166
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Makine öğrenmesi ile e-ticaret ürün yorumlarının analizi
Günümüzde teknolojinin gelişmesiyle birlikte e-ticaret sektörü hızlı bir büyüme sağlamıştır. E-ticaretin gelişmesiyle ürünlere yapılan yorumlar da muazzam bir şekilde artmış ve bunları tek tek inceleyip analiz etmek zorlaşmıştır. Satıcılar yorumların hepsini değerlendiremez duruma gelmiştir. Ayrıca yararlı yorumlar gözden kaçabilmekte ve yorumların tam olarak ne hakkında olduğu da tespit edilememektedir. Bu problemler karşısında yapay zekâ destekli bir otomasyon ihtiyacı ortaya çıkmıştır. Bu çalışmada, otomasyonun ilk basamağı olarak görülen ürün yorumlarının sınıflandırılması için bir yöntem geliştirilmiştir. Öncelikle ülkemizde faaliyet gösteren e-ticaret platformlarından 15 bin 170 adet ürün yorumu toplanarak bu yorumlar olumlu, olumsuz ve nötr olarak farklı zamanlarda iki kere etiketlenmiş ve nötr yorumlar çıkarılarak iki sınıflı bir veri seti hazırlanmıştır. Bu veri seti ile Uzun-Kısa Süreli Bellek (Long-Short Term Memory – LSTM) algoritması kullanılarak bir model geliştirilmiş ve bu modelle yine e-ticaret platformlarından toplanan 203 bin 274 adet yorumun yer aldığı veri seti otomatik olarak etiketlenmiştir. Bu sayede manuel ve otomatik etiketlenmiş olarak elde edilen iki veri seti kullanılarak derin öğrenme ve geleneksel makine öğrenmesi algoritmaları ile deneyler yapılmıştır. Çalışma sonucunda, derin öğrenme algoritmalarının makine öğrenmesi algoritmalarına kıyasla daha başarılı olduğu gözlemlenmiş ve geliştirilen modelle otomatik etiketlenen veri setinin kullanıldığı deneylerde yüksek sonuçlar elde edilmiştir. Oluşturulan sınıflandırma modelinin kullanıldığı bir web tabanlı uygulama geliştirilerek ürün yorumlarının otomatik sınıflandırılması ve akademik çalışmalarda otomatik etiketlenmiş veri seti oluşturma problemlerine çözüm sunulmuştur.
Apriori algoritması ile kitap oylamaları analizi
Dijital sistemler; okuduğumuz kitapları, satın aldığımız eşyaları ya da beğendiğimiz ürünlere ait verileri kendi yapıları içerisinde, bilgi çıkartımı için kayıt altına alırlar. Bu veriler içerisinden, veri madenciliği yöntemleri ile çıkarılacak bilgiler, dijital sistemler için büyük önem taşımaktadır. Veri madenciliği, matematiksel ve istatistiksel yöntemler yardımı ile veriler içindeki gizli ilişkileri ve bilgileri keşfederek, karar verme sürecini hızlandırmayı amaçlamaktadır. Bu bağlamda çalışmada Apriori algoritması kullanılarak, kitap oylamaları içeren veri seti üzerinde, veri madenciliği yöntemleri kullanılmıştır. Bu sayede veri seti içerisinde bulunan ilişkiler keşfedilmiş, kurallar üretilmiş ve üretilmiş kurallar ile kullanıcı beğenileri arasındaki ilişkiler ortaya çıkartılmıştır. Uygulanan Apriori algoritması ile kitapların diğer kitaplarla birlikte beğenilme ve yazarların başka yazarlarla birlikte beğenilmesini gösteren kurallar üretilmiştir. Çalışmanın sonucunda bir kitabı beğenen kişinin, başka hangi kitapları beğenebileceği ve bir yazarı beğenen kişinin, başka hangi yazarları beğenebileceğine dair kurallar çıkartılmıştır. Çalışmada üretilen kuralların, önerilen kitap listelerinde ve satış stratejilerinde kullanılması beklenmektedir.
Çizgelerde ağırlıklı zedelenebilirlik parametreleri
Artan ve çeşitlenen gereksinimleri karşılayan sistemlerde, artan karmaşıklığın yönetilebilmesi amacıyla, kullanılan tasarım yaklaşımlarının başında bileşen tabanlı sistem tasarımı gelir. Bilgisayar ağları ve iletişim sistemleri bileşen tabanlı tasarlanmış sistemleridir. Bu sistemler bağlı ve birlikte çalışan bileşenlerden oluşur ve çizge teori ile modellenebilir. Bir bilgisayar veya iletişim ağında, bileşenlerin çeşitli etkilere maruziyeti sonucu oluşabilecek fonksiyon kayıpları zedelenme olarak tanımlanır. Bu ağların hayatımızdaki önemi dikkate alındığında, dayanıklılıklarının hesaplanabilmesi amacıyla zedelenmenin ölçümü önemli bir problem olarak karşımıza çıkmaktadır. Bu tezde; çizgelerde zedelenebilirlik ölçümünün başarımını arttırmak amacıyla, çizgelerde mevcut tanımlı Bağlama Sayısı (𝑏𝑖𝑛𝑑௩), ile Ortalama Bağlama Sayısı (𝑏𝑖𝑛𝑑௩) parametreleri incelenerek, Ağırlıklı Bağlama Sayısı (𝑏𝑖𝑛𝑑௩௪) ve Ağırlıklı Ortalama Bağlama Sayısı (𝑏𝑖𝑛𝑑௩௪) olarak isimlendirdiğimiz iki yeni zedelenebilirlik ölçüm parametresi tanımlanmıştır. Yeni tanımlanan ve mevcut tanımlı parametrelerin hesaplamalarını yapan yazılım Python dili ile kodlanarak, yazılıma ait algoritma ve pseudo kod verilmiştir. Farklı tip çizgeler içeren Data Set (DS96) için 𝑏𝑖𝑛𝑑௩, 𝑏𝑖𝑛𝑑௩, 𝑏𝑖𝑛𝑑௩௪ ile 𝑏𝑖𝑛𝑑௩௪ değerleri hesaplanarak, yeni tanımlanan ve mevcut parametrelerin başarımları, sonuçlar üzerinden değerlendirilmiştir. Anahtar Kelimeler: Çizge Teori, Zedelenebilirlik, Zedelenebilirlik Ölçümü, Bağlama Sayısı, Ağırlıklı Bağlama Sayısı, Ortalama Bağlama Sayısı, Ağırlıklı Ortalama Bağlama Sayısı
Derin öğrenme yaklaşmaları ile yazılım proje gereksinimlerinin sınıflandırılması ve başarım sonuçlarının değerlendirilmesi
Günümüzde hızla gelişen teknoloji, yaşamımızın ayrılmaz bir parçası haline gelmiştir. Bu durum yazılım sistemlerine duyulan ihtiyacı artırmaktadır. Birçok alanda kullanılan yazılım sistemlerinin geliştirilmesinde belirli aşamalar vardır. En önemli aşamalardan biri gereksinim analizi aşamasıdır. Bu aşamada, sistemi talep eden paydaşlar gereksinimlerini belirtir. Gereksinim mühendisleri veya proje analistleri gereksinimleri amaç, işlev ve özelliklerine göre temelde işlevsel ve işlevsel olmayan gereksinimler olarak sınıflandırmaktadır. Gereksinimlerin doğru bir şekilde sınıflandırılıp, önceliklendirilmesi, yazılım yaşam döngüsünün diğer aşamalarının sorunsuz ilerlemesini sağlar. Gereksinimlerin doğal dil ile yazılıyor olması, talep sahibinin ihtiyaçlarını tam olarak aktaramaması, analiz yapacak kişilerin ilgili alana yeterince hâkim olmamasıya dagereksinimleri farklı şekilde yorumlamaları gereksinimlerin yanlış sınıflandırılmasına neden olmaktadır. Böyle bir durum yazılım geliştirme sürecine hatalı başlanılmasına yol açmaktadır. Yazılım gereksinim analizinin otomatik olarak yürütülmesi için doğal dil işleme yöntemleri kullanılarak yazılım gereksinimleri sınıflandırılabilir. Bu amaç doğrultusunda üniversite öğrencilerinin geliştirdiği yazılım projeleri içerisinde yer alan gereksinimler toplanarak, bir Türkçe veri seti oluşturulmuştur. Toplanan gereksinimlerin 3000'ini işlevsel, 1600'ü ise işlevsel olmayan gereksinim olmak üzere manuel olarak etiketlenmiştir. %80'ieğitim, %20'si test verisi olarak ayrılan veri seti sırasıyla makine öğrenmesi algoritmaları, derin öğrenme algoritmaları ve transformer modelleri ile eğitilerek performansları test edilmiştir. Makine öğrenimi algoritmalarından Naive Bayes Multinomial, derin öğrenme algoritmalarından CNN ve transformer modellerden de BERTürk'ün en iyi performans sonuçlarını verdiği gözlemlenmiştir. Ele alınan tüm algoritmalar içinde %95 doğruluk değeri ile BERTürk en başarılı algoritma olduğu tespit edilmiştir. Elde edilen sonuçlar yazılım gereksinim sınıflandırmada geliştirilen modellerin kullanılabilirliğini açıklamaktadır.
Çizge teoride ortalama zedelenebilirlik parametreleri üzerine
Bir iletişim ağında, belirli istasyonların veya iletişim bağlantılarının arızalanmasından sonra ağın çalışmasının kesintiye uğramasına karşı direncini belirlemek için çeşitli zedelenebilirlik ölçümleri kullanılır. Bu çalışmada yeni bir çizge parametresi tanımlanmıştır. Bir G çizgesinin bir e ayrıtı için, α_e^' (G) ile gösterilen düşük ayrıt örtü sayısı, e' yi içeren bir G ayrıt örtü kümesinin minimum eleman sayısıdır. Bir G çizgesinin ortalama ayrıt örtü sayısı, 1/|E(G)| ∑_(e∈E(G))▒〖α_e^' (G) 〗 'dir. Burada ∑_(e∈E(G))▒〖α_e^' (G) 〗, G'nin tüm ayrıtları üzerindeki toplamı ifade edecektir. Bu tezde, ortalama ayrıt örtü sayısı ile bazı çizge parametreleri arasındaki ilişkiler verilmiştir ve bazı çizge grupları için ortalama ayrıt sayısı için sonuçlar verilmiştir. Ayrıca herhangi bir çizgenin ortalama ayrıt örtü sayısını hesaplamak için bir algoritma verilmiştir. Anahtar Kelimeler: Zedelenebilirlik, Ağ Tasarımı ve İletişim, Ortalama Düşük Baskınlık Sayısı, Tepe Örtüsü, Ayrıt örtüsü, Ortalama Ayrıt Örtüsü. 2024, 32 sayfa
Yeni nesil yazılım tanımlı veri merkezleri için yapay zeka tabanlı görev planlama modeli
Son zamanlarda, 5G ağında IoT cihazlarının sayısında muazzam bir artış yaşanmaktadır. Bu durum, fiziksel ağ topolojisinin karmaşıklığını artırıp, yönetimini zorlaştırmaktadır. Bu nedenle, Yazılım Tanımlı Ağlar (SDN), veri ve kontrol düzlemlerini ayırarak topolojiyi merkezi bir bakış açısından düzenlemek için kullanılır. Ancak, SDN tabanlı 5G topolojisinin veri merkezlerinde düzenleme yaparken birçok zorluğu bulunmaktadır. Merkezi bir denetleyici, tek bir arıza noktasına neden olabilir ve bu darboğaz kontrol düzleminin tepki süresini artırabilmektedir. Bu da müşterilerin milisaniye düzeyinde uçtan uca gecikmelerle hizmet alamamasına neden olmaktadır. Bu zorluğun üstesinden gelmek için, Yazılım Tanımlı Veri Merkezleri (SDDC) yeni bir şekilde kullanılmaktadır ve topolojideki veri depolamasını hiyerarşik bir şekilde yönetir. Bütün topolojinin kontrolü için genel depolama ve işlemleri yönetir ve bir noktadan başka bir noktaya kontrol cihazları arasında hizmetleri izler, kaydeder ve taşır. Ancak, tek bir denetleyicinin artan taleplerin altında, yanıt süresi kabul edilemez bir 5G seviyesine ulaşabilir. Gecikmeyi en aza indirmek için, SDDC'de iki nokta bulunmaktadır: denetleyicilerin konum optimizasyonu ile yayılma gecikmesinin en aza indirilmesi ve veri merkezinde ağ işlemlerinin işleme süresini en aza indirmek için akıllı görev zamanlamasıdır. Literatürde, yayılma gecikmesini en aza indirmek için konum optimizasyonuna odaklanan birçok çalışma bulunmaktadır. Ancak veri merkezi fonksiyonlarından kaynaklanan ağ operasyonlarının işlem süresini dikkate alan az sayıda çalışma bulunmaktadır; örneğin oluşturma, okuma, güncelleme ve silme işlemleri gibi. Ayrıca veri merkezlerine gelen taleplerde Makine Öğrenimi tabanlı Hizmet Kalitesi (QoS) tahminini dikkate almazlar. Bu tezde, SDDC'de yapay zeka tabanlı görev zamanlama modeli önerilmektedir. İki aşamadan oluşur: Makine Öğrenimi tabanlı QoS tahmini ve AI tabanlı zeki görev zamanlama algoritması. İlk olarak veri tabanında kendi trafiğimizi oluşturarak yeni bir veri seti tanımladık. Bu veri seti 5000 adet satırdan oluşup, 3 farklı sınıflandırma etiketi (BEST, ACCEPTABLE, NONACCEPTABLE) kullanılmıştır. Daha sonra bu veri seti üzerinde 5 farklı sınıflandırma algoritması (Navie Bayes, Kstar, IBk, Multiclass Classifier, SMO) koşularak en iyi sonucu veren algoritma belirlenmiştir. Belirlenen algoritma baz alınarak servise gelen istekleri sınıflandırıp tekrar kendi içinde sıralayarak çalıştıran bir sistem geliştirilmiştir. Performans değerlendirmesindeki sonuçlara göre, IBK algoritması 0,978 F1 skoru ile en iyi sonucu vermiştir. Ancak algoritmanın çalışma süresi 0.22 saniye sürmüştür. SDDC de daha düşük gecikme süresi önem arz ettiği için 0,964 F1 skoru ile Navie Bayes algoritmasının eğitim süresi 0,001 sn sürmüştür. Sonuç olarak Navie Bayes algoritmasının 5G ağlarında kullanımı açısından üstünlüğü kanıtlanmıştır. Navie Bayes algoritması ise önerilen sistem üzerinde sınıflandırma yaparak güncellenmek istenen veriler için akıllı bir sıralama algoritması tasarımı için kullanılmıştır. Kullanılan bu sınıflandırılmış veriler önerilen sistemde yaklaşık. 100 – 4000 adet güncelleme isteği için daha başarılı sonuçlar sergilemiştir. Bu aralık dışındaki değerler için ise kullanılan cihaz özellikleri dikkate alındığında Navie Bayes algoritmasının sınıflandırma süresinin servis süresine olumsuz yönde etki yaptığı saptanmıştır.
Ağırlıklı graflarda bazı zedelenebilirlik parametreleri ve algoritmaları
Ağlarda zedelenebilirlik ve ağların güvenilirliği birçok alanda önem arz eden bir konudur. Zedelenebilirlik bir ağda mevcut olan cihazların bağlantılarında oluşabilecek aksaklıkların olması durumunda iletişimlerinin kopana kadar gösterdikleri dayanma gücü olarak ifade edilir. Zedelenebilirlik ölçümleri yapılabilmesi için graflarla modellenmesi ve zedelenebilirlik parametrelerinden faydalanılması gerekmektedir. Bu tez kapsamında zedelenebilirlik ölçüm parametrelerinden olan saçılma sayısı ele alındı. Ağırlıksız bir graf için saçılma sayısı ve ortalama saçılma sayısı hesabı ve buna bağlı uygulamalı kodu hazırlanmıştır. Modellenen bu yapı için zaman karmaşıklığı hesaplanmıştır. Bu makale kapsamında Ağırlıklı graflarda ortalama saçılma sayısı hesabına algoritmalarına, uygulamalı projesine ve sonuç tablolarına yer verilmiş ve üzerinde çalışılmıştır. Ek olarak hazırlanan algoritmanın karmaşıklık değeri hesaplanmıştır. Ağırlıklı grafta ortalama saçılma sayısı hesabı yapılırken ScvW(G) =max{c(G − Sv) − w|Sv|, c(G − Sv) ≥ 2} tanımlandı. Saçılma sayısı hesabına ek çıkartılan değerlerin ağırlık değerleri hesaba katılmıştır. Sonuç olarak ağırlık eklenen grafta ortalama saçılma sayısı tanımı scavw(G) =(∑(v∈V(G))〖scv w(G) 〗)/n olacaktır. Bu çalışmada literatürde öncesinde mevcut olmayan Ağırlıklı Graflarda ortalama saçılma sayısı için genel sonuçlara tanım, teoremlere ve zaman karmaşıklığına yer verildi. Paylaşılan algoritma ve kod ölçütleri ile analiz edilmiştir.
Pediatrik hastalarda üriner sistem enfeksiyonunun yapay zeka yöntemleri ile araştırılması
Böbrek, mesane ve üretradan oluşan üriner sistemin herhangi bir bölümünde mantar, virüs, bakteri veya diğer mikro organizmaların tespiti üriner sistem enfeksiyonu olarak isimlendirilmektedir. Üriner sistem enfeksiyonları pediatrik hastalarda yetişkin bireylere oranla daha sık görülmektedir. Üriner sistem enfeksiyonlarının tanı alması için doktorlar tarafından idrar ve kan tahlili, hasta anamnezi ve idrar kültürü test sonuçları incelenmektedir. Temel tanı kriteri olan idrar kültür testi 48-72 saat sonra sonuçlanmaktadır. İdrar kültür testi sonucu belli olana kadar geçen sürede hastalık kötüleşebilmekte veya gereksiz antibiyotik kullanarak hastalarda antibiyotik direnci gelişebilmektedir. Üriner sistem enfeksiyonlarının yapay zekâ yöntemleri ile erken tanı koyulabilmesini araştıran bu çalışmada tüm 2023 yılı boyunca Alaşehir Devlet Hastanesi Çocuk Polikliniğe başvuran hastaların idrar tahlil, anamnez, biyokimya, hemogram ve idrar kültür test sonuçlarını içeren veriler derlenerek iki veri seti oluşturulmuştur. Oluşturulan veri setleri deneyin ilk kısmında temel makine öğrenmesi algoritmaları ile test edilmiş ve sonuçları sınıflandırma metriklerine göre karşılaştırılmıştır. Deneyin ikinci aşamasında ise meta-sezgisel optimizasyon yöntemleri ile özellik seçimi yapılmış ortaya çıkan alt veri setleri için ilk aşamadaki testler tekrarlanmıştır. Elde edilen sonuçlar karşılaştırmalı olarak incelenmiş ve özellik seçimi yapıldıktan sonra makine öğrenmesi algoritmalarının daha üstün performans sağladığı görülmüştür.
Endüstriyel üretim bantlarında anomali tespiti için yapay zekâ kullanımı
Endüstriyel otomasyon sistemlerinde gerçek ortam verilerinin toplanması, değişken çevresel koşullar, sensörlerin doğruluğu, yüksek maliyet ve sistemlerin karmaşıklığı gibi faktörler nedeniyle zorlayıcı olabilmektedir. Bu zorluklar, veri toplama sürecinin etkinliğini ve güvenilirliğini etkilemektedir. Bu nedenle, veri toplama ve işleme tekniklerinin sürekli olarak geliştirilmesi gerekir. Büyük veri hacmi ve bu verilerin analizi, veri işleme ve depolama kapasitesine ihtiyaç duyar. Bu zorlukların üstesinden gelmek, veriye dayalı karar verme süreçlerini güçlendirerek endüstriyel otomasyon sistemlerinin gelişmesinde önemli bir aşamadır. Yapay zekâ, günümüzde birçok sektörde devrim yaratmakta ve iş süreçlerini, karar verme mekanizmalarını, kullanıcı deneyimlerini dönüştürmektedir. Sağlıktan eğitime, finanstan otomotiv endüstrisine kadar geniş bir yelpazede uygulama alanları bulan yapay zekâ, verimliliği artırma, karar alma süreçlerini optimize etme ve karmaşık problemleri çözme konusunda kritik öneme sahiptir. Bu hızlı ilerleme, toplumda ve endüstride sürekli bir inovasyon ve gelişme dalgası yaratmaktadır. Bu çalışmada, gerçek ortam verilerinin toplanması için gerekli olan sensör kurulumlarının maliyetini düşürmek amacıyla bir simülatör geliştirilmiştir. Gerçek ortamdan alınan ses, titreşim, sıcaklık verileri ve önerilen simülasyon mimarisi ile elde edilen veriler 19 denetimsiz derin öğrenme algoritmasıyla karşılaştırılmıştır. Hem önerilen simülasyon mimarisinin doğrulanması hem de ses, titreşim ve sıcaklık verilerine ilişkin analizler incelenerek sonuçlar değerlendirilmiştir.
Kaotik üçgenleme topolojisi toplama optimizasyon algoritması
Meta-sezgisel algoritmalar yapay zekanın önemli araştırma alanlarından biridir. Son yıllarda sürü zekasına dayalı çok sayıda meta-sezgisel algoritma önerilmiş ve literatürde yaygın olarak kullanılmaya başlanmıştır. Bu algoritmalar canlıların bazı davranışlarına yönelik olarak tasarlanmışsa da, deneysel strateji ve yapılandırma modülleri benzerdir. Bu da algoritmaların karmaşık optimizasyon problemlerinin keşif ve sömürü dengesinin bozulmasına ve küresel optimuma ulaşmada zorluklara yol açmaktadır. Sürekli optimizasyon ve mühendislik uygulamalarını çözmek için yakın zamanda üçgenleme topolojisi toplama optimizatörü (ÜTTO) adında yeni bir matematik tabanlı meta-sezgisel algoritma önerilmiştir. Ancak ÜTTO, yerel optimumlarda takılma eğilimi göstermekte, düşük duyarlılığa sahip sonuçlar üretmekte ve yakınsama hızı açısından sınırlı kalmaktadır. Kaotik haritalar, meta-sezgisel algoritmaların performansını iyileştirmede, küresel keşfi iyileştirmeyi ve yakınsama oranını artırmayı amaçlamaktadır. Bu tez çalışmasında, ÜTTO algoritmasının optimizasyon sürecine kaotik haritaların entegre edilmesiyle geliştirilen kaotik tabanlı bir Üçgenleme Topolojisi Toplama Optimizasyon Algoritması (KÜTTO) önerilmektedir. Yerel minimumlara takılma ve yavaş yakınsama problemlerini gidermek için, ÜTTO'nun arama mekanizmasına 4 farklı noktada 10 kaotik harita entegre edilerek KÜTTO algoritması ilk kez geliştirilmiştir. Bu sayede popülasyon çeşitliliği ve küresel keşif iyileştirilmekte, doğruluk oranı arttırılmaktadır. KÜTTO algoritmasının performansı, IEEE Evrimsel Hesaplama Kongresi (CEC)'17, meta-sezgisel algoritmaların karşılaştırılması için oluşturulmuş olan uygunluk fonksiyonları, klasik benchmark fonksiyonları kullanılarak araştırılmıştır. Önerilen yöntemlerin sıralı performans karşılaştırması, parametrik olmayan bir istatistiksel test olan Friedman testi ile gerçekleştirilmiştir. Yöntemler arasındaki medyan farklarının istatistiksel olarak anlamlı olup olmadığı ise Wilcoxon işaretli sıralar testi ile analiz edilmiştir. Ayrıca, algoritmanın gerçek dünya uygulamalarındaki başarımı; üç çubuklu kafes tasarımı, basma-germe yayı tasarımı, basınçlı kap tasarımı ve kaynaklı kiriş tasarımı olmak üzere dört farklı mühendislik problemi üzerinde incelenmiştir. Deneysel bulgular ve istatistiksel analiz sonuçları, KÜTTO algoritmasının standart ÜTTO'ya kıyasla daha yüksek performans sergilediğini ortaya koymaktadır.
Çevik yazılım geliştiren organizasyonlarda CMMI-DEV V2.0 ile yazılım süreçlerinin iyileştirilmesi
Günümüzde yazılım sektöründe müşteri ihtiyaçlarının hızla değişmesi organizasyonların çevik kalmasını zorunlu kılarken, sürdürülebilirlik, kalite ve izlenebilirlik gibi kurumsal gereklilikler de daha yapılandırılmış süreç modellerine olan ihtiyacı artırmaktadır. Bu bağlamda, çevik yazılım geliştirme yaklaşımlarının sağladığı esneklik ile CMMI‑DEV v2.0 gibi yetenek olgunluk modellerinin sunduğu yapısal bütünlüğün nasıl bir araya getirilebileceği sorusu bu tez çalışmasının çıkış noktasını oluşturmuştur. Çalışmanın temel amacı, çevik yöntemleri uygulayan yazılım organizasyonlarının kurumsal düzeyde daha tutarlı ve sürdürülebilir süreçler yürütebilmesine katkı sunacak bütünleşik bir yaklaşım geliştirmektir. Bu doğrultuda, öncelikle çevik yöntemler ile CMMI-DEV v2.0 modeli ayrı ayrı ele alınmış; literatür taraması yoluyla her iki yaklaşımın temel ilkeleri, güçlü yönleri ve sınırlılıkları analiz edilmiştir. Ardından, çevik yöntemlerin esnek yapısını koruyarak CMMI-DEV v2.0'ın yapılandırılmış süreç alanlarını bu yapıya entegre eden hibrit bir model önerilmiştir. Modelin sektörel uygulanabilirliğini değerlendirmek amacıyla, Türkiye'de çeşitli sektörlerde faaliyet gösteren 12 yazılım organizasyonu ile bir anket çalışması gerçekleştirilmiştir. Bu anket aracılığıyla, organizasyonların yazılım geliştirme sürecine ilişkin yaklaşımları ve çeşitli süreç alanlarında karşılaştıkları eksikliklere dair algıları analiz edilmiştir. Elde edilen bulgular, çevik yöntemlerin operasyonel düzeyde etkin olduğunu; ancak karar analizi, kök neden analizi, süreç yönetimi ve yönetim desteği gibi alanlarda yapılandırılmış uygulamaların yetersiz kaldığını ortaya koymuştur. Ayrıca, süreç olgunluk modellerine yönelik farkındalığın sektörde genel olarak düşük seviyede olduğu gözlemlenmiştir. Bu veriler ışığında, önerilen hibrit yaklaşımın yalnızca teorik değil, aynı zamanda pratik düzeyde de önemli bir ihtiyaca yanıt verdiği sonucuna ulaşılmıştır. Çalışma, Türkçe literatürde bu iki yaklaşımı bir araya getiren nadir örneklerden biri olarak hem akademik hem de sektörel düzeyde katkı sunmayı amaçlamaktadır.
Akıllı Endüstri 4.0 için dijital ikiz tabanlı federe öğrenme
Günümüzde teknolojisinde kullanılan Yapay Zeka (YZ); Nesnelerin İnterneti (Nİ) alanında yeni gelişmelerin entegrasyonunu ve yönetimini kolaylaştırmaktadır. Bu yeni gelişmeler endüstriyel nesnelerin interneti (ENİ) platformlarının dijital ikiz (Dİ) ile izlenmesi ve yönetimi desteği ile akıllı endüstri 4.0 hedefine ulaşmayı sağlamaktadır. Burada dijital ikiz fiziksel katmanda bulunan ekipmanların yapay zeka tabanlı bir sanal nesnesini oluştururarak ve gerçek verilerle periyodik olarak eşler. Bu sanal nesne, sürekli toplanılan gerçek veriler sayesinde dijital katmanda yaşamına devam ederek yapay zeka desteğiyle performansını arttırarak bazı problemlerin öngörülebilirliğini arttırarak endüstri 4.0 amaçları üzerinde çalışmaya imkan tanır. Başka bir deyişle, dijital ikiz, endüstriyel ağı sanal alanda haritalamak, fiziksel varlıkları gerçek zamanlı izlemek ve kapsamlı ağ analizi yapmak için kullanılan yeni nesil bir teknolojidir. Ancak, veri gizliliği endişeleri ve hassas verilerin paylaşılmasındaki güven eksikliği gibi zorluklar, bu teknolojinin yaygın benimsenmesini yavaşlatmaktadır. Bu nedenle bu tezde, dijital ikizin uç ağlarda entegrasyonunu sağlamak ve bu zorlukların üstesinden gelmek için dijital ikiz tabanlı uç ağ (DİTUA) önerilmektedir. Bu yaklaşımda, federe öğrenme (FÖ), DİTUA 'da gizlilik ve güvenilirliği sağlayarak bu endişeleri ele almak için umut verici bir yaklaşım olarak öne çıkmaktadır. Bu tez, FÖ ile Dİ tabanlı Endüstri 4.0'ın uç ağlarda entegre edildiği yenilikçi bir yaklaşım önermektedir. Bu yaklaşım, her iki teknolojinin avantajlarını birleştirerek hizmet kalitesini artırmayı, ölçeklenebilirliği ve uyarlanabilirliği geliştirmeyi hedeflerken gizliliği korumayı amaçlamaktadır. Tez kapsamında, Endüstri 4.0'daki makine öğrenimi/derin öğrenme ve federe öğrenme çalışmalarını karşılaştırmak için kapsamlı bir literatür incelemesi yapılmıştır. Ek olarak, imalat, otomotiv ve ENİ'de FÖ tabanlı Fİ modellerinin uygulamaları ile mevcut durum analizi yapılmıştır. Federe öğrenme türleri ve uygulama yöntemleri detaylandırılmıştır. Yapılan uygulamalı analizde, önerilen FÖ tabanlı DİTUA, ham verileri paylaşmak yerine gizliliği korumakla kalmayıp, merkezi modeller kadar yüksek model doğruluğu elde ettiği gözlemlenmiştir. Ayrıca, federe öğrenme turları boyunca tutarlı doğruluk iyileştirmeleri gözlemlenmiş ve bu durum, küresel modelin yinelemeli olarak güncellendiğini göstermektedir. Önerilen bu yaklaşımın; Endüstri 4.0, sağlık, akıllı şehirler gibi birçok uygulama alanına sahip olması devrim niteliğinde olup, yeni nesil çalışmalar için umut verici bir yol sunduğuna inanılmaktadır. Anahtar Kelimeler: Nesnelerin İnterneti, Dijital İkiz, Federe Öğrenme, Gizlilik, Endüstri 4.0.
Ağlarda güvenlik için komşu zedelenebilirlik ölçümleri üzerine
Ağ güvenliği bilgi işlem alanında önemli bir konudur. Zedelenebilirlik, bir ağda bulunan cihazların veya bağlantıların zarar görmesi durumunda iletişimlerinin kopana kadar gösterdikleri dayanma gücüne denir. Bu zedelenebilirlik ölçümünün yapılabilmesi için öncelikle ağın, cihazlar tepelerle, bağlantılar ayrıtlarla ifade edilecek şekilde graflarla modellenmesi gereklidir. Bu tezde, casus ağlar konusunda yaygın olarak kullanılan komşuluklu zedelenebilirlik ölçüm parametrelerinden komşu izole mukavemet ve komşu izole kopma derecesi ele alınmıştır. Her bir tepenin eşit olarak kabul edildiği ağırlıksız graflar için ve her tepenin önemine göre ağırlık değeri verildiği ağırlıklı graflar için bu zedelenebilirlik ölçüm parametreleri incelenmiştir. Ek olarak, ele alınan bu dört parametreye ait, mükemmel (perfect) grafların önemli bir alt sınıfı olan interval graflar için polinom zaman algoritmaları verilmiştir. Anahtar Kelimeler: Graf Teorisi, Zedelenebilirlik, Graf Algoritmaları, Interval Graflar, Komşu İzole Mukavemet, Komşu İzole Kopma Derecesi
Türkçe metinlerin sınıflandırılmasında kullanılmak için geliştirilen melez bir öz nitelik seçim yöntemi
Teknolojinin her alanda yaygınlaşması, kullanılması ve internete erişimin kolaylaşması ile içerikler üretilmesi, paylaşılması ve depolanması kolaylaşmıştır. Bu interaktif eylemler sonucunda ise geçmişten günümüze depolanan veri miktarlarında büyük oranlarda artışlar gözlemlenmiştir. Depolanan verilerin ise oldukça büyük bir kısmı ise metinlerden oluşmaktadır. Veri miktarlarının artmasıyla birlikte depolama maliyetlerinde de artışlar olmuştur. Veri boyutlarının, ciddi oranda ve irrasyonel şekilde artması sonucunda verilerin iyi bir şekilde yönetilmesi gerektiği gözler önüne serilmiştir. Üstelik, veriler kullanılarak yapılan çalışmalardaki, öznitelik sayısının fazla olması da maliyeti yükselten ve başarımı düşüren etmenlerdendir. Ayrıca, iyi bir analiz bu verilerden sektör bağımsız kazanımlar elde etmek de mümkündür. Metinlerin, yüksek boyutlu olması sebebi ile ortaya çıkan maliyet ve başarım sorunlarından kurtulmak ve tahmin başarım oranlarını artırmak için öznitelikler arasında seçim yapılması gerekmektedir. Bu noktada ise öznitelik seçim yöntemleri devreye girmelidir. Bu çalışmada, Türkçe metinleri sınıflandırmak amacı ile melez bir öznitelik seçim yöntemi üzerine çalışılmıştır. Çalışmada kullanılan yöntemin amacı bilgi kazancı, simetrik belirsizlik, korelasyona dayalı öznitelik seçimi gibi zayıf filtreleri birleştirmek için çoğunluk oyu ve sıralama tahsisi ile tüm öznitelikler arasında özniteliklerin kalitesini ölçen melez bir öznitelik seçim yöntemi oluşturmaktır. Elde edilen öznitelikler ise Saf Bayes, J48, DVM, Rastgele Orman gibi algoritmalara ile test edilmiş ve sonuçlar gözlemlenmiştir. Elde edilen sonuçlara göre, diğer filtreleme yöntemlerine göre daha olumlu sonuçlar elde edilmiştir.
Transfer öğrenmesi tekniği tabanlı derin öğrenme yöntemiyle ürün tanıma
Üretim yapan fabrikalarda üretim esnasında makine ve robotların payı oldukça fazla olmasına rağmen, üretimde insan faktörü olmazsa olmaz sektörler mevcuttur. Üretimin herhangi bir aşamasında insan eliyle üretim söz konusu ise hatalı ürün üretilmesi kaçınılmazdır. Yine kalite testlerinin insan eliyle olması üretilen bu hatalı ürünlerin müşteriye gitmeden elenme olasılığını düşürmektedir. Hatalı ürün üretiminin minimuma indirilmesi için daha önce hatalı ve doğru ürünler ile eğitilmiş bir modelin, üretim bandı sonunda ürünlerin kontrolü için uygulanması kalite departmanında çalışan insan yükünün azalmasını ve hatalı ürünlerin tespitinin kolaylaşmasını sağlayacaktır. Yüksek başarı oranına sahip iyi bir sınıflandırma modeli oluşturmak için bu modelin birçok örnek ile eğitilmesi gerekmektedir. Yeterli sayıda etiketlenmiş veri örneği edinmek her zaman mümkün olmayabilir. Model başarımını arttırmak için yeterli sayıda veri olmadığı durumlarda transfer öğrenme modeli başarım oranını arttırdığı birçok çalışmayla literatürde gözlemlenmektedir. Bu çalışmada elektrik ve su sayacı üreten bir fabrikada üretim esnasında hatalı ürünlerin tespiti için tek bir sayaç modeli üzerinden elde edilen hatalı ve doğru ürünleri içeren veri seti oluşturulmuştur. Elde edilen veri setinde ürün sayısı düşük olduğu için transfer öğrenme yaklaşımıyla deneysel çalışma yürütülmüştür. Bu çalışmada, transfer öğrenme tekniğinden önce veri seti CNN algoritması ile eğitilmiş ve modelin başarı oranı %88 olarak tespit edilmiştir. Transfer öğrenme algoritmalarından VGG16 algoritması ile oluşturulan model %99.5 başarı oranı gösterirken ResNet50 ile %99.4 ve Xception ile %100 başarı oranları elde edilmiştir. Sonuç olarak kullanılan veri setinde transfer öğrenme algoritmalarının başarı oranı CNN algoritmasına oranla daha yüksek olduğu gözlemlenmiş ve en yüksek başarı oranına ortalama bir sürede eğitimi gerçekleştiren Xception transfer öğrenme algoritması olmuştur.
Ağlarda ortalama bağlama sayısı üzerine
Bilgi teknolojilerindeki hızlı gelişim ve rekabetin etkileşimi sonucunda bir ağın güvenilirliği ve ne kadar sağlam kaldığı önemlidir. Bir ağdaki bazı merkezler veya merkezler arasındaki ağ bağlantılarının hasar görmesi ile iletişim kesilene kadar ağın dayanıklılığını ölçmeye ağın zedelenebilirliği denir. Bir iletişim ağının merkezlerinde veya bağlantı hatlarında oluşabilecek hasarlara karşı ağın dayanıklılığını inceleyebilmek için; ağın merkezleri çizgenin tepeleri, merkezler arasındaki bağlantıları da çizgenin ayrıtları olacak şekilde çizgeler modellenebildiğinden, iletişim ağlarının zedelenebilirlik değerlerini araştırmak için çizgelerde çeşitli zedelenebilirlik parametreleri tanımlanmıştır. Bu makalede ortalama bağlama sayısı üzerine çalışılmıştır. v∈V(G) için, v tepesi için yerel bağlama sayısı bindv(G) olarak gösterilir ve bindv(G)=mins∈Fv(G)){(|N(S)|)/(|S|)} , burada Fv(G)={S⊆V(G)|v∈S,S≠∅,N(S)≠V(G)}. G çizgesinin ortalama bağlama sayısı bindav(G) şu şekilde tanımlanır, bindav (G)=1/n ∑(v∈V(G))bindv(G), burada n, G çizgesindeki tepe sayısıdır. Bu çalışmada ortalama bağlama sayısı için genel sonuçlar verilmiştir. Ardından bazı özel çizgelerin ortalama bağlama sayıları bulunmuştur. Son olarak, çizgelerin ortalama bağlama sayılarının hesaplanması için algoritma verilmiştir. Algoritma, kod ölçütleriyle analiz edilmiş ve kullanışlılığı gösterilmiştir.
Yazılım tanımlı içerik dağıtım ağlarında (software-defined content delivery network, SD-CDN) eMBB trafiği için erişim protokolü tabanlı kontrolör tasarımı
Günümüzde 5G altyapısında akan video trafiği aşırı bir hızla artmaktadır. 5G'de eMBB olarak adlandırılan bu trafik, geleneksel DNS tabanlı CDN ile yönlendirilmektedir. Bu yapıda BGP, kullanıcı isteklerini coğrafi olarak en yakın yerel CDN kullanıcısına yönlendirmektedir ve bu durumun yerel CDN sunucularında aşırı yüklenme ile sonuçlanması kaçınılmazdır. Literatürdeki çalışmalara göre eMBB içeriğine erişim türlerinin dikkate alınması, CDN önbelleğe almada daha fazla isabet oranı ile sonuçlanmaktadır. Ayrıca, anycast tabanlı yönlendirme, coğrafi dezavantajına rağmen trafik akışlarının bir kısmını yerel sunucu yerine daha uzak olan merkezi sunucuya yönlendirebilmektedir. Bu çalışmaların ışığında, eMBB trafiğinin erişim protokollerine göre yönlendirme gereksinimi ortaya çıkmıştır. Günümüzde, eMBB trafiği isteklerini yönlendirmede, kullanılan uygulamanın bulunduğu işletim sistemine göre değişim gösteren TCP tabanlı HTTP/2.0 ve UDP tabanlı QUIC kullanıcı erişim protokol türlerini dikkate alınmaktadır. Ancak önceki çalışmalar CDN'de erişim tipine göre en uygun sunucuyu seçme konusunda merkezi bir görüşe sahip değiller ve protokol tabanlı yük (toplam eşleşme paketlerinin sayısı) ve heterojenlik (paketlerin erişim protokollerine (HTTP2/QUIC) göre oranı) gibi ağ dinamiklerini dikkate almamaktadırlar. Dolayısıyla; 5G'de eMBB gereksinimlerini karşılayamamaktadır. Bu nedenle, eMBB trafiği için, Veri ve Kontrol düzlemlerini birbirinden ayıran ve anycast yönlendirmesinin kolay uygulanabildiği erişim protokolüne duyarlı(dikkate alan) Yazılım Tanımlı İçerik Dağıtım Ağları (SD-CDN) öneriyoruz. Veri düzlemindeki OpenFlow ağ cihazlarından alınan istatistiklerle, yeni önerilen ağ cihazlarının yük ve heterojenlik metrikleri periyodik olarak hesaplanmaktadır. Ardından SD-CDN'de yeni erişim protokolüne türüne duyarlı yönlendirme algoritması kullanarak cihazlara OpenFlow kurallarını gömülerek yerel veya merkezi CDN sunucusuna yönlendirme gerçekleştirimesi amaçlanmamıştır. Gerçek bir test ortamında yapılan performans değerlendirmelerine göre; önerilen SD-CDN, yerel veya merkezi CDN sunucularından alınan eMBB içeriğinin PSNR ile ölçülen kalitesine göre kıysalandığında; geleneksel DNS tabanlı CDN'den yaklaşık olarak %60 daha iyi QoS ile hizmet vermektedir.
Topluluk öğrenimi yöntemi ile yazılım gereksinimlerinin sınıflandırma performansının iyileştirilmesi
Günümüzde gelişen teknoloji ile yazılım projeleri hayatımızın vazgeçilmez bir parçası haline getirmektedir. Bu durum, kullanıcılarla buluşan yazılım projelerinin sayısında büyük bir artışa sebep olmaktadır. Yazılım projelerinin sayındaki artışa paralel olarak firmaların rekabet etme noktasında verimli ve başarılı yazılım projelerini ortaya koyması daha da önem kazanmaktadır. Yazılım projelerinde başarı, belirlenen bütçe ve süre içerisinde müşterinin talep etmiş olduğu özellik ve işlevlerin eksiksiz yerine getirebilmesi yönlerinden değerlendirilmektedir. Yazılım projelerinin başarılı bir şekilde sonuçlanması için dikkat edilmesi gereken en önemli adımlardan biri yazılım gereksinim analizi çalışmalarıdır. Proje yaşam döngüsü içerisindeki ilk adım olan gereksinim analizi adımında, gereksinimler ne kadar doğru bir şekilde belirlenir ve belirlenen bu gereksinimler ne kadar doğru bir şekilde analiz edilirse, projenin sonraki adımları daha kontrollü bir biçimde gerçekleştirilmektedir. Yazılım projelerinde özellikle işlevsel ve işlevsel-olmayan gereksinimlerin dikkatli bir şekilde ele alınması gerekmektedir. Bu çalışmada işlevsel ve işlevsel-olmayan gereksinimlerin sınıflandırılmasında veri bilimi kullanarak, harcanan zamanın düşürülmesi ve insan bağımsız hale getirilmesi amacıyla çeşitli makine öğrenimi algoritmalarının performansları test edilmiştir. PROMISE-NFR veri seti kullanılarak, yapılan testler ile makine öğrenimi algoritmalarının tekil sonuçları değerlendirilmiştir. Algoritmaların performansları doğruluk metriği kullanılarak kıyaslanmıştır. Yapılan kıyaslama sonucu 0,8992 doğruluk değeri ile en yüksek performans değerine Naive Bayes algoritması ile ulaşılmıştır. Algoritmalarının tekil performanslarının arttırılması hedefi ile kolektif öğrenme yöntemleri kullanılmış ve Vote uygulaması ile algoritmalarının ikili ve üçlü etkileşimleri incelenmiştir. İkili ve üçlü değerlendirmeler için her gruptaki makine öğrenmesi algoritmalarından on adet algoritma belirlenmiş ve aralarındaki ilişkiler incelenmiştir. İkili olarak ele alınan algoritmaların performansları değerlendirildiğinde istenilen başarıya ulaşılamamıştır. Üçlü olarak ele alınan algoritmaların performansları değerlendirildiğinde ise 0,9024 doğruluk değeri ile en iyi sonuca SMO, PART ve Random Forest algoritmalarının birlikte kullanımı ile ulaşılmıştır. Sonuç olarak topluluk öğrenimi yöntemlerinin tekil makine öğrenimi yöntemlerine göre daha iyi sonuçlar verdiği ortaya koyduğu tespit edilmiştir.
Ağlarda zedelenebilirlik ve ayrıt parametreleri üzerine
Günlük yaşantımızda iletişim ve veri aktarımının önemi giderek artmaktadır. Bu iletişim ve veri aktarımını sağlayabilmenin bir yolu ise bilgisayarlar arası iletişim yani bilgisayar ağlarıdır. İletişimin verimli olabilmesi için kesintisiz, güvenilir ve hızlı olması istenir. Günümüzde karmaşık bir hal almış birçok problem modelleme yolu ile daha sade ve anlaşılır bir hale getirilebilir. Bu modeller çizge teorisinde önemli bir yer alan zedelenebilirlik parametreleri ile incelelenebilmekte ve irdelenebilmektedir. Bu tezde çizgelerdeki ayrıt parametreleri; Ayrıt Saçılma Sayısı (Edge Scattering Number), Ayrıt Kopma Derecesi (Edge Rupture Degree), Ayrıt Bütünlüğü (Edge Integrity) üzerine çalışılmıştır. Belirtilen parametrelerin her biri için algoritmalar oluşturulmuştur. Oluşturulan algoritmalar detaylıca açıklanmıştır.
COVID-19 pandemi sürecinin eğitim üzerindeki etkilerinin makine öğrenme teknikleriyle tespit edilmesi
2020 küresel COVID-19 pandemisi, afet niteliğinde ekonomik ve sosyal bozulmalara yol açmıştır. Pandemi, sağlık, gıda, ticari işletmeler ve eğitim dahil olmak üzere neredeyse hayatımızın her alanını etkilemiştir. Yükseköğretimde eğitim-öğretimin dijitalleşmesiyle birlikte büyük bir değişim yaşanmıştır. Pandemi ile mücadelede dünya genelindeki birçok yüksek öğretim kurumu, lisans ve lisansüstü dersleri eşzamanlı ya da farklı zamanlı olarak çevrimiçi vermeye başlamıştır. Bu süreçte insanlar, haber, bilgi, sosyal bağlantılar, destek ve yardım elde etmek amacıyla büyük ölçüde sosyal medyayı kullanmışlardır. Sonuç olarak, Web' de COVID-19 ile ilgili çok büyük miktarda elektronik metin belgesi paylaşılmıştır. Bu çalışmada, COVID-19 pandemi sürecinde eğitimlerine uzaktan devam eden üniversite öğrencilerinin, pandemi sürecinde almış oldukları uzaktan eğitimin olumlu ve olumsuz etkilerini analiz etmek üzere derin öğrenmeye dayalı bir duygu analizi yaklaşımı sunulmaktadır. Bu bağlamda, geleneksel makine öğrenmesi algoritmalarının (Destek Vektör Makineleri, Naive Bayes, Lojistik Regresyon ve Rastgele Orman) ve derin sinir ağlarının (Evrişimli Sinir Ağı, Tekrarlayan Sinir Ağı, Uzun Kısa Süreli Bellek ve Geçitli Tekrarlayan Birim) tahmin performansları karşılaştırılmıştır. Bunun yanı sıra, transformatörlerden (BERT) çift yönlü kodlayıcı temsilleri ile elde edilen deneysel sonuçlar değerlendirilmiştir. Farklı metin temsil modelleri ve sınıflandırma algoritmaları ile elde edilen kapsamlı deneysel sonuçlar, derin sinir ağlarının COVID-19 ile ilgili metin belgelerinin yüksek öğretim üzerindeki etkisini analiz etmede umut vadeden sonuçlar verebileceğini göstermektedir.
Çift yönlü enkoder transformatör tabanlı Türkçe metin sınıflandırma derin öğrenme modeli geliştirilmesi
Yazının icadından günümüz dünyasına kadar geçen sürede katlamalı olarak artan sayıda yazılı bilgi kaynakları mevcuttur. Çok büyük miktarda metin verisi beraberinde kaçınılmaz sorunları da getirmiştir. Elde edilen yazılı verilerin incelenmesi, etiketlenmesi, konularının tahmin edilmesi gibi problemler Doğal Dil İşleme, Makine Öğrenmesi ve son yıllarda adını sıkça duyduğumuz Derin Öğrenme teknikleri ile çözüme kavuşturulmaktadır. Yapısal olarak birbirinden farklı diller üzerinde çıkarım ve inceleme yapmak ise çok daha zordur. Bu sorunun bilincinde olarak her dil için aynı teknikleri ve işlemleri kullanmak yerine dillerin kökenine ve morfolojik yapısına göre çözüm geliştirmek daha akılcı olacaktır. Bu tez çalışmasında yapısal olarak zengin bir dil olan Türkçe üzerinde BERT modeli başarımının geleneksel Makine Öğrenmesi algoritmalarına kıyasla daha fazla olduğunun gösterilmesi hedeflenmektedir. Morfolojik olarak zengin diller üzerinde geleneksel Makine Öğrenmesi algoritmalarını uygulamak için çok yoğun ön işleme adımları gerekmektedir. Fakat BERT modeli kullanılırken bu yoğun ön işleme adımlarına gerek kalmamaktadır. Yarı eğitimli bir model olan BERT etiketlenmemiş ham veri üzerinde daha performanslı çalışmaktadır. Bu çalışmada literatürden Metin Sınıflandırma, Duygu Analizi, Spam Tespiti olmak üzere üç farklı Türkçe veri seti üzerinde deneyler yapılmıştır. Yapılan deneyler sonucunda BERT modelinin geleneksel Makine Öğrenmesi algoritmalarının birçoğundan daha iyi performansla çalıştığı kanıtlanmıştır. Deneylerden elde edilen çıktılar sonuç ve öneriler bölümünde paylaşılmıştır. Anahtar Kelimeler: Çift Yönlü Kodlayıcı Temsilleri Transformatörler; Doğal Dil İşleme; Türkçe Metin Sınıflandırma
Çift yönlü enkoder transformatör tabanlı siber zorbalık tespiti derin öğrenme modeli geliştirilmesi
Gelişen ve değişen teknoloji ile internet kullanımının yaygınlaşması ve sosyal medya platformlarının kullanımının artması iletişimi, bilgi paylaşımını güçlendirmekle birlikte, kişileri sürekli rahatsız etme, kişilerle alay etme, tehdit, dedikodu yayma, internet üzerinden kişiye hakaret etme gibi ilişkisel saldırı davranışlarını içeren siber zorbalık olarak tanımlanan eylemin meydana gelmesine sebep olmuştur. Siber zorbalığın insan üzerinde birçok olumsuz etkisi bulunmaktadır. Bilim insanları ve araştırmacılar, günden güne artan bu eylemi tespit etmek, tespit eden sistemler geliştirmek, siber zorbalığı önlemek amacıyla çeşitli çalışmalar yapmışlardır. Bu çalışmalardan bir tanesi de Doğal Dil İşleme ile Makine Öğrenmesi algoritmaları kullanarak Siber Zorbalık tespitinin yapılmasıdır. Siber Zorbalık tespiti için kullanılan yaygın yöntemlerden biri Makine Öğrenmesi algoritmalarıdır. Girdiler, algoritmalar tarafından işleme tutulmadan önce ön işleme adımlarından geçmektedir. Ön işleme adımlarının fazlalığı ve karmaşıklığı Türkçe gibi morfolojik açıdan zengin olan dillerde Makine Öğrenmesi algoritmalarının performansını olumsuz yönde etkilemektedir. Doğal Dil İşleme için Google geliştiricileri tarafından yayınlanan BERT algoritması ve ön eğitimli bir algoritma olup, ön işleme adımlarına ihtiyaç duymamaktadır. Yukarıda belirtilen sebeplerden dolayı, BERT algoritmasının Makine Öğrenmesi algoritmalarına karşı Doğal Dil İşleme çalışmalarında daha iyi sonuçlar vereceği düşünülmektedir. Bu çalışmada Türkçe siber zorbalık veri seti üzerinde Makine Öğrenmesi algoritmaları ve BERT algoritmasının performansı karşılaştırmalı sonuçlarla değerlendirilmiştir.
Makine öğrenmesi ile lise öğrencilerine mesleki alan seçim rehberi
Yapay zekâ insanların beynini taklit ederek ve geri bildirimlere göre kendini sürekli yenileyerek geliştiren bir sistemdir. Bu sistem her geçen gün insan hayatında daha büyük bir yer edinmektedir. Bunun sebebi; yazılım içeren teknolojik araçlarda yapay zekâ sistemleri bulunduğunda çevre ile iletişimin üst düzeye çıkması bu sayede de geri bildirimler alabilmesi, sonuç olarak da bu araçların işlevinin artmasıdır. Makine öğrenmesi kavramı yapay zekânın bir uygulama alanıdır ve endüstri içerisinde kullanımı yaygındır. Makine öğrenmesinin kullanılabilmesi için gereken en önemli araç anlamlı bir veridir. Makine öğrenmesi yöntemleriyle, veri üzerinde ile insan gözünün yakalayamadığı ilişkiler ve sonuçlar çıkartılabilir. Buradan çıkan sonuçlar ile de ilgili problem alanı özelinde iyileştirmeler yapılabilir. Eğitim kurumları verinin muazzam boyutlarda bulunduğu kurumlardır. Ancak ülkemizde bu veriler henüz pek kullanılmamaktadır. Bu tezin konusu bu sebeple eğitim alanında seçilmiştir. Makine öğrenmesi yardımıyla lise öğrencilerinin 4 sene boyunca derslerde aldıkları notlar ve bir takım başka bilgileri ile seçtikleri üniversite bölümleri arasında korelasyon olabileceği düşünülmüştür. Bu motivasyonla Millî Eğitim Bakanlığı'ndan gerekli izinler alınarak önceki senelerde mezun olmuş lise öğrencilerinin bilgisi toplanmıştır. Toplam 447 gözlem birimi oluşturulmuştur. Bu öğrencilerin seçtikleri toplam bölüm sayısı 43 olarak belirlenmiştir. Gözlem birimlerinin bağımlı değişkendeki sınıf sayısına oranı düşük olduğundan dolayı benzer bölümler birleştirilerek yeni bağımlı değişkenler oluşturulmuştur. Sonuç olarak veri seti üzerinde tekrarlanan deneyler için 43, 23, 9 ve 6 sınıf içeren etiketleme yaklaşımları ele alınmaktadır. Bununla birlikte veri seti üzerinde her bir etiket için 10 makine öğrenmesi algoritması test edilmektedir. İlk etiketleme yaklaşımında %43, 2. yaklaşımda %53, 4. yaklaşımda %75 başarı oranı ile XGBoost çok başarılı sonuçlar vermektedir. 3. etiketleme yaklaşımında ise en başarılı sonucu %65 ile KNN vermektedir. Çalışmada elde edilen sonuçlara göre veri setindeki gözlem birimleri önemli ölçüde arttırılırsa bölümlerin gruplandırılarak yeni etiketler oluşturulmasına gerek kalmayacağı ve tahminlerdeki başarıların önemli ölçüde artacağı ortaya konmaktadır.
Makine öğrenmesi teknikleriyle kripto para duygu analizi
İlk kripto para birimi olan Bitcoin'in çıkması ile birlikte hayatımıza giren kripto para kavramı finansal yönden pek çok yeniliği beraberinde getirmektedir. Daha önce bilinmeyen pek çok kavram kripto paraların çıkması ve yaygınlaşması ile birlikte konuyla ilgilenen insanlar tarafından merak edilip araştırılmaktadır. Kripto paralara olan yönelimlerin ve araştırmaların artması ile birlikte daha çok insan tarafından konu ile ilgili yazılar yazılmakta ve duygu ve düşünceler uzun metinlerden ziyada birkaç kelimeden oluşan kısa cümleler ile platformlarda anlık olarak paylaşılmaktadır. Bunun sonucunda kripto paralar ile ilgili metin verilerinin sayıları artmakta ve gün geçtikçe metin verileri büyük veri kaynağı haline gelmektedir. Büyük veri kaynağı haline gelen kripto para paylaşımları, verilerin duygularını analiz edip sınıflandırarak kripto para piyasası ile ilgilenen insanlar için piyasanın yönü hakkında bilgi verme isteğini doğurmuştur. Duygu analizi çalışmaları pek çok konu başlığı için tercih edilebilmektedir. Literatürdeki çalışmalara bakıldığında ise kripto paralar ile ilgili duygu analizi yapılan çalışmalar mevcuttur. Fakat yabancı metinler kullanılarak yapılan çalışmalar Türkçe dilinde yapılan çalışmalara kıyasla oldukça fazladır ve yapılan çalışmalarda ele alınan kripto para çeşitliliği genellikle çok azdır. Bu tez çalışmasında Bitcoin, Ethereum, Solana, Ripple, Avalanche, Chiliz, Bitcicoin kripto paraları ile NFT-DeFi teknolojileri hakkında Twitter platformu üzerinden paylaşılan metin parçaları kullanılarak bir duygu analizi çalışması yapılmaya çalışılmıştır. Bunun için derin öğrenme algoritmalarından CNN, RNN, LSTM ve GRU algoritmaları kullanılarak sınıflandırma doğruluğu, duyarlılık, geri çağırma ve F-ölçütü metrikleri için sonuçlar alınmıştır. Daha sonra ABCDM, AC-BiLSTM, AGCNN, ARC, ATTPooling, CAT-BiGRU, CNN-GRU, CRNN, HAN, IWV, SS-BED, Ağaç-BLSTM, Ağaç-LSTM ve WCNNLSTM hibrit mimarileri kullanılarak sonuçlar alınmış ve elde edilen sonuçlar karşılaştırılmıştır.
Çift yönlü enkoder transformatör tabanlı duygu analizi derin öğrenme modeli geliştirilmesi
Bu tezde, Türkçe duygu analizi için yeni sinirsel dil modeli olan BERT modeli uygulanmıştır. Doğal dil işleme son zamanlarda ilerleme kaydetmiş olsa da bileşik anlamları temsil etmek zorlu bir iştir. Geleneksel derin öğrenme yöntemleri, cümlelerin sıradan bir doğrusal yapı, yani zincirler veya diziler olduğunu iddia eder. Bu tezde, kelimelerin morfolojik yapısı dikkate alınarak Türkçe duygu analizi problemi için daha başarılı sonuçlar elde etmek amacıyla önceden eğitilmiş sinir ağı kullanılarak uygulama geliştirilmiştir. Etiketlenmemiş metinden yakın zamanda yapılan derin çift yönlü bir kendi kendine dikkat gösterimi olan BERT, ince ayarlı birçok Doğal Dil İşleme (DDİ) görevinde dikkate değer sonuçlar elde etti. Bu tezde, morfolojik olarak zengin bir dil olan Türkçe için BERT algoritması etkinliğini göstermek amaçlanmıştır. Morfolojik olarak zengin diller, verileri Makine Öğrenimi (MÖ) algoritmalarına uygun olacak şekilde modellemek için yoğun dil ön işleme adımları gerektirir. Özellikle, veri seyrekliği veya yüksek boyutlu problemlerin üstesinden gelmek için verimli bir veri modeli elde etmek için parçalama, kök bulma görevlerine ihtiyaç vardır. Bu bağlamda, literatürden Türkçe için yaygın DDİ araştırma problemlerinden duygu analizi problemi seçilmiştir. Sonrasında BERT'in deneysel performansı temel MÖ algoritmalarıyla karşılaştırıldı. Ağır ön işleme görevlerini ortadan kaldırırken, seçilen DDİ probleminde temel MÖ algoritmalarına kıyasla gelişmiş sonuçlar elde edilmiştir.
Kanatlı canlı üretim optimizasyonu ve ürün bazlı sipariş tahminleme sisteminin geliştirilmesi
Kanatlı canlılardan mamul üretimi alanında faaliyet gösteren tesisler siparişe dayalı üretim gerçekleştirmektedir. Her kanatlı canlıda belirli sayıda parça ürün bulunması talep edilen siparişlerin karşılanmasını zorlaştırmaktadır. Bu durumla birlikte depolama maliyetinin yüksek olması ve oluşan ürün ömrünün kısa olması bu tür üretim yapan tesislerin elde en az ürün bırakıp siparişleri karşılamasını önemli kılmaktadır. Müşterilerden gelen siparişlerin kanatlı canlıda ürün payının düşük olduğu ürünlerden yoğunlukta gelmesi ve bu siparişin karşılanması tesisin geri kalan anatomik ürünlerin depoda kalmasına neden olacaktır. Kanatlı canlı ürünlerinin raf ömrünün kısa olması ve depolama işleminin maliyetli olması tesislerin zarar etmesine sebep olabilmektedir. Bu durumlardan kaynaklı olarak tesisler müşteri güvenilirliği, sipariş edilen miktar gibi bazı verilere bakarak siparişler üzerinden kesintiler yaparak siparişlerin anatomik oranda daha dengeli olmasını sağlama çalışmaktadır. Yapılan bu çalışmada da ilgili tesislerin gelecek sipariş miktarlarının hangi müşteri ve ürün tipinden geleceğinin tahminlenmesi yapılacaktır. Yapılan bu çalışma doğrultusunda tahminlenen sipariş rakamları yardımı ile firmanın siparişlerinin en doğru şekilde dağıtılması hedeflenmiştir. Sipariş tarihinden daha önce tahminlenen sipariş rakamları sayesinde ihtiyaç duyulabilecek kanatlı canlı hesaplanıp karşılanacak ürünlerin belirlenmesi, firma tarafından erken aksiyon alınmasına yardımcı olacaktır. Tahminleme işlemleri bir yapay sinir ağı olan LSTM (Long Short-Term Memory) ve Facebook tarafından geliştirilmiş Prophet modelleri ile sağlanmıştır.
Gerçek zamanlı üretim takibi ve karar destek sistemi geliştirilmesi
Globalleşen dünyada üretim yapan şirketlerin endüstriyel üretim süreçlerini daha iyi yönetebilmesi ve rakip şirketlere göre bir adım daha önde olabilmesi için çalışmalarını artırması kaçınılmaz bir gereklilik haline gelmiştir. Üretim sektöründeki verimliliği arttırmak, işletme maliyetlerini düşürmek ve daha kaliteli ürün üretmek için Endüstri 4.0 ile beraber teknolojinin sağlamış olduğu imkanlar dijital sistemleri ön plana çıkarmıştır. Bu tez çalışmasında, büyük ölçekli bir sigara üretim fabrikasının gerçek zamanlı ve geçmişe yönelik sigara filtresi üretim takibinin web arayüzünden izlenmesi gerçekleştirilmiştir. Kalite ölçüm sistemleri, SAP ve Programlanabilir Lojik Kontrolör (PLC) kaynaklarından atık miktarı, üretim miktarı, duruş nedenleri, duruş süreleri, hız değerleri gibi verilerin anlık olarak toplanıp, tek bir veritabanında kayıt altına alınması sağlanmıştır. Sürekli olarak veritabanına kaydedilen bu ham verilerin bir Windows servis aracılığı ile dakikalık, saatlik, günlük ve vardiyalık zaman dilimleri için ortalamaları, toplamları ve kümülatif değerleri hesaplanarak veritabanında kayıt altına alınmıştır. ASP.NET MVC ile gerçekleştirilen bir web uygulaması ile fabrikadaki tüm makinelerin üretim süreci takip edilebilmektedir. Böylece üretim aşamasında operatörlerin, teknik personelin ve yöneticilerin anlık olarak makine verilerini grafikler ve tablolar ile izlemesi, aynı zamanda olası bir olumsuz durumda daha hızlı aksiyon alınması amaçlanarak üretim kayıplarının azaltılması ve daha verimli bir üretim sürecinin yönetilmesi sağlanmıştır. Anahtar Kelimeler: Endüstri 4.0, akıllı fabrika, akıllı üretim, PLC, Gerçek Zamanlı Üretim Takip Sistemi
Visualizing the path of a photo taker from image metadata
Nowadays, mobile forensics is one of the most challenging aspects of the digital forensic analysis field. Smartphones provide a wealth of interesting data for forensic analysis and investigators. As many applications use location data to enhance or provide their services, the log files of Android devices can contain valuable information and geodata. Based on the geodata (longitude and latitude), it is possible to recreate the whereabouts of the smartphone and its user at specific points and locations in time. Image metadata is an interesting and important part of the information in any digital forensic investigation. It will show and provide information about the exact time and location where the picture was taken, the device that took the picture and much more. Currently, there are many commercial tools available that help investigators of computer forensic analysis to cover and work with a wide range of geographic information that is connected to criminal activities and crime scenes. However, to the best of our knowledge, there are no specific forensic tools available to work with the geolocation of pictures that have been taken by Android devices. Photos captured on Android devices that utilise Google Photos store the date/time and geolocation of the pictures in their properties for security reasons. This developed application depends on these photos to track the user's journey and find all the details of this journey. Photos taken in different places and at different times during a journey can be used in forensic analysis to locate routes between captured photos and show it on Google Maps based on the geolocation details.
Generation and realization of true random numbers based on physical unclonable functions
The need for random numbers and random number generators is increasing day by day. Random numbers are compiled, especially in computer science and such as computer compilers and cryptographic systems. Random numbers can be generated by using some numerical operations to an initial value, often called a kernel. We can also generate random numbers in many ways, such as using a specific algorithm, a mathematical formula, predetermined tables, or using natural physical events that do not have a deterministic character. The random number generation process can be reproducible when the same channel is used. Therefore, the output of the random number generator may not be truly random. Random number sequences are used in many fields since they consist of numbers that are statistically self-reliant of each other and have no correlation. Random number generators are also used in computer simulations, numerical analysis applications, statistical analysis, applications using the Monte Carlo method, and especially in encryption. For example, the reliability of cryptographic algorithms depends on the numbers generated by random number generators. If these numbers are statistically random, that is, if the recent cannot be determined by looking at the previous outputs, then the generator has excellent statistical properties. In other words, proper encryption requires the right Random Number Generator (RNG). It is possible to divide the RNGs into True-RNGs and Pseudo-RNGs. Depending on the purpose of the application, one of these two structures is preferred. While the actual TRNGs are based on the measurement of natural processes such as noise, the so-called TRNGs use deterministic methods such as numerical algorithms. While true RNGs are used in applications where security is essential before mentioned as encryption, the performance of so-called RNGs is sufficient to be used in computer simulations. In this thesis, the Generation and Realization of True Random Numbers Based on Physical Unclonable Functions are presented. Both PUF structures were performed in FPGA and the numbers produced were tested with the NIST test suite. Successful results were obtained from the tests. Chapter 2 of this work shows the definition of random numbers and their classification, current usage areas, and the reviews about random numbers while Chapter 3 shows PUF architecture. In chapter 4 the National Institute of Standards and Technology (NIST-Test), while in chapter 5 PUF architecture and their implementation in the FPGA environment is discussed and a short evaluation in the conclusion part is given
Guns detection using YOLO algorithm
This approach focuses on the technology of object detection, the various and innovation methods used in this field of machine learning in general, focusing on object detection in particular. In which we clarify the fundamental things in this field, which have been developed gradually and become the focus of attention to the development of the world at present. The practical aspect of this research explains the use of the You Only Look Once (YOLO) technique, as this branch of object detection is the most developed and most updated branch used in the last couple of years. Our idea is detecting guns in real-time videos or monitoring cameras, so we need the speed of processing that could process frames per second; this property is available in YOLO as the best technique having the speed of the process. We have created a dataset for a specific weapon (AKM-47) as a test for the technique if the camera can detect weapons in real-time or not. We mentioned that despite the sophistication of this technology and its need for some large specifications such as a high-speed memory like SSD's, a good CPU's and also needs GPU's. But it still is very important to process it, because if it is applied on the ground of its art, it will help many people avoid becoming victims of terrorism and murder.
Hava trafiği yönetimi için ADS-B sistemi uçuşverilerinin veri madenciliği yöntemleriyledeğerlendirilmesi
Sürekli değişen ve gelişen dünyamızda çok fazla miktarda bulunan verinin değerlendirilip bilgiye dönüştürülmesi uzun işlem ve süreç gerektirmektedir. Değişen, gelişen pazar koşulları ve yenilenen teknolojiler sayesinde verinin bir araya getirilmesi ve depolanması biçimi çok farklı boyutlar kazanmıştır. Şirketler sayısal ortamda yığın şeklinde duran verileri işlemek, geleceğe yönelik analizler ve tahminler yapmak için kullanmayı istemektedirler. Bilgiye dönüştürülmeyen veri, şirketler için pek değerli değildir. Bu yüzden verinin anlamlı bilgiye dönüştürülmesi sürecinde veri madenciliği ve makine öğrenmesi metotları devreye girmektedir. Veri madenciliği verilere anlam ve değer kazandırmak amacıyla çeşitli işlemler/yöntemler/metotlar uygular ve bilgiye dönüşümünü sağlar. Dönüştürülen veriler satış, pazarlama, sigorta, bankacılık ve bilgisayar bilimleri alanlarında geleceği tahmin etmeye yönelik işlemlerde kullanılır. Bu tez kapsamında veri madenciliğinde kullanılan ücretsiz yazılım aracı olan WEKA ve ORANGE programı ile, bir ADS-B uçuş veri setleri üzerinden sınıflandırma ve kümeleme işlemleri yapılacaktır. Artan hava yolu taşımacılığının, sürekli olarak artan uçuşlar göz önüne alındığında bu sistemlerinin güvenliği ve uçtan uca izlenmesi daha karmaşık bir hale gelmiştir. Bu sorunlara yeni bir çözüm üreten ve klasik karaya konuşlu radarların zaafiyetlerini ortadan kaldıran yeni nesil hava trafiği yönetimi (nextgen) olan ADS-B sistemi ayrıntılı bir biçimde incelenecektir. Yapılacak inceleme ile birlikte uçuş verilerinin veri madenciliği yöntemleri kullanılarak barındırmış olduğu değerli bilgiler ortaya çıkarılacaktır. Bu sayede veri setimiz için sunulmuş olan sınıflandırma ve kümeleme algoritmlarının performans karşılaştırması yapılacaktır. Ayrıca mevcut kullanımda olan veri madenciliği platformları ücretli / ücretsiz olma durumlarına göre, algoritma sayılarına, sınıflandırma, kümeleme vs... gibi özellikleri başta olmak üzere bir çok açıdan karşılaştırılıp incelenecektir.
Design and implementation for smart home system with keyless entry based on internet of things
With the exponential growth of the Internet of Things (IoT) usage and devices and with the increasing interest of users in acquiring these devices to improve comfort and optimize their household chores, it is necessary to develop a robust and secure smart home system that allows users to connect all these devices and manage their information in a flexible way, with low implementation costs. Thus, this thesis target is to present a cost reduced and flexible home control and monitoring system based on the concept of IoT using NodeMCU ESP8266 module and Arduino Uno board with Blynk mobile application and Ubidots IoT platform, accessing and controlling devices and appliances at any time and remotely from a mobile phone, a PC or any other device with an internet connection. In this project, three relay switches, a DHT22 sensor for measuring temperature and humidity, IR sensors for detections, and an ultrasonic sensor for measuring the distance with Blynk server and Ubidots cloud are used. In addition, the system also offers highly secure and encrypted data exchange between the ESP8266 and the server. Therefore, a proper cryptographic algorithm is used, which is the Advanced Encryption Standard (AES) technique to protect the system's valuable data. The designed smart home system can unlock door and control lights which are connected with relay switches. Also, the system monitors house surrounding with a dedicated DHT22 sensor, show the status of the door and window by IR1 and IR2 sensors, and measure the distance of an object by the ultrasonic sensor with live update of data in very short interval.
Improving sentiment analysis based deep learning by using feature selection
In recent years, sentiment analysis has gained a great deal of research due to the dramatic growth in online social media use. For learning-based methods, many technically advanced strategies have been used to improve the performance of the forms. The sentiment analysis system uses natural language processing techniques and a sentimental vocabulary network, and one of the applications of deep learning in NLP is sentiment analysis. The most popular and successful type of RNN is the LSTM network. There is much research that uses the LSTM ability to analyze sentiment. However, large data volumes reduce the accuracy of LSTM network results in test data; in other words, over-fitting occurs. This problem occurs when there is a high correlation between independent variables. The model may not have high validity despite the high value of the correlation coefficient between the independent and dependent variables. In other words, although the model looks good, it does not have significant independent variables. Combining the LSTM network with feature selection methods can increase sentiment analysis accuracy to select effective features and solve them. In this study, we used the three benchmark datasets, namely (YELP, US Airline, and IMDB), then proposed a deep learning model (LSTM, Bi-LSTM, and GRU) to improve classification accuracy through using the feature selection method, namely, filter-based feature selection method Chi-square and Principle component analysis method PCA to select an optimal subset of features, and the performance of each measured and compared in terms of accuracy, precision, recall, and F1 score. After comparing the (LSTM, Bi-LSTM, and GRU) models with (Chi-2 and PCA) selected features, and also with the original feature set, the results show that feature selection methods significantly increase classification accuracy in all cases. . In the Yelp dataset, the maximum attained an accuracy of Bi-LSTM is 100% using chi-square. In the US Airline dataset, the maximum achieved accuracy of GRU-LSTM is 97.9% using chi-square. In the IMDB dataset, the maximum achieved accuracy of Bi-LSTM is 99.9% using chi-square.
Yapay zeka optimizasyon algoritması temelli aldatma ve söylenti tespit yöntemi
Günümüzde gelişen teknoloji ile birlikte bilgiye olan erişim yöntemleri de değişmiştir. Geleneksel bilgiye erişim araçlarından olan TV, radyo, gazete, dergi gibi araçlar yerini sosyal ağlara bırakmıştır. Bilgiye erişim yönteminin değişmesindeki temel faktörler arasında sosyal ağların ucuz olması, geleneksel yöntemlere göre daha hızlı erişilmesi ve internetin olduğu her yerden rahat bir şekilde ulaşılması başlıca nedenleridir. Sosyal ağların veya sosyal medyanın bu kadar çok avantajına rağmen geleneksel yöntemlere göre dezavantajlı olduğu konu ise bilginin doğruluğudur. Sosyal medyada bilgi o kadar çabuk yayılır ki ya yayılırken insanlar bilgiyi istemsizce değiştirmekte (söylenti olayı) ya da bilgi kasıtlı bir şekilde belirli bir veya bir takım amaçlar için yanlış servis edilmektedir (aldatma olayı). Bilginin bu şekilde dağıtılmasının ticari, politik, ekonomik gibi birçok nedeni olabilir. Hem söylenti hem de aldatma amaçlı olan yanlış içerikli bilgi hem bilgiyi edinen kişiyi hem de toplumu olumsuz yönde etkiler. Sosyal ağlardaki aldatma ve söylenti içerikli bilginin tespit edilmesi son derece önemlidir. Bu tezde sosyal ağ problemlerinden olan Söylenti Tespit Problemi ve Aldatma Tespit Problemi bir optimizasyon problemi olarak ele alınmıştır. Optimizasyon çalışması sırasında üçü ilk defa bu tezde önerilen yeni kaotik optimizasyon algoritmaları olmak üzere beş adet metasezgisel optimizasyon algoritması kullanılmış ve literatürde kullanılan yedi adet denetimli yapay zekâ algoritması ile aldatma tespiti ve söylenti tespiti sonuçları karşılaştırılmıştır. Problemlerin çözümü noktasında önermiş olduğumuz yöntem çok yeni olmasına rağmen, umut verici sonuçlar elde edilmiştir.
Hybrid image denoising in multiresolution wavelet domain
Recently, with the explosion in the number of digital images captured every day in all life aspects, there is a growing demand for more detailed and visually attractive images. However, the images taken by current sensors are inevitably degraded due to the noise caused by the acquisition, transferring, compression, encoding, and storage processes, including retrieval process into the various fields, such as medical, astrophysics, weather forecasting, etc., which contributes to impaired visual image quality. Therefore, more work is needed to reduce noise by preserving the textural, information, and structural features of the digital image. So far, there are different techniques for reducing noise that various researchers have done. Each technique has its own advantages and disadvantages. In this work, and to denoise the blurred image caused by Additive White Gaussian Noise (AWGN) in the digital images field, a new approach is designed and implemented as a noise removal system aimed to study the application of spatial domain filters with working mechanisms based on the multiresolution wavelet domain threshold value. Various types of wavelet transform and threshold techniques have been tested to achieve improved results of the image noise reduction process by distinguishing and removing the noise from the affected pixel units, and the wavelet decomposition is applied with a three-levels of analysis. Hard and soft threshold techniques and spatial filters were applied for each of the high-frequency and low-frequency sub-images. Then, an inverse wavelet transform was applied to the denoised image. Finally, the performance metrics Peak Signal to Noise Ratio (PSNR) is calculated to estimate the evaluation of the suggested method. Experimental evaluation outcomes of the proposed method reveal a better improvement of image quality concerning minimizing noise and edge preservation than the results of the related works instead of using a threshold-based WT domain or spatial domain filters separately. Studying the application of a mechanism of image denoising as a hybrid system to applying it to the noisy image with a mixed type of noise can be considered future work.
Sayısal patoloji görüntülerinin analizinde yenilikçi derin öğrenme yaklaşımlarının geliştirilmesi
Son zamanların en popüler makine öğrenmesi yöntemlerinden biri olan derin öğrenme; görüntü işleme, ses tanıma, sinyal işleme vb. birçok alanda başarılı bir şekilde uygulanmaktadır. Derin öğrenme yöntemleri; insansız hava araçları, robotik, akıllı telefon ve sağlık gibi alanlarda etkili bir şekilde kullanılmaktadır. Özel tarayıcıların geliştirilmesi ve biyopsi işleminin sayısallaştırılması ile bilgisayar destekli teşhis oldukça popüler bir araştırma alanı haline gelmiştir. Bilgisayar ortamında depolanan sağlık verileri gün geçtikçe artmaya devam etmektedir. Bu artan veri miktarına bağlı olarak makine öğrenme yöntemlerinin performansları dikkat çekici bir şekilde iyileştirilmiştir. Derin öğrenme yöntemleri, sayısallaştırılmış görüntüler aracılığıyla uzman kişilerin tanı ve teşhisinde kolaylık sağladığı gibi kanser gibi kritik bir rahatsızlığın otomatik tanısı ve teşhisi için umut olmuştur. Meme kanseri, toplumda en yaygın görünen kanser türlerinden birisidir. Meme kanserinin erken teşhisi hastanın tam tedavi edilebilmesindeki başarı oranını önemli ölçüde artırmaktadır. Meme kanserinin tanı ve teşhisinde histopatolojik görüntüler önemli bir yer almaktadır. Bu tez çalışması kapsamında, meme kanseri histopatolojik görüntülerinin analizi için birtakım yenilikçi derin öğrenme yöntemleri geliştirilmiştir. Tez çalışmasında birden fazla açık erişimli kanser veri seti incelenmiştir. Bu veri setlerinin analizinde kullanılacak çeşitli programlama paketleri oluşturulmuş ve veri setlerinin düzenlenmesi için özel teknikler geliştirilmiştir. Histopatolojik görüntülerin analizlerinin yapılması amacıyla, farklı derin öğrenme modellerinin oluşturulması aşamaları etraflıca ele alınmıştır. Geliştirilen bu modeller için farklı parametreler ve yöntemler denenerek en iyi çözüm elde edilmeye çalışılmıştır. Ön eğitimli bazı popüler derin modellerin, histopatolojik görüntülerin sınıflandırılması ve bölütlenmesi problemindeki performansları değerlendirilmiştir. Bunların yanı sıra, yüksek boyutlara ulaşan sayısal görüntü boyutunun azaltılması ve bu görüntülere ait çok daha düşük boyutlu temsillerin elde edilmesi için yeni bir derin öğrenme modeli sunulmuştur. Böylece sağlık alanındaki yüksek boyutlu sayısal görüntülerin uzak birimlere kolayca aktarılmasına yardımcı olacak yeni bir model sunulmuştur. Ayrıca bu yöntemler sayesinde uzman seviyesinde histopatolojik görüntülerin sınıflandırılması, işaretlenmesi sağlanmıştır.
EEG sinyalleri kullanarak yeni doğanlarda nöbet tespiti için derin öğrenme yöntemlerinin kullanılması
Epileptik nöbet, beynin tamamında veya bir kısmında görülen ani ve düzensiz elektriksel boşalma sonucunda ortaya çıkan klinik bir durumdur. Yeni doğan nöbetleri, çocukluk ve yetişkinlik döneminkilerden daha farklı klinik belirtiler gösterirler. Nöbetlerin zamanında fark edilememesi ve sonuçta ortaya çıkan tedavi eksikliği vakalarda ölümle sonuçlanabilir. Nöbet tespitinin acil olarak yapılması ve tedaviye başlanması yeni doğan bebeklerde hayati bir önem taşır. Bu nedenlerle nöbet tanısında uzmanlara karar verme sürecinde yardımcı olan bilgisayar destekli sistemlere ihtiyaç vardır. Derin öğrenme, ham girdiden daha üst düzey özellikleri aşamalı olarak çıkarmak için birden çok katman kullanan bir makine öğrenme algoritmaları sınıfıdır. Çoğu derin öğrenme yöntemi sinir ağı mimarilerini kullanır. Evrişimli sinir ağları (CNN), klasik makine öğrenmesi yöntemlerindeki manuel özellik çıkarma ihtiyacını ortadan kaldırır, bu nedenle görüntüleri sınıflandırmak için kullanılan özellikleri tanımlamanız gerekmez. Derin öğrenme ilk zamanlarda donanımsal eksiklikler ve veri setinin yetersiz olması sebebiyle bir süre durgun süreç geçirse de günümüzde eksikliklerin giderilmesi ile popüler olmaya başlamış ve son zamanlarda sağlık hizmetlerinin kalitesini arttırmada çok büyük ölçüde katkı sağlamıştır. Bu tez çalışmasında, yeni doğanlarda nöbet tespiti için makine öğrenmesi algoritmalarından birçok sınıflandırma algoritması kullanılarak tüm EEG kanallarında sinyal analizi yapılmıştır. Daha sonra önceden eğitilmiş derin öğrenme mimarileri kullanılarak en yüksek performans sağlayan C4-P4 kanalı üzerinde 1-boyutlu sinyal verileri 2-boyutlu görüntülere dönüştürülerek spektrogramları elde edilmiş ve kullanılan veri seti üzerinde sınıflandırma hem 1D hem de 2D olarak yapılmıştır. Çalışmanın mühendislik alanında epileptik nöbet teşhisinde sınıflandırma başarısı için birçok yöntem denenmiş ve en etkili sınıflandırma için algoritma başarıları sınanmıştır. Tıp alanında ise yeni doğanların EEG sinyallerine derin öğrenme yöntemleri uygulanarak nöbet teşhisine etkisi analiz edilmiştir. Önerilen yöntemle yapılan bu çalışma sonucunda daha hızlı ve daha az maliyetle yüksek performans elde edildiği görülmektedir.
Makine öğrenmesi ile özellik bazlı fikir madenciliği gerçekleştiren öğrenci proje ve yorum sistemi
Çevrimiçi öğrenme sistemlerinin kullanımı giderek yaygınlaşmaktadır. Covid – 19 pandemisi ile birlikte önemi daha da artmıştır. Ödevlerin ve projelerin dağıtımı ile bu çalışmaların öğretici tarafından geri toplanması eğitimin çevrimiçi ortama taşınması aşamasında önemli bir adımdır. Ödevler ve projelerin çevrimiçi ortama taşınması ve öğrencilerin akranlarının çalışmaları ile ilgili fikir alışverişinde bulunması, ödev ve projeler ile alakalı yorum verilerinin de birikmesine sebebiyet vermiştir. Bu yorumlar aracılığı ile ödev ve projeler ile ilgili fikir beyanlarını öğreticiye özellik bazlı olarak çıkarabilecek bir sistem ortaya koymak öğreticiye değerlendirme aşamasında zaman ve efor açısından kolaylıklar sağlayacaktır. Çalışmada öğreticiye destek sağlayabilecek özellik bazlı fikir madenciliği gerçekleştiren bir sistem oluşturulması hedeflenmiştir. Bu tez çalışmasında elde edilen yorumlara çeşitli önişleme adımları uygulanmış, dilbilimsel olarak ve makine öğrenmesi yöntemleri ile özellik tespiti gerçekleştirilmiş. Dilbilimsel yöntem ile özellik çıkarma aşamasında 0.18 oranında başarım sağlanmıştır. Koşullu Rastgele Alanlar Algoritması ile 0.81 F1 Skoru elde edilmiştir. Manuel olarak etiketlenen veriler aracılığı ile polaritelerin belirlenmesi amacıyla makine öğrenmesi modelleri eğitilmiştir. K- En Yakın Komşu Algoritması ile 0.56, Karar Ağaçları Algoritması ile 0.59, Destek Vektör Makineleri ile 0.606 ve Rastgele Orman Sınıflandırıcısı ile 0.64 F1 Skoru elde edilmiştir. Sonuçlar aracılığıyla Koşullu Rastgele Alanlar ile özelliklerin tespit edildiği ve Rastgele Orman Sınıflandırıcısı ile özelliklerin polaritelerinin tespit edildiği Öğrenci Proje ve Yorum Sistemi geliştirilmiştir.
Denetimli öğrenme yöntemleri kullanılarak bir ses olay tespit sisteminin gerçekleştirilmesi
Günümüzde ses ile ilgili çok farklı analiz çalışmaları yapılmaktadır. Bunların başında konuşmayı tanıma, konuşmanın metne dönüştürülmesi, ses transkripsiyonu(sesin ayrıştırılması) gibi çalışma alanları gelmektedir. Yapılan çalışmalar ile ilgili literatür incelendiğinde çalışmaların önemli bir bölümünün bir veri setindeki ses verilerinin öğrenilmesi ve sınıflandırılması üzerine yapılmış olan çalışmalar olduğu görülmektedir. Bilindiği üzere doğada milyarlarca ses bulunmaktadır ve sınıflandırma yöntemleri ile gerçekleştirilen çalışmalar sınırlı veri kümesi üzerinden öğrenimin gerçekleşmesinden dolayı yetersiz kalabilmektedir. Tez çalışmasının ana hedefi "denetimli bir öğrenme modeli ortaya koyarak ses verisi üzerindeki kişi seslerinin ve arka plan sesleri üzerinden çıkarımlarda bulunulması" konusunda araştırma gerçekleştirmektir. Tezde ses verisi ve makine öğrenmesi algoritmaları ile işlenmesi için gerekli olan çalışma yapılmıştır. Tezde akustik ve inceleme yöntemleri ve denetimli makine öğrenmesi yöntemleri hakkında yapılan araştırmalara yer verilmiştir.
Standart polisomnografik parametrelerin uyku apnesinin teşhisine etkisinin makine öğrenmesi yöntemleriyle araştırılması
Horlamayla en çok karıştırılan uyku hastalıklarının başından gelen Tıkayıcı Uyku Apnesi Sendromu (OSAS) tıbbi açıdan erken tanı konulmadığı için tedavi edilmediği zaman ölümle sonuçlanabilmektedir. Tıkayıcı Uyku Apnesi uyku esnasında solunum yollarının tam veya kısmi olarak kapanması sonucu uykunun bölünmesi, uyku kalitesinin düşmesi, felç gibi sorunlara yol açtığı gibi ölümle bile sonuçlanabilecek ciddi sorunlara yol açan bir sağlık sorunudur. Türkiye'de OSAS yaygınlığı %0.9 ila %1.9 arasındadır. OSAS hastalığının görülme yaygınlığı yaş, boyun çapı, sigara-alkol tüketimi, cinsiyet gibi niteliklerle ilişkilidir. Uyku apnesi tanısı konulması için uyku laboratuvarlarında polisomnografi sinyal kayıtları (PSG) kullanılmaktadır. Polisomnografi horlama, uyku apnesi, parasomnia (uyku esnasında anormal davranışlar), narkolepsi (gün içinde gelişen uyku atakları), huzursuz bacak sendromu gibi uyku bozukluklarının tanı ve tedavisinde kullanılan ve gece uykusu boyunca kişi vücudunun farklı bölgelerine yerleştirilen sinyal elektrotları yardımıyla beyin dalgaları, göz hareketleri, kalp ve göğüs aktivitesi, solunum etkinlikleri, kandaki oksijen miktarı gibi çeşitli parametrelerin kayıt altına alınmasıyla yapılan uyku incelemesinin adıdır. Yapılan çalışmada uyku laboratuvarlarından elde edilen bilgiler, uyku apnesi, uyku apnesinin etki ettiği uyku evreleri, PSG verileri ve bu verilerle yapılan mühendislik araştırmaları ile birlikte yaptığımız çalışma sunulmuştur. Yaptığımız çalışmada sağlıklı ve uyku apnesi görülen bireylerden alınan sinyal verileri yapay sinir ağlarına tabi tutularak her sinyalin uyku apnesinin teşhisine yönelik etkileri ortaya konulmaya çalışılmıştır. Gerekli literatür taramalarını gözden geçirerek yapılan araştırmayla birlikte daha farklı hangi çalışmalar yapılabileceği konusunda sonuçlandırma ve tartışma yapılmıştır. Daha yenilikçi ve sadece klinik olarak sonuçlandırılmayan çalışmalar yapılması öngörülmektedir. Klinik çalışmalar çoğunlukla hekim gözlemlerine ve tahminlerine dayandığından, bu süreçlerin daha bilimsel olması için daha fazla mühendislik çalışması gerekmektedir.
A performance analysis of deep learning algorithms for emotion detection based on EEG
Human emotions are a person's reaction to events around him. Human emotions play an important role in a person's life and greatly impact his behavior based on his daily mood. The development of computers in the past two decades has led to increased interest in human-machine interaction applications. Among these applications are human emotions applications, which have gained a lot of attention lately by psychologists. The main aim of this thesis is to detect human emotions using deep learning techniques. In this thesis, a physiological data set GAMEEMO was used to classify human emotions based on the discrete emotions model and the dimensional emotion model. The GAMEEMO dataset is an EEG dataset consisting of 128 Hz signals for 28 subjects. There are three main tasks of this thesis. The first task: Four feature extraction methods (statistical features (SF), a combination of SF and Welsh power spectral density (PSD), a combination of SF and Fast Fourier transform (FFT), and the combination of SF and wavelet packet decay (WPD) are applied on the pre-processed EEG signals to extract more features. The second task: Split the data based on two classes and four classes. The third task: Build a convolutional neural network (CNN) using a 1D CNN, a recurrent neural network (RNN) using a long-term memory (LSTM), and a hybrid model 1D CNN + LSTM architectures. This thesis achieved high performance using the WPD+SF feature extraction method, with more than 98% accuracy in both emotions' models.
Sezgisel PID kontrolör tasarımı ve DC motor simülasyonu
Optimizasyon problemlerin çözümünde farklı teknikler kullanılmaktadır. Bu tekniklerden biri olan metasezgisel optimizasyon algoritmaları karmaşık mühendislik problemlerin çözümünde yaygın olarak tercih edilmektedir. Literatürde bulunan bir optimizasyon algoritması her mühendislik problemi için en ideal çözümü gerçekleştirememektedir. Bu nedenle bir problemin en ideal çözümü bulmak için farklı optimizasyon algoritmasının gerçekleştirilmesi ile bulunabilir. Bu çalışmada endüstriyel uygulamalarda yaygın olarak PID kontrolörün parametreleri klasik matematiksel yöntem yerine sezgisel PID kontrolör tasarımı yapılmış ve literatürde bulunan DC motorun özellikleri transfer fonksiyonuna uygulanmıştır. Meta sezgisel optimizasyon algoritmaları olarak Parçacık Sürü Optimizasyonu (PSO), Gri Kurt Optimizasyon(GWO), Atom Arama Optimizasyon (ASO) ve Harris Şahinleri Optimizasyon (HHO) tercih edilmiştir. Bu optimizasyon algoritmalarının aynı koşullarda IAE, ISE, ITAE ve ITSE uygunluk fonksiyonu kriterine göre hesaplanan PID parametrelerinin performans değerleri algoritmalar için kendi aralarında ve klasik yöntemlerden Ziegler – Nichols (ZN) birim basamak cevabı yöntemine göre karşılaştırılması yapılmıştır. IAE, ISE, ITAE ve ITSE uygunluk fonksiyonu kriterine göre yapılan çalışmalarda meta sezgisel algoritmalar ZN yöntemine göre daha iyi sonuç verdiği görülmüştür. ITSE uygunluk fonksiyonu kriterine göre yapılan çalışmalarda algoritmaların diğer uygunluk fonksiyonlarına göre daha iyi sonuç verdiği görülmüştür. IAE ve ITSE uygunluk fonksiyonuna göre yapılan çalışmada PSO algoritması, ISE ve ITAE uygunluk fonksiyonuna göre yapılan çalışmada ise HHO algoritmasının daha iyi değerlere ulaştığı görülmektedir.
Improvement of a robust image encryption algorithm for security ofdigital images
One of the general problems in modern digital society is undoubtedly the information security topic. It is critical to ensure the security of information transferred, processed, and stored throughout digital channels. Among this information, digital images draw attention in terms of frequency of use in digital channels. In this thesis study, a new image encryption algorithm is proposed to address the security problems of digital images. The aspect that differentiates the proposed algorithm from thousands of image encryption algorithms in the literature is that it is designed within the framework of the provable security design principle. The provable security design approach has ensured that the proposed algorithm is theoretically secure with mathematical proof techniques. In addition to addressing the proposed architecture security concerns, the hybrid random number generator used as the key generator constitutes another unique aspect. This generator, which was designed using chaotic systems, physical unclonable functions, and optimization algorithms, stands out as the innovative aspect of the thesis study. The statistical randomness properties of the proposed random number generator were tested using the NIST SP 800-22 Statistical Test Suite. Successful results were obtained for 15 tests in the test package. In addition, the success of these outputs was tested on a new image encryption algorithm. The security of the proposed algorithm was tested from different angles using various experimental analyzes and a 12-step provable security analysis roadmap. Successful analysis results and performance measurements indicate that the proposed cryptographic components can be used in many information security applications and many future designs.
Generation of substitution box structures based on random selection and implementation of its practical applications
Practical applications in cryptology science have a very wide spectrum. One of the important primitives based on many of these applications is the substitution-box structures. Since substitution-box structures are the main component targeted by many attacks, developing new substitution-box structures resistant to new attack is a hot research topic. Random selection-based designs have become increasingly popular recently, as they are more resistant to side channel attacks than mathematically based designs. In this thesis study, four different random selection-based substitution-box generator approach has been proposed. The proposed substitution-boxes are designed based on pseudo random number generator algorithm, true random number generator hardware. noise entropy source and chaotic systems. More than two hundred new substitution-box structures generated within the scope of the thesis are presented to researchers as a public dataset. Analysis results showed that the proposed substitution-boxes have better performance criteria than many designs in the literature. These successful results indicate that the outputs of study can be used successfully in many practical applications that will be designed in the future.
Monte-Carlo forecasting and optimization of time series data using data mining and regression models
Many different models for time series modeling and forecasting tasks are proposed in the literature. However, research on modeling and forecasting seasonal time series data with trends remains an interesting and challenging task despite these contributions. Lately, in the 21st century, with the outbreak of the COVID-19 pandemic, time-series data experience uncertainty in most possible event outcomes. Organizations are keen on models that would provide them with an insight into the inherent dynamics of their time-series data, especially in predicting the future values of the series, as it is a tool that assists in decision-making. The best approach would be to have a model that can account for uncertainties in estimation. In this study, we proposed three hybrid time-series regression models: Polynomial-Fourier series, ANN-Polynomial-Fourier series, and ANN-Fourier series models to capture and describe different time-series data. The models combine the polynomial fitting, the Fourier fitting, and the artificial neural network. We ran 100 Monte Carlo simulations within 95% bounds of the models' regression curve to account for prediction uncertainties. The models were applied to many time-series data, which includes the tourism data of Turkey, Japan, Malaysia, and Singapore. The models have proven to be considered worthy candidates for time-series modeling and forecasting in each case. The Monte-Carlo simulation method was successful in predicting uncertain forecast outcomes. A Multi-step ahead forecast suggests a 10.22% increase in foreign visitors arrivals for Turkey in 2021, while Japan, Malaysia, and Singapore will expect a 92.42, 54.81%, and 70.55% decrease in the number of arrivals.
Deep learning based sentiment analysis for cloud provider selection
The selection of a viable Cloud Service Provider (CSP) has always been a crucial task for a Cloud Service Consumer (CSC) to avail of their offered services. This selection would enable a service consumer to maintain a trustful relationship with a provider. For that purpose, consumer reviews posted on internet websites and other social media platforms need to be carefully evaluated for a proper CSP selection. Sentiment Analysis, also termed Opinion Mining, is the computational treatment of text's views, experiences, sentiments, and subjectivity. Aspect-Based Sentiment Analysis (ABSA) extracts informative aspects within the text and uses them to classify the sentiment of reviews. Nowadays, different lexicon- based, supervised learning, and un-supervised learning techniques are used for sentiment classification tasks. Deep Learning is an AI technique used for language processing, text analysis, pattern recognition, sequence predicition tasks, etc. Its types, such as Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU), use different strategies to carry out processings. The dissertation performs Aspect-Based Sentiment Analysis of cloud consumer reviews using Deep Learning approaches of RNN, LSTM and GRU. The cloud reviews are extracted using Harvesting-as-a-Service (HaaS) framework. Analytic Hierarchy Process (AHP) model is used to decide the importance and priorities of aspects for Cloud Service Consumers (CSCs). The evaluation would assist cloud service consumers (CSCs) choose the best CSP ideal for their requirements.
Özellik seçimi için güncel meta sezgisel optimizasyonları kullanılarak yeni ikili optimizasyon algoritması geliştirilmesi
Meta sezgisel optimizasyon yöntemleri, sürekli optimizasyon problemlerinde etkin olarak kullanılmıştır. Ancak bu yöntemlerin yüksek boyutlu ve çok modlu ikili optimizasyon problemlerini çözmede etkili olması zordur. Bu nedenle meta sezgisel yöntemler kullanılarak birçok ikili optimizasyon algoritmaları geliştirilmiştir. Bu çalışmada, ikili optimizasyon problemlerinin çözümünde kullanılması amacıyla Altın Sinüs Arama Algoritması (Gold-SA) geliştirilerek İkili Altın Sinüs Arama Algoritması (bGold-SA) adlı bir yaklaşım önerilmiştir. Geliştirilen algoritma ile İkili Parçacık Sürü Optimizasyonu ( Binary Particle Swarm Optimization-BPSO), İkili Gri Kurt Optimizasyonu (Binary Gray Wolf Optimization-BGWO), İkili Yusufçuk Algoritması (Binary Dragonfly Algorithm-BDA), İkili Yarasa Algoritması (Binary Bat Algorithm-BBA) ve Hibrid İkili Parçacık Sürü Optimizasyonu ve Yerçekimi Arama Algoritması (BPSOGSA) algoritmaları karşılaştırılmıştır. Kıyaslama işlemi için 97 adet kısıtsız kıyaslama fonksiyonu, 14 adet mühendislik tasarım problemi kullanılmış ve parametrik olmayan Wilcoxon'un işaretli sıra testi kullanılarak başarı testi uygulanmıştır. Algoritmaların özellik seçiminde kullanılan versiyonları 17 adet veri seti üzerinde kullanılarak başarı değerlendirmesi yapılmıştır. Deneysel sonuçlar doğrultusunda, bGold-SA'nın diğer ikili algoritmalara göre; kıyaslama fonksiyonları, mühendislik tasarım problemleri ve Wilcoxon'un işaretli sıra testi üzerinde daha yüksek başarıya sahip olduğunu gözlemlenmiştir. Ancak özellik seçimi konusunda bu yaklaşımın BBA ve BPSO kadar etkili olamadığı sonucuna varılmıştır.
Çevrimiçi sosyal ağlarda derin öğrenme ve hibrit metasezgisel algoritma tabanlı nefret söylemi tespit sistemi
Sosyal medyanın son yıllarda yükselişiyle birlikte çevrimiçi ağlar, dünyanın her yerindeki milyarlarca insanın birbirleriyle etkileşimde bulunduğu, çeşitli içeriklerin paylaşıldığı ve sayısız günlük aktiviteyi gerçekleştirdiği canlı bir ortam haline gelmiştir. Sosyal ağların bu yoğun kullanımı birçok problemi beraberinde getirmiştir. Bu problemlerden biri olan Nefret Söylemi; bir kişiyi, olayı, kuruluşu, toplumu ya da düzeni hedef alan ve ifade özgürlüğünü aşan paylaşımların tamamıdır. Bu içeriklerin en başta insan haklarını ihlal etmesinden dolayı yayılmasının engellenmesi önem arz etmektedir. Ne yazık ki sosyal medya verileri, aşina olduğumuz geleneksel verilerden önemli ölçüde farklıdır. Muazzam boyutuyla beraber paylaşılma hızı göz önünde bulundurulduğunda, Nefret Söylemi tespiti sisteminin yapay zeka destekli yöntemlerle hızlı karar verme kabiliyetine sahip bir yapıda olmasını zorunlu kılmaktadır. Karmaşık bir yapıya sahip Nefret Söylemi problemi, disiplinler arası birçok problemin çözümü için uygulanan mevcut yapay zeka yöntemlerine ek olarak farklı yeni tekniklere yönelik talepleri beraberinde getirmektedir. Bu çalışma ile beraber Nefret Söylemi tespiti problemi için literatüre yeni bir soluk kazandıracak metasezgisel optimizasyon algoritmaları ve bu algoritmaların hibrit versiyonu önerilmiştir. Tamamlanan bu tez çalışmasında Nefret Söylemi tespiti problemi bir optimizasyon problemi olarak modellenmiştir. Önerilen hibrit metasezgisel optimizasyon algoritması, Nefret Söylemi probleminin çözümü için ilk kez kullanılmıştır. Önerilen yöntemle beraber çeşitli son teknoloji optimizasyon algoritmalar ve yapay zeka temelli algoritmalar kullanılarak sistemin başarısı değerlendirilmiştir. Önerilen yöntemin çevrimiçi sosyal ağlarda Nefret Söylemi içeriklerinin tespit edilip yayılmasının engellenmesi için etkin ve güvenilir çalışıp çalışmadığı ve diğer yöntemler karşısındaki başarısı çeşitli değerlendirme ölçütleri kullanılarak incelenmiştir. Elde edilen umut verici sonuçlar ışığında önerilen yöntemlerin birçok farklı sosyal ağ probleminin çözümünde uygulanabileceği öngörülmektedir.
Detection of web attacks via PART classifier
With the vast and continuous growth in both computers and communications fields, despite its facilitation of work at all levels, there are a number of new challenges society is facing. The most important of which is the security of sensitive data. With so many hackers wanting to steal sensitive information and exploit it for their own unethical purposes, new protection techniques have to be found. In recent years, Intrusion Detection System (IDS) technology has emerged as an effective option for protecting information within the network. This technology can distinguish between normal traffic and intrusion within the network. In this study, the PART-machine learning classifier algorithm was used to detect web attack attempts based on one of the most recent datasets CICIDS2017. The classifier achieved more than 99% accuracy. RandomForest, NaiveBayes, and BayesNet algorithms are also tested for comparison purposes.
Autism detection from facial Images using deep learning methods
Autism spectrum disorder (ASD) refers to a collection of behavioral and developmental issues and difficulties. The cognitive, communication, and play skills of a child with autism spectrum disorder are all affected. The description "spectrum" in autism spectrum disorder refers to the fact that each child is special and has their own set of characteristics different from other children. These come together to give him a unique social bond as well as his own understanding of his own actions. Medical image classification is a significant research field that is gaining traction among researchers and clinicians alike to detect and diagnose diseases. It addresses the issue of medical diagnosis, experiment purposes and analysis in the field of medicine. Several deep learning-based medical imaging applications have been proposed and developed to understand and learn about how diseases develop in patients, to help doctors in early diagnosis of pathology. Not only is achieving good accuracy in classifying medical images the main purpose alone. We used pre- trained CNN and transfer learning in this study. These CNNs pre-trained architectures are used to train the network and to classify medical images. The experimental results of this study show that the model based on transfer learning (Support Vector Machine + MobileNet) can detect Autism Spectrum Disorder at the best rate with 98.83% accuracy. The architectures that were tested in this study are ready to be tested with additional data and can be used to prescreen individuals with ASD. The use of deep learning methods for feature selection and classification in this study could greatly support future autism studies.