Neural-Networks (GNNs). However, many networks that take this approach overlook the high number of False Negatives that hinder the tracking performance. In our work, we start with an abundant set of detections. The abundance of detections capture as many False Negatives as possible, but also increases the number of False Positives. We formulate our method with REINFORCE, and a task-specific reward formulation to reason through the vast combinatorial space and find the optimal trajectories. Taking inspiration from two-stage-object-detectors, we develop a Track-of-Interest head to generate track-proposals via a learnable random walk sampler, allowing the network to present the best set of tracks. We show that using a proposal-based approach in this way allows the agent to leverage the global scope of data available to GNNs rather than local, pairwise relations between detected objects. We show an improvement in commonly used tracking metrics on the MOT17 dataset.

Spherical vision transformers for audio-visual saliency prediction in 360◦ videos

Saliency prediction aims to model human audio-visual attention mechanisms to highlight the perceptually important regions in the scenes. This problem was first addressed in the literature under three branches based on the scene characteristics: static (for images), dynamic (for videos), and audio-visual saliency prediction. Due to the growing interest in virtual reality (VR), omnidirectional videos (ODVs) that capture the full field-of-view have gained 360◦ saliency prediction importance in computer vision. However, predicting where humans look in 360◦ scenes presents novel challenges, including the representation of 360◦ scenes regarding spherical distortion, high resolution, and the limited amount of annotated data. This thesis proposes a novel vision-transformer-based saliency prediction model named SalViT360 for omnidirectional videos. We introduce a spherical geometry-aware spatio-temporal self-attention mechanism among tangent image representations for effective omnidirectional video understanding. We present a consistency-based unsupervised regularization term for projection-based 360◦ dense-prediction models to reduce artefacts in the predictions after inverse projection. Our approach is the first to employ tangent images for undistorted omnidirectional saliency prediction. Lastly, we propose SalViT360-AV by extending our video saliency prediction model with audio-visual adapters to incorporate mono and spatial audio modalities for a unified 360◦ audiovisual saliency prediction model. Our experimental results on four ODV saliency datasets demonstrate the effectiveness of SalViT360 and SalViT360-AV compared to the state-of-the-art.

Afetle mucadelede pekistirmeli ogrenme tabanli kaynak yonetimi

Effective, fair and quick disaster response is imperative in the aftermath of disasters. Resource limitations, particularly after large-scale disasters like earthquakes, pose challenges in distributing material and human resources. In this thesis, we present a reinforcement learning (RL) based resource allocation approach for disaster response, where a finite amount of resources are dispatched to affected locations. Our RL formulation is as follows. A 2D map of continuous disaster severity constitutes our state space. Dispatching a single resource to a specific location constitutes the action space. We calculate rewards after allocating all the available resources by running a simple simulation to determine the amount of disaster relieved, reflecting effectiveness, and the spread of the resources across the map, reflecting fairness. We additionally define a per-step reward, based on the local disaster severity distribution, to alleviate issues with sparse rewards. We train two Deep Q-learning agents; one utilizing only terminal rewards and the other incorporating both rewards. Our 2D map formulation induces large state and action spaces. To reduce the number of learned parameters and to add inductive bias, we use convolutional neural networks to approximate the Q-values. We additionally devise a greedy algorithm incorporating per-step rewards as a baseline. Our evaluation encompasses qualitative behavior assessment on toy maps and quantitative performance assessment on urban maps, both on unseen maps and disaster distributions. Our qualitative assessment reveals that the greedy algorithm places resource units to high disaster severity locations but does not take spread into account as expected, the sparse-reward agent is prone to missing highly concentrated disaster regions, and the other RL agent spreads the units while catching the concentrated regions. Our quantitative assessment mirrors the qualitative ones; the greedy algorithm falls behind in resource spread and the sparse reward agent falls behind in the amount of disaster relieved. The greedy algorithm evaluates each location in each allocation step during testing/inference. This leads to two orders of magnitude slower allocation speed, which is related to quickness, compared to the trained agents. Overall, the RL agent trained with both rewards achieves the best performance in terms of allocation speed, disaster relieved and resource spread for novel disaster scenarios. In this thesis, our main aim is to show the feasibility of RL for large scale resource allocation. As such, we made some simplifying assumptions. We are assuming only one type of resource whereas different regions may require different types (e.g. excavators vs fire engines). This can be handled by training multiple RL agents for each resource type. We are also not taking the distribution cost of the resources into account and assume that the resources can get to where they want to without hindrance. Both of these can be readily incorporated into our disaster simulator and terminal rewards, while requiring additional work on the per-step rewards. Another assumption is about the static nature of the disaster as we started our work for earthquakes. Dynamic disasters such as large scale fires can be incorporated into the simulator stage as well but this would require additional work on the state space to incorporate information on how the disaster may evolve. This thesis presents the first resource allocation approach for disaster response that can work with large state and action spaces without assumptions on the objective structure, in addition to the potential of using arbitrarily complex objectives and incorporating environment stochasticity, to the best of our knowledge. Our work paves the way for further developments that can incorporate further developments such as more complicated disaster scenarios and objective functions to remove the simplifying assumptions.

Steganaliz yaklaşımlarının karşılaştırılması

Günümüzde teknolojinin gelişmesi beraberinde dijital ortamlarda bulunan verilerin güvenliğinin sağlamasını da beraberinde getirmektedir. Şifreleme ve steganografi teknikleri bu güvenliğin sağlanmasında kullanılan çözüm tekniklerini içermektedir. Bu tekniklerin sağlamlığı da analiz teknikleriyle test edilmektedir. Bu çalışmada, resim dosyaları ve ses dosyaları içerisinde saklanan gizli bilgiyi ortaya çıkarmak için kullanılan steganaliz metotları incelenmiş ve bu yöntemlerden elde edilen sonuçlar karşılaştırılmıştır. Ayrıca, bu çalışmada steganaliz teknikleri, yazılımları ve yaklaşımları ile Ki-kare tekniği incelenmiş ve detaylı olarak açıklanmıştır. Resim tabanlı steganaliz yöntemi ile ses tabanlı steganaliz yöntemleri bu çalışmada detaylı incelenmiş ve bu ses ve resim tabanlı steganografi çözümlerin sağlamlığı bu çalışmada geliştirilen yazılımlar ile test edilmiştir. Bunun yanında, steganalizde kullanılan resim steganaliz için önerilen ve kullanılan yazılımlar ile bu yazılımların geliştirilmiş durumlarının gerçeklenmesi sonucunda elde edilen sonuçlar karşılaştırılmıştır. Yazılımların testleri için Ki-kare saldırısı kullanılmış ve sonuçlar değerlendirilmiştir. Elde edilen sonuçlarda resim tabanlı steganaliz kullanıldığında yedi resimde iyi sonuç elde edilmiştir. Fakat gürültülü resimlerde Ki-kare saldırısı yetersiz kalmıştır. Ses tabanlı steganalizde geliştirilen yöntemde ise çok başarılı sonuçlar elde edilmiştir. Ancak, resim steganalizde olduğu gibi gürültülü seslerde de iyi sonuçlar elde edilememiştir.

Optimizing multiple object tracking with graph neural networks on a graphcore IPU

This thesis presents a comprehensive study focused on enhancing the efficiency of MOT using GNNs, specifically by leveraging the capabilities of Graphcore's IPUs. In the realm of real-time applications such as autonomous driving, robotics, and surveillance, the ability of GNNs to effectively model complex interactions between objects is crucial. However, the computational intensity of GNNs, particularly in key message passing operations, poses significant performance bottlenecks. Initially, I discuss the subtleties of adapting an existing PyTorch model to Ten- sorFlow and tailoring it for IPU execution. Then, a comparative analysis was con- ducted between IPU and GPU by running the model on both platforms. This phase focused on evaluating the baseline performance of the model on these two computing architectures, using metrics such as average training and inference time per epoch. The findings from this phase provided a foundational understanding of the strengths and limitations inherent to each platform in handling the model training. Subsequently, the study advanced to the implementation of optimizations spe- cific to the IPU, focusing on enhancing the model's message passing operations that are vital for the efficiency of GNNs. The effects of these targeted IPU-centric optimizations, along with adjustments made to IPU-specific configurations, were evaluated.

Duygu tanıma için derin öğrenme modellerinin karşılaştırılması ve uygulanabilirliği

Bu tezde, çeşitli yüz ifadelerini tanımlamak ve sınıflandırmak için derin öğrenme mimarileri kullanılarak duygu tespiti alanında bir çalışma yapılmıştır. Bu çalışmanın amacı, öfke, küçümseme, iğrenme, korku, mutluluk, tarafsızlık, üzüntü ve şaşkınlık gibi farklı yüz ifadelerini ayırt etmektir. Çalışma, DenseNet121, EfficientNetB5, MobileNetV2, ResNet50, VGG16 ve YOLOv8m-cls gibi bilgisayarla görme ve makine öğrenimi alanında farklı özellik ve yeteneklere sahip iyi bilinen modellerin kullanım nedenlerini ve bu modellerin karşılaştırmalı sonuçlarını içermektedir. Araştırma süresince, çeşitli duygusal ifadeler içeren veri setleri titizlikle hazırlanmış ve kapsamlı model eğitimi ve değerlendirmesi sağlanmıştır. Veri setleri, özellik çıkarma sürecini iyileştirmek ve potansiyel önyargıları azaltmak için ön işleme tabi tutulmuştur. Daha sonra, her model yüz ifadelerini doğru bir şekilde tespit etmek ve sınıflandırmak için performanslarını optimize edecek gerekli yöntemlerle eğitilmiştir. Sonuçlar, her mimarinin doğruluğunu ve zayıf yönlerini açığa çıkararak, gerçek dünya senaryolarındaki uygulanabilirliklerini aydınlatmıştır. Bulgular, belirli kullanım durumları ve hesaplama kısıtlamaları için uygun modellerin seçilmesinin önemini vurgulamaktadır. Gelecekte, bu araştırma, duygu tespiti tekniklerinin daha fazla araştırılmasını ve geliştirilmesini destekleyerek sağlık hizmetleri, insan-bilgisayar etkileşimi ve duygusal bilişim gibi çeşitli alanlarda faydalar sağlayabilir. Verilen modeller arasında en yüksek doğruluk değerine %89 ile YoloV8m-cls modeli erişirken, en kötü performans ve en büyük kayıplar ise %60 doğruluk ile VGG16 modeli gösterdiği için uygun bir yöntem değildir.

Dataset cartography for compositional generalization

Neural networks have revolutionized language modelling and excelled in various downstream tasks. However, the extent to which these models achieve compositional generalization comparable to human cognitive abilities remains debatable. While existing approaches in the field have mainly focused on novel architectures and alternative learning paradigms, we introduce a pioneering method harnessing the power of dataset cartography [Swayamdipta et al., 2020]. By strategically identifying a subset of compositional generalization data using this approach, we achieve a remarkable improvement in model accuracy, yielding enhancements of up to 10% on CFQ and COGS datasets. Notably, our technique incorporates dataset cartography as a curriculum learning criterion, eliminating the need for hyperparameter tuning while consistently achieving superior performance. Moreover, as the data becomes the bottleneck in the current large language model (LLM) pipeline, covering every possible combination of known words or phrases becomes infeasible. Therefore, we focus on compositional generalization in LLMs to help LLMs process the combinations of unseen language parts faithfully. We expand the previously described setting above to LLMs and propose a new diversity-aware subset selection method named DiCart, a fusion of dataset cartography and determinantal point processes. DiCart results in better or on-par compositional generalization than baselines and even the full training set.

Investigating the effects of representation learning on exploration in on-policy reinforcement learning

Reinforcement Learning (RL) in environments with high-dimensional state spaces is challenging. This is mainly due to the amount and quality of data required to adequately understand the environment, the consequences of actions, and to figure out high-value states/actions. Finding good actions and states, especially if they are sparse and/or there are long-term dependencies, is difficult. An RL agent must explore to find them all the while utilizing what it has learned. Additionally, the complexity of state and action spaces makes it challenging to generalize learned behaviors, requiring sophisticated function approximators and often leading to issues such as overfitting and sample inefficiency. Furthermore, the presence of noise in the data exacerbates these challenges. The effects of noise is more pronounced in high-dimensional spaces because the agent needs to discern meaningful patterns from noisy data, increasing the risk of overfitting to random fluctuations rather than true signals. Proper exploration is crucial for Reinforcement Learning problems as it can increase the sample efficiency and shorten the training time. Unguided exploration is very sample inefficient in high-dimensional settings. This is especially the case for the hard-exploration problems (e.g. Montezuma's Revenge) in which the agents struggle to learn due to the sparsity of the rewards and the complexity of the state and action spaces. There are several approaches for guided exploration, some of which are proposed to deal with the issues of hard-exploration problems. One of these methods is based on using "prediction-errors" as intrinsic rewards. In prediction-error based methods, a prediction (e.g. next state, reward) is compared against the actual observations. If the discrepancy between those two is high, one concludes that further exploration of such states is required to decrease the error. Exploration of these states is encouraged by providing extra rewards (intrinsic rewards) when the agent visits them. Such an approach adopts the optimism in the face of uncertainty principle by guiding the agent to the promising yet under-explored parts of the state space. However, in high-dimensional environments, unimportant observations and noise can lead the agent astray. One promising direction to alleviate these aforementioned issues in high-dimensional and noisy/stochastic environments is learning smaller yet effective and robust state representations. Such an ideal latent representation would be robust to noise and focus on the important aspects of the environment while ignoring the unimportant ones. Utilizing deep neural networks is already a step in this direction. Another potential step is borrowing auxiliary representation learning objectives from self-supervised learning to augment RL. In light of the observation that operating under small-dimensional state spaces is desirable for both the reinforcement learning agents and the exploration methods, we believe that for prediction-error based exploration methods, receiving support from representation learning methods appears as a viable solution. To this end we propose the Modified RND approach to investigate the effect of using an auxiliary self-supervised learning (SSL) loss for the model-predictive exploration methods. Additionally, we also propose the ViT with Explorative Attention method which aims to improve exploration performance by learning exploration and exploitation specific representations with just an architectural change without requiring any method from the self-supervised learning literature. Unfortunately, with our proposed methods we have failed to show justifiable performance gains. Only under certain circumstances we have managed to obtain better early training performance which later converged to the performance of our baseline models. Despite its short comings in empirical performance, we still believe that our work presents noteworthy ideas and serves to further one's understanding of the subject. We believe that our work may be a valuable tool to others who are also interested in the intersection of representation learning and prediction-error based on-policy exploration methods in reinforcement learning.

IoT-enabled smart remote monitoring of hydroponic fodder systems

Bu tez çalışmasında, küçükbaş ve büyükbaş hayvanların yıl boyunca taze hasıl ile beslenmesinde kullanılan yapay iklimlendirmeli hasıl sisteminin herhangi bir yer ve zamanda internet üzerinden gerçek zamanlı olarak izlenebilmesi için sensörler içeren devre tasarlanmıştır. Tasarlanan devre ve sensörler sayesinde toplanan gerçek zamanlı çevresel veriler yine açık kaynak işletim sistemi ve uygulamalar kullanılarak hazırlanan sunucuya gönderilmiştir. Bu sistemin merkez birimi olarak çalışan ESP32 geliştirme kartına bağlanan ısı, nem ve ışık sensörleri aracılığıyla toplanan gerçek zamanlı veriler MQTT protokolü kullanılarak üniversitemizin mevcut kablosuz ağı eduroam ya da 4G mobil şebeke üzerinden MQTT aracısı olan Mosquitto uygulamasına şifreli olarak aktarılacak şekilde hazırlanmıştır. Bu uygulamada toplanan veriler aynı sunucu üzerinde çalışan zaman serisi veritabanı olan InfluxDB üzerinde tanımlanan ilgili kovalara iletilmiş ve bu kovalarda toplanan ortam verileri de Node-RED akışları ile hazırlanan arayüz sayesinde yetkilendirilmiş kullanıcılar tarafından gerçek zamanlı ya da belirlenen tarih aralığı için izlenebilmesi sağlanmıştır. Bunun yanı sıra mobil cihazlarla da uyumlu olarak hazırlanan web arayüzünün doğrudan MQTT istemcisi olarak da yapılandırıldığı için gerçek zamanlı şekilde sensor değerlerini görüntüleyebilmesi sağlanmıştır. Ayrıca yetkili kullanıcılar tarafından tanımlanmış eşik değerlerin dışına çıkılması durumunda da yine belirlenen kullanıcılara alarmlar ve bildirimler gönderilmesi için gerekli işlemler yapılmıştır. Toplanan verilerin görselleştirilmesi için de Grafana ile oluşturulan grafikler kullanıcılara sunulmuştur. Çalışma sonucunda; kurulan izleme sistemi sayesinde insan gücü ve etkisi asgari seviyeye indirilmiş ve tahılların sindirilmesini kolaylaştıran nişastanın hidrolizlenmesi sürecini direk olarak etkileyen sıcaklık, nem gibi çevresel etkilerin hassas kontrolü sağlanabilmiştir.

Diyabetik retinopati tanısına yönelik derin öğrenme tabanlı sınıflandırma

Diyabetik Retinopati (DR), diyabetli kişilerde gözün arkasındaki ışığa duyarlı doku tabakası olan retinanın kan damarlarını etkileyen görme kaybına ve körlüğe sebep olabilen bir komplikasyondur. DR hastalığın erken evrelerinde retinadaki kan damarlarının duvarı zayıflar ve çıkıntılar yapar. Bunun sonucunda doku şişer veya kan sızdırır. Bu durum görüntüleme cihazları ve doktor muayenesi ile tespit edilmektedir. Bu tez çalışmasında, DR hastalığının teşhisinde evrişimli sinir ağları (ESA) mimarileri kullanılarak en yüksek doğruluğun elde edilmesi için yaklaşım sunmaktadır. DR hastalığın ESA modelleri ile tespiti için literatürde yaygın kullanılan ve güncel beş sınıflı APTOS 2019 veri seti tercih edilmiştir. Yüksek sınıflandırma doğruluğu elde edebilmek için veri setinin orjinali yanında Grayscale ve Gaussian filtre kullanarak oluşturulan veri setleri ile üç farklı veri kümesine dönüştürülmüştür. Elde edilen üç farklı veri kümesi, görüntü tabanlı ESA mimarilerinden ResNET152V2, ResNet101V2, MobileNet, MobileNetV2, DenseNet169 ve NASNetLarge ile aynı optimum parametreler ile eğitilmiş ve test sonuçları değerlendirilmiştir. Modeller No DR, Mild, Moderate, Severe ve Proliferative DR olmak üzere beş farklı sınıflandırma uygulanmış ve sınıflandırma performansının değerlendirilmesinde doğruluk, kesinlik, duyarlılık ve f1 skoru metrikleri kullanılmıştır. Elde edilen sonuçlar değerlendirildiğinde, orijinal APTOS 2019 veri kümesi üzerindeki eğitimlerde NasNetLarge modeli % 98,96, Grayscale filtreli veri kümesinde MobileNet V2 modeli %99,26 ve Gaussian filtreli model de ise MobileNet V2 % 99,54 ile en yüksek doğruluk değerlerine ulaşmıştır. Orjinal veri kümesine uygulanan filtrelerin sınıflandırma doğruluğunun artmasına katkı sağladığı görülmektedir. Sonuç olarak DR hastalığının teşhisi için Gaussian filtreli veri kümesinde MobileNetV2 modelinin kullanımının hastalık teşhisinde çok yüksek doğruluk ile sınıflandırma yaptığı görülmektedir.

Arkeolojik alanlarda yapay zekâ destekli envanter takip yazılımı: ARKHESTOR

Bu tez çalışmasında, arkeolojik buluntuların dijital olarak kayıt altına alınması, sınıflandırılması, analiz edilmesi ve raporlanması için bir yazılım sistemi geliştirilmiştir. Sistem, arkeolojik kazı alanlarında buluntuların kaydedilmesi, depolanması, tasnif edilmesi, raporlanması ve akademik çalışmalar için analiz edilmesi süreçlerini verimli hale getirmeyi amaçlamaktadır. Yazılımın geliştirilmesi sürecinde; ön yüz geliştirme (frontend) için Vuejs, arka yüz (backend) için Laravel, veri tabanı olarak MySQL kullanılmıştır. Ayrıca benzer buluntuların tespiti için Python dili ve OpenCv, TensorFlow gibi kütüphanelerle makine öğrenmesi ve görüntü işleme teknikleri kullanılarak, Cosine Similarity benzerlik fonksiyonu ve EfficientNetB0 modeli seçilmiştir. Bu modelin, buluntuların özelliklerini çıkarma ve veritabanına kaydetme sürecinde yüksek doğruluk sağladığı gözlemlenmiştir. Cosine Similarity yöntemiyle yapılan analizlerde %92 doğruluk oranı elde edilmiştir. Bunun yanında geliştirilen yazılım, QR kod ve barkod teknolojileriyle buluntuların kaydını ve takibini kolaylaştırmaktadır. Sonuç olarak, geliştirilen yazılımın arkeologlara ve araştırmacılara kazı alanında buluntuların kayıt altına alınmasından, tasniflemeye ve raporlamaya kadar birçok alanda zaman kazandıracağı ve bilimsel analizleri hızlandıracağı düşünülmektedir.

Çizge algoritmaları ve çizge bölmeleme

II ÖZET Yüksek Lisans Tezi Çizge Algoritmaları ve Çizge Bölmeleme Ali KARCI Fırat Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı 1998, Sayfa : 100 Bu çalışmada paralel ortamlarda yük dengeleme şartlarını sağlayacak olan çizge bölmeleme işlemini ve bazı etkili çizge algoritmaların uygulamasını yapan bir yazılım geliştirilmiştir. Yük dengeleme, paralel ortamlarda her işlemciye mümkünse eşit oranda iş yüklemek ve işlemciler arasındaki iletişimi minimum yapmak olarak tanımlanabilir. Bu çalışmada ağırlıklı olarak çizge bölmeleme üzerinde durulmuştur. Çizge bölmeleme algoritmaları başlangıçta iki sınıfa ayrılabilir. Eğer çizgenin düğümlerinin koordinatları varsa uygulanan algoritmalar incelenmiştir. Çizgenin düğümlerinin koordinatları yoksa, bu durumda kullanılan algoritmalar incelenmiş ve lineer ve spektral algoritmaların uygulamaları yapılmıştır. İncelenen yöntemler birbirleri ile kıyaslanarak avantajları ve dezavantajları verilmiştir. ANAHTAR KELİMELER : Spektral çizge bölmeleme, gelişigüzel çizge bölmeleme, basit çizge indirgeme, çok seviyeli çizge bölmeleme, yük dengeleme, ağ bölmeleme, devre bölmeleme.

Genetik algoritma ve gezgin satıcı probleminin çözümü

ÖZET Yüksek Lisans Tezi GENETİK ALGORİTMA VE GEZGİN SATICI PROBLEMİ Mustafa KAYA Fırat Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Ana Bilim Dalı 1999, sayfa 85 Bu çalışmada Genetik Algoritma ve Genetik Programlama ele alınıp, operatörleri ve algoritmaya hazırlanışı anlatılmıştır. Genetik programlamaya geçilirken karşılaşılan güçlükler ve bunlardan kurtulmanın yolları üzerinde çalışılmıştır. Gezgin Satıcı Problemi (Travelling Salesman Problem) olarak bilinen konu, tanımlaması ve bağıntıları verilerek ele alınmıştır. Genetik Algoritma kullanılarak Gezgin Satıcı Problemi çözülmüş olmasına rağmen çözümün kalitesi üzerinde oldukça fazla tartışmalar yapılmıştır. Türkiye' deki şehirler arası karayolları göz önüne alınarak, en kısa rota mesafesi yapılan genetik programlama ile hesaplanmaya çalışılmıştır. Bazı yardımcı algoritmalar ve veriyi daha iyi kodlama ile Genetik Aramanın çok iyi sonuçlar vereceği araştırmacılar tarafından savunulmakta ve üzerinde sıkça çalışılmaktadır. Kullanılan iyileştirme algoritmaları verilmiş ve bu algoritmaların, problemi çözmede sağladığı avantajlar ve eksik tarafları vurgulanmıştır. Programın sonuçlan, program kodu ve çıktısı yorumlanarak verilmiştir. ANAHTAR KELİMELER: Genetik Algoritma, Gezgin Satıcı Problemi, Genetik Programlama, Rota Problemi.

Sığır akciğerinde pnömonilerin ve tüberküloz hastalığının histopatolojik veriler kullanılarak makine öğrenmesi teknikleriyle tespiti

Sığır tüberkülozu (bTB), önemli ekonomik kayıplarla ilişkilendirilen, zoonotik, bulaşıcı ve kronik bir hastalıktır ve dünya genelinde çeşitli bölgelerde endemik bir sorun olarak varlığını sürdürmektedir. Histopatolojik incelemeler, özellikle ayırt edici bir belirteç olarak işlev gören Langhans dev hücrelerinin tanımlanmasıyla, kritik bir teşhis yöntemidir. Bu çalışma, öğrenim aktarımını kullanarak tüberkülozun diğer pnömoni türlerinden ayırıcı tanısına odaklanmaktadır. Ayrıca, çalışma, histopatolojik görüntülerde Langhans dev hücrelerini tespit etmek için YOLOv8 algoritmasını kullanarak bTB teşhisini geliştirmeyi amaçlamaktadır. Lojistik Regresyon (LR), Destek Vektör Makineleri (DVM) ve Rastgele Orman (RO) gibi makine öğrenmesi algoritmaları sınıflandırma görevinde %98.6'lık dikkate değer bir doğruluk gösterirken, YOLOv8 Langhans dev hücrelerini lokalize etmede yüksek hassasiyet sergilemektedir. Bu bulgular, özellikle tüberkülozun diğer akciğer rahatsızlıklarından ayırt edilmesinde, bTB teşhis yeteneklerinin ilerlemesine değerli bir katkı sağlamaktadır.

Hız duyargasız vektör kontrol sisteminin hız kontrolünün gerçekleştirilmesi

ÖZET Yüksek Lisans Tezi HIZ DUYARGASIZ VEKTÖR KONTROL SİSTEMİNİN HIZ KONTROLÜNÜN GERÇEKLEŞTİRİLMESİ Ahmet Bedri ÖZER Fırat Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı 2000, Sayfa:65 Bu tezde asenkron motorun hızım tahmin eden yeni bir yöntem sunulmuştur. Tahmin edilen hız, tüm hız kontrollerinde ve vektör kontrol için hız geri beslemesi olarak kullanılabilir. Hız duyargasının olmamasının bir çok yönden avantajı vardır: maliyet, sağlamlık ve parametre duyarlılığının azalması. Hız duyargasız alan yönlendirmeli kontrol, rotor kaçak akı sinyalinin herhangi bir hız duyargası olmadan motorun uç büyüklüklerinden elde edilmesi ilkesine dayanır. Rotor hızı, ölçülen stator akımları ve bulunan stator referans akısı yardımıyla tahmin edilen senkron açısal frekansı ve kayma açısal frekansının farkından bulunur. Laboratuar test motorundan alman deneysel sonuçlar, bahsedilen metodun geçerliliğini gösterir.

Designing intelligent Byzantines: Fall of robust aggregators in federated learning

In federated learning (FL), it is difficult to profile and verify each client, leading to a security threat, where by malicious clients, called Byzantines, may hamper the accuracy of the trained model by conveying poisoned models during training. Hence, the aggregation process at the parameter server should aim to minimize the detrimental effects of malicious clients. The Byzantine problem is typically analyzed from an outlier detection perspective, and is oblivious to the architecture of the neural network (NN) being trained. In this work, we first expose vulnerabilities of the robust aggregators, specifically the CC framework, and introduce novel attack strategies that can circumvent the defences of the state-of-the-art robust aggregators. Later, we argue that by extracting certain side information specific to the NN architecture, one can design even stronger attacks. Hence, inspired by sparse neural networks, we introduce a hybrid sparse Byzantine attack that is composed of two parts each targeting a different type of defence mechanism: one sparse part that attacks only certain NN parameters with higher sensitivity, and the other being more silent but accumulating over time. Then, we propose a new robust and fast defence mechanism that is effective against the proposed and other existing Byzantine attacks. Our code is publicly available here https://github.com/CRYPTO-KU/FL-Byzantine-Library

Elektrik motorlarında fiziksel büyüklüklerin tahmininde bulanık mantık kullanımı

I ÖZET Yüksek Lisans Tezi ELEKTRİK MOTORLARINDA FİZİKSEL BÜYÜKLÜKLERİN TAHMİNİNDE BULANIK MANTIK KULLANIMI Mehmet KARAKÖSE Fırat Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı 2001,Sayfa:53 Alternatif akım motorlarına uygulanan vektör kontrolün performansı büyük ölçüde akı vektörünün fazının ve genliğinin doğru olarak tahmin edilmesine bağlıdır. Vektör kontrol için kullanılan gerilim modelinde akı hesabı integrasyon içerdiğinden dolayı problemler oluşmaktadır. Bu çalışmada integratörden kaynaklanan faz ve genlik problemlerini azaltmak için geri besleme yoluna bulanık kontrollü bir düzeltim algoritması geliştirilmiştir. Bu algoritma, değişik güçteki motorlarda farklı yük koşullarında test edilmiş ve geri besleme yolunda PI kontrolör kullanılan bir sistemden daha iyi sonuç verdiği gösterilmiştir. Bir asenkron motorun stator akısını tahmin etmek için kullanılan bu yöntemin MATLAB-SIMULINK programı kullanılarak benzetimi yapılmış ve TMS320C31 sayısal işaret işlemci kullanılarak deneysel olarak gerçekleştirilmiştir.

Ayrık kosinüs dönüşüm temelli sayısal filigranlama

II ÖZET YÜKSEK LİSANS TEZİ AYRIK KOSİNÜS DÖNÜŞÜM TEMELLİ SAYISAL FİLİGRANLAMA Metin ERTÜRKLER Fırat Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Ana Bilim Dalı 2001, Sayfa: 57 Sayısal olarak kodlanmış resimlerin, işlenmesi, saklanması, ağ ortamında iletilmesi işlemleri hızlı ve kolay bir şekilde gerçekleştirilebilir. Ancak sayısal resimler üzerinde, orijinal sahibine ait silinemeyen bir kimlik bilgisi oluşturma işlemi henüz tam olarak gerçekleştirilemediğinden resmin orijinal sahibi bu resim için bir telif hakkı iddia edememektedir. Bu tez çalışmasında, herhangi bir resme bir kimlik bilgisi kazandırma yöntemlerinden biri olan, Ayrık Kosinüs Dönüşümü temeline dayanan bir fıligranlama yöntemi üzerinde inceleme ve uygulamalar yapılmıştır. Resmin geometrik işlemlere ve kötü niyetli saldırılara karşı sağlam olması için, filigran resmin fark edilebilir önemli bileşenleri içerisine yerleştirilmiştir. Fakat bu bileşenlerin değişimi resmin fark edilir kalitesini etkileyebilir. Bu problemi çözmek için filigranın, yayımlı spektrum haberleşmeye benzer teknikler kullanılarak resimlerin alçak frekans bileşenleri içerisine eklenmesi gerekmektedir. Bu ekleme işlemi için N x M boyutunda bir resmin, N x M ayrık kosinüs dönüşümü hesaplanmış ve dönüşümün en yüksek genlikli katsayıları içerisine filigran yerleştirilmiştir. Son olarak, bu tez çalışmasında kullanılan metodun farklı resimler için uygulaması yapılmış ve elde edilen sonuçlar yukarıdaki kriterlere göre yorumlanmıştır. Anahtar Kelimeler: Sayısal Filigranlama, Veri Gizleme, Telif Hakkı Koruma, Yayımlı Spektrum Haberleşme

Elektrik şebekelerinden sekonder rölelerin bilgisayar ortamında gerçekleştirilmesi

ÖZET Yüksek Lisans Tezi ELEKTRİK ŞEBEKELERİNDEKİ SEKONDER RÖLELERİN BİLGİSAYAR ORTAMINDA GERÇEKLEŞTİRİLMESİ İlhamı AYGEN Fırat Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı 2002, Sayfa.61 Bu tezde, güç sistemlerinde kullanılan sekonder rölelerin bilgisayar ortamında gerçekleştirilmesi ile ilgili bir metot sunulmuştur. Güç sistemlerinde röleler çok önemlidir; bu rölelerin uzaktan kontrolü bu tür uygulamalarda çok kullanışlıdır. Uzaktan kontrol metodunda, akım trafosunun çıkışı sayısal bilgiye dönüştürülerek bu bilgi terminallere gönderilir ve terminaldeki bilgisayar yardımıyla işlenir. Bu aşamadan sonra yapılan bilgisayar programı, bu bilgilerden rölenin açma zamanını hesaplayarak, rölenin açıp açmayacağını veya ne kadar sürede açacağını röleye bildirir. Güç sistemlerinde yapılan deneysel sonuçlar önerilen metodun doğruluğunu tasdik eder. Bu sonuçlar önerilen metodun performansının iyi olduğunu göstermektedir.

Etmenlerin iç modelini kullanarak çoklu etmenlerde bulanık takviyeli öğrenme

Yüksek Lisans Tezi etmenlerin iç modelini kullanarak çoklu etmenlerde bulanık takviyeli öğrenme Alper KILIÇ Fırat Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı 2002, Sayfa :49 Çoklu etmenli sistemlerde birlikte hareket etme ve işbirliği davranışlarının öğrenilmesi işleminin gerçekleştirilmesi Yapay Zeka sistemleri için son yıllarda gelişen yeni bir bakış açısı ortaya koymuştur. Özellikle Takviye Öğrenme yöntemleri çoklu etmenli sistemlere ve dinamik ortamlara uygulanabilirliğinden dolayı bir çok çalışmanın odak noktası haline gelmiştir. Takviye öğrenme metotları içerisinde en popüler algoritmalardan olan Q-öğrenme; çoklu etmenli sistemlere uygulandığı durumlarda optimum politikaya yönelme hızı bakımından ve sürekli- tam olarak gözlemlenemeyen ortamlarda ek bazı dezavantajları da beraberinde getirmektedir. Bu tez çalışmasında çoklu etmenli sistemlerde konu olan dezavantajların giderilmesi amacıyla hem standart Q-öğrenme algoritmasına alternatif bir algoritma sunulmuş (FQ-Öğrenme), hem de diğer etmenlerin iç modelinin çıkarılması için bulanık küme ve bulanık mantık yaklaşımı üzerinde durularak sonuçlar performans bakımından incelenmiştir. Anahtar Kelimeler: Çoklu etmenli sistemler, Makine öğrenmesi, Takviye öğrenme, Q-Öğrenme, Bulanık Mantık

Model-based non-prehensile manipulation on a tabletopunder uncertain dynamics

Data-driven planar pushing methods have recently gained attention as they aim to reduce extensive engineering effort and increase generalization compared to purely analytical approaches. Existing work focus narrowly on specific capabilities (e.g. a subset of side switching, precision, model-free training, single task etc), limiting their applicability in broader manipulation scenarios. In this work, we present a model-based framework for non-prehensile tabletop pushing, motivated by the goal of using a single learned model to handle multiple tasks and objectives without retraining. Our approach is built on a novel recurrent architecture that implicitly captures object–environment interaction dynamics through a GRU-based model, enhanced with additional non-linear layers to improve expressivity and stability. To complement this architecture, we design a unique state–action representation tailored to pushing dynamics, which allows the model to generalize effectively across, uncertain dynamics, push lengths, and task requirements. For control, we employ a sampling-based model predictive controller, specifically Model Predictive Path Integral (MPPI), which leverages the learned dynamics model to generate adaptive, taskoriented actions. The proposed framework enables side-switching during pushes, supports variable push lengths, and incorporates diverse objectives such as precise positioning, trajectory following, and obstacle avoidance. The model is trained from simulation using domain randomization to facilitate sim-to-real transfer. We first conduct extensive studies to evaluate the architectural components, demonstrating that our design decisions lead to improved prediction accuracy and more stable rollouts. We then assess the full system in both simulation and real-world experiments, using a Franka Panda robot with markerless visual tracking. Our results show high success rates for precise positioning under strict position and orientation thresholds, and strong performance in trajectory tracking and obstacle-avoidance tasks. Importantly, the versatility of our framework is demonstrated by solving multiple tasks simply by modifying the objective function of the controller,without requiring any model retraining. One drawback of our approach is that we focus on a single type of object. However, we further improve our framework based on this by training a model capable of handling wider push lengths and by designing a balanced controller that selects the most effective action, thereby reducing the number of steps required to achieve longer-horizon objectives.

Generative reward models for formal theorem proving: Methods, benchmarks, and tree search integration

Automated theorem proving aims to generate machine-verifiable proofs with minimal human intervention, but effective proof search remains challenging. Tree search algorithms require guidance to navigate exponentially large proof spaces. However, existing approaches suffer from fundamental limitations. Log-probability heuristics conflate generation likelihood with step quality, binary feedback from proof assistants provides no notion of progress, and discriminative reward models compress complex reasoning into opaque scalar values. In addition, implementation fragmentation limits reproducibility, and the absence of evaluation frameworks blocks systematic development of reward models for formal mathematics. This thesis makes three contributions addressing these challenges. First, we develop TreeThink, a modular Python library providing unified implementations of best-first search, beam search, and Monte Carlo tree search for formal theorem proving. The architecture cleanly separates search strategy, environment interaction, and model inference, enabling reproducible experimentation and fair comparison across algorithms. All components support asynchronous execution and batched inference for computational efficiency. Second, we introduce a framework for generative reward models that produce natural language critiques evaluating proof steps. Unlike discriminative models that output scalar scores without explanation, our approach generates structured textual feedback describing correctness, progress toward goals, and strategic value, with embedded numerical scores for integration into tree search. A key design element is conditioning reward generation on environmental feedback from proof assistant execution, grounding evaluations in concrete compiler responses rather than predictions alone. We study both zero-shot deployment using pretrained models and reinforcement learning on proof trajectories to align critique scores with proof outcomes. Third, we introduce FormalRewardBench, the first benchmark for evaluating reward models in formal theorem proving. The benchmark consists of preference pairs where correct Lean 4 proofs are paired with incorrect variants generated through five error injection strategies targeting realistic failure modes, including forced mistakes, minimal variations, complex incorrect proofs, natural language justification, and Python code injection. Quality control ensures errors are semantic rather than trivial, and evaluation protocols support both pointwise and pairwise reward models with position bias mitigation. Together, these contributions advance neural theorem proving by providing modular infrastructure for systematic experimentation, richer guidance signals through interpretable natural language feedback grounded in execution, and evaluation frameworks that enable principled development of reward models for formal mathematics. Our work addresses key limitations in automated theorem proving and establishes foundations for more capable and interpretable proof search systems.

Hava harekatında görüş ötesi angajman için genetik algoritma uygulaması

HAVA HAREKATINDA GÖRÜŞ ÖTES ANGAJMAN Ç N GENET KALGOR TMA UYGULAMASI(Yüksek Lisans Tezi)Hamit TOKGÖZGAZ ÜN VERS TESFEN B L MLER ENST TÜSÜOcak 2007ÖZETBu çalışmada, hava harekatında önemli bir yer tutan ve savaş pilotlarınınkabiliyetlerini en üst düzeyde kullanmalarını gerektiren görüş ötesi angajmaniçin alternatif hareket tarzlarının üretilmesi genetik algoritma ilegerçekleştirilmiştir. Yerde ve havada konuşlu radarlar tarafından elde edilenverilerin işlenmesiyle oluşturulan harekat ortamı taktik resmindeki bilgiler,genetik algoritma ile değerlendirilmiştir. Geliştirilen uygulama ile harekatortamı iki boyutlu olarak simule edilmiş ve hedef seçiminde etkileyici faktörolarak değerlendirilen yön açısı, hız, irtifa, füze atma kararı ve hedefe uzaklıkmesafesi parametreleri genetik algoritma ile değerlendirilmiştir. Simülasyonsonuçları, çok sayıda parametrenin bulunduğu ve sürekli değiştiği bu türuygulamalarda genetik algoritmanın başarılı olduğunu göstermiştir.Bilim Kodu : 902.1.056Anahtar Kelimeler : Ağ Merkezli Harp, Optimizasyon Teknikleri, GenetikAlgoritma ,Görüş Ötesi AngajmanSayfa Adedi : 112Tez Yöneticisi : Doç. Dr. M. Ali AKCAYOL

Mobil kablosuz teknoloji kullanarak Web tabanlı SCADA sistem uygulaması

MOB L KABLOSUZ TEKNOLOJ KULLANARAK WEB TABANLISCADA S STEM UYGULAMASI(Yüksek Lisans Tezi)Ali SUCUBAŞIGAZ ÜN VERS TESFEN B L MLER ENST TÜSÜOcak 2007ÖZETBu çalışmada mobil kablosuz teknoloji kullanılarak WEB tabanlı SCADAsistemi uygulaması gerçekleştirilmiştir. Uygulama olarak tek motorlu bir sistemoluşturulmuştur. Uygulamada motor açılıp kapatılmakta, belirlenen aralıklardamotorun elektriksel değerleri ve durum bilgileri SCADA sistemi tarafındanalınmaktadır. Bu değerler WEB ortamında ve mobil sistemlerde SCADAyazılımı aracılığıyla izlenebilmektedir. Sisteme ait değerler WEB yazılımı, mobilcihaz yazılımı veya SCADA yazılımı kullanılarak değiştirilebilmektedir.Geliştirilen sistemde kontrol edilecek donanıma ait anlık değerler sabit yadamobil kullanıcılar tarafından izlenebilmekte ve gerekli müdahaleler en kısasürede yapılabilmektedir. Böylece oluşan arızaların çok kısa sürede belirlenmesive giderilmesi sağlanarak sistemin hizmette kalma süresi artırılmıştır. Ayrıcasistemin mobil cihazlarla kontrol edilmesi sağlanarak ortamdan bağımsızçalışma gerçekleştirilmiş ve sistemin kullanılabilirliği artırılmıştır.Bilim Kodu : 902.1.014Anahtar Kelimeler : SCADA, Mobil, Web tabanlı uygulamalarSayfa Adedi : 104Tez Yöneticisi : Doç.Dr.M.Ali AKCAYOL

XML veri tabanı için tavlama benzetimi ve genetik algoritma tabanlı sorgulama

Bu çalışmada tavlama benzetimi ve genetik algoritma tabanlı XML sorgu iyileştirmesi gerçekleştirilmiştir. XML sorgulamada, sorgu ağacında yer alan düğümlerin birleştirilmesi sıklıkla yapılmaktadır. Sorgu çalıştırma planı oluşturulurken, düğümlerin birleştirilme sıralaması, sorgu maliyetini belirleyen en önemli etkendir. Bu çalışmada, düğümlerin sıralaması genetik algoritma ve tavlama benzetimi algoritmaları ile yapılarak iki algoritmanın sonuçları karşılaştırılmıştır. Uygulama C# 2.0 dili ile hazırlanmış ve açık kaynak Timber XML Veritabanı Yönetim Sistemi kullanılarak gerçekleştirilmiştir. Yapılan deneysel çalışmaların sonucunda, klasik yöntemlere göre daha basit şekilde uygulanabilen tavlama benzetimi ve genetik algoritma yöntemlerinin XQuery iyileştirmesinde başarılı oldukları görülmüştür. Anahtar Kelimeler : XML, XQuery, Sorgu İyileştirme, Birleştirme Sıralaması, Genetik Algoritma, Tavlama Benzetimi, en uygun şekle sokma, Sistem-R, Çalı Ağacı, SQL, Veri Sorgulama, Timber

Kurumsal bilgi güvenliği ve sızma (penetrasyon) testleri

Bu tez çalısmasında bilgi güvenligi genel olarak incelenmis, kurumsal bilgi güvenligi ve standartları degerlendirilmis, bilgi güvenligini zaafa ugratan tehditler gözden geçirilmis, ülkemiz bilisim hukuku incelenmis ve yüksek tehdit altında olan web uygulamaları üzerine odaklanılmıstır. Yapılan incelemelerde web ortamlarında büyük tehdit olusturan SQL enjeksiyonu ve sızma testleri genel olarak gözden geçirilmis ve bu konularda uygulamalar yapılarak, konu detaylı olarak degerlendirilmis ve alınması gereken önlemler sunulmustur. Yüksek seviyede bir bilgi güvenliginin saglanmasında önemli olan insan faktörü-teknoloji-egitim kavramları tekrar gözden geçirilmis ve sızma testlerinin bu faktörler üzerindeki etkisi arastırılmıs, tespit edilen tehditlerin giderilmesine ve mevcut durumun iyilestirilmesine yönelik çözüm önerileri sunulmustur. v Bu tez çalısmasının ülkemizde kurumsal bilgi güvenligi alanında yapılan kapsamlı ilk çalısma olması, ülkemizde bilgi güvenligine gereken önemin verilmesine katkı saglaması, kurum ve kuruluslar için rehber bir kaynak olması, bilgi güvenligi bilincinin daha yüksek oranda olusturulması ve yapılacak yeni çalısmalara ısık tutması beklenmektedir. Anahtar Kelimeler :Kurumsal Bilgi Güvenligi, Sızma Testleri, Penetrasyon Testleri, Bilgi Güvenligi Yönetim Sistemleri, Bilgi Güvenligi, Web Uygulama Güvenligi, Sosyal Mühendislik

Mobility management protocol for AD-HOC networks

In this thesis, routing and mobility management for ad-hoc networks have been investigated and a mobility management protocol has been developed for mobile wireless networks. Developed protocol has been activated whenever it needs and thus, it prevents disconnection due to mobility of nodes. Network simulator 2 (ns-2) has been used as simulation tool. Proposed protocol has been developed using C++ programming language and compared with Ad-hoc on Demand Distance Vector (AODV) and Destination Sequenced Distance Vector (DSDV) routing protocols. The experimental results have shown that the developed protocol has been successfully applied to mobility management for ad-hoc networks. Key Words : Ad-hoc networks, Mobility, Routing, Protocol

Steganografik yaklaşımların incelenmesi, tasarımı ve geliştirilmesi

Bu çalısmada steganografik yaklasımlar incelenmis, ses dosyaları içerisine ses, resim, düz metin saklamak için bir yazılım gelistirilmistir. Steganografik yazılımların günlük hayatımızda kisisel bilgi güvenliğinin sağlanmasında kullanılması için ise ayrıca bir klasör gizleme yazılımı da gelistirilmistir. Steganografik yazılımların steganalize karsı sağlamlığını arttırmak için yazılımlar üzerinde analiz çalısmaları yapılmıstır. Haberlesme güvenliğinin sağlanmasının yanında bilgi güvenliğinin de sağlanması için AES, DES, 3DES gibi sifreleme seçenekleri de gelistirilen yazılım içerisinde sunulmustur. Gelistirilen yazılımda bir anahtar yardımıyla belirlenen WAV dosyası seti içerisine LSB modifikasyonu yöntemiyle rastgele saklama gerçeklestirmektedir. Belirli bir anahtara göre saklama islemi ile güvenliği algoritmanın bilinmesinden bağımsız hale getirmis, rastgele saklama yapmasıyla ise istatistiksel steganaliz ataklarına karsı dayanıklılık sağlamıstır. Birden fazla WAV dosyası içerisine saklama yapabilmesiyle de rastgele saklamanın getirdiği saklama kapasitesi sorununa dolaylı bir çözüm sunmustur. Bu tez çalısmasında gelistirilen yazılım ile hem iletisim hem de veri gizliliği sağlanabilmistir. v Bu çalısmanın, ülkemizde bilgi güvenliğinin yüksek seviyede sağlanmasına, bu konuda yapılacak yeni çalısmalara ve güvenlik bilincinin yaygınlastırılmasına büyük katkılar sağlayacağı değerlendirilmektedir. Anahtar Kelimeler : Ses, Steganografi, Veri Saklama, Veri Güvenliği, LSB, AES, DES, 3DES.

WAP trafiğinde tıkanıklık denetimi ve ulaşım katmanı protokolleri

Kablolu ve kablosuz ağlarda bazı HTML sayfalarına gelen aşırı talep durumlarında, ağda tıkanıklık oluşmakta ve sayfayı görüntülemek isteyen kullanıcı ya çok fazla beklemek zorunda kalmakta veya sayfaya erişememektedir. Bu tezde WAP hizmeti veren ağlardaki tıkanıklık problemini çözmek için bir protokol geliştirilmiştir. Geliştirilen protokol ns-2 benzetim aracı kullanılarak test edilmiştir. Benzetimde değişik kuyruk tiplerinin farklı yük yoğunluğundaki ağlarda çalışması incelenmiş ve elde edilen sonuçlar diğer ulaşım katmanı protokolleriyle karşılaştırılmıştır. Deneysel sonuçlar geliştirilen protokolün WAP trafiğindeki tıkanıklığı önlemede başarılı olduğunu göstermiştir. Anahtar Kelimeler : WAP, Kuyruk Yönetimi, Tıkanıklık, Protokol

AD-HOC ağlarda enerji etkin yönlendirme protokolü

Bu tezde, ad-hoc ağlarda yönlendirme ve enerji yönetimi ele alınmış ve enerji etkin bir yönlendirme protokolü geliştirilmiştir. Geliştirilen protokol düğümlerin enerji seviyeleri kritik düzeye indiği zaman aktif hale gelerek yönlendirme için yeni yol oluşturmaktadır. Benzetim aracı olarak Network Simulator 2 (ns-2) kullanılmıştır. Önerilen protokol, C++ programlama dili kullanılarak geliştirilmiştir. Ad-hoc on Demand Distance Vector (AODV) yönlendirme protokolüyle karşılaştırılarak benzetim sonuçları elde edilmiştir. Deneysel sonuçlar geliştirilen protokolün ad-hoc ağlarda enerji yönetiminde daha başarılı olduğunu göstermiştir.

Mikrofon dizilerinde ses kaynağının yerinin genetik algoritma kullanılarak bulunması

Ses algılama ve tanıma sistemlerinde karşılaşılan en önemli problem, algılayıcıya gelen sesin kalitesinin düşmesidir. Bir çok kullanıcı mikrofonu bilgisayarın üstüne, toplantı masasının ortasına veya duvara monte etmektedir. Bu durumlarda mikrofona ulaşan sesin kalitesinde ortam şartlarına göre değişen oranlarda kayıp olmaktadır. Ağza yakın olarak kullanılan mikrofonlarda daha kaliteli ses elde edilmesine rağmen, bir çok durumda mikrofonun bu şekilde kullanılması uygulanabilir değildir. Son zamanlarda yapılan araştırma ve uygulamalarda, tek bir mikrofon yerine birden fazla mikrofon (mikrofon dizileri) kullanılarak, alınan ses kalitesinin arttırılması konuları gündemdedir. Bir mikrofon dizisi, birden fazla mikrofonun geometrik olarak farklı noktalara yerleştirilmesi ile elde edilen mikrofon grubudur. Farklı mikrofonlardan alınan ses sinyallerine uygun gecikme oranları uygulanarak üst üste toplanması ile daha kaliteli bir ses sinyali elde etmek mümkündür. Bu işlem, mikrofon dizileri ile demetleme olarak adlandırılmaktadır. Mikrofon dizileri ile demetleme işlemi yapabilmek için, ses kaynağının yerinin (uzaysal koordinatlarının) biliniyor olması gerekmektedir. Ancak, birden fazla ses kaynağının olduğu yerde, her hangi bir anda asıl sesin hangi yönden geleceğinin önceden bilinmesi mümkün değildir. Bu tez çalışmasında, mikrofon dizilerine gelen sesin kaynağının uzaysal konumlarının otomatik olarak belirlenmesi amaçlanmıştır. Mikrofon dizileri ile, muhtemel ses kaynaklarının yönlerinde demetleme yapılmış, en güçlü çıkış sinyalinin elde edildiği noktanın asıl ses kaynağının yeri olduğu kabul edilerek optimizasyon çalışması yapılmıştır. Optimizasyon yöntemi olarak, işaret işleme uygulamalarında başarılı sonuçlar vermiş olmasından dolayı genetik algoritma kullanılmıştır.

GPS ve GPRS tabanlı geniş alan ağı uygulaması

Trafik kazalarında her yıl çok sayıda insan yaralanmakta ve ölmektedir. Kazalarda ölümlerin yaklaşık %30'u ?altın saat? olarak adlandırılan birkaç saat içinde gerçekleşmektedir. Bu çalışmada GPS ve GPRS tabanlı geniş alan ağı kullanılarak yaralılara kısa sürede ve etkin müdahaleyi sağlamaya yönelik bir uygulama gerçekleştirilmiştir. Geliştirilen uygulama, trafik kazası oluştuğunda kaza bilgilerini kaza konumuna en yakın ve en uygun hastaneye en kısa sürede iletmektedir. Sistem, araç ünitesi ile sunucu ünitesinden oluşmaktadır. Kaza olduğu anda, araç ünitesi araçtaki yolculara ait kimlik bilgileri, tıbbi bilgileri ve GPS teknolojisi ile edindiği konum bilgisini GPRS teknolojisi kullanarak sunucu ünitesine göndermektedir. Sunucu ünitesi aldığı bu bilgiler doğrultusunda kaza konumuna en yakın ve en uygun hastaneye kaza raporunu iletmektedir. Bu çalışmada elde edilen sonuçlar, trafik kazalarında yaralılara erken ve etkin müdahale edilebileceğini göstermiştir.

Dizinleme amacı ile kullanılabilecek yöntemlerin kıyaslanması ve arama sistemi geliştirilmesi

Zeki saldırı tespit sistemleri incelenmesi, tasarımı ve gerçekleştirilmesi

Bu çalışmada, bilgi ve bilgisayar güvenliğini sağlamak için geliştirilen araçlardan birisi olan saldırı tespit sistemleri (STS) incelenmiş, STS geliştirmek için kullanılan yöntemler araştırılmış, yapılan STS çalışmaları gözden geçirilmiş ve geliştirilen STS'ler tanıtılmıştır. Bu çalışmanın ana konusu olan zeki STS'ler üzerine detaylı bir inceleme yapılmış ve karşılaştırmalı olarak farklılıklar sunulmuş, elde edilen sonuçlar neticesinde zeki bir STS geliştirilmiştir. Yapay sinir ağı (YSA) ile geliştirilen STS uygulamaları çalışma kapsamında araştırılmış, STS'lerin uygulanması sırasında kullanılan veritabanları incelenmiş ve KDD'99 veritabanı kullanılarak YSA tabanlı zeki bir STS çalışması gerçekleştirilmiştir. Geliştirilen STS'lerin başarı kriterleri üzerinde durulmuş ve bu başarı kriterlerine göre önceki çalışmalar ile karşılaştırılmıştır. Yapılan araştırma, inceleme ve değerlendirme çalışmalarından yola çıkarak bu tez kapsamında geliştirilen yazılımlar ve sunulan önerilerin, ülkemizde bilgi ve bilgisayar güvenliği konusunda yapılacak çalışmalara büyük katkılar sağlaması ve yeni ufuklar açması beklenmektedir. Anahtar Kelimeler Saldırılar, saldırı tespiti, saldırı tespit sistemleri (STS), zeki STS, saldırı tipleri, saldırı veri kümesi, yapay sinir ağı.

Mobil elektronik imza

Bu çalışmada, mobil elektronik imza (me-imza) altyapıları, standartları ve me-imzadaki riskler detaylı olarak incelenmiş, güvenli imza oluşturma cihazlarının sağladığı güvenlik ile oluşabilecek muhtemel güvenlik açıkları araştırılmıştır. Dünya ülkelerinde uygulanan me-imza altyapıları ile önerilen me-imza modelleri karşılaştırılmıştır. Ülkelerin me-imza altyapıları özellikle bu konuda atılan adımlar, söz konusu ülkelerin gelecek için meimza konusunda hedeflerine de bu çalışmada ayrıca yer verilmiştir. Mobil elektronik ortamlara yapılan saldırılar ile bu ortamlarda oluşabilecek açıklar, oluşan tehditler ayrıca bu tez kapsamında detaylı olarak incelenmiş ve alınabilecek önlemler sunulmuştur. Sonuç olarak, me-imza ve altyapısının ülkelerin gelişmesine ve işlemleri daha kolay ve güvenli yapılabilmelerine büyük katkılar sağlayacağı, yüksek seviyede bir mobil ortam güvenliği için uluslararası standartlara ve ilgili kanunların uygulanmasına, bu tez kapsamında sunulan ülke modellerinin değerlendirilmesi ve EAL4+ seviyesinde güvenlik sağlayan bir SIM kartı kullanılmasına gerek vardır. Anahtar Kelimeler : Açık Anahtar Altyapısı, Mobil Elektronik İmza, Güvenli İmza Oluşturma Cihazları, Modeller, Mobil Ortamlar, Güvenlik Açıkları

Hiyerarşik verilerin XML veritabanı olarak modellenmesi ve aralarındaki benzerliğin bulunması

Kendinden düzenlenen haritalar ile doküman sınıflandırma

?nternet üzerinde web sayfalarının sayısı, büyük bir hızla artmaktadır. Artık otomatik arama motorları, arama sorgularına isabetli cevaplar vermekte yetersiz kalmaktadırlar. Dizin siteleri, bütün web sayfalarını değerlendirmeye yetisememektedir, dolayısıyla dizinlerin kalitesi ve kapsamı azalmaktadır. Ayrıca, bağlantılar güncelliğini kaybetmektedir. Öte yandan, bilgisayarlarda saklanan dokümanların sayısı ve hiyerarsisi de artmaktadır. Sonuç olarak web sayfalarının ve dokümanların otomatik olarak sınıflandırılması daha fazla önem kazanmaktadır. Bu çalısmanın amacı, dokümanları içeriklerine göre otomatik olarak sınıflandırmaktır. Bu amaçla, özellikle yüksek boyutlu verilerde basarılı olan ve danısmansız öğrenme özelliğine sahip Kendinden Düzenlenen Haritalar (SOM) algoritması kullanılarak bir sınıflandırma sistemi gelistirilmistir. Kendinden düzenlenen haritalar algoritması ile elde edilen sonuçlar etkin bir sınıflandırma yöntemi olan hiyerarsik sınıflandırma ile karsılastırılmıstır. Her iki algoritmada da dokümanı ayırt edici kelimelerin ön plana çıkarılması için uygun bir etiketleme yöntemi uygulanmıstır. Sınıflandırma isleminden önce dokümanlardaki durak kelimelerinin temizlenmesi, çok ve az tekrar eden kelimelerin temizlenmesi, kelimelerin indekslenmesi, ağırlık vektörlerinin bulunması, ağırlık vektörlerinin aynı boyuta getirilmesi, normalizasyon islemleri yapılmıstır. Deneysel çalısmalarda 2 farklı doküman kütüphanesi ele alınmıstır. ?lk çalısmada bir ?nternet haber sitesinden rastgele alınmıs haber içerikleri sınıflandırılırken, ikinci çalısmada ise üniversitelerin web sayfalarından alınan ders içerikleri basarılı bir sekilde sınıflandırılmıstır. Gelistirilen sistemin farklı içeriklere sahip dokümanlarda da basarılı olarak çalısması beklenmektedir.

A rule based expert system generation framework using an open source business rule engine

Knowledge is key instrument for the deciding processes. On the other hand, for a deciding process, gathering knowledge and learning are very difficult phases. For this reason, in the last decades, studies are focused on the machine-learning systems and the expert systems for the most of the knowledge oriented areas, like academic, commercial, military and industrial areas. In this thesis, a framework is developed for the rule base learning expert systems. Briefly, this framework will take a data set, induct the rules from this data set, construct an expert system according to inducted rules, and give a web based interface for testing new cases. There are a lot of concepts in this study. Classification, decision tree, knowledge acquisition, ID3 algorithm, rule base systems, expert systems, rule engines, open source perspective are some of them. These concepts will be discussed briefly, after the discussion; framework will be explained with some examples. Examples will show the reusability of the framework. Different data set can be applied the framework. But data set must be convenient to the ID3 decision tree algorithm. Other restrictions will be defined next sections. After constructing expert system new cases can be tested. This framework has some principles: ? Java technologies are used ? Open source tools are used where needed ? Standardizations are applied where available As a result of these principles, usability of the framework is dramatically increased.

Real-time hybrid parallel rendering

In computer graphics, rendering is described as the process of converting a description of a scene to an image. When the scene is complex and high quality images are required, the rendering process becomes computationally demanding. To provide the satisfactory performance, real-time computing techniques must be developed. Although parallelism has been extensively used in computer graphics for a long time, its initial use was primarily in specialized applications. Today, parallel computing is used in commodity personal computers, and various software-based rendering systems have been developed for general purpose real-time systems.As the new GPUs released to the market, the available rendering performance increases constantly. Also more powerful multi-core CPUs that have enabled more flexible and faster software-based graphics, such as real-time ray tracing. Despite this tremendous hardware development progress in rendering power, there will always be some applications that require distributed configurations for rendering. In this thesis, I present a prototype solution consisting of a system that supports different rendering modules (e.g., rasterization, and ray tracing) and combine it with a distributed graphics processing.This thesis provides a general introduction to the subject of real-time rendering, covering both hardware and software aspects. The main focus is on the underlying concepts and the issues which arise in the design of real-time rendering algorithms and systems. Different types of parallelism and how they can be applied in rendering applications are examined. Concepts from parallel computing, such as data decomposition, task granularity, scalability, and load balancing, are considered in relation to the rendering problem. Also concepts from computer graphics, such as coherence, culling, and level of detail which have a significant impact on the structure of parallel rendering algorithms are explored.

A multithreaded web crawler and text search engine

Without a doubt, internet is one of the best inventions in the last era. Number of internet users is more than millions. When internet users need information about something or somewhere, they visit search web sites or personal blog pages on the internet. For this purpose, many internet applications have been developed.Search Engines and data mining have shown a big improvement in the last 20 years. The developments on the internet increased the need of accessing and finding correct web resources. Raise of search engines caused to differentiation of search engine services. More intelligent search engines are important for accessing to the correct data.Search engines scan contents of the web sites and create indexes for their contents into own database using robots. Advances in search engines enable classification of subjects of the documents besides words or terms used in a document. Such search engines which have document classification property are called ?Clustered Search Engines?. For determination of page categories, the data mining methods are used.In this thesis study, a web crawler and classification system has been developed. The Open Directory Project (DMOZ) is used as a training set for the classification system. The labeled (categorized) web pages which are stored in the DMOZ directory are used as an input for the classification algorithms. We used classification algorithms available in WEKA Data Mining Tool. The web crawler developed in this thesis classifies web pages according to their subjects while scanning the web pages.

Empirical comparison of naïve bayes event models and smoothing methods for text classification

Naïve Bayes is one of the most commonly used algorithms in text classification due to its easy implementation and low complexity. There are two commonly referred event models in Naïve Bayes for text categorization; multivariate Bernoulli and multinomial models. A very large number of studies choose multinomial model and Laplace smoothing just based on the assumption that it performs better than multivariate model under almost any conditions. This thesis aims to shed some light into this widely adopted assumption by empirically analyzing Naïve Bayes event models and smoothing methods from a different perspective. In order to clarify the difference between these event models of Naïve Bayes, their classification performance are compared on different languages –English and Turkish-datasets. Results of our extensive experiments demonstrate that superior performance of multinomial model does not observed all the time. On the other hand, multivariate Bernoulli model can perform well when combined with an appropriate smoothing method under different training data size conditions at any training set size.

Kelime kullanım oranları ve kullanıcı istatistikleri kullanılarak Türkçe Twitter verisi üzerinde duygu analizi

İnternetin hızla gelişmesi ve mobil cihazların kullanımındaki artış ile birlikte sosyal ağların kullanımı son yıllarda büyük bir artış göstermiştir. İnsanların kişisel fikir, görüş ve önerilerini başka insanlar ile paylaşmak ve başka insanların bir konu üzerindeki görüş ve önerilerini öğrenmek istemeleri, sosyal medyayı önemli bir bilgi deposu haline getirmiştir. Bu bilgi deposu, araştırmacıların yanı sıra geleneksel yöntemlerle müşteriye ulaşmanın yeterli olmadığını gören firmaların da ilgisini büyük ölçüde çekmektedir. Bu bilgi deposunda yapılan çalışmalar sonucunda firmalar, müşterilerinin ürün ve hizmetleri hakkındaki görüş ve düşüncelerini öğrenebilmekte, elde edilen verileri sınıflandırarak ürün ve hizmetlerini geliştirmede kullanabilmektedirler. Sosyal ağlardan elde edilecek veriler ile yapılacak çalışmalarda en etkili yöntemlerden biri duygu analizidir. Duygu analizi, bu bilgi deposundan elde edilen metinsel verilerin yansıttığı duyguların, bilgisayar yardımıyla otomatik olarak tespit edilmesini amaçlamaktadır. Günümüzde Facebook, Instagram, Tumblr, Twitter gibi birçok popüler sosyal ağ bulunmaktadır. Mesajların 140 karakter ile sınırlanmış olması, bu sınırlandırma sayesinde paylaşılmak istenen bilginin etkin ve hızlı bir şekilde anlatılması Twitter'ı sosyal ağlar arasında popüler bir hale getirmiştir. Duygu analizi konusunda İngilizce için yapılmış birçok çalışma olmasına karşın Türkçe için yapılan çalışma sayısı sınırlıdır. Türkçe duygu analizi konusunda yeterli çalışma olmamasından dolayı bu tez çalışmasında Türkçe metinler için duygu analizi çalışması yapılmıştır. Bu tez kapsamında yapılacak çalışmada kullanılacak Türkçe mesajlar, popülaritesi, etkin kullanımı ve sağladığı API'den dolayı Twitter sosyal ağından toplanmıştır. Twitter sosyal ağından toplanan tweetler pozitif, negatif ve nötr olmak üzere 3 sınıfa ayrılmıştır. Bu etiketli veriler kullanılarak dengesiz ve dengeli veri kümeleri oluşturulmuştur. Çalışmanın başarısını arttırmak için yeni özellikler veri kümelerine eklenmiştir. Oluşan veri kümeleri makine öğrenmesi (MÖ) yöntemlerinden denetimli öğrenme (supervised) ve yarı-denetimli öğrenme (semi-supervised) yöntemleri ile analiz edilmiştir. Elde edilen sonuçlar karşılaştırılmış ve yeni eklenen özelliklerin deney sonuçlarına etkileri incelenmiştir.

A new approach for ensemble based demand forecasting using machine learning methodologies in bigdata environment

We live in the Artificial Intelligence era and most of applications in our daily life also business processes of companies are being embedded with Machine Learning technologies. Machine Learning algorithms allow us to make abstraction layer of many statistical problems. On the other hand, the variety of data types and data sizes are increasing very rapidly in all industries. These sort of problems are being handled by Big Data technologies. At this thesis, we propose and prove a new heuristic algorithm using ensemble learning methodology with its modified boosting strategy, by implementing to real life retail data for demand forecasting purpose. We demonstrate the results of our algorithm and advantages of the contribution of our demand forecasting methodology coming from common minded decision making philosophy using time series forecasting. Then, we also show that the applicability of advanced machine learning techniques will be beneficial for demand forecasting. These technics includes firstly Recurrent Neural Networks, and one more, which's roots come from statistical learning theory, called Support Vector Machines. Their aim is to increase estimation degree of unnormal demand accuracy for supply chains. Deep Learning technics also added to our approach by using open source machine learning libraries on Spark environment, which is in memory and distributed big data platform, takes the advantage of memory processing speed instead of relaying data to disks. The main beneficial output of our approach is to get extremely accuracy increase of demand forecasting results in each product category, it is demonstrated with the results of real life market data. SOK Market is one of the main discount store chain in Turkey with its 5500 stores and around 1500 active SKUs. Demand forecasting for the purpose of replenishment is being observed as one of the basis critical problem for supply chains in retail industry, by the way of minimizing costs, optimizing stocks, and for also cost related optimization approaches to reduce retailers stock out problem. For retailers, more accurate demand forecasting results to manage operations with more optimum manner and results to maximization of customer sales with more revenue and of course profit. On the other hand, other crucial output of the stock out issue is already loyalty leak of the customers and their churn behaviours from one retailer to an other. If consumers are not able to meet with the products at stores which they want to buy, in generally they do not prefer to get a similar product item from an other category. They might make their shopping from nearest competitor retailer. In this thesis, we show that our proposed methodology performs much better accuracy at demand forecasting problem.

The impact of static analysis tools on software quality, productivity and cost

With the spread of technology, impact and importance of software in our daily life are increasing considerably. Considering importance of software in our daily life, code quality, bug-free development and conformance for coding standards are becoming indispensable. The purpose of this work is to list the advantages for both development team and software quality by demonstrating the importance of static code analysis for the software life cycle to obtain software that is reliable, low maintenance, low-cost, standards-compliant and bug-free (with early error detection and prevention). In order to develop a standards-compliant software, it's source code must be written in accordance with the standards ruleset and analyzed carefully for conformity in the development phase of software development life cycle (SDLC). The analysis can be performed dynamically or statically. Static analysis is performed on program source code without actually executing program but dynamic analysis is performed while executing program source code. The static analysis made with automatic analysis tools produces reports about software quality. Static code analysis is often used to find potential errors, detect possible weaknesses in the program code that may lead to weak points, maintain code quality, or check compliance with coding standards. In this thesis, the Java source codes of 29 different projects developed by 5 different development teams of a telecommunication company have been evaluated by SonarQube and the outputs of this evaluation are discussed. Analysis tool automatically starts the analysis process on the project codes that is retrieved from the version tracking system (SVN) and finds the possible weak points, bugs and noncompliant issues in code sections. By correcting the findings and adding the automatic code analysis step to the development process, early error detection and preservation of the quality of the software are ensured. Detecting and correcting errors, increasing productivity, reducing maintenance cost by 21% and generating clean code before execution in the production environment are the lucrative outputs of this work. As a result of the study, the improvement reports triggered by the analysis reports not only provide the quality of the code but also increase the capabilities of the development team.

Hisse senetleri ve sosyal medya arasındaki ilişkinin makine öğrenmesi teknikleri ile belirlenmesi

Bu tez çalışmasının amacı Bist30 endeksinde bulunan hisseler hakkında Twitter mikroblog sitesi üzerinden yapılan yorumlar ile günlük, haftalık ve aylık periyotlarda Bist30 değer değişimleri arasındaki korelasyon ve nedensellik ilişkisinin araştırmak ve elde edilen sonuçları yorumlamaktır. Bu amaçla tez çalışmasında veri kümesi olarak 07.05.2018-30.04.2019 tarihleri arasında Twitter mikroblog sitesinde herkese açık profile sahip kullanıcıların Bist30 hisseleri hakkında paylaştığı 57.933 etiketli kısa ileti, 20.276 etiketsiz kısa ileti ve Bist30 endeksi hisselerinin açılış kapanış fiyat farkları kullanılmıştır. Eğitim amaçlı kullanılan 57.933 adet twitter yorumu bu 12 aylık periyotta finans ile ilgili kişilerce manuel olarak iletilerin içerdiği duygu durumlarına göre pozitif, negatif ve nötr olmak üzere üç kategoride etiketlenmiştir. Etiketlenen bu veriler makine öğrenmesi algoritmaları ile eğitilerek sınıflandırılmıştır ve algoritmalar arasından başarı oranı en yüksek olanı tespit edilerek, bu algoritma eğitim esnasında kullanılmayan yeni bir test veri setinin sınıflandırılması için kullanılmıştır. Test veri setinin sınıflandırılması ile pozitif, negatif sınıflardaki kısa ileti sayıları elde edilmiş ve bu sayılar ile literatürde kullanılan 4 farklı duygu skoru oluşturulmuştur. Bölüm 5'te belirtilen bu duygu skorları S1, S2, S3 ve S4 olarak isimlendirilmiştir. Tezin kapsamında bu 4 çeşit duygu skoru ile günlük, haftalık ve aylık bazda Bist30 hisseleri değer değişimleri arasındaki Pearson Korelasyon analizi gerçekleştirilmiştir. Pearson korelasyonu değişkenler arasındaki ilişkinin nedenselliğini analiz etmemektedir. Değişkenler arasındaki nedensellik ilişkisi için Granger nedensellik analizi uygulanmıştır ve nihayetinde elde edilen sonuçlar yorumlanmıştır. Kısa iletilerin bilgisayar tarafından algılanabilmesi adına sayısallaştırılması ve vektörler ile ifade edilebilmesi için kelime tabanlı N-gramlara dayalı geleneksel kelime çantası modeli dışında, Yapay Sinir Ağlarına (YSA) dayalı Doc2vec mimarisi de kullanılmıştır. Eğitim veri kümesi sınıflandırılırken Lojistik Regresyon (LR), Destek Vektör Makineleri (DVM), Naive Bayes (NB), Karar Ağaçları (KA), K-EnYakın Komşu (KYK) sınıflandırıcıları ve Rastgele Orman (RO), Gradyan Artırma (GA) ve Maksimum Oylama (MO) topluluk öğrenmesi algoritmaları kullanılmıştır. Deneyler sonunda en iyi sınıflandırma algoritmasının LR olduğu ortaya çıkmıştır. LR ile etiketsiz veri setindeki kısa iletilerin sınıfları tahmin edilmiştir.Yeni oluşan veri seti üzerinden pozitif ve negatif duygu içeren tweetlerin polarite değerleri hesaplanmış ve bu duygu skorları ile Bist30 hisseleri arasındaki, ilişkilerin istatistiksel analizlerinin yapılması sağlanmıştır.Bist30 endeksinin açılış ve kapanış fiyatları ile duygu skorları ele alındığında günlük ve haftalık periyotta orta kuvvette ilişki bulunurken, aylık dönemde 0,74 gibi kuvvetli bir ilişkiye sahip olduğu saptanmıştır.Hisse bazında günlük ve haftalık zaman diliminde zayıf ilişkiye sahipken, aylık periyotta örneğin Ereğli Demir ve Çelik Fabrikaları T.A.Ş. (EREGL), Türkiye İş Bankası A.Ş. (ISCTR), Tofaş Türk Otomobil Fabrikası A.Ş. (TOASO) gibi hisselerin kuvvetli ilişkiye sahip olmaları dikkat çekmiştir. Ay bazında incelendiğinde 2018 yılının Ağustos ve 2019 yılının Şubat ayında kuvvetli ilişki bulunduğu gözlemlenmiştir. Granger nedensellik analizi yapıldığında günlük ve haftalık periyotta duygu skorları ve Bist30 endeksinin birbirlerinin geçmiş değerlerinden etkilendiği; 9 hissede tek veya çift yönlü, 11 tane hissede ise günlük atılan tweet sayısı ile hisse fiyatı arasında nedensellik ilişkisi tespit edilmiştir. Tüm sonuçlar ayrıntılarıyla Bölüm 6'da açıklanmıştır.

Zaman Serisi Analizi ve Derin Öğrenme Modelleri Kullanarak Amerikan Doları/Türk Lirası Döviz Kuru İçin Hibrid Tahmin Modeli

Borsa tahminlemesinin yanı sıra döviz kuru tahminlemesi de yatırımcılar, araştırmacılar ve analistler için önemli bir çalışma konusu olmuştur. Bu tez kapsamında finansal duygu analizi ve zaman serisi analizi yapılarak döviz kuru yönünü tahminleyen hibrid bir model oluşturulması amaçlanmıştır. Bu amaçla, önerilen hibrid model, metin verilerinin finansal duygu analizi için elde edilmesi ve modellenmesi, sayısal verilerin zaman serisi analizi için elde edilmesi ve modellenmesi ve iki modelin harmanlanması şeklinde üç aşamalı olarak inşa edilmiştir. Yapılan literatür araştırması ile, sosyal medya platformlarını finansal duygu analizi amacıyla kaynak olarak kullanan ve bunu sayısal veriler kullanarak zaman serisi analizi yöntemleriyle harmanlayan literatürdeki ilk çalışma olduğu düşünülmektedir. Dahası, Amerikan doları/Türk lirası kurunun yönünün tahminlenmesinin hem finansal duygu analizi yaparak hem de hybrid bir model kullanarak gerçekleştiren literatürdeki ilk çalışma niteliğindedir. Çalışmanın literatüre katkısı beş aşamada özetlenebilir: İlk aşamada, finansal duygu analizini gerçekleştirebilmek için Twitter ortamında toplanan verilerin ayrıştırılması, kelimelerin sözlükteki doğru hallerinin bulunması, kelimelerin köklerinin bulunması, kelimelerin normalizasyonu, kullanılmayan karakterlerin ve kelimelerin temizlenmesi gibi yöntemlerle temizlenip modellenmeye hazır hale getirilmiştir. Modellemeye hazır olan veri kümesi Word2vec, GloVe, fastText gibi kelime yerleştirme yöntemleri ve CNN, RNN, LSTM gibi derin öğrenme modelleriyle hem ayrı ayrı hem de kombinasyonları kullanılarak sınıflandırılmıştır. Bu çalışma, finansal duygu analizinin gerçekleştirilmesinde kullanılan kelime yerleştirme ve derin öğrenme modellerinin kombinasyonlarını elde edilerek analiz edilmesi açısından da anlaşıldığı kadarıyla literatürdeki ilk girişimdir. İkincisi, Amerikan Doları/Türk Lirası döviz kuru gerçek verileriyle Basit üssel yumuşatma, Holt-Winters, Holt's Linear ve ARIMA modelleri kullanılarak zaman serisi analizi gerçekleştirilmiştir. Üçüncü olarak, birbirinden farklı yapıda olan iki tahmin modelinden alınan sonuçların döviz kuru yönüne olan etkisi gösterilmiştir. Dördüncüsü ise, önerilen yaklaşımın performansını kanıtlamak amacıyla, finansal duygu analizi için 01 Ocak 2018 ile 31 Aralık 2018 zaman aralığındaki Türkçe ve İngilizce Twitter veri kümeleri, zaman serisi analizi için ise, yine aynı zaman aralığındaki gerçek kur verileri kullanılmıştır. Sonuç olarak, önerilen modelin performansı literatür çalışmalarıyla kıyaslandığında kayda değer ölçüde üstünlük göstermektedir.

Derin öğrenme ve kelime gömme modelleri kullanarak parkinson hastalığının analizi

Amaç Parkinson hastalığı, hastanın yaşam kalitesini etkileyen, önemli sosyal ve ekonomik etkileri olan ve semptomların aşamalı görünümü nedeniyle erken teşhis edilmesi güç olan yaygın bir nörolojik hastalıktır. Parkinson hastalığının Twitter gibi sosyal medya platformlarında tartışılması, hastaların Parkinson hastalığının hem tanı hem de tedavi aşamasında birbirleriyle iletişim kurduğu bir platform sağlar. Bu çalışmanın amacı, derin öğrenme ve kelime gömme modelleri kullanarak insanların Parkinson hastalığı ile ilgili duygusallık analizlerini değerlendirmek ve karşılaştırmaktır. Bildiğimiz kadarıyla, Parkinson hastalığını sosyal medyadan kelime gömme modelleri ve derin öğrenme algoritmaları kullanarak analiz etmek için yapılan ilk çalışmadır. Materyaller ve yöntemler Parkinson hastalığı ile ilgili tweetler, Twitter sayfalarındaki ("ParkinsonsCure", "Parkinson", "ParkinsonsTreatment, ParkinsonDiagnosis") anahtar kelimeleri ile hesaplarını arayarak elde edildi. Parkinson hastalığına ilişkin tüm tweetler, 01.01.2009- 09.01.2019 tarihleri arasında Python programlama dilinde yazdığımız Selenium Crawler kullanılarak toplandı. Bu çalışmada Word2Vec, GloVe ve FastText, tweetleri anlamsal, bağlamsal ve sözdizimi açısından zenginleştirmek amacıyla kelime gömme modelleri olarak kullanılmıştır. Evrişimli Sinir Ağları (CNN'ler), Tekrarlayan Sinir Ağları (RNN'ler) ve Uzun Kısa Süreli Bellek Ağları (LSTM'ler) sınıflandırma görevi için uygulanılmıştır. Deneysel Sonuçlar Bu çalışmada, kelime gömme modelleri ve derin öğrenme algoritmaları kullanılarak Parkinson hastalığı hakkında kullanıcı yorumlarının duygularını analiz etmek için kapsamlı deneyler yapılmıştır. Doğruluk, her modelin sınıflandırma performansını ve çalışmamızın katkısını göstermek için deneylerde bir değerlendirme ölçütü olarak kullanılır. Ön işleme yöntemlerinin kelime gömme modelleri üzerindeki etkisi %50 eğitim setinde incelendiğinde, RH ve RU yöntemlerinin kombinasyonunun en iyi doğruluk performansını gösterdiği görülmektedir. Word2Vec kelime gömme modellerinde ön işleme yöntemleriyle %89,34 doğrulukla en iyi sonuçlara sahiptir. Benzer şekilde, ön işleme yöntemlerinin derin öğrenme algoritmaları üzerindeki etkisi incelendiğinde, RH ve RU konsolidasyonunun diğer ön işleme yöntemlerinden daha iyi sonuçlar verdiği görülmektedir. LSTM, RU + RH yöntemleriyle harmanlanarak %93,63 doğruluk performansına sahip en iyi performans gösteren sınıflandırma algoritmasıdır. Sonuçlar Bu çalışma, hastaların gereksinimlerini anlamak için kelime gömme modelleri ve derin öğrenme algoritmalarını kullanma etkinliğini ve duygularını analiz ederek tedavi sürecine değerli bir katkı sağladığını göstermektedir.

Kullanicilarin nöro fiizksel durumlarini anlayarak insan odakli riskleri azaltmak

Today, smart devices are capable to collect their users' data using a variety of different sensors. Devices are usually online and they share their data using internet. This device to device communication is called as IoT (Internet of Things). IoT backbones store data in Data Centres (DC). Stored data contains valuable information about the users. Analysing the data gives detailed information about the users. In this thesis, a small model of this above IoT structure is simulated. Data is collected and emotion analysis of the users is improved by enriching the physical characteristics of users such as sleep, heartbeat, mobility, etc. with neuro physical parameters such as keystroke patterns, and keystroke error count measurement. The contribution of this work to the literature is the combine usage of physical and neuro physical parameters. Keystroke patterns, and keystroke error count measurement are studied as neuro physical parameters while sleep quality, energy, mobility/movement, and heart pulse are analysed as physical parameters. Another novelty is that the classification task is performed by both conventional(classical) machine learning algorithms and deep learning models to analyse the emotion of the users. For this purpose, feedforward neural network (FFNN), convolutional neural network (CNN), recurrent neural network (RNN), and long short-term neural network are employed as deep learning methodologies while multinomial naive Bayes (MNB), support vector regression (SVR), decision tree (DT), random forest (RF), and decision integration strategy (DIS) are evaluated as conventional machine learning algorithms. To the best of our knowledge, this is the very first attempt to analyse the neuro physical conditions of the users by evaluating deep learning models for sensitivity analysis and enriching physical characteristics with neuro physical parameters. The dataset is collected with the usage of smart devices and sensors from the users during one-year time period. Experimental results demonstrate that the utilization of deep learning methodologies and the combination of both physical and neuro physical parameters enhance the classification success of the system to interpret the sensitivity of the users. A wide range of comparative and extensive experiments show that the proposed model exhibits noteworthy results compared to the state-of-art studies.

Yeni nesil derin bağlamsallaştırılmış kelime gösterimleri ve derin öğrenme modelleriyle finansal haberler kullanarak borsa tahminlemesi

Amaç Hisseler, ekonomik krizden etkilenen önemli bir yatırım türüdür. Bu nedenle, hisselerin yönünü tahmin etmek yatırımcılar, analistler ve araştırmacılar için önemlidir. Özellikle de yatırımcılara yapacakları yatırımların yönünü belirlemede önemli bir kaynak olmaktadır. Hisseler üzerinde yatırım yapan ve yaptıkları yatırımlar hakkında yorumlarını paylaşan kullanıcılar, hisseler hakkında analiz yapan analistler ve finansal haberlerin yayınlandığı platformlar tüm kullanıcılara bilgi paylaşımı sağlayan bir platform oluştururlar. Bu çalışmanın amacı, geleneksel derin öğrenme ve kelime gömme modellerinin yanında yeni nesil kelime gömme modellerini kullanarak insanlara BIST100'de en büyük hacime sahip olan hisselerin yönünü tahmin etmeyi ve yatırımcılara yatırımlarının yönünü belirlemede önemli bir kaynak sunmayı teklif ediyoruz. Bildiğimiz kadarıyla, BIST100'de en büyük hacime sahip olan hisseler hakkında tamamen Türkçe metinler üzerinden geleneksel kelime gömme ve derin öğrenme modellerinin yanında yeni nesil kelime gömme modelleri kullanarak analiz etmek için yapılan ilk çalışmadır. Materyaller ve yöntemler BIST100'de en büyük hacime sahip olan hisseler ile ilgili, bireysel ve kurumsal kullanıcı yorumları, haber sitelerinde yer alan duyurular ve yatırımcılara değerli bir kaynak olan finansal teknik analizler Türkçe metin kaynağı olarak toplandı. Bireysel ve kurumsal kullanıcı yorumları Twitter sayfalarındaki ("AKBNK", "ALBRK", "GARAN", "HALKB", "ISCTR", "SKBNK", "TSKB", "VAKBN", "YKBNK") anahtar kelimeler ile aranarak hesaplardan toplandı. Sosyal medya platform olan Twitter'daki Türkçe kullanıcı yorumlarını toplamak için Python programlama dilinde yazdığımız Selenium Crawler kullanılarak toplandı. C# dilinde kendi yazdığımız web tarayıcısı ile de, Kamuyu Aydınlatma Platformu (KAP)'ndan finansal haberler ve Mynet Finans web sitesinden kullanıcı yorumları çeşitli Türkçe metin kaynağı olarak toplanmaktadır. Big Para'dan hisselere ait analistler tarafından yapılmış finansal analizler günlük olarak toplanmıştır. Twitter, KAP ve Mynet Finans'taki veriler 01.09.2018 ile 01.09.2019 tarihleri aralığında toplanmıştır. Big Para'da geçmişe yönelik veri çekilemediğinden günlük olarak 28.08.2019 ile 15.11.2019 tarihleri arasında toplanmıştır. Bu çalışmada Word2Vec, GloVe ve FastText, kullanıcı yorumlarını, finansal analiz ve haberleri anlamsal, bağlamsal ve sözdizimi açısından zenginleştirmek amacıyla geleneksel kelime gömme modelleri olarak kullanılmıştır. Evrişimli Sinir Ağları (CNN'ler), Tekrarlayan Sinir Ağları (RNN'ler) ve Uzun Kısa Süreli Bellek Ağları (LSTM'ler) sınıflandırma görevi için geleneksel derin öğrenme algoritmaları uygulanılmıştır. Bunların yanında yeni nesil kelime gömme modelleri olan Transformatörlerden Çift Yönlü Kodlayıcı Gösterimleri (BERT), Dil Modellerinden Yerleştirme (ELMo) ve Evrensel Dil Modeli İnce Ayar (ULMFiT) kullanılmıştır. Deneysel Sonuçlar Bu çalışmada, geleneksel kelime gömme modelleri, derin öğrenme algoritmaları ve yeni nesil kelime gömme modelleri kullanılarak BIST100'de büyük hacime sahip olan borsa hisselerinin yönünü tahmin etmek için kapsamlı deneyler yapılmıştır. Belirtilen tüm doğruluklar, her modelin sınıflandırma performansını ve yaptığımız çalışmanın katkısını göstermek için deneylerde kullanılan bir değerlendirme ölçütüdür. Ön işleme yöntemlerinin uygulanması ile önerilen modelin sınıflandırma performasını iyileştirme amaçlanmıştır. Kullanıcı yorumlarını içeren Türkçe metinleri sınıflandırmada yeni nesil kelime gömme modeli olan ELMo'nun ön işleme yöntemleriyle birleşimi, kullanıcıların hisselerini yönlendirmedeki hassasiyetini belirlemek ve en iyi sınıflandırma başarısı elde etmek için avantajlı bir seçim olacağı sırasıyla Twitter ve Mynet Finans'tan toplanan Türkçe veri setinden elde edilen %97.70 ve %91.55'lik doğruluk değeri ile ortaya koyulmuştur. Ancak haberler ve analizler gibi Türkçe metin içerikli veri setlerinde yeni nesil kelime gömme modellerine göre geleneksel derin öğrenme algortimaları daha iyi sonuçlar üretmiştir. Sonuçlar Bu çalışma, borsa hisselerinin yönünü tahmin etmek için çeşitli veri kaynaklarından toplanan metinler üzerinde geleneksel kelime gömme modelleri, derin öğrenme algoritmaları ve yeni nesil kelime gömme modellerini kullanma etkinliğini ve hisselerin yönlerini analiz ederek yatırımcılara yatırım yapacakları süreçte değerli bir katkı sağladığını göstermektedir.