Yapay zeka
Bu konu başlığı altında 653 tez
Uzman sistem tabanlı kayısı bilgi sistemi tasarlanması
Uzman sistemler, bilgi tabanlı sistemler olup, problemleri daha geniş bir perspektifte inceleyip, problemin çözümünde insan zekasını taklit etmeyi amaçlayan uygulamalı bir yapay zeka alanıdır. Spesifik olarak, uzman bilgisine dayalı zor problemleri çözmek için tecrübelerden faydalanan etkileşimli bir karar verme aracıdır. Uzman sistemler farklı bilim dallarında yaygın olarak kullanılmakla birlikte tarım alanında kullanımı sınırlı olup üzerinde çalışmalar yapılması gereken önemli bir konudur. Dünya kuru kayısı üretiminin %57'si Türkiye'de üretilmektedir. Türkiye Kayısı üretiminin ise %85'i sadece Malatya ilinde üretilmektedir. Kayısı hakkında veri toplayıp raporlama ve analizlerinin yapılmasına maliyet ve brüt kar hesaplamalarına yönelik yapılmış bir yazılım bulunmamaktadır. Bu teze konu olan kayısının maliyet ve brüt kar hesaplamalarını yapan uzman sistem tabanlı bir uygulama yapılmıştır. Çalışmada Visual Studio 2017 yazılım geliştirme ortamı kullanılarak KAYBİS (Kayısı Bilgi Sistemi) yazılımı geliştirilmiştir. Söz konusu yazılımın veri analizini doğrulamak için; Malatya ilinin Akçadağ ilçesinde yüz yüze yapılan anket çalışmasıyla elde edilen veriler sisteme girilmiş ve doğru sonuçlar elde edildiği tespit edilmiştir. Geliştirilen yazılım ile kayısıda verim maliyet hesaplamalarında kullanılan değişen masraflar ve brüt kar hesaplamaları yapılmıştır. Bu program ile tarımsal işletmeler bireysel olarak anlık maliyet hesaplamalarını ve bürüt karlarını hesaplayarak üretim planlamalarını yapmalarında kolaylık sağlayacaktır. Çalışma sonucunda geliştirilen program ile tarımsal işletmelerin bireysel olarak anlık maliyet yapılarını ve brüt karlarını araştırmacılar tarafından görülmekle birlikte bölge ve bölge üreticisi hakkında bilgiler sağlayabilecek temel bir program haline gelecektir.
Bitki yapraklarındaki hastalıkların derin öğrenme yöntemleri kullanılarak tespiti ve sınıflandırılması
Dünya nüfusunun her geçen gün artması ile birlikte gıdaya olan ihtiyaç da bununla birlikte paralel bir şekilde artmaktadır. Bu nedenle tarıma duyulan ihtiyacın artmasıyla mahsul veriminin kalitesinin artırılması ve iyileştirilmesi önemli bir ilgi alanıdır. Bitkiler bir hastalıkla karşılaşması durumunda elde edilecek mahsulün miktarı ve kalitesinde azalma gerçekleşmesiyle birlikte verim düşecektir. Bu bakımdan, bitkilerden elde edilen ürünlerin kaliteli olması, bitkilerin hastalıklardan korunmasına bağlıdır. Bitkide hastalık meydana geldiğinde ise hastalığın erkenden tespitinin yapılabilmesi ve bitkinin tedavi edilebilmesi çok önemli bir gereklilik olup bu sayede bitkiden elde edilecek ürün verimi kalitesinin düşmesinin önüne geçilebilmiş olunacaktır. Bu çalışmada hastalıkların erken aşamada tespit edilmesi amacıyla son yıllarda oldukça popüler olan derin öğrenme tabanlı modeller ve çeşitli halka açık veri setleri kullanılarak sınıflandırma yapılmıştır. Tarım teknolojisindeki gelişmeler ve bitki hastalıklarının teşhisinde yapay zekânın kullanılmasıyla, sürdürülebilir tarımsal kalkınma için uygun araştırmaların yapılması gittikçe önemli hale gelmektedir. Bitkilerdeki hastalıkların erken tespit edilmesi ve elde edilecek ürün miktarının artırılmasına yönelik yapılacak bir çalışma önemlidir. Çünkü hastalığın bir uzman ya da çiftçiler tarafından çıplak gözle veya laboratuvar testleri gibi geleneksel sınıflandırma yöntemleriyle teşhis edilmesi zor ve yanıltıcı olabileceğinden ve aynı zamanda zaman alıcı, maliyetli ve öznel olması gibi birçok sınırlaması olduğundan dolayı bitki hastalıklarının derin öğrenme yöntemleri kullanılarak tespiti ve sınıflandırılması hızlı ve doğru bir yöntem sunmaktadır. Bu amaçla bitki yapraklarındaki hastalıkların erken tespit edilebilmesi için literatürde kabul gören derin öğrenme mimarileri kullanılmıştır. Ayrıca daha başarılı sonuçlar elde etmek için yeni bir model geliştirilmiştir. ANAHTAR KELİMELER: Bitki Hastalıkları, Derin Öğrenme, Görüntü İşleme, Evrişimli Sinir Ağı, Sınıflandırma, Yapay Zeka
Sezgisel algoritmaların denektaşı işlevler üzerinde başarım metrikleriyle karşılaştırılması
Bilgi çağı olan günümüzde bilgi ve iletişim teknolojileri kullanımının artmasıyla karmaşık problemler çok daha kısa sürede çözülebilmektedir. Teknolojik ilerlemelerle tıpkı bir insan gibi düşünüp, kendini geliştirebilen yapay zeka sistemleri ve en iyisini bulmaya çalışan optimizasyon teknikleri geliştirilmektedir. Optimizasyon işleminde kullanılan tekniklerden sezgisel algoritmalar, canlıların doğal yaşamından esinlenilerek geliştirilmiş olup, en iyi çözüme en yakın olan çözüme kolay ve hızlı bir şekilde ulaşmaktadır. Sezgisel algoritmaların çok sayıda türleri bulunmakta ve gün geçtikçe de yenileri türetilmektedir. Bu çalışmada sezgisel algoritmalar içerisinden bilim dünyasında yaygın olarak kullanılması, açık kaynak kodlu olması ve başarımlarının da diğerlerine görece daha iyi olması gibi sebeplerle sürü tabanlı yapay arı kolonisi(ABC), biyocoğrafya tabanlı optimizasyon(BBO), guguk kuşu arama algoritması(CSO), farksal gelişim algoritması(DE), yayılmacı rekabetçi algoritma(ICA) ve parçacık sürü algoritması(PSO) kullanılmıştır. Seçilen bu algoritmaların her biri literatürde sıklıkla kullanılan 8 denektaşı işlev üzerinde küresel minimum noktasını bulmak için aynı başlangıç pozisyonları ve şartları ile 2, 5 ve 10 boyutlu arama uzaylarında 30'ar kez koşturulmuştur. Koşmalar sonucunda algoritmaların başarımları en iyi ölçüt, en kötü ölçüt, doğruluk, kararlılık, zaman ve standart sapma başarım metrikleri sonuçlarına bakılarak değerlendirilmiştir. Algoritmaların kümülatif ortalama başarım değerlerine göre karşılaştırılmasında en iyi performansı DE'nin, takiben de PSO'nun verdiği görülmüştür. Koşma süresi açısından en iyi, kararlılık ve doğruluk açısından DE'ye yakın sonuçlar veren CSO, kümülatif ortalama başarım değerlendirmesinde üçüncü olmuştur. Kümülatif ortalama başarım değerlendirme de ICA dördüncü olurken, ona her işlevde en yakın sonuçları veren BBO beşinci olmuştur. Diğer algoritmalardan oldukça uzak değerleri üreten ABC'nin ise bu çalışmada kullanılan başarım değerlendirmesinde sonuncu olarak en düşük başarımı sergilediği görülmüştür.
Baraj dolgularında kullanılan zeminlerin fiziko-kimyasal özelliklerinin dayanım ve dinamik parametrelerine etkisinin araştırılması
Barajlar rezervuarlarında depolanan suyu kontrol eden ve nehirlerin akışını düzenleyen yapılardır. Baraj yapılmasına karar verilirken malzeme kaynakları, baraj yeri, temel zemini ve topografik koşullar dikkate alınmaktadır. Barajlar, inşaat ve kullanım ömürleri boyunca birçok göçme problemiyle karşı karşıya kalmaktadırlar. Barajlarda oluşan göçmelerin çoğu, dünyadaki barajların çoğunluğunu oluşturan toprak dolgu barajlarda oluşmaktadır. Dolgu barajların göçmeleri genellikle kademeli bir süreçtir. Bu sebeple dolgu baraj zeminlerinin statik ve dinamik özelliklerinin iyi bilinmesi gerekmektedir. Dolgu barajların tasarımı kohezyon, içsel sürtünme açısı, yoğunluk, kayma modülü gibi girdi parametreleri kullanılarak yapılmaktadır. Zeminlerin statik ve dinamik özellikleri olan bu girdi parametrelerine, fiziko-kimyasal özelliklerinin de etkisinin olduğu araştırılmaktadır. Yapay zekâ, bilgisayar teknolojilerinin gelişmesiyle birlikte günümüzde her alanda kullanılmaktadır. Zeminlerin statik ve dinamik özelliklerinin tahmininde de yapay zekâ çözüm teknikleri kullanılması en iyi yöntemlerden birisidir. Dolgu barajlardan temin edilen zeminlerin yapay zekâ yardımıyla kimyasal, mineralojik, statik ve dinamik özellikleri arasındaki ilişkiler irdelenmelidir. Bu tez çalışmasında, Eskişehir ve çevre illerinde bulunan 22 adet toprak dolgu barajlardan alınan zemin numunelerinin statik ve dinamik parametreleri belirlenmiştir. Daha sonra zeminlerin kimyasal ve mineralojik özellikleri belirlenerek, bu özelliklerin statik ve dinamik parametrelere etkisi incelenmiştir. Yapay zekâ yöntemleri yardımıyla, zeminlerin fiziko-kimyasal özelliklerinin dayanım ve dinamik parametrelerine önemli bir etkisinin olduğu belirlenmiştir.
Yapay zeka ile desteklenmiş bilgilendirilmiş onamda etik kodların belirlenmesi
Başlık: Yapay Zekâ ile Desteklenmiş Bilgilendirilmiş Onamda Etik Kodlarının Belirlenmesi Amaç: Bu doktora tezi, yapay zekâ (YZ) destekli bilgilendirilmiş onam sistemlerinin uygulanmasında ortaya çıkabilecek etik sorunları analiz ederek, bu sistemlerin etik kodlarını belirlemeyi amaçlamaktadır. Yöntem: Çalışma, ulusal ve uluslararası bilgilendirilmiş onam ve YZ etiği kılavuzlarının kapsamlı bir incelemesini içermektedir. Ayrıca, GPT-4 tabanlı ChatGPT gibi gelişmiş YZ programlarına bilgilendirilmiş onam senaryoları sunularak etik davranışları değerlendirilmiş ve elde edilen veriler geleneksel etik ilkeleri ve YZ etik kılavuzları ışığında analiz edilmiştir. Bulgular: Geleneksel etik ilkelerin YZ çağında önemini koruduğu ancak şeffaflık, hesap verebilirlik ve denetlenebilirlik gibi yeni ilkelerin ön plana çıktığı görülmüştür. YZ sistemleri, dil ve kültür farklılıklarından kaynaklanan sorunları azaltma, daha ayrıntılı bilgi sağlama ve yönlendirmeleri en aza indirme potansiyeline sahipken, empati, şefkat ve yas gibi insani unsurların eksikliği dikkat çekmektedir. Sonuç: Çalışma, YZ destekli bilgilendirilmiş onam sistemlerinin uygulanmasında dikkat edilmesi gereken 21 etik kod önermektedir. Bu kodlar, hastanın özerkliğini, mahremiyetini ve güvenliğini korurken, YZ sistemlerinin şeffaf, hesap verebilir ve adil olmasını sağlamayı hedeflemektedir. Ayrıca, insan kontrolünün önemine vurgu yapılarak, "metadeontik" adı verilen yeni bir etik yaklaşım önerilmektedir. Bu yaklaşım, evrensel ve değişmez etik ilkelerin, YZ marifetiyle bireysel ihtiyaçlara ve kültürel farklılıklara göre uyarlanmasını öngörmektedir.
Derin öğrenme teknikleriyle dinlenme halinde yüz cephe fotoğraflarında nokta tespiti algoritmasının geliştirilmesi
Amaç: Ortodontik tedaviler, yüz görünümünde belirgin değişikliklere yol açabilmektedir. Bu nedenle, hem teşhis aşamasında hem de tedavi planlamasında yüzün detaylı bir şekilde değerlendirilmesi önem kazanmaktadır. Geleneksel olarak antropometrik yöntemlerle yapılan bu değerlendirmeler, günümüzde daha pratik bir yaklaşımla fotoğraflar üzerinden gerçekleştirilmektedir. Sayısal bir değerlendirme yapabilmek için, yüz üzerindeki anatomik referans noktalarının yazılım desteğiyle otomatik olarak tespit edilmesi gerekmektedir. Bu çalışmada, derin öğrenme yöntemlerinin kullanılarak yüz fotoğraflarında bu referans noktalarını doğru bir şekilde belirleyebilme yeteneği araştırılmıştır. Materyal ve Metot: Derin öğrenme modeli oluşturulurken 1000 yüz fotoğrafı etiketlenmiştir. Çalışmamızda FarNet (Feature Aggregation and Refinement Network) mimarisi ve ResNet101 omurga ağı kullanılmıştır. Model, 900 fotoğraf içeren eğitim veri seti ile eğitilmiş ve 100 fotoğraftan oluşan test veri seti ile değerlendirilmiştir. Geliştirilen derin öğrenme modelinin performansı, ortalama radyal hata, standart sapma ve başarı tespit oranları hesaplanarak değerlendirilmiştir. Bulgular: Geliştirilen derin öğrenme modelinin ortalama radyal hata değeri 2.02 ± 2.47 mm olarak bulunmuştur. Model, 2.0 mm, 2.5 mm, 3.0 mm ve 4.0 mm aralıklarında sırasıyla %70.41, %77.33, %81.94 ve %88.89 başarı tespit oranlarına ulaşmıştır. 39 işaret noktası arasında, pupil right noktası 0.58 ± 0.72 mm ortalama radyal hata ile en düşük hata değerine sahip olmuştur. Pupil right noktası, 2.0 mm, 2.5 mm, 3.0 mm ve 4.0 mm aralıklarında en yüksek başarı tespit oranına ulaşmıştır. Sonuç: Derin öğrenme yöntemlerinin, anatomik işaret noktalarının tespitinde yeterli bir performans sergilediği görülmüştür.
Sefalometrik noktaların yapay zeka yöntemleri ile tespiti
Sefalometrik görüntüler üzerinde belirlenen noktalar kullanılarak yapılan sefalometrik analizler, ortodontik problemlerin tespiti ve tedavi yönteminin belirlenmesinde önemli bir araçtır. Geleneksel yöntemlerle yapılan analizler uzun zaman almakta ve sonuçlar, analizi yapan uzman hekimlere göre de farklılık gösterebilmektedir. Bu çalışmanın amacı, yapay zeka yöntemlerinin, sefalometrik analiz noktalarının tespitindeki başarısının ve uzman hekimlere yardımcı olup olamayacağının araştırılmasıdır. Bu çalışmada, 2015 yılında The IEEE ISBI 2015 Challenge kapsamında sefalometrik nokta tespiti algoritmalarının geliştirilmesi için halka açık yayınlanan veri seti kullanılmıştır. Bu veri seti, her bir görüntüde 19 farklı noktanın işaretlendiği toplam 400 lateral sefalometrik görüntüden oluşmaktadır. Veri setindeki görüntülerin 40 tanesi test, 360 tanesi eğitim için kullanılmıştır. Model eğitimi için Python programlama dili kullanılarak Pytorch kütüphanesi ile CNN ağı geliştirilmiştir. Eğitim, 300 epoch boyunca 0.001 öğrenme oranı ile sürdürülmüş, eğitim sonunda model kaydedilmiştir. Sefalometrik nokta tespiti için, klinik pratikte kabul edilebilir hata payı 2 milimetredir. Bu değerin üzerindeki tahminlerin, problem tespiti ve tedavi yönteminin belirlenmesinde hatalı sonuçlara neden olabileceği kabul edilmiştir. Yapılan eğitim sonucunda en başarılı tespit edilen nokta 7,82049 MRE ve 0,975 SDR değerleri ile Incision superius noktası, en başarısız tespit edilen nokta ise 43,20057 MRE ve 0,225 SDR değerleri ile Porion noktası olmuştur. Genel başarıya bakıldığında, %76.84 oranında başarılı tahmin oranının yakalandığı görülmektedir. Mevcut veri seti ile yapılan eğitim sonucunda, yapay zeka yöntemleri ile sefalometrik noktaların tespiti çalışmalarının, hekimlere karar destek mekanizması rolü üstlenebilecek bir başarıya yaklaştığı görülmektedir. Çalışmanın daha da geliştirilmesi ve hekimlerin kullanımına sunulması durumunda, önemli bir zaman kazancı sağlayabileceği, ayrıca hem farklı hekimlerin yaptığı işaretlemeler, hem de aynı hekimin farklı zamanlarda yaptığı işaretlemeler arasındaki tutarsızlıkların minimuma indirgeneceği düşünülmektedir.
Pekiştirmeli öğrenme yöntemi ile poz tahmini ve insan hareket analizi
Ev ortamında fizyoterapi ve sağlık uygulamaları, teknolojinin gelişmesi ve dijital iletişim araçlarının yaygınlaşmasıyla birlikte hayatımıza girmiştir. Bu uygulamalar, daha erişilebilir, etkili ve kişiselleştirilmiş sağlık hizmetleri sunma amacıyla gelişmiş teknolojilerin entegrasyonunu temsil etmektedir. Günümüzde, özellikle pandemik koşullardan sonra, hastaların konforlu bir şekilde kendi evlerinde tedavi görmelerine ve sağlık durumlarını takip etmeye olanak tanımak önemli bir araştırma konusu olmaktadır. Tez çalışması kapsamında, tüm bu ihtiyacı karşılamaya yönelik sağlık ve teknoloji bir araya getirilerek uzaktan fizik tedavi sağlayan kamera tabanlı bir yaklaşım ile kullanıcılara düşük maliyetli ve pratik bir tasarım sunmak hedeflenmektedir. Bu amaçla, kullanıcılara tekrar etmesi istenen hareketlere ait eğitmen videoları gösterilmekte ve en benzer şekilde bu hareketi gerçekleştirmeleri beklenmektedir. Sistemde, çalıştırılacak vücut fonksiyonuna göre seçilmiş 11 hareket bulunmakta ve bu hareketler kullanıcılara gruplandırılmış şekilde sunulmaktadır. Gerçekleştirilen hareketler, Mediapipe ile analiz edilmekte ve eğitmen/kullanıcı benzerliğinde hareket özelinde çıkarılan açılar kullanılmaktadır. Bu açılar, dinamik zaman bükme algoritması ile karşılaştırılmakta dolayısıyla yapılan hareketlerin benzerliği zamandan bağımsız olarak değerlendirilebilmektedir. Sistemdeki çevre tasarımına göre kullanıcıya gösterilecek hareketin kararı pekiştirmeli öğrenme algoritmalarından biri olan politika iterasyonu algoritması ile verilmektedir. Pekiştirmeli öğrenme aracılığıyla kullanıcıya oyunlaştırılmış bir tasarım sunulmakta ve ödül/ceza sistemi ile kullanıcının motivasyonunu yüksek tutmak amaçlanmaktadır. Sistem, kavramsal olarak ortaya konması sebebiyle alanında uzman kişilerin önerileri ile şekillendirmeye uygun ve esnek olarak tasarlanmıştır. Çalışma kapsamında temel uygulama alanı fizik tedavi olarak belirlense de aynı mantık ile çalışan tüm alanlarda uygulanma imkânı bulunmaktadır.
Gerçek zamanlı fizyolojik sinyal verilerinin karşılaştırmalı öğrenme tekniği ile kişiselleştirilmiş anomali tespiti
İnsanlardan alınan fizyolojik sinyaller, sağlık başta olmak üzere birçok alanda önem taşımaktadır. Kişinin kalp atış hızı, vücut sıcaklığı, kan basıncı, elektrodermal aktivite gibi bilgileri analiz edilerek kalp hastalıklarını teşhis edilebilmek, stres seviyesini belirleyebilmek, egzersiz performansını izlemek gibi birçok fayda sağlamaktadır. Teknolojinin gelişmesiyle birlikte fizyolojik sinyallerin daha kolay elde edilebilir olmasını sağlayan akıllı saatler ve bileklikler günlük yaşantımıza girmişlerdir. Bu sayede insanlar spor yaparken veya günlük hayatlarında, geliştirilen bu teknolojileri kullanarak sağlık durumlarını takip edebilmektedir. İnsan sağlığını etkileyen beslenme, fiziksel aktivite, uyku düzeni, genetik faktörler gibi unsurlardan biri de strestir. Günümüzde yaygın bir sorun haline gelen stres, sağlığımız üzerinde de ciddi etkilere sahiptir. Ayrıca vücuttaki çeşitli fizyolojik sinyaller üzerinde de stresin etkileri görülebilmektedir. Yapılan tez çalışması kapsamında da stresin fizyolojik sinyaller üzerindeki etkilerinin incelenmesi amacıyla karşılaştırmalı öğrenme modeli kullanılarak kişinin stresli olup olmadığının tespitinin yapılabilmesi hedeflenmektedir. Normal şartlar altında beklenenden farklılık gösteren, alışılmadık veya dikkat çekici olay ve durumlara anomali denmektedir. Bu nedenle çalışma kapsamında bir kişinin stresli olması anomali olarak değerlendirilmektedir. Karşılaştırmalı öğrenme, etiketlenmemiş veriler üzerinde kullanılmak üzere ortaya çıkan bir derin öğrenme yöntemidir. Zaman serisi verilerinde anomali tespiti, etiketlenme eksikliği nedeniyle genellikle sorun oluşturmaktadır. Bu sorunu çözebilmek için farklı hastalıklara sahip (obstetrik brakial pleksus yaralanması, disleksi, zihinsel engelli ve tipik olarak gelişmiş) çocuklardan alınan zaman serisi olarak tutulan kan hacmi nabzı, elektrodermal aktivite ve vücut sıcaklığı verileri ile karşılaştırmalı öğrenme modeli kullanılarak anomali tespiti yapılması hedeflenmektedir. Çalışma kapsamında ilk önce tüm veriler kullanılarak ardından kişiye özel anomali tespiti yapılmaktadır. Sonucunda ise kişiselleştirilmiş anomali tespitinin genel anomali tespitinden daha başarılı bir sonuç elde ettiği görülmektedir.
Gömülü sistemlerde makine öğrenmesi ile seri-optik haberleşmelerde veri bozulmasının tahmini ve iyileştirilmesi
Dış ortamda bulunan elektrik sayaçlarında, güneş ışığı seri optik haberleşmede bozulmalara neden olmakta ve sayaç ile haberleşme sağlanamamaktadır. Sayaçların okunması için kullanılan Bluetooth optik port okuyucunun ışıma şiddetinin dinamik olarak ayarlanması bu soruna alternatif bir çözüm oluşturmaktadır. TensorFlow-Lite kullanılarak ortam şartlarına uygun ışıma şiddetini tespit eden bir model geliştirilmiştir. Bu model bir mikrodenetleyici içerisinde çalıştırılarak, mikrodenetleyiciye bağlı bir ışık sensörü üzerinden okunan ortam koşularına göre haberleşme için gerekli ışıma şiddetinin ayarlanmasını ve haberleşmenin mümkün olmadığı durumların da önceden tespit edilmesi sağlamıştır. Yapılan bu çalışma sonucunda, mikrodenetleyiciye takılan ışık sensörü ile ortam ışık seviyeleri okunarak TensorFlow-Lite modelinde sınıflandırılmıştır. Bu sayede, derin öğrenme ağı ile güneş ışımalarının yüksek ya da düşük olduğu değişken dış ortam koşullarına göre ışıma şiddetini ayarlayarak optik haberleşmenin gerçekleşmesini sağladığı görülmüştür.
Türkiye'de batılılaşma hareketlerinin piyano müzik eğitimine etkisi tarihsel bir yaklaşım
Osmanlı İmparatorluğu'nun son dönemlerinden itibaren başlayan ve Cumhuriyet ile ivme kazanan Batılılaşma hareketleri, Türkiye'nin sosyo-kültürel ve eğitimsel yapısında köklü değişimler yaratmış; bu dönüşümün en belirgin yansımalarından biri de müzik ve piyano eğitimi alanında görülmüştür. Bu araştırmanın amacı; Türkiye'de 1839 Tanzimat Fermanı ile başlayan ve günümüze kadar uzanan Batılılaşma hareketlerinin, piyano müzik eğitimi üzerindeki pedagojik ve kurumsal etkilerini tarihsel bir perspektifle incelemektir. Piyanonun, Tanzimat'tan Cumhuriyet devrimlerine, çok partili dönemden neo-liberal politikalara kadar uzanan sosyo-politik dönüşümlerle iç içe geçmiş köklü bir eğitim olgusu olarak ele alınması, araştırmanın önemini oluşturmaktadır. Nitel araştırma yaklaşımlarına dayalı tarihsel araştırma modelinde tasarlanan çalışmada, veri toplama ve analiz aracı olarak "doküman analizi" tekniği kullanılmıştır. Alanyazındaki resmî belgeler, akademik kitaplar, makaleler ve lisansüstü tezler incelenerek; piyano eğitiminin gelişimi 1839-1923, 1923-1950, 1950- 1980 ve 1980-2025 olmak üzere dört temel dönem üzerinden kronolojik ve tematik olarak sentezlenmiştir. Araştırma bulgularına göre; birinci dönemde; piyano, sarayda ve mekteplerde bir Batılılaşma sembolü olarak girmiş, geleneksel meşk sisteminden nota sistemine geçilmiştir. İkinci dönemde; Erken Cumhuriyet'in "Milli Musiki" hedefiyle çağdaş ulus inşasının stratejik ve ideolojik bir taşıyıcısı olmuştur. Üçüncü dönemde; popüler kültürün yükselişiyle birlikte piyano eğitimi, devlet eliyle akademik kurumlara çekilmiştir. Son dönemde ise; neo-liberalizm ve dijitalleşmenin etkisiyle piyano eğitimi, devlet tekelinden büyük ölçüde çıkarak informel ve küresel bir ağa entegre olmuştur. Sonuç olarak; Batılılaşmanın veya Türk modernleşmesinin önemli bir göstergesi olan piyano eğitimi; devletin "yukarıdan aşağıya" dikte ettiği ideolojik bir proje olarak başlamış, zamanla kurumsallaşmış ve süreçle teknoloji tabanlı, bireysel ve uluslararası akademik standartları yakalamış bir eğitim disiplinine evrilmiştir.
Makine öğrenimi algoritmaları ile kredi kartı işlemlerinde dolandırıcılık tespiti
Bilgisayar ve bilgisayarlı sistemler günümüzde büyük bir öneme sahiptir. Bir de bu sistemlerde Yapay Zekâ'nın başlıklarından birisi olan Makine Öğrenmesi yöntemini kullandığımızda bir bilgisayarın insan olmadan neler yapabileceğini görebilmekteyiz. Bu sistemleri daha vazgeçilmez bir hale getiren internet kavramı vardır. Hayatımızda büyük bir rol oynayan internetin, birde karanlık bir yüzü vardır. İnternet artık günümüzde vazgeçilmez bir konumdadır. Uzaktan her bilgiye erişebilme, her cihazı kontrol edebilme gibi birçok imkân sağlayan internet, her ne kadar işimizi kolaylaştırsa da internete bağlı olan cihazlar risk altında olabilir. Bu yüzden suça meyilli veya suçlu kişiler bu ortama yönelmektedir. İnternet ortamında işlenen suçlara Siber Suçlar denilmektedir. Günümüzde insanlar alışverişlerini yaygın bir şekilde kredi kartları ile internetten yapmaktadırlar. Her ne kadar güvenilir web siteleri de olsa alışveriş yaptığımız bir cihaza bulaştırılmış olan bir Malware, kredi kartı bilgilerini çalma yöntemlerinden birisidir. Bu tez, kredi kartı ile yapılan alışverişlerin, çalınmış veya kopyalanmış bir kredi kartı kullanan dolandırıcılar tarafından mı yapıldığını, Yapay Zekâ ile tespit edilmesi üzerine yapılan bir uygulamayı içermektedir.
Suç soruşturmalarında veri madenciliği, yapay zeka, uygulamaları ve geleceği python ve opencv ile gerçek zamanlı yüz tanıma uygulaması
Tarih boyunca, sosyal hayatta, ekonomide, bilimde ve teknolojide yaşanan gelişmeler insanlık hayatını birçok alanda etkilemiş, bu etki insanlığı iyi yönde geliştirdiği gibi aksi yönde de insanlığın gelişimini sağlamış, ilk dönemlerinden bu yana basit ve çeşit olarak az olan suçun günümüze kadar birçok alana yayılmasına ve karmaşık bir hal almasına sebep olmuştur. Bunun yanında insan nüfusunun artması da eklenince suç soruşturmalarında çeşitli ihtiyaçlar ortaya çıkmıştır. Bunların başında suçluların kimliklerinin tespit edilmesi gelmektedir. Genellikle suç soruşturmalarında kimlik tespitinde yavaş olan eski geleneksel yöntemler kullanılmakta ya da veri madenciliği ve yapay zeka uygulamaları olan biyometrik sistemler (parmak izi sistemi, retina tarama vb.) kullanılmaktadır. Bu uygulamalarda da kişinin kendine ihtiyaç duyulduğu görülmekte bu da bizim karşımıza farklı bir problem olarak çıkmaktadır. Suç soruşturmalarında kimlik tespitinde hem hızlı hem de kişinin kendisine ihtiyaç duyulmayan ve aynı zamanda her zaman güncel kişi verileri olan bir sistem şarttır. Bu çalışma da yüz tanıma sistemi ile gerçek zamanlı örnek bir uygulamayla kişinin kendisine ihtiyaç duymadan hızlı bir şekilde kimlik tespiti yapılacağı örnek bir uygulama yapılmıştır. Bu uygulama ile bir fotoğraf, video veya bilgisayara bağlı bir kameradan kişilerin yüzlerini algılayan ve bilgisayarımızdaki veri tabanına kaydeden, sonrasında ise bu görüntü ile veri tabanındaki yüz görüntüleri karşılaştırılarak kişi kimlik tespiti yapılmaktadır. Uygulama da programa 10 adet fotoğraf verisi öğretilerek, her bir fotoğraf için 30 adet yüz verisi alınmış ve toplamda 300 fotoğraf bulunan bir veri kaynağı elde edilmiştir. Program test edildiğinde (12) adet yüz verisinden (1) tanesini yanlış tanıyıp (1) tanesini de tanıması gerekirken tanımamış, %83,33'lük doğru tahmin ve %36 hata payıyla da başarılı sayılabilecek şekilde sonuç vermiştir. Böylece, klasik olarak yapılan kimlik tespit yöntemlerine alternatif olarak çevrimiçi çalışan, kontrolü yapılabilen, otomatik olarak kimlik tespiti yapabilen ve yüz görüntülerinden kimlik oluşturabilen kişi tanıma uygulaması geliştirilmiştir.
Mobil bir robotun yapay zeka destekli kendinden öğrenebilir sürüş algoritmasının geliştirilmesi
Mobil robotlar, günümüzde otomasyon ve yapay zeka teknolojilerinin giderek artan bir şekilde entegre edildiği önemli bir alan haline gelmiştir. Bu robotlar, hareket kabiliyetine sahip olmaları sayesinde çeşitli uygulama alanlarında kullanılmaktadır. Bu uygulama alanları arasında lojistik, tarım, inşaat, sağlık ve endüstriyel otomasyon gibi birçok sektör yer almaktadır. Mobil robotların etkin ve güvenli bir şekilde hareket etmelerini sağlayan temel bileşenlerden biri sürüş algoritmalarıdır. Geleneksel sürüş algoritmaları, robotların belirli durumlar için önceden programlanmış talimatlarla hareket etmelerini sağlar. Ancak, bu yaklaşım basit ve tekrar eden görevler için etkili olabilirken, karmaşık ve değişken ortam şartlarında robotların başarılı olmasını sınırlamaktadır. Yapay zeka teknolojilerinin robotlara entegrasyonu, mobil robotların çevrelerini algılamalarını ve deneyim tabanlı öğrenme sağlayarak sürüş algoritmalarını daha adaptif ve otonom hale getirmeyi amaçlar. Bu çalışmada, mobil bir robotun yapay zeka destekli kendinden öğrenebilir sürüş algoritmasının geliştirilmesi hedeflenmiştir. Algoritmanın adaptif öğrenme mekanizmaları, uyumluluk ve otonomi, öğrenme hızı ve performansı ile gerçek dünya uygulamaları açısından literatüre değerli katkılar sunması beklenmektedir. Bu amaçla çalışmada literatürdeki yaygın olarak kullanılan makine öğrenimi metodlarından olan pekiştirmeli öğrenme (DDPG, TD3, PPO, SAC, A2C) algoritmalarından faydalanılarak karmaşık ortamlardaki başarıları gözlemlenmiş ve karşılaştırılmıştır. Oluşturulan karmaşık ortamlar her sahnede değişecek şekilde hazırlanarak tek bir algoritmanın farklı karmaşık düzeylerine sahip ortamlardaki başarıları eğitilerek test edilmiştir. Elde edilen bulgulara göre TD3 %86.3, A2C %89,2 SAC %93.6, PPO %97.6 başarı sağlamıştır. Bu sonuçlar, mobil robot teknolojisinin gelecekteki gelişimi ve çeşitli sektörlerde etkin bir şekilde kullanılması için önemli bir adım olarak görülmektedir. Sonuç olarak, bu tez çalışması mobil robotların farklı senaryolarda güvenilir ve otonom bir şekilde çalışmasını sağlayarak çeşitli uygulama alanlarında kullanılabilirliğini artırmayı hedeflemektedir. Algoritmaların çevresel değişikliklere hızlı adaptasyon yeteneği sayesinde, robotların daha genel amaçlı ve esnek bir şekilde çalışması sağlanmıştır. Dinamik ortamlar ve kapsamlı analizlerle desteklenen bu yaklaşım ile, mobil robotların otonom hareket kabiliyetlerini geliştirirken, gelecekte karmaşık ortamlarda test edilmesi ve farklı veri kaynakları ile entegrasyonlarının sağlanması öngörülmektedir. Bu çalışmanın, otonom sistemler ve yapay zeka tabanlı robotik uygulamalar için önemli bir katkı sunacağı değerlendirilmektedir.
Uyku bozukluklarının ve döngüsel değişen örüntü olaylarının derin öğrenme tabanlı sınıflandırılması
Uyku, insan sağlığının korunması, fizyolojik yenilenmenin sağlanması ve bilişsel işlevlerin sürdürülmesinde kritik rol oynayan temel bir biyolojik süreçtir. Bu hayati sürecin yapısını, kalitesini ve sürekliliğini bozan durumlar uyku bozuklukları olarak tanımlanmaktadır. Uyku bozuklukları, bireyin fiziksel ve psikolojik sağlığını olumsuz etkilemekte ve uzun vadede ciddi sağlık sorunlarına yol açabilmektedir. Bunun yanında, uykunun mikroyapısal bir göstergesi olan Döngüsel Değişen Örüntü (Cyclic Alternating Pattern, CAP), uyku kalitesinin değerlendirilmesi ve özellikle uyku bozukluklarının tespiti açısından önemli bilgiler sunmaktadır. Günümüzde uyku bozukluklarının teşhisi ve CAP olaylarının tespiti, polisomnografi kayıtlarındaki fizyolojik sinyallerin genellikle manuel analiz edilmesine dayanmaktadır. Ancak bu süreç zahmetli, zaman alıcı ve öznel hatalara açık bir yapıya sahiptir. Bu nedenle, uyku bozukluklarının ve CAP olaylarının doğru, hızlı ve nesnel biçimde analiz edilmesini sağlayacak otomatik yaklaşımların geliştirilmesi klinik tanı süreçlerinde büyük önem taşımaktadır. Son yıllarda yapay zekâ ve özellikle derin öğrenme (DÖ) yöntemleri, birçok karmaşık problemde olduğu gibi uyku tıbbında da başarılı sonuçlar elde etmiş; uyku bozukluklarının ve CAP olaylarının otomatik olarak tespitine yönelik çok sayıda çalışma gerçekleştirilmiştir. Ancak uyku bozukluklarının sınıflandırılması için mevcut yaklaşımların büyük çoğunluğu tek bir bozukluk türüne odaklanmış, sınırlı sayıda veri setiyle eğitilmiş ve genellenebilirliği düşük sonuçlar üretmiştir. CAP olayları tespitine yönelik çalışmalar ise alt tip sınıflandırması, sınıf dengesizliği ve açıklanabilirlik gibi konular yeterince ele alınmamıştır. Bu tez çalışmasında, söz konusu eksikleri gidermek amacıyla, uyku bozukluklarının çok sınıflı sınıflandırılması ve CAP olaylarının otomatik tespiti için yüksek doğruluğa sahip DÖ tabanlı modeller geliştirilmesi amaçlanmıştır. Bu doğrultuda, uyku bozuklukları için çok girişli özgün bir model olan MAF-SleepNet; CAP A fazı ve alt tiplerinin tespiti için ise çok kanal girişli MuRAt-CAP-Net modelleri önerilmiştir. Deneysel sonuçlar, MAF-SleepNet'in denek bağımsız ve denek bağımlı doğrulama stratejileri için sırasıyla %88,41 ve %99,72 doğruluk oranlarına ulaştığını ve mevcut yaklaşımlardan daha yüksek performans sergilediğini göstermiştir. MuRAt-CAP-Net ise A fazı tespiti için dengeli ve dengesiz veri setlerinde sırasıyla %81,26 ve %83,68; alt tiplerin sınıflandırılmasında %83,34 ve %87,31 doğruluk oranlarına ulaşarak önceki çalışmalardan daha başarılı sonuçlar elde etmiştir. Elde edilen bulgular, geliştirilen modellerin uyku bozukluklarının tanısında ve CAP olaylarının analizinde klinik karar destek sistemleri olarak kullanılabilecek düzeyde performans sunduğunu ortaya koymuştur.
Elektrikli araçlar için menzil tahminine dayalı şarj planlama modeli
Menzil kaygısı sorunu (range anxiety) elektrikli araçlara (EA'lara) geçişi olumsuz yönde etkileyen en önemli faktörlerden biri olmaya devam etmektedir. Menzil kaygısını tetikleyen unsurlar arasında EA sürücülerinin kalan menzil göstergelerine yeterince güvenmemeleri gelmektedir. Bununla birlikte, EA sürücüsünün yolculuğun başında kalan menzil bilgisine göre rota üzerinde şarj için durması gereken yerleri bilmesinin de menzil kaygısını düşürme potansiyeli bulunmaktadır. Akıllı ulaşım teknolojileri sayesinde EA'ların sürücü bilgilendirme sistemleri gerçek-zamanlı verilere erişebilse de belirlenen rotanın koşulları dikkate alınarak menzil tahmini yapılmadığı sürece oluşturulan şarj planının menzil kaygısını azaltması beklenemez. Bu çalışmanın amacı, belirlenen bir rota için gerçek-zamanlı menzil tahminine dayalı şarj planı oluşturarak EA'nın minimum yolculuk süresi veya maliyeti için nerede ve ne kadar şarj olması gerektiğini belirlemektir. Menzil tahmini için, yolculuğa ait statik öznitelikler ve dinamik öznitelikleri girdi olarak alan derin sinirsel ağ (DSA) modeli kullanılmıştır. Şarj planlaması kapsamında, şarj istasyonlarında doğrusal olmayan şarj süresini, zaman dilimlerine bağlı değişen şarj fiyatlarını, uygunluklarını (dolu/boş bilgisi), araçtan şebekeye enerji satışı uygulamalarını (Vehicle to grid /V2G), birden fazla ve farklı güç seviyelerinde şarj ünitelerini dikkate alan karma tamsayılı doğrusal programlama modeli geliştirilmiştir. Ancak geliştirilen matematiksel programlama modelin çözüm elde etme süresi açısından yetersiz kalması nedeniyle çözüm yaklaşımı olarak genetik algoritma ve matematiksel programlama modelinin hibrit kullanımından oluşan mat-sezgisel bir yaklaşım önerilmiştir. 32 farklı büyüklükteki problem üzerinde yapılan test sonuçları, mat-sezgisel yaklaşımının hem minimum yolculuk süresi hem de minimum yolculuk maliyeti için genetik algoritma ve sezgisel yaklaşımlardan daha başarılı sonuçlar verdiğini göstermektedir.
Sınırlı bir alanda ses kaynağı yönünün deneysel veriler kullanılarak yapay sinir ağı ile tahmin edilmesi
Bu çalışmada, normal koşullar altında daha önceden belirlenmiş ve bir metre karelik alandan alınmış ses seviyesi değerleri kullanılarak, ses kaynağının belli bir uzaklığa göre yönünün bulunması amaçlanmıştır. Sabit genlikte ve frekansta yayın yapan bir ses kaynağı kullanılarak, tertiplenen uygun ortam için, sürekli ilgili ortamı dinleyerek ve verileri kaydederek, yön tayinindeki ilişki incelenmeye çalışılmış ve o alan için bir "konum-ses seviyesi" ilişkisi ortaya konulmuştur. Sistemin fiziksel gerçekliği, ses seviyesi ölçerlerin kaynağa olan uzaklığından meydana gelen ses gücü seviyesi düşmelerine dayanmaktadır. Ses kaynağının, ses seviyesi ölçerlere olan açısı değiştikçe, alınan sistem verilerindeki değişim ve bu değişimle kaynağın yönü arasındaki ilişkisi incelenmiştir. Sistemde beş adet desibel metre kullanılmış ve mesafe, ses seviyesi, ortam gürültüsü, ses kaynağı açısı gibi veriler alınmıştır. Bu veriler kullanılarak, sistemde tanımlanan dört bölge için çeşitli açılarda doğrusallık incelenmiştir. Elde edilen doğrusallık parametreleri ile ortamda başka bir konum için alınan değerler birlikte işleme tâbî tutulduğunda kaynak açısının doğru bulunup bulunmadığı incelenmiştir. Alınan veriler, MATLAB' de yapay sinir ağına tabii tutularak, ses kaynağının bulunduğu bölgenin ve açının tahmin edilmesi sağlanmıştır. Ayrıca doğrusallık incelemesinde elde edilen yön verisi ile yapay sinir ağından alınan yön verisi arasında karşılaştırma yapılmıştır. Tahmin için, geri yayılımlı ileri beslemeli (feed-forward back propagation) gizli katmanında 8 nöron olan yapay sinir ağı yapısı kullanılmıştır. Sonuçlar ve sonuçlar arasındaki ilişkiler grafikler ile ifade edilmiştir.
Sürdürülebilir sosyal koruma programlarına yönelik olarak sosyal koruma harcamalarının yapay zeka değerlendirme teknikleri ile maliyet analizi
Günümüzde yoksulluk ve yoksunlukla mücadelede devlete önemli rollerin düştüğü refah modellerinin sınırları konusundaki tartışmalar halen sürmektedir. Devletin rolü ne olmalıdır? Refah modeline ilişkin uygulamalar kriz ile karşı karşıya kalabilir mi? Refah devleti uygulamalarının ve finansmanının gerektirdiği yeniden dağıtım derecesine sosyoekonomik bir sınır konulabilir mi? Yoksulluk ve yoksunluk ile mücadele etmek zorunda kalan dezavantajlı gruplara yönelik olarak uygulanan sosyal koruma programı uygulamalarında devletin rolü ne olmalıdır? Tüm bu sorular sosyal koruma uygulamalarına ilişkin kapsamlı bir analiz çalışmasını gerektirmektedir. Sosyal devlet ifadesindeki "sosyal" nitelemesinin sınanmasında bir ölçüt olabilecek sosyal koruma harcamalarının toplumsal dayanışmadaki rolü, kamu harcamaları içerisindeki payı ve sosyal koruma programı faydalanıcılarının sosyal devlete maliyetinin bilinmesi sürdürülebilirlik açısından büyük önem arz etmektedir. Dünyada ve Türkiye'de yaşanan dönüşümle birlikte dezavantajlı grupların ihtiyaç ve beklentilerinde meydana gelen değişime cevap verebilecek sürdürülebilir sosyal koruma uygulamalarının planlanması ve uygulanması için büyük bir öneme sahip olan maliyet yönetiminin yoksulluk ve yoksunluğun kalıcılaşmasını önlemek adına da büyük bir önemi bulunmaktadır.
Finansal başarısızlığın öngörülmesinde yapay sinir ağı kullanımı ve ampirik bir uygulama
Finansal başarısızlığın öngörülmesi tüm bilgi kullanıcılarını yakından ilgilendiren bir konudur. Finansal başarısızlığı öngörmek amacıyla finansal oranları değişken olarak kullanan çok sayıda model içinde, çok değişkenli ayırma analizi en yaygın kullanılan istatistik tekniktir. Bununla beraber ayırma analizinin, ancak dayandığı varsayımlar gerçekleştiğinde doğru sonuçlar üreteceği söylenebilir. Yapay sinir ağı sahip olduğu avantajlar nedeniyle, finansal başarısızlığın öngörülmesinde kullanılabilecek alternatif bir teknoloji durumundadır. Bu çalışmada; finansal başarısızlığı öngörme konusunda ayırma analizi tekniği ve yapay sinir ağı teknolojisi karşılaştırılmış, yapay sinir ağının finansal başarısızlığı öngörmede daha başarılı olduğu görülmüştür.ANAHTAR KELİMELER: 1. Finansal başarısızlık 2. Yapay sinir ağları
Yapay zekâ algoritmasıyla gerçekleştirilen sefalometrik analizin bilgisayar destekli dijital sefalometrik analizle kıyaslanması
Bu çalışmanın amacı; yapay zekâ teknolojisine sahip tam otomatik sefalometrik analiz programlarının, bilgisayar destekli dijital sefalometrik analiz programları kadar güvenilir olup olmadığını gözlemlemektir. Bu amaçla farklı deneyim düzeylerine sahip 3 araştırmacı tarafından manuel olarak işaretlenen ve analiz edilen radyografiler, yapay zekâ algoritmasına sahip tam otomatik dijital sefalometrik analiz programlarından AudaxCeph, OrthoDx ve WebCeph tarafından otomatik olarak işaretlenen ve analiz edilenlerle karşılaştırılmıştır. Tam otomatik sefalometrik analiz programlarının araştırmacı müdehalesi sonrası ölçümlerinin de değerlendirildiği çalışmada 7 hasta grubundan oluşturulmuş 210 dijital sefalometrik radyografi üzerinde 33 anatomik noktanın ( 20 sert 12 yumuşak doku ) X ve Y eksen koordinatları ve 13 açısal, 5 çizgisel, 1 oransal olmak üzere 19 sefalometrik analiz değer ölçümleri incelenmiştir. Elde edilen ölçüm değerlerinin, hasta grupları arasında, belirlenen referans değerlerle karşılaştırılması sonucunda AudaxCeph programının yaptığı ölçümlerde; Ba, Sigmiod Notch, Gl', N,' Sn', A' noktaları koordinatlarında ve U1-NA° U1-NA (mm), Fasiyal açı, Y aksı açısı, Jarabak oranı değerlerinde, OrthoDx programının yaptığı ölçümlerde; Pt, N' noktaları koordinatlarında ve Fasiyal açı, Y aksı açısı, U1-NA (mm) değerlerinde, WebCeph programının yaptığı ölçümlerde Prn, A' noktaları koordinatlarında ve Fasiyal açı, Y aksı açısı, Gonial açı, U1-NA°, U1-NA (mm) değerlerinde istatistiksel olarak anlamlı fark görülmüştür. Araştırmacı müdahalelerinden sonra farkların bir kısmı ortadan kalkmıştır. Sert doku koordinatları ölçümlerinde en başarılı program WebCeph, yumuşak doku koordinatı ve analiz değerleri ölçümünde OrthoDx programı olmuştur. AudaxCeph programı sert doku koordinatı ölçümleri yumuşak dokuya göre daha güvenilir bulunmuştur. Tüm yapay zekâ algoritmasına sahip programlar başarılı olarak kabul edilse de daha doğru sonuçlar elde edebilmek için araştırmacı müdahalesine ihtiyaç olduğu düşünülmektedir.
Development of RW-UAV detection model using deep learning training with a synthetic dataset
The use of rotary wing unmanned aerial vehicles (UAV) is increasing day by day and their accessibility is getting easier. As a disadvantage of easy accessibility and usability, UAV technology threatens security and personal areas. This technology, which is easy to access, should be detected with a cheap and easy-to-install detector. The aim of the study is to develop the UAV detection sensor using camera and machine learning based systems. Deep learning method has been used in sensor technology, which has shown successful classification results recently. Artificial intelligence trained with deep learning method shows effective results in terms of performance. On the other hand, artificial intelligence (AI) training needs a lot of data. To overcome this obstacle, the data set needed by the deep learning algorithm was produced synthetically using game engine software. The original aspect of the study is that the artificial intelligence trained with synthetically produced images was tested on real data and achieved 90% success. The success of AI, which is directly trained with synthetic data and tested with real data, is very low. The reason for this is the difference between the synthetic and real image. To minimize this difference, 7 different experiments were designed for different feature extraction algorithms. One of the experiments is the Corner Detection and Nearest Three-point Selection (CDNTS) feature extraction layer that we originally developed. The CDNTS layer classified the real data with 90% success.
Comparison of artificial intelligence methods for predicting tensile properties of multifilament polyester woven fabrics
The filament fineness, weave type and weave density have a great influence on the mechanical properties of multifilament woven fabrics. In this study, the previously determined breaking strength and breaking elongation values of multifilament woven fabrics were estimated using Artificial Neural Networks (ANN), Fuzzy Logic (FL), and Genetic Algorithms (GA) Artificial Intelligence (AI) techniques. The fabric samples used in the study have three different microfilament fineness and two different conventional filament fineness. Fabric samples with plain, twill and satin weave types were produced with four different weft setts. High accuracy rates were obtained with applied AI techniques. The mean absolute percentage error was lower than 6%. The minimum regression coefficient values (R^2) of linear regression analysis for each method were 0.80, 0.90 and 0.92 by ANN, BM and ANN-GA hybrid methods, respectively. As a conclusion, it was proved that the breaking strength and breaking elongation properties of multifilament woven fabrics can be estimated with high success rates.
Deep learning-based visual object tracking using edge computing on embedded system
State-of-the-art performance achieved by employing deep neural networks in computer vision tasks has attracted a great attention in visual object tracking in recent years. However, that remarkable performance is associated with higher computational cost, and therefore, higher energy consumption in order to run in real-time. Therefore, using deep neural networks on edge devices with limited resources remains a challenging research problem, particularly when real-time action is crucial. In this thesis, a Siamese-based visual object tracker for edge computing applications is proposed. The aim of this work is to reduce computations, thus boosting the tracker by enabling the network to terminate the inference earlier whenever the result is reliable, in addition to skipping the exhaustive multi-scale search needed for scale estimation. The early exiting behavior is achieved by inserting three additional exit branches into the network at which the staged result is tested on pre-defined criteria to decide when to exit. Moreover, quantization-aware training is applied in order to accelerate the model by using lower precision formats with negligible loss in accuracy. The proposed quantized tracker with an adaptive multi-scale search over two scales runs at 68.5 FPS on CPU achieving 4.6 times faster rate of tracking speed compared to the baseline, associated with an acceptable accuracy loss.
Yapay zekâ ve yeni sayı sistemlerinin muhasebe ve finans alanında uygulaması
Yapay zekâ günlük yaşamda artık kilit faktör haline gelmiştir. Böylesi bir ortamda yapay zekânın etkileri artık tüm sektör ve meslek dallarında hissedilmektedir. Bu bağlamda muhasebe mesleği de elbette bu etkilerden payını almaktadır. Her devletin mutlak isteği olan elbette vergi zayiatının önüne geçilebilmesidir. Tam da bu açıdan büyük bir avantaj olarak görülebilmektedir. Raporlama ile ilgili olarak, mesleki muhakeme kavramı insani bir süreçtir ve yapay zekânın muhasebe raporlama fonksiyonunu etkilemeyeceği sonucuna varılmıştır. Günümüzde birçok meslekte olduğu gibi muhasebe alanında da dijitalleşme ve yapay zekâ kullanımı konusu tartışılmaktadır. Öğrenme, planlama, konuşma, problem çözme gibi insani özelliklere sahip akıllı makinelerin oluşturulmasını ve kullanılmasını vurgulayan yapay zekâ, muhasebe sektöründe kullanılmaya başlandı. Yapay zekânın muhasebeye entegre edilmesi fikri, uygulayıcılar ve kullanıcılar için birçok kolaylık sağlamakla birlikte, gelecekte yaşanabilecek bazı olası sorunlara da işaret etmektedir. Yapay zekâ uygulamaları bankalar tarafından piyasa verilerini elde etmek, bankaların kutlandığı bankacılık hizmetlerini müşterilere ulaştırmak ve iletişimi kolaylaştırmak için kullanılmaktadır. Bankaların kullandığı yapay zekâ uygulamaları bankanın itibarını güçlendirebilir, müşterileri elde tutabilir, yeni müşteriler çekebilir, şube iş yüklerini azaltabilir ve müşterilere daha hızlı hizmet sunabilir. Yapay zekâ uygulamaları sayesinde bankalar müşterilerine daha hızlı ulaşabiliyor ve müşterilere sunabilecekleri hizmet sayısı her geçen gün artıyor.