2,357
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Aşırı öğrenme makineleri ile beta talasemi ve demir eksikliği anemisinin ayırt edilmesi
Bilgisayar destekli sistemler yalnızca doktorlara yardımcı olmakla kalmaz, aynı zamanda hata oranlarını da en aza indirir. Bu sistemlerin amacı düşünebilmektir ve karar verebilmektir. Bu amaçla makine öğrenimi ve yapay sinir ağları gibi yöntemler kullanılmıştır. Bu çalışmalar donanım kısıtlamaları nedeniyle bir durgunluk dönemine girdikten sonra, donanımın geliştirilmesiyle derin ağ araştırmaları başladı. Derin sinir ağları, her bir katman için geri yayılım algoritması uygulayarak büyük boyutlu verilerden gizli olan verileri ayırt ederek çıkartmaktadır. Ayrıca derin öğrenme yöntemlerinde özellik çıkarma ihtiyacı ortadan kalkmıştır. Fonksiyon, sisteme girilen veri setinden otomatik olarak silinir. Diğer bir avantajı da genelleştirilebilmesidir. Bir problem için oluşturulan yöntem başka bir probleme de uygulanabilir. Derin öğrenme yöntemleri, bu avantajları sağlamak için büyük miktarda eğitim verisi gerektirir. Doğal dil işleme, konuşma işleme ve görüntü işleme için gerekli gereksinimler karşılandığında ve derin öğrenme yöntemleri uygulandığında başarılı sonuçlar ve doğru kararlar alınırken, yapay zeka ve makine öğrenimi yöntemlerinin geride kaldığı görülmüştür. Demir eksikliği anemisi (IDA) vücuda giren demirin hemoglobin üretmek için yetersiz olduğu bir olmasıdır. Bu hastalık ülkemizde ve dünya da en sık görülen anemi türüdür. Demir eksikliği anemisi (IDA) genetik bir hastalık olmasa da talasemi, kırmızı kan hücrelerinin ömrünü kısaltan kalıtsal bir özelliktir. Talasemi, hemoglobin oluşumunu düzenleyen genlerdeki anormalliklerin sonucudur. Talasemi taraması, talasemili çocuğu olabilecek çiftleri bulmayı amaçlayan bir girişimdir. Bu amaca ulaşmak için aynı tip talasemili deneklerin belirlenmesi gerekir. Hastalığın teşhisi için uygun tıbbi tedavinin sağlanması çok önemlidir. Demir eksikliği (IDA) anemisi ve β-talasemi özellikleri gibi genetik hastalıklar, doğru ve zamanında tanı gerektirir. Tez çalışmasında demir eksikliği anemisi(IDA) ve β-talasemi ayırt etmek amacı ile aşırı öğrenme makineleri(ELM) ve düzenli aşırı öğrenme makineleri(RELM) yöntemleriyle araştırılmıştır. Demir eksikliği anemisini, β-talasemi özelliğinden ayırt etmek için yapılan bu çalışma ile literatürde sinyal işleme yöntemleri ve makine öğrenmesi yöntemleri yazılımsal yöntemlerle sonuçlandırılmıştır. Önerilen yöntemle yapılan bu proje sonucunda yöntemimizin daha hızlı ve daha az maliyetle yüksek performans sağladığı görülmektedir.
Email and SMS spam detection based on deep learning
Over the last decade, the overwhelming use of smartphone have made users depend on it for digital communication such as Email and SMS. Consequently, the use of email and SMS services as a medium for "two-way communication" and "one-way communication" such as notification, alerts, reminders etc., by individuals and organizations has increased tremendously. Technological advancement, cost-effectiveness, high speed acknowledgment time and viability are factors that have led to their exponential growth in the 21st century. However, these communication mediums have been vulnerable to malicious attacks called spams. The constant rise of spam across these communication medium has questioned the demand for solutions. Thus, the need for ML/DL solution which without specific instructions (rule-based codes) use algorithms and statistical models to filter spam by relying on patterns and inferences in the content of message; that is, it parse the message, learn from it and decides if it is ham or spam. This approach is economical, faster, and efficient than the other two traditional methods since it can filter huge messages in short time and the ML/DL algorithms learn from the previous messages and apply it to incoming messages. Keywords: Deep learning, Machine learning, Dense Neural Network, Spam detection.
Nesnelerin interneti kullanılarak sera uygulaması geliştirilmesi
Son yıllarda günlük hayatımıza birçok yenilik getiren ve popülerliği gittikçe artan Nesnelerin İnterneti (Nİ, Internet of Things-IoT) teknolojisinin önemi gün geçtikçe artmaktadır. Nİ, nesnelerin gelişmiş iletişim teknolojileri aracılığıyla birbirleriyle iletişim kurar hale gelmesi şeklinde tanımlanmaktadır. Bu çalışma, tarımda yüksek verimli ve kaliteli ürünlerin Nİ teknolojisi kullanılarak yetiştirilebilmesi amacıyla yürütülmüştür. Bu amaçla Nİ teknolojisinin sağladığı avantajlar kullanılarak yetiştirilen bitkilerin verim ve kalitesinin kontrolünü azami derecede sağlamak hedeflenmiştir. Bu konuda yapılan diğer çalışmalardan farklı olarak, cihazlar arasındaki iletişimde geliştirilen optimizasyon algoritması kullanılmış olup cihazların kendi aralarında optimum şekilde haberleştirilmesiyle, minimum güç tüketerek sistemin uzun süre ayakta kalması sağlanmıştır. Endüstri 4.0 çözümlerinden biri olan bu tür akıllı tarım uygulamaları ile ne gibi sonuçlar elde edilebileceği ve Nİ teknolojisinin akıllı tarımda oluşturacağı avantajlar ortaya konmuştur. Bu çalışmada, Nİ teknolojisi kullanılarak yetiştiricilikte temel ortam parametreleri olan toprak nemi, hava oransal nemi, sıcaklık ve karbondioksit (CO2) verileri ölçülmüş ve internete erişimi olan tüm cihazlardan görüntülenecek şekilde bir web uygulaması geliştirilmiştir. Çalışma sonunda, ölçülen bu ortam verilerinden optimum düzeyde olmayanlara müdahale edilmek suretiyle verimin arttırılabileceği sonucuna varılmıştır. Ayrıca büyük oranda ekolojik faktörlere bağlı olarak ortaya çıkacak olan hastalık ve zararlılara karşı da önlem alınabileceği ve kimyasal ilaç kullanımını sınırlandırarak çevreci ve sağlıklı bir üretimin gerçekleştirilebileceği kanaatine varılmıştır.
Akıllı yöntemler ile siber saldırı tespit sistemi geliştirilmesi
Siber saldırılar dünyanın en büyük sorunlarından biri haline geldiği için ülkelere ve insanlara ciddi maddi zararlar vermektedir. Siber saldırıların artması, siber suçları da beraberinde getirdiğinden suç ve suçlularla mücadelede temel faktörler, siber suç faillerinin belirlenmesi ve saldırı yöntemlerinin anlaşılmasıdır. Siber saldırıları tespit etmek ve bunlardan kaçınmak zor bir görevdir. Ancak araştırmacılar son zamanlarda siber güvenlik modelleri geliştirerek ve yapay zekâ yöntemleriyle tahminler yaparak bu sorunları çözmektedir. Literatürde çok sayıda suç tahmin yöntemi mevcuttur, fakat siber suç ve siber saldırı yöntemlerini tahmin etme daha az çalışılmıştır. Bu sorun, gerçek verileri kullanarak bir saldırıyı ve bu tür saldırının failini belirlemek için ele alınmıştır. Kolluk birimlerinden elde edilen veriler suçun türü, mağdurun bilgileri, zarar ve saldırı yöntemleri gibi özniteliklerden bazılarını içermektedir. Bu tezde siber suçları makine öğrenmesi ve derin öğrenme yöntemleriyle üç farklı modelde analiz edilmiş ve tanımlanan özelliklerin siber saldırı amacı, yöntemi ve failin tespiti üzerindeki etkisini ortaya koyulmuştur. Tezde makine öğrenmesi, derin öğrenme ve yapay sinir ağları yöntemleri kullanılmıştır ve doğruluk, kesinlik, duyarlılık ve F1-skor açısından değerlendirilmiştir. Saldırı amacı tahmin modelinde Destek Vektör Makinası, Karar Ağaçları ve Rastgele Orman algoritmaları %77.35 doğruluk oranıyla en iyi performansı sergilemiştir. Saldırı faili tahmin modelinde %69.61 doğruluk oranıyla En Yakın Komşu algoritması en iyi performansı göstermiştir. Saldırı yöntemini tahmin eden modelde ise %96.69 doğruluk oranıyla Lojistik Regresyon algoritması en iyisi olmuştur. Sonuçlar, mağdurun eğitim ve gelir düzeyi arttıkça siber saldırı olasılığının azaldığını ortaya koymuştur. Ayrıca siber saldırıların tespit edilmesini kolaylaştıracak ve bu saldırılarla mücadeleyi daha kolay ve etkili hale getirecektir.
Genetik algoritma tabanlı konferans oturum çizelgeleme programının geliştirilmesi
Akademik konferanslar bilimsel gelişmelerin sunulduğu, tartışıldığı bir bilimsel faaliyettir. Akademik konferanslar birden çok bilim alanı çalışmasına imkan sağladığından dolayı multidisipliner niteliktedir. Multidisipliner konferanslar, doğa bilimi, sosyal bilimler, sağlık ve sanat bilimleri gibi farklı disiplinlerde çalışmaların sunumuna izin vermektedir. Multidisipliner konferansları organize etmek için günler, salonlar ve oturumlar belirlemek ve tüm oturumları ilgili ana disiplin alanına göre sunumları belirlemek gerekmektedir. Bir oturumdaki tüm bildirilerin aynı alandaki çalışmalardan oluşması günümüz konferans dinleyicisinin en önemli beklentilerinden birisidir. Dinleyici bu gereksinimi sayesinde ilgi alanı olan bildiriyi dinlemek için katılıdığı bir salonda ilgisinin olmadığı çalışmaları dinlemek durumunda kalmayacaktır. Konferans sırasında aynı oturumda farklı disiplinlerden sunumların olması konferans katılımcıları için büyük bir sorundur. Bu tez ile multidisipliner konferansların çizelgeleme probleminin Genetik Algoritma ve Epigenetik Algoritma yaklaşımı ile çözümü gerçekleştirilmiştir. Genetik Algoritmanın ve Epigenetik Algoritmanın temel kavramları verilmiş ve konferans çizelgeleme şemaları ve çizelgelemede dikkate alınacak unsurlar belirtilmiştir. Bu tez için iki farklı multidisipliner konferans veri seti kullanılmıştır. Genetik Algoritma ve Epigenetik Algoritma ile C# dilinde farklı günler, farklı oturumlar ve farklı odaların bazı kısıtlamaları altında bir uygulama geliştirilmiştir. Çalışma sonucunda Genetik Algoritma ve Epigenetik Algoritma ile elde edilen çizelgelemelerin sonuçları ve grafikleri verilmiştir. Epigenetik Algoritmanın Genetik Algoritmaya kıyasla daha başarılı sonuçlar verdiği gözlenmiştir.
Derin öğrenme yöntemleri kullanılarak görüntüler üzerinde insan hareketlerinin ve hastalıklarının sınıflandırılması
Derin öğrenme modelleri son yıllarda oldukça popüler ve yaygın bir hale gelmiştir. Gelişen teknoloji ile birlikte veri tabanlarında tutulan verilerin miktarları her geçen gün artmaktadır. Bu tez çalışmasında da derin öğrenme tabanlı yöntemler kullanılarak veri setlerinde tutulan bu verilerin işlenmesi ve bunların sınıflandırılması amaçlanmıştır. Gerçekleştirilen bu tez çalışmasında 3 farklı uygulama gerçekleştirilmiştir. İlk uygulamada insan hareketleri görüntülerinden oluşan bir veri seti kullanılmıştır. Bu veri setindeki videolardan belirli sayıda görüntü örnekleri alınarak bir veri seti oluşturulmuştur. Oluşturulan veri setindeki insan hareketlerinin sınıflandırılması için ESA tabanlı bir model geliştirilmiştir. Gerçekleştirilen ikinci uygulamada ise beyin MR görüntüleri kullanılarak, bu görüntüler tümörlü ve tümörsüz görüntüler olmak üzere sınıflandırılmıştır. Bu uygulamada hibrit bir model önerilmiştir. Son uygulamada ise göğüs X-Ray görüntülerinden oluşan bir veri seti kullanılmıştır. Bu veri setinde ki görüntüleri zatürre ya da normal olarak sınıflandırmak için önerilen hibrit yöntemde başarılı sonuçlar elde edilmiştir. Beyin MR görüntüleri ve göğüs X-Ray görüntülerinin sınıflandırılmasında, önerilen hibrit modelde ESA mimarilerinden olan Resnet50 taban olarak kullanılmıştır. Her üç çalışmada da halka açık veri setleri kullanılmıştır. Gerçekleştirilen derin öğrenme tabanlı uygulamalarda başarılı sonuçlar elde edilmiştir. Önerilen bu yöntemlerin çalışmada kullanılan önceden eğitilmiş modellerden daha başarılı oldukları görülmüştür. Ayrıca gerçekleştirilen uygulamalar literatürdeki benzer çalışmalarla da kıyaslanmıştır.
Artırılmış gerçeklik ve coğrafi bilgi sistemleri yaklaşımları kullanılarak tarihi eser restorasyonu için mobil uygulama geliştirme
Bu çalışmada artırılmış gerçeklik teknolojisi ile coğrafi bilgi sistemleri yaklaşımlarını bir arada kullanarak tarihi eserler üzerinde yapılan restorasyon çalışmalarında izlenecek yolu göstermek ve yapılabilecek geri dönüşü olmayan hataları önlemek için bir mobil uygulama geliştirilmiştir. Bu uygulama bir tarihi eseri ve onun üzerinde yapılan restorasyon çalışmalarını tarihsel süreç içerisinde kullanıcıya sunmayı ve dolayısıyla muhtemel bir sonraki restorasyon için yol göstermeyi hedeflemektedir. Çalışma kapsamında örneklendirme işlemleri İstanbul'un simgesi olan Galata Kulesi üzerinde yapılmıştır. Çalışmada Galata Kulesi üzerinde yapılan restorasyon çalışmaları yıllar temel alınarak gösterilmiştir. 2 Numaralı Kültür Varlıklarını Koruma Bölge Kurulu'ndan Galata Kulesi'nin modellenmesinde doğru sonuçlara ulaşmak için gerekli dokümanlar alınmıştır. Çalışma coğrafi bilgi sistemleri (CBS) ile desteklenerek verimlilik ve ulaşım noktalarında güçlendirilmiştir. Bu kapsamda birden fazla uzmanlık alanı kullanıldığı için daha etkin sonuçlar elde edileceği ön görülmektedir. Galata Kulesi'nin zamansal değişimleri net bir şekilde kullanıcıya aktarılabildiği için çalışma turistik anlamda da dikkat çekmektedir.
Derin öğrenme tabanlı çok modlu duygu analizi yöntemlerinin geliştirilmesi
Sosyal medya uygulamalarının toplum tarafından geniş kullanımı, insanlara bir durum, olay, hizmet veya ürün hakkında hızlıca geri bildirim sağlamalarına olanak sağlamıştır. Duygu analiziyle insanların sosyal medya paylaşımlarından bir konu veya ürün hakkındaki duygu ve düşüncelerinin tespit edilmesi mümkündür. Temel duygu analizi yaklaşımları genellikle tek tip veri tipi üzerinde gerçekleştirilmektedir. İnternetin ve akıllı cihazların yaygın kullanımı ve sosyal medya uygulamalarının çeşitliliği sonucu günlük üretilen veriler metin, görüntü, video veya ses formatlarında olabilmektedir. Çok modlu duygu analizi, farklı türdeki verileri bir bütün olarak analiz edilerek, kullanıcı paylaşımının duygusunun ortaya çıkarılması sürecidir. Bu tez çalışmasında sosyal medya uygulamalarından toplanan kıyaslama veri kümeleri üzerinde çok modlu duygu analizi yapılmıştır. Çok modlu duygu analizi için iki yaklaşım ele alınmıştır. Bu yaklaşımlardan birincisi çok modlu derin öğrenme modellerinin kullanımı dayalı yöntemdir. Bu yaklaşımda stratejik olarak farklı metin temsillerini (Karakter-tabanlı, Word2vec, FastText), farklı derin öğrenme yöntemleriyle (LSTM, GRU, BiLSTM, CNN) birlikte kullanan yeni bir hibrit derin öğrenme modeli geliştirilmiştir. Bu yaklaşım için önerilen model farklı veri temsilleri üzerinde farklı derin öğrenme yöntemleriyle öznitelik çıkarmakta, bu öznitelikleri birleştirerek metinleri duygu bakımından sınıflandırmaktadır. İkinci yaklaşımda, çok modlu veri kümeleri üzerinde duygu analizi gerçekleştirmeye dayalı yöntemdir. Farklı sınıflandırıcıların farklı veri türlerindeki etkin performansından yararlanan yumuşak oylamaya dayalı bir topluluk modeli önerilmiştir. Yapılan deneysel çalışmalarla önerilen yöntemlerin duygu analizi sonuçları doğrulanmıştır.
Göç eden kuşlar optimizasyon algoritması ve akıllı su damlaları optimizasyon algoritması verimlilik analizi
Literatürde birçok arama ve optimizasyon algoritması bulunmaktadır. Ancak tüm arama ve optimizasyon problemleri için en iyi sonucu veren algoritma henüz tasarlanmadı. Bu çalışmada doğadan esinlenerek geliştirilmiş iki algoritma olan Göç Eden Kuşlar Optimizasyon Algoritması ve Akıllı Su Damlaları Optimizasyon Algoritması kullanılarak verimlilik analizi yapılmıştır. Göç Eden Kuşlar Optimizasyon Algoritması, tabiattaki göçmen kuş sürülerinin davranışlarından esinlenerek önerilmiş bir metasezgisel algoritmadır. Bazı optimizasyon probleminin çözümünde en iyi sonucu verdiği yapılan çalışmalar ile kanıtlanmıştır. Göç Eden Kuşlar incelendiğinde "V" şeklinde hareket ettikleri tespit edilmiştir. Kuşların bu hareketi onlara kaynaktan hedefe doğru giden yolda daha az enerji harcamaları ve hedefe daha kısa sürede varmalarını sağlamaktadır. Akıllı Su Damlaları Optimizasyon Algoritması doğal bir nehirdeki su damlalarının kaynaktan hedefe giderlerken her zaman daha kısa bir yol bulduğunu gözlemlenerek gerçekleştirilmiş bir algoritmadır. Nehirler, denizler gibi doğal su kaynakları incelendiğinde su damlalarının kaynaktan hedefe giden yolda her zaman daha kolay yolu (toprak miktarı diğer yollardan az olan bir yol) seçtikleri görülmüştür. Su damlaları sıfır olmayan bir hıza sahiptirler ve üzerlerinde toprak taşırlar. Literatürde metasezgisel algoritmalar ve metasezgisel olmayan algoritmalar bulunmaktadır. Bu çalışmada metasezgisel algoritmalardan olan Göç Eden Kuşlar Optimizasyon Algoritmasındaki adımlarda rastgele seçimli olan adımları, rastgele olarak değil, literatürdeki metasezgisel algoritmalardan olan Akıllı Su Damlaları Optimizasyon Algoritması ile belirleyip problem çözme verimliliğini iyileştirmek hedeflenmiştir. Bu amacın gerçekleştiğini göstermek için örnek problemler üzerinde çözümler uygulanıp karşılaştırmalı olarak sunulmuştur.
Veri madenciliği yöntemleri kullanılarak yoğun bakım hastalarında basamak tespitinin yapılması
Bu tez çalışması Türkiye'de kullanılan yoğun bakım basamaklandırma sistemindeki problemler göz önüne alınarak hazırlanmıştır. Yoğun bakımlarda hasta bakımı, hastaların takibi, hastalıkların kontrolü ve tüm bunların maliyeti, içinde zorluklar barındıran işlemlerdir. Bu sistemin kontrolünü kolaylaştırmak bu tez çalışmasının en önemli amaçlarındandır. Çalışma veri madenciliği yöntemlerinin uygulanmasını içermektedir. Yoğun bakımlarda tedavi gören hastaların gerçek verileri ile çalışılmıştır. Bu veriler üzerinde basamak değerleri referans alınarak sınıflandırma ve kümeleme işlemleri yapılmıştır. Ayrıca hastaların ölüm tahminlerine yönelik bir uygulama daha içermektedir. Tez çalışması esnasında yaşanan en büyük problem verilerin kaydediliş biçiminin eksik ya da hatalı olması idi. Veriler uygulamaya hazır hale getirilene kadar fazlaca ön işlemden geçmek zorunda kalınmıştır. Hasta başı monitörleri ile alınacak anlık veriler ile çok daha başarılı sonuçlar elde edilebilecektir.
Knime Veri Analitik Platformu Kullanarak Derin Öğrenme Algoritmaları ile Imge Sınıflandırma
Çağımızda veri her yerde ama bu verilerin tamamı anlamlı ve işe yarar bilgi olarak bulunmuyor. Küreselleşen dünyada her birey ve her makine bir veri kaynağı ve sürekli artan büyük bir ivme ile veri üretmektedir. Cep telefonlarımız, güvenlik kameraları, banka kartları, akıllı arazi sulama sistemleri, kullanılan kimlik kartları, su sayaçları ve daha birçoğu veri üretiyor. Üretilen bu verilerden anlamlı ve işe yarar bilgi elde etmek çağımızın en büyük çalışma alanlarından birini oluşturmaktadır. Son yıllarda hızlı gelişen veri bilimi, hayatı birçok açıdan kolaylaştıran yapay zeka teknolojisinden yaralanmaktadır. Sağlık, eğitim, sanayi, turizm yapay zekadan yaralanan alanların başında gelir. Yapay zekanın alt dalları olan makine öğrenmesi ve derin öğrenme algoritmaları sayesinde hayat daha kolay oluyor. Çinde ortaya çıkan ve tüm dünyayı etkisi altına alan Covid-19 pandemi döneminde de yine yapay zekadan faydalanılan birçok sistem geliştirildi. Geliştirilen sistemler sayesinde bu zorlu süreç en az hasarla ve en kısa sürede atlatılmaya yöneliktir. Bu süreçte sürece olumlu etkisi olan alınabilecek tedbirler vardır. Bu alınabilecek önlemlerden biri maske takmaktır. Bu tez çalışmasında insanların maske takıp takmadığını derin öğrenmeye dayanan yaklaşımlar kullanılarak Knime veri analiz programı kullanılarak tespit edilmeye çalışılmıştır. İnsanların maskeli ve maskesiz resimleri eğitilerek oluşturulan sistem sayesinde, test verisinden sisteme yeni giren verinin maskeli ya da maskesiz olduğu tespit edilmeye çalışılmıştır. Bu çalışmasında AlexNet ve Lenet derin öğrenme mimarilerinden faydalanılmıştır.
Lokasyon bazlı sosyal ağlarda kullanıcılara ilgi çekici mekânların önerilmesi
Günümüzde konum tabanlı sosyal ağların kullanımı artış göstermektedir. Sosyal ağların kullanım amacı sadece haberleşmek ve fotoğraf paylaşımı yapmak değil, aynı zamanda bulundukları mekânların ve yerlerin konumlarını da bildirmektir. Yapılan konum bildirimlerine göre öneri sistemleri kullanılmaktadır. Bu tez çalışmasının amacı ise bağlantı tahminine dayalı bir öneri sistemi kullanarak kullanıcılarının tercihlerine uygun yerlerin önerilmesidir. Kullanıcıların geçmiş check-in bilgileri ve memleket bilgileri göz önünde bulundurularak tahmin yapılmaktadır. Bu tahminler iki parçalı bir ağda bağlantı tahmini yöntemiyle yapılmaktadır. Elde edilen veri seti üzerinde eğiticili öğrenme algoritmaları uygulanmıştır. Gerçek veriler üzerinde yapılan uygulama sonuçları, yöntemin uygulanabilirliği göstermiş ve doğruluk ve F-ölçü gibi performans kriterlerine göre yüksek başarımlar elde etmiştir.
Derin öğrenme yöntemleri kullanarak bilgisayarlı tomografi görüntülerinden covid-19'un tespit edilmesi
Aralık 2019'un sonlarından bu yana Çin'in Wuhan kentinde yeni bir koronavirüs hastalığı Covid-19 kaydedildi ve daha sonra dünya çapında pandemik hale geldi. Covid-19'un, alveollerde bıraktığı hasar ve ilerleyen solunum yetmezliğinin bir sonucu olarak ölümle sonuçlanabilir. Klinik tanı için kullanılan transkripsiyon polimeraz zincir reaksiyonu (RT-PCR) altın standart olmasına rağmen testler yanlış negatifler üretebilir. Ayrıca pandemik durumda RT-PCR test kaynaklarının yetersizliği, tanıyı ve tedaviyi de geciktirebilir. Bu koşullar altında göğüs BT görüntülemesi, Covid-19 hastalarının hem tanı hem de prognozu için değerli bir araç haline gelmiştir. Yakın zamanda BT taramalarında Covid-19 tanısını kolaylaştırmak ve sağlık çalışanlarına yardımcı olmak için derin öğrenme teknikleriyle geliştirilmiş birçok çalışma önerilmiştir. Çalışmamız, DeOldify kütüphanesini kullanarak renklendirilen BT veri seti ile derin öğrenme tekniklerinden DenseNet121'i kullanarak Covid-19'u, Covid-19 olmayan vakalardan ayırt etmeye odaklanmaktadır. Çalışmamızın sonunda %98'lik doğruluk elde edilmiştir.
Implementation of quality control system using magnetic image sensor
This research depicts an overview and special technique for the recognition, detection and measuring the quality of magnetic on materials. It is based on the Hall Effect principle of and signal converter. The board is small but it gives good results in addition to ease of use, less cost and low power. The magnetic field emitted from the material to be checked is converted to a visual spectrum. This means that magnetic fields can now be seen in real-time, the magnetic sensors used on the tile are some of the most highly sensitive. Hall effect sensors and the matrix layout were simulated in the MATLAB Simulink and the results were put in the thesis. Visualizing things that are very difficult to normally seen. Because there is so much around that just cannot easily perceive, and how much more interesting bits of science we would be able to get done if only could easily see them as naturally as seeing things like color. Magnetic field detection in an object into a two-dimensional image will make that cool and very interesting especially with low cost, power and easy to use, unlike some costly sensors. In the thesis, the results of the matrix array of sensors are obtained then the performance is discussed.
Design and sorting of an object identification on machine vision by using line scan camera
This research represents designing a system to identify objects on a conveyor belt using machine vision. In the present study, a machine vision based on one line scan sorting was developed, the purpose being to sort objects based on various stages of maturity. Many different methods are available for object identification. But it design a system that separates and counting them. Different objects placed on the conveyor belt moves along, and a camera placed above the belt takes real-time video and feeds it to the MATLAB software for processing the object to compare with the basic template object. The vision camera understands an object based on its physical attributes, such as shape and size, to effectively control the hardware, which will be used in this work. Besides, the number of objects of a particular section that cross the conveyor to demonstrate the identification of moving objects is counted and displayed. For identifying a good object, the wavelength data is used, while determining how to match the geometric patterns and identify the dimensions, and edge detection is applied. The ability to count specific attributes of objects is tested in different test paths. The sorting of objects using machine vision was performed using an algorithm of pattern matching. A pattern image template was built and stored in a computer's memory. The vision application investigates the image and transfers it to the classifier if the received image matches the model image or not matches. In the conclusion part of the thesis, the results are discussed over the experimental data.
Virtual reality as a tool for electrical machines assembling and testing
Academics, on a regular basis, confront equipment shortages that are present in the industry today. Furthermore, since many students find the abstract concepts and complicated ideas about mechanical and electrical engineering challenging, they often struggle with understanding topics linked to those fields. While several studies have demonstrated the capability of virtual reality in various settings, such as growth, healthcare, the military, and school education, virtual reality has yet to be implemented effectively in those arenas. In the very near future, we will all be using Virtual Reality (AR) technology to improve our sense of perception and therefore our overall quality of life. Thanks to virtual reality, we will be able to support areas such as schooling, upkeep, construction, and reconnaissance. This study explores how interactive training tools are being used to educate electrical engineering students in the real world. 3D models of authentic devices are exposed and accessible to end-users who can communicate with and control them. When operating with a real computer, the users have the possibility to assemble and disassemble the machines, test them under extreme conditions, and compare structural variations between them. With 3D devices fully operational, users can analyze the effect of supply conditions on the business from any aspect. The users have a possibility to compare structural differences between devices, assemble and disassemble the machines and test them under extreme conditions, all of which would not be possible while working with a real device.
Elektrik makinesi için sanal gerçeklik
Virtual Reality (VR) is computer-generated environments or realities that are designed to simulate a person's physical presence in a specific environment that is designed to feel real. It is the way to find, feel and contact with the past, the present and what is to come. It is the vehicle to make our own reality, our own altered reality. It could go from making a computer game to taking a virtual tour of the universe, from wandering through our own fantasy house to finding a walk on a strange planet. With computer-generated reality, we can meet the most frightening and boring circumstances by playing safe and with a learning point of view. The VR application the user will be able to perform various investigations of the working principles of a permanent magnet synchronous motor. In the background of the VR environment a proper mathematical model will be defined that will simulate the operating principles and performance characteristics of the investigated motor. The 3D models that are going to be designed will be based on authentic devices, according to their technical documentation. The different 3D parts for various electric motors are going to be placed on a shelf. The user will have a task to assemble a certain type of electric motor based on its selection done at the beginning of the exercise. Mechanical maintenance preparation requires significant investment. Must be legitimate public information personnel before playing out any support on apparent devices and must have an appropriate maintenance and security setting applicable to the specific device support is performed on. Two organizations and scientific institutions face preparing limits when ordering maintenance for replacers or workers. Virtual Reality situations deal with the issue of access, cost, support, firm plan, and well-being. Virtual reality situations using Game-Engine phases (for this mode, Unity), Computer-Aided-Design display and C# programming to execute what is needed in a VR reality head where a student is perfectly suited to speak with environmental factors through kidnapping, contact, holding, dropping, tossing and more through existing virtual reality controllers.
Yüz ifadesi tanıma başarımı için ilgili bölge belirleme ve çekişmeli üretici ağlar kullanılarak örnek artırım yöntemlerinin geliştirilmesi
İnsanlar arası iletişimde en önemli araçlardan biri olan yüz ifadesi tanıma, teknolojinin geldiği noktanın da yardımıyla geçtiğimiz son on yılın en önemli araştırma alanlarından birisi haline gelmiştir. Yüz ifadelerinin otomatik olarak sınıflandırılması, başta insan bilgisayar etkileşimi olmak üzere klinik psikoloji, nöroloji, güvenlik sistemleri, akıllı ortamlar, müşteri memnuniyeti ve reklam sektörü gibi birçok alanda kullanılmaktadır. Taşınabilir cihazlar ile görüntüleme ve kaydetme işlemlerinin bireyler seviyesinde gerçekleştirildiği günümüzde, yüz ifadelerini hızlı ve gürbüz bir şekilde tanıyabilecek uygulama ve yöntemlere ihtiyaç vardır. Bu tez kapsamında, yüz ifadesi tanımanın başarımını artırmak üzere iki farklı çalışma sunulmuştur. Yapılan ilk çalışmada, yüz ifadesini temsil eden yüz üzerindeki ilgili alanın seçimi için bir kırpma metodolojisi önerilmiştir. Ardından bu metodoloji yardımıyla elde edilen imgeler, farklı mimarilere sahip olan üç evrişimsel sinir ağı üzerinde eğitilmiştir. Gerçekleştirilen çalışmanın sonucunda, yüz ifadesi içeren alan ve ağ seçiminin, yüz ifadesi tanıma üzerindeki etkisi hakkında önemli bulgular elde edilmiştir. Tez kapsamında sunulan ikinci çalışmada, kısıtlı sayıda örnek içeren bir yüz ifadesi veri tabanının örnek sayısını artırmak için çekişmeli üretici ağlar temelli bir veri artırımı yaklaşımı sunulmuştur. Çekişmeli üretici ağlar yardımıyla artırılan imgeler kullanılarak, yüz ifadesi tanıma için bir evrişimsel sinir ağı eğitilmiştir. Verinin dağılımını doğru bir şekilde yansıtan çekişmeli üretici ağlar yardımıyla artırılan örnekler ile eğitilen ağın, yüz ifadesi tanıma işlemi için literatürdeki çalışmalara kıyasla daha yüksek başarım sergilediği gözlemlenmiştir.
Çok katlı ve tam otomatik otopark yapısı için D* lite algoritması ile yol planlama
Tez kapsamında, tam otomatik otoparklarda çoklu ve eş zamanlı park etme ve geri alma taleplerinin dinamik olarak yönetilebilmesi için geliştirilen bir yazılım iskeleti sunulmaktadır. Sezgisel arama özelliğine sahip D* Lite, A* ve UCS algoritmaları duruma uygun olarak tek bir çatı altında birleştirilmiştir. Tasarlanan otopark alanı, dörtgen şeklindeki bir dizi park hücresinin yanı sıra asansör, yükleme alanı, giriş, çıkış ve geçiş yolları oluşturmak üzere ayrılmış olan boş hücrelerden oluşmaktadır. Otopark depolama topolojisindeki tüm park hücreleri hareketli taşıyıcılardadır. Ayrılmış boş hücrelerin dışında herhangi bir sürüş şeridi bulunmamaktadır. Ayrıca simülasyonda geçici geçiş yolları oluşturacak boş hücreler hariç tüm katın dolu olduğu varsayılmaktadır. Boş hücre sayısının hem depolama kapasitesini maksimize edecek hem de park etme taleplerine gerçek zamanlı cevap verecek şekilde belirlenmesi gerekir. Tezde ayrıca mevcut otopark düzeninde, en uygun ve en kısa yola mümkün olan en yakın yolu takip ederek işlemin tamamlanmasını kolaylaştıracak depolama stratejileri önerilmektedir. Simülasyon sonuçları, bu tezde sunulan otomatik park sisteminin uygulanabilir ve pratik olduğunu göstermektedir. Talep başına hareket sayısı üzerinden ölçülen gerçek yol uzunluğu, hesaplanan en kısa yol uzunluğuna yakın bir değerdedir. Bu da sistemin her istek için neredeyse en uygun yolu sağladığı anlamına gelmektedir. Sistem, gerçek zamanlı olarak yol planlaması yapmakta ve ortamda onlarca eş zamanlı depolama ve geri alma isteğine hızlı bir şekilde yanıt verebilmektedir. Yapılan simülasyonlar, tam otomatik otoparklar için geliştirilen algoritmanın gerçek yaşam senaryoları altında yönetilebilir bilgi işlem kaynakları ile gerçek zamanlı onlarca eş zamanlı park etme ve geri alma taleplerini karşılayabildiği gösterilmiştir.
Endüstri 4.0 için derin öğrenme kullanan durum izleme ve kestirimci bakım yöntemlerinin geliştirilmesi
Endüstri 4.0, endüstriyel alanda kullanılan cihazların ve nesnelerin interneti olarak tanımlanan birbiriyle haberleşen bilişim elemanlarının bir araya getirilmesini hedeflemektedir. Cihazların düşük enerji tüketimi ve büyük veri üretme kapasitesi sayesinde endüstriyel alanda kullanılan cihazlarda durum izleme yöntemleri geliştirilebilmektedir. Geleneksel yöntemle yapılan bakım çalışmaları periyodik veya arızanın ortaya çıkmasından sonra gerçekleştirilmektedir. Bu tarz yaklaşımlarda arızalanmamış bir parçanın rutin olarak değiştirilmesi veya arızalanma sonrası değişim sebebiyle zaman ve üretim kaybı gibi sorunlar oluşmaktadır. Bu nedenle derin öğrenme algoritmalarının kullanılmasıyla arıza tespiti ve durum izleme yapabilen bir çalışma sunulmuştur. Derin öğrenme yaklaşımı elde edilen büyük verilerden anlamlı sonuçlar çıkarabilmektedir. Bu yöntemde büyük miktarda etiketlenmiş eğitim verileri kullanılarak özellik çıkarımı yapılır. Derin öğrenme olarak adlandırılmasının sebebi ise çok katmanlı sinir ağının kullanılmasından dolayıdır. Bu yöntemin pek çok faydası bulunmaktadır. Önleyici bakım türünden olan arıza teşhis yöntemi, sistem henüz arızalanmadan ve periyodik bakıma ihtiyaç bırakmadan, anlık olarak izlenen sistemde parçaların kalan ömürlerini tespit edebilir. Makine öğrenmesi yöntemi görüntü tanıma, sınıflandırma gibi problemlerde başarılı sonuçlar vermektedir. Bu yöntemin endüstri ortamında elde edilen sinyallerin analizinde ve sınıflandırılmasında kullanılması arıza tespitinde modern bir yaklaşım sunmaktadır. Titreşim sinyallerinin makine öğrenmesi veya derin öğrenme yöntemi kullanılmadan analiz edilmesi ve rulman arıza tespiti yapılması mümkündür. Önerilen metotlar arasında titreşim sinyallerinin genlik oranlarından faydalanılarak bir sınıflandırma yöntemi uygulanmıştır. Tez çalışmasında; makine öğrenmesi yöntemi, titreşim sinyali genlik oranları ile sınıflandırma ve farklı derin öğrenme algoritmalarının kullanılmasıyla kestirimci bakım yöntemleri oluşturulmuştur. Kullanılan veri setleri üzerinde farklı algoritmalar uygulanarak verilerin doğru sınıflandırılması hedeflenmiştir. Çalışmada AlexNet, SqueezeNet, Resnet50 ve GoogleNet algoritmaları kullanılmış ve performansları kıyaslanmıştır. Ayrıca makine öğrenmesi ve titreşim sinyallerinin genlik oranlarına göre arıza sınıflandırma yöntemleri uygulanmıştır. Sunulan tez çalışmasının geleneksel bakım yöntemlerine göre daha az maliyetli olduğu ve yüksek doğrulukla arıza tespiti yaptığı görülmüştür.
Derin öğrenme tabanlı optik akış ile hareket tespiti
Hareket tespiti ve tahmini, güvenlik(bina/işyeri), otonom araçlar, sağlık, trafik, askeri gibi birçok alanda karşımıza çıkan önemli uygulamaları olan bir kavramdır. Hareket tespiti sırasında ortam bozulmaları, ışık değişimleri, nesnenin hızlı hareketi ve gürültüler hareket tespitini zorlaştırmaktadır. Hareket tespitinde kullanılan yöntemlerin ve algoritmaların performansı, doğru hareket tespiti yapma açısından son derece önemlidir. Hareket tespiti yöntemlerinin temelini oluşturan ve birçok algoritmada baz alınan optik akış yaklaşımları, hareket tahmininde de önemli bir yere sahiptir. Hareket tespitinde kullanılan ve 2015 yılından günümüze kadar uzanan derin öğrenme tabanlı optik akış hesaplaması ile hareket tespit yöntemlerinin bilinmesi, mevcut yöntemlere göre performansı ve doğruluğunun karşılaştırılması açısından son derece önemlidir. Derin öğrenme tabanlı optik akış hesaplaması ile hareket tahmini yöntemleri ve optik akış için kullanılan veri kümeleri bu çalışmanın ana konusunu oluşturmaktadır. Çalışmanın amacı, optik akış hesaplamasında derin öğrenme yöntemlerini kullanarak başarı elde etmiş çalışmaları incelemek, bazı algoritmaları yeniden eğiterek klasik yöntemler ile karşılaştırmak ve farklı video görüntüleri üzerinde performans analizleri gerçekleştirmektir. Bu çalışmada, geleneksel yaklaşımlardan günümüz derin öğrenme tabanlı yaklaşımlara kadar hareket tespitinin temelini oluşturan optik akış hesaplama yöntemleri ile ilgili literatür taraması yapılmıştır. Geleneksel yaklaşımlardan olan Lucas-Kanade, Horn-Schunck, Farneback yöntemleri farklı hareketli görüntülere uygulanarak elde edilen sonuçlar karşılaştırılmıştır. Daha sonra derin öğrenme tabanlı yaklaşımlarından FlowNet, FlowNet2 ve RAFT yöntemleri Sintel, KITTI veri setleri üzerinde eğitilerek uç nokta hatası ve kayıp değerleri farklı hiper parametreler kullanılarak grafik, tablo ve görsel çıktılar vasıtasıyla karşılaştırılmıştır. Çalışmada son dönemlerde popüler olan denetimsiz öğrenme ile optik akış hesaplama yaklaşımları, denetimli öğrenme yaklaşımları ile karşılaştırarak değerlendirmelerde bulunulmuştur.
Hibrit çok amaçlı rüzgar güdümlü optimizasyon algoritması
Temel anlamda optimizasyon, bir veya birden fazla problemin belirli koşullar altındaki en iyi çözümlerini bulma işlemidir. Günümüzde bu problemlerin çözümü için klasik yöntemler ve sezgisel yöntemler kullanılmaktadır. Sezgisel yöntemlerden biri olan Rüzgar Güdümlü Optimizasyon algoritması, rüzgarın atmosfer içerisindeki hareketini temel alarak atmosferik dinamik eşitlikten yararlanan tek-amaçlı optimizasyon problemlerine çözüm arayan bir algoritmadır. Bu çalışmada çok-amaçlı optimizasyon problemlerinin çözümü için Rüzgar Güdümlü Optimizasyon algoritması yeniden düzenlenmiştir. Çok-amaçlı optimizasyon problemlerinde elde edilen sonuçların gerçek sonuçlara ne kadar yakınsadığı ve bu sonuçların ne kadar çeşitli olduğu kullanılan yöntemlerin performansı hakkında bilgi vermektedir. Baskın olmayan sıralama, ağırlıklı toplam, normal sınır kesişimi gibi metotlar çok-amaçlı optimizasyon problemlerinde sıklıkla kullanılan yaklaşımlardır. Bu yaklaşımlardan bazıları çeşitlilik açısından ön plana çıkarken bazılarının ise en iyi sonuca daha iyi yakınsadığı gözlenmiştir. Bu çalışmanın temel amacı elde edilen çözümleri hem çeşitlilik hem de yakınsama açısından en iyi hale getirmektir. Bu amaç kapsamında baskın olmayan sıralama ve adaptif ızgara yaklaşımları bir arada kullanılarak yeni bir hibrit yaklaşım geliştirilmiştir. Daha iyi bir yakınsama için baskın olmayan sıralama, çeşitlilik için adaptif ızgara yaklaşımı bir arada kullanılmıştır. Geliştirilen bu hibrit yaklaşım test problemleri ve doğrusal olmayan denklem sistemlerinde test edilerek sonuçları literatürde iyi bilinen Baskın Olmayan Sıralamalı Genetik Algoritma (NSGA-II) ve Çok-Amaçlı Parçacık Sürü Optimizasyonu (MOPSO) algoritmaları ile karşılaştırılmıştır. Deneysel sonuçlar incelendiğinde çeşitlilik ve yakınsama performansı açısından geliştirilen hibrit yaklaşımın kabul edilebilir olduğu gözlenmiştir.
Yazılım güvenlik açıklarının skorlanması ve kategorisinin belirlenmesinde yeni bir yöntem
Yazılım güvenlik açıkları, şahıslar, şirketler ve ülkeler için finansal risklere ve itibar kayıplarına neden olabilmektedir. Yazılım güvenlik açıklarının giderilmesi, test kaynaklarının yetersizliği ve uzman personel eksikleri nedeni ile istenilen seviyede değildir. Kurumların itibarlarını korumak ve güvenli yazılımlar geliştirmek adına sınırlı kaynaklarını doğru kullanarak, test ve düzeltmeleri planlamaları gerekmektedir. Ancak güvenlik vektörlerinin sahip olduğu metrik değerlerinin tespit edilmesi manuel bir işlem olarak insanlar tarafından yapılmaktadır. Bu nedenle bu süreç, zaman almakta ve insanın doğasından kaynaklanan hatalar barındırabilmektedir. Bu metrikler güvenlik açığı önem derecelerinin hesaplanmasında kullanılmasından dolayı önemlidir. Güvenlik açığı analizi ve keşfi işlemlerinin kalitesini artırmak ve süreçleri hızlandırmak için makine öğrenmesi algoritmalarının ve veri madenciliği tekniklerinin kullanılması gerekmektedir. Ancak bu alanda yapılan çalışmalar hala sınırlıdır. Bu çalışmada doğal dil işleme tekniklerinden Bag of Words, Term Frequency Inverse Document Frequency, Ngram, Word2Vec, Doc2Vec ve FastText özellik çıkarımı yöntemleri kullanılarak güvenlik açığı vektörlerinin farklı çok sınıflı sınıflandırılma algoritmaları ile tahmini gerçekleştirilmiştir. Elde edilen metrik değerleri ile güvenlik açığı önem skorları hesaplanmıştır. Sınıflandırma aşamasında Naive Bayes, Desicion Tree, K-Nearest Neighbors, Multi-layer Perceptron ve Random Forest algoritmaları kullanılmıştır. Kamuya açık büyük bir veri setini kullandığımız deneyler, değerlendirmeyi kolaylaştırır ve yazılım güvenlik açığı vektörlerinin sınıflandırılmasında standartlara uygun bir tahmin modeli sunar. Elde edilen sonuçlar çok olasılıklı ve tahmini zor bir problemde farklı tekniklerin ve sınıflandırma algoritmalarının birlikte kullanımının umut verici olduğunu göstermektedir. Ayrıca çalışmamız, kullandığı veri boyutu ve henüz üzerinde pek çalışılmamış güvenlik açığı skorlama sistemi versiyonlarını kapsaması bakımından alanında önemli bir boşluğu doldurmaktadır.
Vücut benlerinin klinik görüntüleri üzerinde derin öğrenme tabanlı hastalık tahmini sisteminin geliştirilmesi
Bilimsel olarak Melanomlara diğer cilt kanserlerine göre daha az rastlanır. Ancak cilt kanserine bağlı ölümlerin yaklaşık olarak %75'i melanomlara bağlı olarak gelişir. Kanser hücreleri çok hızlı büyüyen ve sistemik olarak yayılan bir davranış sergiler. Tüm kanser çeşitlerinde olduğu gibi cilt kanserinin tedavisi için de erken tanı büyük önem taşır. Dolayısıyla ciltte meydana gelen kanser belirtilerinin erken fark edilmesi ve doğru değerlendirilmesi son derece önemlidir. Vücut benlerii üzerinde bir değişiklik fark edildiğinde renk ve şekil açısından takip edilmeli, ten renginde veya pembe tonlarında görülen kabartılar da dikkate alınmalıdır. Dermatologlar sıklıkla Melanom'u erken aşamalarında tanılamak ve ortadan kaldırmak için düzenli cilt muayenesi önermektedir. Bu çalışmada derin öğrenme teknikleriyle, hastanın vücudundaki renkli lezyon görüntüleri üzerindeki örüntüler incelenerek cilt kanseri tespiti yapılmıştır. Tıpta bu konuda erken teşhisin önemine defalarca vurgu yapılırken çalışmamız sayesinde ben üzerinde kanser riski varsa erken teşhis edilip, tedavi aşamasına geçilmesi hedeflenmektedir. Çalışmamızda, dermoskopik görüntüler kullanılarak patolojik doğrulamaları yapılmış açık kaynak bir veritabanı ile evrişimsel sinir ağları başarılı bir şekilde eğitilmiştir. Dermoskopik görüntü cihazlarında; vücuttaki benlerin haritası oluşturularak renkli görüntüleri kayıt altına alınmaktadır. Böylece bir sonraki kontrolde elde edilecek görüntüyle karşılaştırma şansı sağlanmaktadır. Bu tez çalışmasında; Uluslararası Cilt Görüntüleme Birliği tarafından açık kaynak olarak erişime sunulan bir veri setindeki renkli lezyon görüntüleri, şekil ve boyut farklılığı üzerinden 7 farklı hastalığa ayrıştırılmıştır. Yapılan bu çoklu-sınıflandırma uygulamasında yüksek oranda doğruluk elde edilmiştir.
Yol görüntüsü ve hareket duyarga verilerini kullanarakotomatik yol anormalliği tespiti
Köprüler, barajlar, betonarme yapılar ve karayolu gibi farklı yapılarda oldukça önemli olan çatlak tespitinin görüntü işleme ve sınıflandırma ile tespiti yapılabilir. Karayollarında oluşan çatlakların tespit edilmesi trafik yoğunluğunun azaltılmasını, kazaların önlenmesini, yol denetçilerinin iş yükünün hafiflemesini ve yol bakımının daha iyi yapılmasını sağlar. Asfaltlarda bulunan çatlakların ve kusurların manuel olarak incelenmesi, yorgunluk, sorumsuz denetim, zayıf göz görme gibi bir dizi nedenden dolayı insan hata olasılığı yüksektir. Çatlakların tespiti ve analizi için son yıllarda görüntü işleme ve makine öğrenmesi teknikleri kullanılmıştır. Bu teknikler belirleme ve sınıflandırma ile otomatik olarak gerçekleştirilmesine yoğunlaşılmıştır. Karayolu gerçek koşullarının sürekli haritalanması, tutarlı bir kaynak tahsisi ile birlikte yeterli altyapının bakım ve yönetim işlemlerine de izin verir. Bu nedenle, yol kullanıcılarını altyapı kalitesi konusunda bilgilendirmek ve aynı kullanıcılardan bilgi almak, güvenli bir sürüş için, navigasyon için mobil cihaz uygulamalarının (güvenlik yolu için özel bir sosyal ağ gibi) yeni sınırı haline gelmiştir. Bu çalışmada yol yüzey kalitesinin izlenmesi ve tam yol sahne envanter görüntüleri için kullanışlı bir otomatik algılama sistemini gerçekleştirilmiştir. Temel amaç karayolu ve beton yapılarda bulunan çatlakları tespit etmenin optimal yolunu bulmaktır. Yapılan uygulamalar VGG-16 mimarisi, Evrişimsel Sinir Ağı ve Gabor Filtresi gibi yapılar kullanılarak görüntülerden çatlak tespitine odaklanmaktadır.
An industrial internet of things application for real-time condition monitoring
In recent years, the production model has become widespread around the world. Smart technology and modern automation tools are increasingly changing the face of production and industry. The use of innovative maintenance techniques contributes to production by reducing disruptions and sudden stops in industry. The achievable production costs by reducing downtime and increasing maintenance performance is the most critical task. It can achieve these goals with the widespread use of low-cost smart devices that can provide a comprehensive online view of equipment operating conditions. For these reasons, an Internet of Things-based method is proposed for monitoring induction motors in this thesis. These devices analyze the vibration signals of the motor to provide conditional and continuous control of the tolerance of the motor after a fault. As a result of artificial intelligence, production and algorithms, it will be possible to remotely monitor the state of the motor using the methods of remote clouds of the Internet of things. The sound or vibration sensors that evaluate the stability of the machine help to reduce breakdowns and faults by issuing warnings and predicting whether the machine is stable, by informing monitoring centers before any fault occurs to the motor. For this purpose, it will be possible to measure vibration signals from the induction motors and make condition analysis remotely. The proposed approach is based on measuring vibration signals with a remote sensing kit and identifying faults based on artificial intelligence. The approach consists of two methods. The first method is based on the detection of shaft imbalances based on machine learning with vibration signals measured with the kit. For this purpose, the performance of different machine learning methods was compared. The second approach is to evaluate the diagnostic performance of three different one-dimensional convolutional neural networks on motor vibration signals. Obtained results show that methods can be used to detect motor faults in real environment and multiple motors can be easily monitored remotely.
Bulut teknolojisi kullanan hasta takip hizmetlerinde mikroservis temelli uç sistem tasarımı ve geliştirilmesi
Sağlık sektörünün muazzam büyüklüğü ve kendine özgü spesifik zorlukları dikkate alındığında bu sektörde kullanılacak teknolojik sistemlerin yönetilebilirliklerinin ve sürdürülebilirliklerinin ne kadar önemli olduğu bir kez daha ortaya çıkacaktır. Bu sağlık sistemlerinden biri de hem hastalara hem de sağlık personeline önemli kolaylıklar sağlayan uzaktan hasta takip sistemleridir. Son yıllardaki teknolojik gelişmeler uzaktan hasta takip sistemlerinde iyileştirmelere olanak sağlamaktadır. Özellikle bulut hesaplamanın sağladığı avantajlar ve önemli bir yazılım mimarisi olan mikroservis teknolojileri kullanılarak daha esnek hasta takip uygulamaları geliştirmek mümkündür. Bu tez çalışması, günümüzün yeni teknolojilerinin getirmiş olduğu avantajlardan faydalanan bir uzaktan hasta takip sistemi tasarımına odaklanmaktadır. En önemli özgünlüğü ise bulut sistem yükünü ve maliyetini optimize edecek uçta/kenar hesaplama alt yapısını kullanmasıdır. Ayrıca önerilen sistem üzerinde yürütülecek yazılımların yönetilebilirlikleri konteyner teknolojileri ile sağlanmaktadır. Klasik monolotik yazılım mimarilerinin uçta hesaplama için çok verimli olmamalarından dolayı mikroservis temelli yazılım mimarileri tercih edilmiştir. Bununla birlikte hastaya ve diğer yardımcı servislere ait bilgilerin dağıtık mikroservisler üzerinde nasıl tutulacağı ve yönetileceği problemi de bu tez kapsamında ele alınmaktadır. Bu tez kapsamında ilk olarak mikroservisler için ne tür bir veri yönetim modelinin kullanılabileceği incelenmiş ve aday model tipleri için gerçek zamanlı testler gerçekleştirilmiştir. Bu testlerin sonucuna göre başarılı olan model, önerilen uzaktan hasta takip sisteminde kullanılmıştır. Önerilen sistemin hayati fonksiyonları yine bir mikroservis mekanizması olan devre kesici servisler ile kontrol edilmiştir. Hem hasta tarafı hem de sağlık kurumu taraflı servisler içeren sistem, aile hekimlikleri ve onların görev kapsamında bulunan hastalara yönelik tasarlanmıştır. Performans testleri gerçek uç cihazlar kullanılarak farklı senaryolar için gerçekleştirilmiş ve sistemin performansı ispatlanmıştır.
Retina hastalıklarının OCT görüntülerinden hibrit tabanlı CNN yöntemi ile tespit edilmesi
İnsan hayatı için en önemli organlardan biri de hiç şüphesiz gözdür. Göz insanoğlunun dış dünyayı görmek için kullandığı bir araçtır. Hayatı olumsuz etkileyen mühim sebeplerden biri de gözde bulunan retinada meydana gelen hastalıklarıdır. Retinada oluşan hastalıklar görme fonksiyonunu etkilediğinden ve retinada oluşan hasar geri döndürülemez olduğundan hassas bir şekilde ele alınması gereken bir durumdur. Zamanında yapılmayan bir müdahale veya geciktirilmiş bir durum söz konusu olduğunda gözde kalıcı hasarlara sebep olabilmektedir. Söz konusu hastalıkların takip edilmesi için ihtiyaç duyulan doktor sayısı ve her geçen gün artan hasta sayısı arasında dengesizlikler oluşmakla birlikte bu hastaları takip etmek oldukça güç duruma gelmiştir. Bu sebeple hastalar için hem zaman hem ekonomik anlamda yardımcı olunması, diğer taraftan doktorların işini kolaylaştırması noktasında erken teşhis ve bunun neticesinde başlayacak hayat kurtarıcı tedaviler için yapay zekâ yöntemleri kullanılarak Optik Koherens Tomografi(OCT) görüntülerinden retina hastalıkları tespitinin yapılması mümkün hale gelmiştir. Bu çalışmada yapay zekânın bir alt alanı olan makine öğrenimi, makine öğreniminin bir alt dalı olan ve günümüzde popüler hale gelen derin öğrenme mimarileri kullanılarak Yaşa Bağlı Makula Dejenerasyonu (AMD), Koroid Neovaskülarizasyonu (CNV), Diyabetik Makula Ödem (DME), Diyabetik Retinopati (DR), Santral Seröz Retinopati (SSR), Makula Deliği (MH) gibi retina hastalıkları ve Drusen retina hastalıkları OCT görüntülerinde hibrit tabanlı Convolutional neural networks(CNN) yöntemi kullanılarak hastalığın tespit edilmesi ve bu görüntülerin sınıflandırılması gerçekleştirilmesi amaçlanmıştır.
A robust active-based face spoof detection for face recognition systems
With increasing rate of deployment of face recognition systems in various real life cases and applications, efforts by attackers is also on the rise with variety of spoofing approaches emerging. Hence, the development of a robust spoof detection technique is crucial. Although active-based techniques have proven robust in the task of spoof detection, they are faced with the problem of intrusiveness, high cost, computational complexity, low generalization ability and most of which require extra hardware. This study proposed an active-based robust spoof detection technique capable of detecting diverse forms of media or 2D attacks, yet, less intrusive, less expensive, low complexity, higher generalization ability than other active-based approaches. It does not require extra hardware and so can easily fit into existing systems. Spoof detection is achieved by analyzing the distortion changes of Video frames of user's face captured at different distances from the camera. Real-world facial photo and video data were also collected and used to generate both the legitimate and spoof attacks dataset. Utilizing both machine learning classifiers and deep learning model, the proposed approach achieved spoof detection with accuracy as high as 98.18%, with EER and HTER as low as 0.23 and 0.021 respectively.
Gerçek zamanlı ray takibi için otonom İHA algoritmalarının geliştirilmesi ve gürbüz derin öğrenme tabanlı kusur tespiti
Son yıllarda, demiryolu taşımacılığının kullanımı yüksek hızlı trenlerin de gelişimiyle önemli ölçüde artmıştır. Demiryolu ulaşımına olan bu talep sonucunda, dünyada ve ülkemizde demiryolu uzunluğu büyük ölçüde artırmaktadır. Bu nedenle, demiryolu bakımına olan talep de hızla artmış ve acil hale gelmiştir. Demiryolu bakımı için denetleme, demiryolu bileşenlerindeki kusurları aramak ve doğrulamak için önemli bir görevdir. Demiryolu bileşenlerinde meydana gelebilecek kusurlar, ulaşım güvenliğini önemli ölçüde etkiler. Hâlihazırda kullanılan denetim yöntemleri, temaslı ölçüm tekniklerine ve insan algılamasına bağlıdır. Bu nedenle geleneksel denetim, yavaş, öznel ve verimsizdir. Bu dezavantajların ve sınırlamaların üstesinden gelmek için bu çalışmada, otonom İHA (İnsansız Hava Aracı) bilgisayarlı görme tabanlı yeni bir yöntem önerilmiştir. Demiryolu kusurlarının tespiti için İnsansız Hava Araçlarının kullanılması, geleneksel tekniklerden daha düşük denetim süreleri sunan uygun maliyetli bir yaklaşımdır. Son yıllarda, İHA'lar, işlem gücündeki gelişmeler ve sensörlerin ve bileşenlerinin küçülmesi hem askeri hem de sivil uygulamalar için ilgiyi artırmaktadır. Özellikle uçuş sürelerinin artması İHA'ların arıza tespit alanında kullanılabilecek seviyede olduğunu göstermektedir. Tezde, demiryolunun İHA tarafından otonom olarak takibi için algoritmalar geliştirilip İHA tarafından elde edilen görüntüler üzerinde derin öğrenme tabanlı kusur tespiti yapılmıştır.
İki boyutlu sağlık, tarım ve iş güvenliği imgeleri üzerinde sınıflandırma ve nesne tespiti
Derin öğrenme teknolojileri, özellikle evrişimsel sinir ağları görüntüler üzerinde sınıflandırma ve nesne tespiti problemlerinde yüksek doğruluk sağlar. Makine öğrenimi ve derin öğrenmeyi kapsayan yapay zekâ biliminin ilerlemesi ile beraber birçok sektörde dijitalleşme başlamıştır. Bunun yanında büyük veri kaynaklarının ulaşılabilir olması, yapay zekâ biliminin ilerlemesine ve akıllı sistemlerin kullanımının yaygınlaşmasına zemin hazırlamıştır. Bu tez çalışması, insan yaşamında birçok sektörde yapay zekânın kullanımının artışına odaklanmaktadır. Bu kapsamda üç farklı sektörde kullanılmak üzere yöntemler önerilmiştir. İlk çalışmada, domates yapraklarından hastalık tespitini gerçekleştirmek amacıyla derin öğrenme tabanlı bir yaklaşım sunulmaktadır. İkinci çalışmada, X-ray görüntüleri kullanılarak ilgili görüntünün Covid-19, normal veya zatürre olarak sınıflandırılması sağlanmaktadır. Sınıflandırmayı gerçekleştirmek için CNN tabanlı hibrit bir yöntem önerilmektedir. Son çalışmada ise başta inşaat alanları olmak üzere, iş güvenliğinin sağlanması adına baret takma durumunun tespit edilmesi için bir nesne bulma yaklaşımı ele alınmaktadır. Bu yaklaşım, bilinen tek adımlı nesne bulma algoritması Yolov5 esas alınarak önerilmektedir. Tez kapsamında geçekleştirilen uygulamaların her biri, bir veya daha fazla açık erişimli veri kümesi ile doğrulanmıştır. Önerilen yöntemlerde evrişimsel sinir ağları esas alınmış ve başarılı sonuçlar elde edilmiştir. Yöntemlerin iyileştirilmesi konusunda spesifik verilerle yapılan uygulamalar ile literatüre katkıda bulunulmuştur. Önerilen yöntemleri gerçekleştirmek için matlab ve python gibi yazılım araçlarından yararlanılmıştır. Kullanılan metrikler ile sınıflandırma ve nesne bulma başarımları değerlendirmiştir. Ayrıca önerilen yöntemler literatürdeki benzer çalışmalar ile kıyaslanmıştır.
Bilgisayarlı tomografi görüntüleri üzerinde derin öğrenme tabanlı COVID-19 teşhisine yönelik hekim karar destek sistemi tasarımı
COVID-19 pandemisi tüm dünyayı birçok yönden olumsuz etkilemektedir. Ortaya çıktığı günden bu yana olumsuzluklarının çözümü için çeşitli yöntem ve yaklaşımların geliştirilmesine neden olmuştur. Bu çözüm arayışlarının ortak hedefi, COVID-19'un zararlarını en aza indirgeyebilmektir. Bu tez çalışmasında radyoloji uzmanlarına, göğüs bilgisayarlı tomografi görüntülerinden COVID-19 hastalığının tespit edilmesi sürecinde yardımcı olması için derin öğrenme tabanlı bir sistem tasarlanmıştır. Derin öğrenme tabanlı bu sistem sınıflandırma ve anlamsal bölütleme yeteneğine sahip iki farklı model üzerine kurgulanmıştır. Sınıflandırma yeteneğinin bilgisayara kazandırılması ve COVID-19 pozitif veya COVID-19 negatif bulgularına sahip göğüs bilgisayarlı tomografi görüntülerinin ayırt edilmesinde EfficientNet model ailesi üyelerinden yararlanılmıştır. Sekiz farklı EfficientNet model ailesi üyesi, T.C Sağlık Bakanlığı tarafından verilen izin sayesinde gerçek hasta görüntüleriyle oluşturduğumuz EFSCH-19 adlı veri seti örnekleriyle eğitilmiştir. Eğitim süreci sonucunda gerçekleştirilen test aşamasında %99.75 doğruluk, %99.50 duyarlılık, %100 kesinlik, %100 özgüllük, %99.75 F1-Skoru ve %99.50 MCC oranına ulaşan EfficientNet-B2 modeli sınıflandırıcı derin öğrenme modeli olarak seçilmiştir. Sınıflandırıcı derin öğrenme modeline giriş olarak verilen göğüs BT görüntüsü, çıkışta ikili sınıflandırma yöntemine uygun olarak COVID-19 pozitif veya COVID-19 negatif olarak tahmin edilmektedir. Anlamsal bölütleme yeteneğinin bilgisayara kazandırılabilmesi için göğüs BT görüntülerinde yer alan piksellerin hangi sınıfa ait olduğu bilgisi tanımlanmalıdır. Bu kapsamda EFSCH-19 veri setinde yer alan 200 adet göğüs bilgisayarlı tomografi görüntüsüne karşılık maske görselleri radyoloji uzmanı tarafından elle işaretlenerek EFSCH-19-Seg adını verdiğimiz ikinci veri seti oluşturulmuştur. Oluşturulan maske görsellerinde akciğer alanları, enfeksiyon alanları ve geriye kalan diğer alanları temsil etmek üzere üç adet farklı piksel değeri bulunmaktadır. EFSCH-19-Seg veri seti yardımıyla U-Net model eğitimleri gerçekleştirilmiştir. Bu eğitimlerde U-Net modelinin varsayılan kodlayıcı ağı yerine ResNet model ailesinde yer alan beş farklı modelden yararlanılmıştır. Resnet-50 tabanlı U-Net modeli diğer modellere kıyasla %93.76 Jaccard indeksi ve %96.61 Dice skoru değerleriyle test aşamasını en iyi tamamlayan model olmuştur. Bu tez kapsamında, sınıflandırma ve anlamsal bölütleme görevleri için elde edilen başarılı sonuçlar neticesinde COVID-19 pandemisiyle mücadelede hızlı bir şekilde sahaya entegre edilebilecek bir hekim karar destek sistemi önerilmiştir.
Kablosuz algılayıcı ağlarda yeni bir hibrit saldırı tespit sisteminin geliştirilmesi
Kablosuz algılayıcı ağlar (KAA); fiziksel ortamlardaki sıcaklık, basınç, titreşim, hız gibi değişkenleri algılamak ve sonuçlar üretmek için günümüzde birçok alanda kullanılmaktadır. Söz konusu ağlar, kritik ve hayati öneme sahip askeri, istihbari, sağlık ve doğal afetler gibi veri güvenliğin sağlanmasının önem arz ettiği alanlarda da kullanılmaktadır. Bununla birlikte KAA'lar, geleneksel ağlardan farklı alt yapı özelliklerine ve donanım kısıtlarına sahip olduğundan dolayı, bu ağlara yönelik etkili güvenlik önlemlerinin alınması elzemdir. Gelişen teknoloji ve değişen şartlar ile birlikte KAA'lara yönelik güvenlik önlemleri geliştirilmiştir. Saldırı tespit sistemleri, KAA güvenliğini sağlamak için geliştirilen etkili güvenlik çözümlerinden biri olmakla birlikte, günümüz şartlarında, STS'ler için önerilen algılama metotlarının, güvenliği sağlamak için tek başlarına yeterli olmayışı ve mevcut çalışmaların büyük bir kısmında güncelliğini yitirmiş veri kümelerinin kullanılması, KAA güvenliği için etkili ve güncel bir STS modeli ortaya konmasını gerekli kılmıştır. Bu tezde, STS'ler için önerilen algılama metotlarının hibrit olarak kullanıldığı bir model geliştirilmiş; modelde, KAA'ların kaynak kısıtlarına binaen, veri madenciliğine dayalı ön işleme adımları uygulanmıştır. Önerilen yaklaşımda, normal ve saldırı trafiğinin ayırt edilebilmesi için makine öğrenme algoritmaları kullanılmış, ağın eğitimi için en güncel veri kümesi referans alınmıştır. Benzetim sonuçları, önerilen modelin KAA'lar için kullanılabilecek performans ve güvenilirlikte olduğunu göstermiştir.
Motordan bağımsız kabin ısıtıcı cihazının kontrolü için bulanık denetleyici tasarımı
Aracın motoru çalışmadığında çalıştığı için park ısıtıcısı olarak da bilinen kabin ısıtıcıları, kış mevsiminde iç ortam havasını ısıtmak için kullanılan cihazlardır. Sadece arabalar ve kamyonlar için değil, aynı zamanda karavanlar, tekneler, hangarlar ve konteynerler gibi küçük alanlar için de popüler ısıtıcılardır. Bir kabin ısıtıcısının bulanık kontrolör tarafından çalıştırılmasıyla elde edilen kazanımlar daha önce literatürde incelenmemiştir. Bu yazıda geliştirilen bulanık çıkarım motoru, kabin ısıtıcısının yanma odasındaki hava-yakıt oranının sistem dinamiklerine göre uyarlanabilir bir şekilde kontrol edilmesini sağlayarak daha düşük karbon emisyonu ve yakıt tüketimi sağlar. Türkiye'nin soğuk bölgesindeki 21 m2'lik tipik bir sığınak binası için 4kW kapasiteli bir kabin ısıtıcısının geçici durum simülasyon modelini oluşturmak için TRNSYS yazılımı kullanılmıştır. Geliştirilen bulanık kontrolör, bu sığınağın ısıtma işlemini 15 Kasım'dan 15 Mart'a kadar gerçekleştirdi. Isıtma sezonu sonunda yakıt tüketiminin yaklaşık 0.12 l/h azaldığı gözlemlendi. Ek olarak, bulanık kontrolör, kabin ısıtıcı cihazının verimliliğini %5'ten fazla artırdı.
A high-performance convolutional neural network for steel defects detection
Ensuring defect-free products is a critical consideration in the hot-rolled steel strips and steel terminal manufacturing industry and cannot be over-emphasized, which underpins the purpose of the study presented herein which is focused on developing an algorithm for the detection of defects for two (2) different classes of steel products. The study is divided into two (2) parts, part one being based on transfer learning is aimed at detecting defects on hot rolled steel strip surfaces, while part two aims to achieve defect detection on steel terminals using an optimized YOLO v3 algorithm. Problem statement one of the studies proposes a transfer learning-based method for detecting defects on hot-rolled steel strip surfaces. The method proposed in this study utilizes Deep Convolutional Neural Network (DCNN) using VGG-19 as a pre-trained model, with data augmentation to mitigate the effect of limited training data and also data-class imbalance. Experimental tests indicate that the method proposed herein using the VGG-19 pre-trained model has an excellent performance, with training and validation accuracies of 93.11% and 97.22%, respectively, which is more accurate than the KNN, ANN, and Faster RCNN model. Problem statement two of the study proposes an optimized YOLO v3 algorithm to detect three (3) most common classes of defects on steel terminals. The optimized YOLO v3 network proposed in the thesis was trained using steel terminal image datasets acquired in real-time from Hatko Electronics' production factory in Istanbul, and delivered a good performance in the region of 97.19% AP50, at 0.50 IOU Threshold, which is a higher than the mAP (mean Average Precision) results (57.9% AP50 @0.50) from the original YOLO v3 network, and higher than the mAP score of Faster-RCNN that is about 55.7% AP50, and, 50.4% AP50 for SSD513 (Single-shot Detector) network.
Heart sounds classification using deep learning algorithms
The ever-evolving medical field driven by the applications of deep learning is changing the practice in many ways. Heart sounds are critical aspects that have to do with cardiac disease diagnosis. These are techniques in which heart abnormalities can be detected using signals gotten from heart sounds. The eminence of heart disease in the world today makes a cardiologist a very important health professional. Likewise, the role of artificial intelligence in the treatment of the cardiovascular system - which includes the heart, the blood vessels, etc. Such systems assist cardiologists in promoting heart health in patients. The classic diagnostic method is through cardiac auscultation to detect abnormalities in heart sounds. Thus, the accuracy of the heart auscultation is highly important in the diagnostic process to screen outpatients with or without heart diseases. This made it obvious there is a need for a more accurate and precise computer-aided diagnosis (CAD) system to further assist cardiologists in the field by examining heart sounds to provide a detailed outline. In this study, deep learning algorithms are implemented for the detection of abnormal and normal heart sounds using classification techniques. This study outlines the overview of deep learning-based heart diseases diagnosis in the context of experimental research. Furthermore, this study highlights research work that indicates the advances in the application of deep learning technology in medical sciences.
Görüntü işleme ve derin öğrenme yöntemleri ile çelik yüzey kusurlarının tespiti ve sınıflandırılması
Metaller hayatımızda vazgeçilmez konuma gelmiş unsurlardır. Metaller gündelik hayatta sanayi, ulaşım, teknoloji, inşaat sektörü, enerji sektörü gibi birçok alanda kullanılmaktadır. Metallerin bu kadar çok kullanılmasının sebebi ise dayanıklı ve uzun ömürlü olmasıdır. Ancak, metallerde belirli bir müddet kullanıldıktan sonra kısmi olarak veya tamamen kullanılmaz hale gelebilir. Bu durumda, hemen hemen her alanda kullanılan bu maddenin büyük sorunlara sebep olacağı gerçeğini meydana çıkarmaktadır. Oluşabilecek sorunların önüne geçmek için insanlar bu metalleri yüzyıllarca kendileri kontrol ederek gerekli gördükleri yerlere müdahale ettiler. Bu işlem hem zaman alıcı, pahalı hem de insandan insana değişen bakış açısı yönünden tehlike arz etmekteydi. Bu konuyu ele alan bilim insanları görsel denetim başlığı altında metal yüzeylerde oluşabilecek sorunlara bilimsel yaklaşımlarla hızlı, ucuz ve değişmeyen bir bakış açısıyla çözümler üretmeye başladılar. Görsel denetim için bilim insanları görüntü işleme yöntemlerine başvurmuşlardır. Burada bilim insanları girdap yöntemi, lazerle teşhis gibi yöntemleri kullanmışlardır. Gelişen yöntemlerle derin öğrenme yöntemleri ortaya koyulmuştur. Bu çalışmada derin öğrenme yöntemleri kullanılarak metal yüzeyler üzerindeki arızaları teşhis edebilmek için arıza sınıflandırma ve arıza tespit çalışmaları yapılmıştır. Sınıflandırma için VGG-16 modeli temel alınarak yapılan ince ayarlamalar sonucunda yüksek başarı oranlarıyla arıza sınıflandırılması sağlanmıştır. Nesne tespit çalışmasında ise farklı YOLO modellerin metal yüzeyler karşısındaki karşılaştırılması sağlanmış olup en doğru ve en hızlı sonuç veren modelin YOLO-V5 olduğu tespit edilmiştir.
Elektrolitik kaplama hattı verimliliğini arttırmak amacıyla süreç madenciliği ve petri ağı modellemesinin kullanımı
Günümüz, sınırsız rekabetin, büyük çaplı üretimin olduğu kalite çağıdır. Müşterilerine daha kaliteli ürünler sunabilen üreticiler hayatta kalabilmektedir. Pek çok endüstriyel firma karlılığını artırmak amacıyla kalite ve verimlilik çalışmaları yürütmektedir. Endüstriyel üretimin önemli zorluklarından birisi süreç yürütmelerindeki anormalliklerin veya sapmaların zamanında tespit edilememesidir. Anormallikler genellikle bir sürecin hayati yönlerinin eksik olmasından veya sürecin yürütülmesinde istenmeyen davranışlara sahip olmasından kaynaklanır. Bu çalışmada makaradan makaraya elektrolitik kaplama sektöründe faaliyet gösteren Hatko Teknik Donanımlar Mümessillik ve Ticaret A.Ş.'nin belirlenen iki farklı ürünün farklı zamanlardaki makaradan makaraya elektrolitik kaplama sürecindeki anormalliklerin süreç madenciliği ile tespit edilmesi amaçlanmıştır. Süreç madenciliği için öncelikle ERP sistemi üzerinden ve tensiyometreden kaplama süreci ile ilgili veriler elde edilmiştir. Nihai ürünün kalitesi için kritik olan temizleme ve kaplama adımlarının süreç keşif algoritmaları ile analizi yapılmıştır. Analizimiz, Hatko 'ya ait makaradan makaraya elektrolitik kaplama tesisinden toplanan olay günlüklerine dayanmaktadır. Olay günlüklerindeki parametre değerleri normal, yüksek, düşük ve sıfır değerlerine göre sınıflandırılmıştır. Analizimizi gerçekleştirmek için süreç madenciliği için popüler bir açık kaynak aracı olan ProM 6.12 kullanılmıştır. Olay günlüklerinden süreç ile ilgili genel bir görünüm elde edildikten sonra madencilik algoritmalarıyla sürecin ayrıntılı analizi yapılmıştır. Süreç madenciliği keşif algoritmalarının çıktısı olan petri ağlarından elde edilen sonuçlara göre süreçler detaylı şekilde analiz edilerek süreçlerin performansı, sapmaların olduğu noktalar ve süreçte istenmeyen davranışlar tespit edilmiştir. Analizler sonucunda firmanın süreç madenciliği uygulamaları ile verimliliği ve kaliteyi arttırabileceği sonucuna varılmıştır. Makaradan makaraya elektrolitik kaplama hattından alınan olay günlüklerine uygulanan süreç madenciliği teknikleri ile sürecin davranışı analiz edilir ve iyileştirme alanları belirlenebilir. Böylelikle süreç madenciliği ile elektrolitik kaplama işleminin kalitesini ve verimliliği arttırılabilir.
Yüz tanıma sistemleri için derin öğrenme tabanlı 3 boyutlu yüz sahteciliği önleme sistemi geliştirilmesi
Biyometri, kişileri fiziksel veya davranışsal özelliklerine göre doğrulamak, tanımak ve tanımlamak için kullanılan süreçleri ifade etmektedir. Biyometrik tanımlayıcılar için veri alınabilecek fizyolojik özellikler parmak izleri, avuç içi damarları, avuç içi izleri, yüz, DNA, iris, retina ve el geometrisini içermektedir. En popüler biyometrik tanımlayıcı olan yüz tanıma sistemleri temel olarak, görüntülerdeki yüz bölgelerinin makine öğrenmesi algoritmaları kullanılarak tespit edilip daha önce sistemde kayıtlı kişiler ile eşleştirme yapılarak otomatik kimlik doğrulama sistemi olarak görev yapmaktadır. Yüz tanıma teknolojileri, iris ve parmak izi tanıma gibi diğer teknolojilere ve biyometrik tanımlayıcılara göre kullanışlı, temassız ve kolay uygulanabilir olmasından dolayı pek çok avantaj sağlamaktadır. Ne yazık ki, bir biyometrik veri çalındığında veya kopyalandığında, biyometrinin avantajları dezavantaja dönüşmektedir. Kayıtlı bir kullanıcının bir veya daha fazla fotoğrafının/videosunun internet üzerinden kolayca ve ucuza elde edilebildiği veya kullanıcının rızası veya fiziksel teması olmadan bile bir kamera kullanarak sadece yüzünün yakalandığı yüz tanıma sistemlerinde bu risk diğer biyometrik verilere göre çok daha yüksektir. Canlılık tespit algoritmaları ile destekli yüz tanıma sistemleri güvenlik sektöründe çok önemli ve kritik bir ihtiyaç olarak görülmektedir. Bu tez çalışmasının amacı, yüz tanıma sistemlerinin güvenirlilik ve doğruluk hassasiyetini en üst düzeye çıkaracak yapay zeka teknolojileri ve derin öğrenme algoritmaları ile yüz sahteciliği tespit algoritmaları geliştirilmesidir. Gerçekleştirilen uygulamaların sonuçları incelendiğinde %99,5 başarı performansı ile yüz tanıma sistemlerini aldatmaya yönelik saldırılardan etkilenmeyen stabil, yüksek performanslı ve yüksek doğruluklu bir model elde edilmiştir.
Bulut sistemlerde görev çizelgeleme problemlerine metasezgisel bir çözüm modelinin geliştirilmesi
Bulut bilişim teknolojisi birçok verinin internet ortamında barınmasını, değerlendirilebilmesini, kullanıcıların yalnızca tükettiği hizmet kadar ödeme yapmalarını sağlayan sanallaştırılabilir ve ölçeklenebilir kaynakların toplamıdır. İnternet altyapısının gelişmesi, Nesnelerin İnterneti teknolojisinin yaygınlaşması, büyük verinin hızlı artışı ve buna yönelik çalışmaların ortaya çıkması, yapay zekâ çalışmalarındaki gelişmeler gibi birçok sebep bulut teknolojilerinin yaygınlaşmasına neden olmuştur. Bulut bilişimin en önemli mekanizmalarından biri sanal makinelerdir. Sanal makineler müşterilerin ihtiyaçları doğrultusunda bulut sistem üzerindeki kaynaklardan oluşturulurlar. İş hacmine bağlı olarak müşterilerin sanal makine sayıları ve özellikleri çeşitlilik gösterebilir. Müşteriler bu sanal makinelerin özelliklerine ve kullanım sürelerine göre bulut sağlayıcıya belirli ücretler öderler. Sanal makineler üzerinde çalıştırılması gereken görevlerin yanlış çizelgelenmesi görev tamamlanma süresinin (makespan) artmasına ve doğal olarak da müşteri için maliyet artışına yol açar. Görev tamamlanma süresindeki bu artış, dolaylı olarak bulut sağlayıcının da enerji sarfiyatı ve bakım onarım maliyetlerini olumsuz etkiler. Bu sebeple bulut sitemlerde sanal makineler için iyi bir görev çizelgeleme algoritmasının kullanılması hem müşteri hem de bulut sağlayıcı açısından zorunludur. Görev çizelgeleme, NP-hard tipi bir problemdir. Deterministtik yaklaşımlar yerine metasezgisel algoritmaların kullanılması performans açısından bu tip problemlerin çözümünde sıklıkla tercih edilmektedir. Ancak öte yandan, problem tipinden dolayı, rastgele arama temelli metasezgisel algoritmaların lokal minimalara takılma olasılıkları da yüksektir. Bu olasılık görev ve sanal makine sayılarının artmasıyla daha da artabilmektedir. Bu sebeple kullanılan metasezgisel algoritmaların bu sorunu aşacak mekanizmalar kullanması gerekmektedir. Bu çalışma bu sorunun çözümü için farklı bir yaklaşım mekanizması kullanan ve güncel metasezgisel algoritmalardan olan Denizanası Arama Optimizasyonu (Jellyfish Search Optimizer) temelli bir çözüm önermektedir. Önerilen yöntemin en özgün yanı, daha hızlı bir şekilde lokal minimalardan kurtulmak için farklı bir benzerlik kontrolü ile dinamik popülasyon artışına imkân vermesidir. Böylece arama uzayında daha verimli bir keşif süreci gerçekleştirilmiş olmaktadır. Buna ek olarak bu algoritmanın, görev çizelgeleme problemi için çoklu iş parçacığı (Multi-Thread) ve çoklu-süreç (Multi-Process) analizleri de bu tez kapsamında yapılmıştır. Önerilen yöntemin performansı, CloudSim simülatöründe farklı senaryolar için karşılaştırmalı olarak denenmiş ve ispatlanmıştır.
Derin öğrenme yöntemleri ile CXR görüntülerinden COVID-19/zatürre/normal sınıflandırması ve U-net tabanlı COVID-19 bölütlemesi
2019 yılının Aralık ayında Çin'de ortaya çıkan koronavirüs isimli Covid-19 hastalığı, tüm dünyada kısa sürede pandemi haline gelmiştir. Özellikle akciğerlere verdiği hasarlar ile ölümle sonuçlanabilen bu virüsün teşhisi için Transkripsiyon Polimeraz Zincir Reaksiyonu (RT-PCR) testinin yanlış negatifler üretmesi ve teşhis süresinin uzun olması yeni alternatifler aramaya sebep olmuştur. Bu nedenle göğüs görüntülerinin Bilgisayarlı Tomografi veya CXR görüntüleme tekniklerinden elde edilen verilerle göğüs görüntülerinden teşhis sağlanması için uygun araçlar olmuştur. Bu araçlar ile teşhis sağlanması Covid-19 ve Zatürre hastalığının enfeksiyonlu bölgesinin belirlenmesi için derin öğrenme çalışmaları önerilmiştir. Bu tez çalışmasında segmentasyon ve sınıflandırma olarak iki aşamalı bir sistem önerilmiştir. Segmentasyon işleminde etiketli verilerden segmente edilen enfekte bölgeler belirlenmiştir. Sınıflandırıcı aşamasında ise VGG16, ResNet50 ve InceptionV3 isimli üç farklı derin öğrenme modeli kullanılarak Covid-19/Zatürre/Normal sınıflandırması gerçekleştirilmiştir. Çalışma sonucunda %95 segmentasyon doğruluğu elde edilmiştir. Sınıflandırıcı modelleri sırasıyla %99, %90 ve %98 doğruluk elde edilmiştir.
Design of IOT based violence detection systems using lightweight virtualization mechanism
Today, violent events have become more common in public areas, schools, and sports arenas. The early detection of these events, as well as catching the perpetrators, is vital for social order. Today's Internet of Things (IoT) technologies help to overcome these problems, and for this purpose, this thesis proposes a cloud computing-based IoT violence detection system, which is able to help security forces and related institutions. This violence detection system uses edge computing technologies, and in addition, the edge devices use Docker, which is a lightweight virtualization technology, for both software execution and system sustainability. The artificial intelligence (AI) module, which detects violence, uses deep learning models that are suggested in the literature. The deep learning module includes (CNN) with LSTM, BiLSTM, Gated Recurrent Unit (GRU) and Recurrent Neural Network (RNN) models that use a pre-trained MobileNet. The images taken by the edge devices are locally evaluated, and the urgent cases are forwarded to the relevant institutions, or to the cloud environment. Computing at the edge leads to a great reduction in the increase of cloud load, and the Docker technology allows the installation and management of related AI modules on edge devices in a fast and flexible way. The training dataset consists of violent and non-violent images. In the thesis, AI modules were trained outside the edge layer, and then the trained modules were loaded on edge devices, using container technologies. The experiments were done in local environments and the performance of the system was then analysed. In addition, the resources consumed by the edge devices were examined, with an additional discussion regarding edge device performances. In practice, conventional violence detection systems may have disadvantages in terms of installation and execution costs. Moreover, these costs can increase even more with the use of IoT technologies such as cloud computing. Attention should always be paid to optimizing the cloud system load and customer cost, which was proven in this work, since the proposed IoT system model has several gains and advantages, with a clear practical and commercial potential.
Kablosuz algılayıcı ağlarda transport layer çoklu ortam iletişim protokolü
Bu tezde, kablosuz algılayıcı ağlarda veri transfer katmanı ele alınmış ve çoklu ortam verisi iletimi için etkin bir protokol geliştirilmiştir. Geliştirilen protokol çoklu ortam verisinin iletiminden önce kaynak ve hedef düğüm arasında var olan yollardan en az birini bulup sonrasında söz konusu yol veya yollar üzerindeki düğümleri kullanarak asıl verinin hedef düğüme iletilmesini sağlamaktadır. Benzetim aracı olarak OMNeT++ ve Castalia kullanılmıştır. Önerilen protokol, C++ programlama dili kullanılarak geliştirilmiştir. DTSN(Distributed Transport for Sensor Networks) protokolüyle karşılaştırılarak benzetim sonuçları elde edilmiştir. Deneysel sonuçlar geliştirilen protokolün çoklu ortam verisi iletiminde daha başarılı olduğunu göstermiştir.Anahtar Kelimeler : Kablosuz Algılayıcı Ağlar, Çoklu Ortam ?leti?im, Protokol
Yüksek benzerlikli nesnelerin makine öğrenmesi tabanlı sınıflandırılması
Bilgisayarlı görme teknolojileri ile nesnelerin sınıflandırılması, birçok alanda kolaylık sağlamaktadır. Derin öğrenme yaklaşımı, son yıllarda nesne sınıflandırma konusunda oldukça popülerdir. Sınıflandırılmak istenen nesnelerin görsel açıdan birbirine benzer olması, veri setindeki görüntü sayısının yetersiz miktarda olması, aynı sınıf içindeki nesnelerin farklı türevlerinin bulunmasıyla beraber farklı sınıflardaki nesneler arasındaki benzerliğin yüksek olması gibi faktörler sınıflandırma işini zorlaştırmaktadır. Bu tez çalışmasında, birbirine görsel açıdan yüksek benzerlik barındıran nesne gruplarının derin öğrenme tabanlı yaklaşımlarla sınıflandırılması amaçlanmıştır. Tez çalışması kapsamında, farklı türde ve sayıda verilerin sınıflandırıldığı derin öğrenme tabanlı altı adet farklı yaklaşım önerilmiştir. Tezde kullanılmak üzere oluşturulan veri setlerimizin içeriği; endüstriyel vida, cıvata ve somun görüntüleri, pantograf görüntüleri ve tekstil makinesi yedek parça görüntülerinden oluşmaktadır. Tezde kullanılmak üzere tekstil makinesi yedek parça görüntülerinin elde edilmesinde NİT Örme Tekstil San. ve Tic. Ltd. Şti' den yardım alınmıştır. Ayrıca tez kapsamındaki çalışmalarda kullanmak için birbirine benzer nitelikte olan nesne gruplarının bulunduğu veri setleri de hazırlanmıştır. Önerilen yöntemlerin literatür ile detaylı olarak karşılaştırılması yapılmıştır ve elde edilen sonuçlar incelendiğinde, önerdiğimiz yöntemlerin oldukça başarılı ve etkin olduğu saptanmıştır.
Ortam ve yöntem bağımsız steganografik kütüphane tasarımı
Bilgi güvenliğine gereksinim her geçen gün artmaktadır. Bu gereksinimi karşılamada steganografik yöntemler önemli bir yere sahiptir. Steganografi temel olarak, bir varlığın bir yere saklanmasını ve istenen kimseler tarafından saklanan yerden çıkarılmasını hedefler. Üçüncü şahısların saklı varlığı algılayamaması ana amaçtır. Toprağa gömülmüş define buna örnek olarak verilebilir. Elektronik ortamda steganografi, bir bit dizesinin içerisine başka bir bit dizesini saklamaktır. Bu çalışmanın amacı elektronik ortamda gerçekleştirilebilecek steganografi çeşitlerini bir kütüphanede toplamaktır. Bu bağlamda ortamdan ve yöntemden bağımsız steganografik bir kütüphane tasarlanmış ve bu kütüphaneyi kullanan bir uygulama geliştirilmiştir. Kullanılan tasarım desenleriyle kütüphanede esneklik sağlanmış böylece yeni yöntem ve ortamların kolayca eklenebilmesine imkan verilmiştir. Bu kütüphane ile ses, görüntü ve video dosyaları üzerinde saklama işlemi yapılabilmektedir. Yöntem olarak LSB (Least Significant Bit), LSBM (Least Significant Bit Matching) ve LSD (Least Significant Digit) yöntemleri desteklenmektedir. Literatürde yapılan çalışmaların büyük çoğunluğu saklama ortamı olarak ses ve görüntü dosyalarını kullanmaktadırlar. Bu ortamlar ise boyutları gereği saklama kapasitesini sınırlamaktadırlar. Bu çalışmayı diğerlerinden ayıran özellik video dosyaları üzerinde saklama yaparak kapasite kısıtını aşması ve video dosyasının görüntü ve ses alanını birlikte kullanarak güvenliği bir üst seviyeye çıkarmasıdır. Ayrıca çalışma kapsamında web kamerasından alınan videoya gerçek zamanlı olarak saklama gerçekleştirilmiştir. Böylece gizli nesnenin boyutuna göre video üretilmesi sağlanmıştır. Aynı zamanda orijinal video ile karşılaştırarak steganografinin varlığını tespit etme ihtimali ortadan kaldırılmıştır. Yapılan saklama işlemlerinin başarımı çeşitli steganaliz ve gürültü ölçme yöntemleriyle değerlendirilmiş ve bunların sonuçları verilmiştir.Anahtar Kelimeler : Steganografi, Veri gizleme, Veri gömme, LSB
Oturumlardaki makalelerin belirlenmesinden zamanlama sürecine kadar derin öğrenme tabanlı konferans programı organizasyon sisteminin geliştirilmesi
Konferans programları organize edilirken birbiriyle ortak konuda olmayan makalelerin aynı oturumlarda yer alması, aynı konuda makaleler içeren oturumların eş zamanlı gerçekleştirilmesi vb. durumlar katılımcıların konferanstan etkin bir şekilde faydalanmalarına engel olmaktadır. Ayrıca bu durum konferans sahipleri için kötü bir izlenim oluşturabilir ve gelecek konferanslara olan ilgiyi azaltabilir. Bu yüzden konferans programlarının zamanlama ve içerik açısından doğru bir şekilde oluşturulması oldukça önemlidir. Şu anda konferans programları organizatörler tarafından manuel olarak düzenlenmektedir. Bu süreç konferansta yer alan makalelerin sayısı ve konferans kapsamının genişliği dikkate alındığında zor ve zaman alıcı olmaktadır. Günümüzde birçok sorunun yazılım ve donanım modelleri ile çözüldüğü ve insana bağımlılığın en aza indirildiği düşünüldüğünde, manuel olarak gerçekleştirilen bu işlem otomatik çözüm sunulması gereken bir problem olarak görülmüştür. Konferans programı hazırlama sürecini kolaylaştırmak ve daha verimli programlar oluşturmak amacıyla bu tez kapsamında iki yaklaşım önerilmiştir. Program organizasyon süreci makale benzerliklerinin bulunması, oturumların oluşturulması, oturum başlıklarının belirlenmesi ve zamanlanması şeklinde dört aşamada gerçekleştirilmiştir. Topluluk keşfine dayalı yaklaşım ile birbirinden farklı sayıda makaleler içeren oturumlar planlanmıştır. İkinci yaklaşımda ise önerilen kümeleme algoritması ile eşit sayıda makale içeren oturumlar oluşturulmuştur. Ayrıca önerilen zamanlama yaklaşımı ile paralel oturumların çakışmayacağı bir konferans programı organize edilmiştir. Elde edilen sonuçlar gerçek programlar ile detaylı bir şekilde karşılaştırılmış ve önerilen yaklaşım ile daha verimli ve etkin konferans programlarının otomatik bir şekilde oluşturulduğu gösterilmiştir.
Iptv ağlar için multicast yönlendirme protokolü
Televizyon günlük yaşantımızın önemli bir parçasıdır. Yeni nesil İnternetProtokol Televizyon (IPTV) 'lar yayın yaparken kullanıcı ile etkileşim içindedir.IPTV son kullanıcı tarafından yönetilir. Bu çalışmada IPTV ile ilgili bazı geneltanımlar, IPTV yazılım ve donanımları, IPTV için protokoller ve videosıkıştırma teknikleri incelenmiştir. IPTV için ağ dağıtım teknolojileri ve birHome of Quality (HoQ) değerlendirmesi detaylı olarak incelenmiştir.Bu çalışmada farklı protokoller kapsamlı olarak test edilmiş vekarşılaştırılmıştır. Protokolleri gerçekleştirmek için Network Simulator-2 (ns2)kullanılmıştır. Farklı multicast protokolleri test edilmiş ve kayıp paket sayısı,dalgalanma, yönlendirilen paket sayısı, gönderilen/alınan paket sayılarısonuçları elde edilmiştir.
Kablosuz algılayıcı ağlarında veri kümeleme uygulamaları
Kablosuz Algılayıcı Ağ (KAA) uygulamaları sahip oldukları avantajlardan dolayı günümüzde birçok alanda kullanılmaktadır. Uygulama gereksinimleri doğrultusunda KAA' ları oluşturan algılayıcı cihazlar genellikle çok küçük boyutlarda ve tek kullanımlık olarak tasarlanmaktadır. Bu nedenden dolayı bu cihazlar genellikle kısıtlı işlem gücü, enerji kaynaklarına ve iletişim kapasitesine sahiptirler. Bu kısıtlar veri iletişimi sırasında tekrarlı olarak gönderilen paketlerin engellenmesi gerekliliğini ortaya çıkartmaktadır. Enerji verimliliğini sağlamak için geliştirilen HEED, LEACH gibi veri demetleme yaklaşımları, ağın kendi içerisinde gruplara ayrılmasını sağlayarak ağ içerisinde veri akışının kontrol altına alınmasını sağlarlar. Demetleme yöntemleri genel olarak enerji verimliliğine katkı sağlamakla birlikte KAA' ların kendine özgü karakteristik özellikleri dikkate alındığında enerji verimliliğinin daha da iyileştirilebileceği görülmüştür. Bu çalışma dahilinde benimsenen Veri kümeleme yaklaşımları sayesinde tekrarlı veri iletiminin önüne geçilmekte ve sıradan demetleme yaklaşımlarına göre %70' e varan enerji tasarrufu sağlanabilmektedir. KAA' larda güvenlik, enerji verimliliği kadar önemli bir konudur. İletişimin güvenliğini sağlayabilmek için gönderilen verilerin şifrelenmesi gerekmektedir. Veri kümeleme yaklaşımları sağladıkları büyük faydalara rağmen standart şifreleme algoritmalarını desteklememektedir. Bunun için veri kümeleme fonksiyonlarını uygularken aynı zamanda şifrelemeye açık bir algoritmaya ihtiyaç duyulmaktadır. Bu çalışmadan benimsenen Eliptik Eğri Şifreleme (ECC) yaklaşımı homomorfizm özelliği sayesinde şifrelenmiş veri üzerinde aritmetik işlemler yapılmasına izin vermektedir. ECC bu özelliği sayesinde KAA' larda güvenli veri kümelemeyi olanaklı kılan etkin bir çözüm yöntemi olarak ön plana çıkmaktadır. Bu çalışmada önerilen Eliptik Eğri ile Güvenli Veri Kümeleme (EEiGVK) Prosedürü ile KAA' ların iki önemli sorunu olan enerji tüketimi ve güvenlik ihtiyacına birlikte çözüm olabilecek yeni bir yaklaşım geliştirilmiştir.Anahtar Kelimeler : Kablosuz Algılayıcı Ağlar, Demetleme, Veri Kümeleme, Eliptik Eğri ?ifreleme, Güvenli Veri Kümeleme
SMSM için online eşdeğer devre parametrelerinin tespiti
Sabit mıknatıslı senkron motorun (PMSM) online (çevrimiçi) parametre tahmini yapmanın yararı oldukça fazladır. Bu yöntemde parametre değişikliklerinin nedenlerine bakılmaksızın motorun parametreleri doğru tahmin edilir. Bu yöntem, çevrim dışı bir yöntemde bulunmayan doyma veya sıcaklık bağlı değişen parametreleri anında tahmin eder. Böylelikle yöntemin kullandığı kontrol algoritması, motor sürücüsünün etkinliğini artırarak hız aralığı veya dinamik tepki açısından daha iyi performansı sağlamasını temin eder. Bu çalışmada manyetik doymayı göz önüne alarak sabit mıknatıslı senkron motorun online parametre tahminini incelendi. Sargı direnci, dq ekseni endüktansı ve rotor akısı dahil olmak üzere parametreleri tahmin etmek için akım enjeksiyon yöntemi kullanıldı. Akım enjeksiyonu esnasında, endüktanslar manyetik doymadan dolayı değişebilir. Bu değişimlerin ihmal edilmesi özellikle endüktanslarda hatalara neden olabilir. Bu çalışmada, mevcut enjeksiyon sırasında öz ve karşıt endüktans doyma etkilerini modellemek için basitleştirilmiş denklemleri kullanıldı. Bu doyma modeline PMSM kararlı durum denklemlerine dahil edilerek, manyetik doyma ve rotor akısına bağlı olarak değişen dq ekseni endüktansı doğru bir şekilde tahmin edildi. Buna ek olarak, sargı direncinin tahmini diğer parametrelerden bağımsızdır ve manyetik doyumdan etkilenmez. Bu yöntemle sıcaklığa bağlı olarak değişen direnç değerleri de akım enjeksiyonu ile anında ve doğru tahmin edildi.
Agent based human-in-the-loop simulation framework for electrical vehicle systems
Agent Based Human-in-The-Loop Simulation Framework for Electrical Vehicle Systems With the end goal of creating safe agent based human in the loop frameworks for electrical vehicles, exact and accurate models of human conduct must be produced. This thesis portrays a trial setup for human in the loop simulations. An agent is an autonomous computational body arranged in some condition, and it is fit for autonomous associations with this condition. The specialist concentrates on creating proving ground essential for gathering driver data that aides in social affair practical information, while controlling the encompassing condition and looking after wellbeing. The driving test system is intended to reproduce any strengths that the driver feels during the driving. The set up permits noteworthy control and adaptability in a genuine reproduction ecological circumstance. Multi-specialist tests which concerns driver focus can be directed on this proving ground. The paper introduces the use of driver displaying that predicts the driver conduct over long time circles for usage in self-governing system. We extend the previous studies which concentrate on setting forecasts fusing directions saw from practices of cross breed and self-ruling vehicles and the nonlinear mental state. The calculations utilized as a part of the human, and the tuned in reproductions are basic to give the drivers state and help in planning a successful final model. Exact and exact driver demonstrate modified to an individual can be created. Utilizing adaptable calculation and reasonable information. Keywords: Human-In-The-Loop Simulation, Agent, Electric Vehicles, Sensors.