Artificial neural networks
689 theses under this subject heading
Coğrafi ve meteorolojik parametrelere bağlı olarak orman yangınının verdiği zararın yapay zeka yöntemleriyle tespiti
Orman yangınları, ekolojik olduğu kadar ekonomik zararlar da veren, çoğu zaman insan hayatını tehdit eden çevresel sorunlardır. Bu çalışmada, daha önce gerçekleşmiş orman yangını kayıtlarındaki ortamın mevcut coğrafi koşulları, yangının çıktığı gün ve saat ile sıcaklık, nem, rüzgar hızı gibi meteorolojik verileri ve yangın bölgesindeki ağaç türleri ile birim alandaki ağaç sayıları gibi parametreler kullanılarak çıkması muhtemel orman yangınlarında beklenen kayıplar tahmin edilmiştir. Çalışmada elde edilen çıktı ise yangın sonucunda kaybedilen yani yanan alan olmuştur. Buna göre, bir orman yangınının çevreyi nasıl etkileyeceği önceden tahmin edilmeye çalışılmış, ilgili yangınla mücadelede kaynak yönetiminin yapılması konusunda yol gösterici olmaya çalışılmıştır. Kullanılan veri kümesi, Türkiye Cumhuriyeti Orman ve Su İşleri Bakanlığı Orman Genel Müdürlüğü'nden elde edilmiştir. Veri kümesi, 2000-2009 yılları arasında Türkiye genelinde meydana gelen toplam 10.597 adet orman yangını kaydını içermektedir. Çalışma kapsamında verilerin düzenlenmesi aşamasında, girdi parametreleri için farklı bulanık modeller oluşturulmuş, yapılan testlerde çok katmanlı algılayıcı ağları ve merkezcil tabanlı fonksiyon ağları ile birlikte bulanık mantık kullanılmış, temel bileşenler analizi ile girdi parametreleri yeniden düzenlenerek test sonuçlarındaki iyileşmeler gözlemlenmeye çalışılmıştır. Güvenilir bir tahmin modeli oluşturmak için farklı çıktılar analiz edilmiştir. Ortalama hata karesi 53,68 hektar², ortalama mutlak hata 3,36 hektar, ortalama mutlak oransal hata %51, ortalama hata karesinin kökü RMSE 7,33 hektar, bulanık mantık kullanımında ise en iyi toplam doğru tahmin oranı %99,94 ve grup bazında en iyi ortalama doğruluk değeri %65,63 olarak elde edilmiştir.
Ontoloji tabanlı sanal kuruluş sisteminde firma seçimi için çok etmenli model uygulaması
Sanal kuruluş (virtual enterprise), bir değer zinciri içerisinde bulunan ve birden fazla iş partneri arasında oluşan bir işbirlikçi modeldir. Bu modelde, heterojen veri kaynaklarından gelen ve sürekli değişim halinde bulunan verinin yönetilmesi zor bir işlemdir. Bunun için hazırlanmış olan ontoloji tabanlı sanal kuruluş modelinde, iş partneri seçimi aşamasında çok ajanlı model kullanılmıştır. Her birinin amaç ve stratejileri farklı birer etmen olarak tanımlanan firmalar, seçim aşamasında birbirleriyle yarışarak belirlenen stratejiler doğrultusunda belirli bir kar oranını göze alarak müzakereyi kazanmayı amaçlamışlardır. Müzakere sırasındaki stratejiler, firmanın kazanma isteğine ya da daha çok kar etme isteğine göre değişmektedir. Yapılan simülasyonlar doğrultusunda oluşan veri, veritabanına kaydedilmiştir. Bu veri daha sonra yapay sinir ağlarına öğretilerek, akıllı sistemin müzakerenin ne şekilde sonuçlanacağı konusunda tahmin edebilmesi sağlanmıştır. Böylece müşterilere ihale tahminleri sunan bir öneri etmeni tasarlanarak müşterinin ne şekilde hareket etmesine daha önceden karar verebilmesi amaçlanmıştır. Alınan sonuçlara göre, gerçek bir sistem üzerinde böyle bir çok etmenli sanal kuruluş modelinin kullanılabilir olacağı sonucuna varılmaktadır.
Büyük veri algoritmalarıyla büyük şehirlerin trafik problemlerinin incelenmesi
Günümüzün sosyal ve insan yaşam standartları açısından en büyük problemlerinden birisi içinde bulunduğumuz trafik haline gelmiştir. Artan nüfus ve araç sayısı neticesinde mevcutta oluşan trafik problemleri katlanarak artmaktadır. Bu sebepten dolayı trafikte geçirilen zaman ve riskler de aynı oranda artmaktadır. Bu çalışmada araç trafiğinin rahatlatılması ve oluşabilecek risklerin minimuma veya önceden engellenebilmesi amaçlanmıştır. Bu kapsamda, büyük veri altyapıları ve algoritmaları, trafikte olay diye nitelendirilen kaza, trafik sıkışıklığı, yol çalışması, habersiz yapılan çalışmalar vb. gibi sebeplerden oluşabilecek aksaklıkların tespitinde kullanılmıştır. Bu tespitlerin yapılmasında yapay sinir ağlarından ve trafik problemi için optimize edilmiş modellerden faydalanılmıştır. Çalışmanın esas amacı büyük veri algoritmalarını kullanarak trafikte oluşabilecek herhangi bir olayın veya sıkışıklığın anlık tespiti ve buna bağlı olarak alınabilecek tedbirleri göstermektir. Tez kapsamında dünyada da en yoğun trafiklerden birisi olarak kabul gören İstanbul'un, pilot bölgesinden alınan trafik sensörlerindeki veriler işlenmiş olup toplamda 1 yıl içindeki veriler üzerinden model oluşturulup olay tespiti yapılmıştır. Yapılan çalışmalarda ve oluşturulan modelde %97 doğruluk oranıyla trafikteki olaylar tespit edilmiştir. Bu tespit edilen modele göre olay oluşmaya başladığında, verinin gelme hızını dikkate alarak, anlık tespit edilebilmektedir. Bu tespitlerden yola çıkarak önceden alınabilecek tedbirler ile olayın olduğu bölgedeki trafiğin diğer yollara aktarılması, olayın durumuna göre gerekli ekiplerin olay yerine gönderilmesi ve sinyalizasyon değişimleriyle kontrol altına alınıp bölgedeki trafik yoğunluğunun ve trafik güvenliğinin sağlanması hedeflenmiştir. Yapılan çalışmalar İstanbul Büyük Şehir Belediyesi Trafik Müdürlüğünün 2015 yılı trafik verisi kapsamında yapılmış olup değişen trafik koşullarına göre oluşturulan model değişim koşullarına göre geliştirilip uyum sağlaması düşünülmüştür.
Panoramik X-ray diş görüntülerinde diş bölgesinin ve dişlerin makine öğrenimi ve derin öğrenme ile bölütlenmesi
Panoramik X-Ray diş görüntülerinden dişlerin olduğu bölgenin ve dişleri bölütlenmesi, çeşitli hastalıkların belirlenmesi için önemli hale gelmiş bulunmaktadır. Özellikle son dönemde gelişen teknoloji ile birlikte çalışmalara dahil olmaya başlayan Yapay Zeka (AI) temelli yapılar, hem dişlerin tespiti ve bölütlenmesi sürecini kısaltmayı hem de diş hekimlerine karar destek yapıları oluşturarak yanlış teşhisi ortadan kaldırmayı amaçlamaktadır. Ham görüntülerdeki diş olmayan piksellerin diş olan piksellere göre fazla olması ve görüntülerdeki kontrast ve renk seviyesinin bölgesel olarak farklılık göstermemesi görüntü işlemeyi zorlaştırmaktadır. Bu tezin amacı, panoramik x-ray görüntülerindeki dişlerin olduğu bölgeyi ve dişleri otomatik olarak bölütleyebilmektir. İlk olarak, görüntülerin boyutlarını hem her görüntü için sabit olması hem de işlemsel olarak hızlı sonuçlar almak için düşürerek alt-örnekleme yapılmıştır. Sonraki aşamada, görüntülerdeki diş alanının merkez noktası otomatik olarak belirlenmiştir. Daha sonra piksellerin yeğinlik değerleri, bulunan merkez noktasına göre x koordinatı, bulunan merkez noktasına göre y koordinatı ve 3x3 penceresinde maksimum ve minimum değerlerin çıkarılmasıyla elde edilen öznitelikler kullanılarak diş bölgesinin bölütlenmesi gerçekleştirilmiştir. Bunun için bir Makine Öğrenme (ML) algoritması olan CatBoost algoritması kullanılmıştır. Makine Öğrenme (ML) modeli oluşturulurken, veri setinin ezberlenmesini önlemek için eğitim veri setinin k-kat çapraz doğrulaması ve hiper parametrelerin ızgara arama optimizasyonu yöntemleri uygulanmıştır. Diş bölgesini tam olarak bölütleyebilmek için makine öğrenmesi modelinden elde edilen her sonucun üzerinde ağız bölgesinin deforme olabilen şekiller uydurulmuştur. Bu sayede diş bölgesi içinde bulunmayan piksellerden kurtulunmuş ve diş bölgesi bölütlemesi yapılmıştır. Diş bölgesini bölütledikten sonra Derin Öğrenme (DL) modeli oluşturulup bu modele sadece bölütlenen diş bölgeleri giriş olarak verilmiştir. Model içinde karalılığı sağlamak ve işlem hızını arttırmak amacıyla elde edilen bölütlenmiş diş bölgeleri görüntülerinin boyutları düşürülerek alt-örnekleme yapılmıştır. Derin Öğrenme (DL) sonucunda her görüntü üzerinde dişlere ait olan bir pencere elde edilmiştir. Her pencere içindeki dişlerin tam bölütlenmesi için Tony F. Chan ve Luminita Vese (Chan-Vese) algoritması uygulanmıştır. Bu sayede pencereler dişlerin şeklinde küçültülmüş ve bölütmele işlemi yapılmıştır. Sonuçlar, Makine Öğrenmesi (ML) ve Derin Öğrenme (DL) için öğrenme eğrisi; dişlere ait olan piksellerin doğruluğunu ölçmek için F1, doğruluk, hatırlama ve kesinlik skorları kullanılarak analiz edilmiştir.
Jest ve mimiklerden yapay sinir ağları ile duygu sınıflandırma
Metin, resim, video ve konuşma gibi farklı veri kaynaklarından doğru duyguyu sınıflandırmak, çeşitli disiplinlerden araştırmacılar için ilham verici bir alanı olmuştur. Videolardan ve fotoğraflardan otomatik duygu algılama, denetimli ve denetimsiz makine öğrenimi yöntemleri kullanılarak üzerinde çalışılan zorlu konulardan biridir. Bu tez çalışmasında bir takım ön işleme adımları ve yeni bir derin öğrenme mimarisi ile videolardan duygu analizi yöntemi sunulmaktadır. Videolardan OpenPose aracı kullanılarak elde edilen yüz ve vücut pozisyon bilgileri modellerde kullanılmak üzere poz tanımlayıcılara dönüştürüldü, ardından LSTM ve Dönüştürücü modelleri bu veri ile eğitilerek performansları karşılaştırıldı. Ardından LSTM ve Dönüştürücü modellerine bir CNN bloğu ön katman olarak eklenmiş poz tanımlayıcılarla beslenen CNN bloğunun çıktısı LSTM ve Dönüştürücü modelleri için girdi olarak kullanıldı. Model doğruluklarını iyileştirmek amacı ile Video Çoklama, Anahtar Kare Seçimi ve Gauss Karışım Merkezi yaklaşımları ön işleme adımları olarak eklenmiş ve deneyler bu farklı yaklaşımların kombinaysonları için tekrarlandı. Yapılan kapsamlı deneylerin ardından sonuçlar karşılaştırıldı ve önerilen iki katmanlı sınıflandırıcı yapısı ve ön işleme adımlarının etkileri gözlemlendi. Sonuçlar ayrıca aynı veri kümesini kullanan güncel, yüksek doığruluk oranlarına sahip diğer yöntemlerle de karşılaştırıldı. FABO ve CK+ olmak üzere iki yaygın veri kümesi kullanılarak gerçekleştirilen deneyler, FABO veri seti için video çoklama uygulanmış CNN-Dönüştürücü yapısının %99 doğruluk oranı ile, diğer modellerden daha iyi bir performansa sahip olduğunu gösterdi. Her iki veri kümesi için de bir çok versiyonda önerilen model %90 üzerinde doğruluğa ulaşarak kayda değer başarımlar elde etti.
Histopatolojik meme kanseri görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması
Görsel verilerin işlenmesi son yıllarda özellikle medikal alanda sıklıkla kullanılmaktadır. Yapay zekânın bir alt dalı olan derin öğrenme yöntemleri, görüntü işleme yöntemleri ile birlikte kullanılarak; doku analizi ve hastalıkların otomatik sınıflandırılması başta olmak üzere birçok alanda başarılı bir şekilde uygulanmaktadır. Derin öğrenme, bir dönem mevcut donanımların yetersiz kalması sebebiyle durgunluk noktasına gelmiş fakat 2000'li yıllar ile birlikte tekrar popüler bir alan olmaya başlamıştır. GPU gelişmeleriyle birlikte sığ yapay sinir ağlarından derin yapay sinir ağlarına geçiş yapılmıştır. Katmanlar arasında gerçekleşen geri yayılım algoritmaları sayesinde büyük veri kümelerindeki gizli ve ayırt edici özellikler keşfedilmektedir. Bu da yapay sinir ağlarının ve derin öğrenme yöntemlerinin etkinliğini ortaya çıkarmaktadır. Bu çalışmada BreakHis veri setinde yer alan histopatolojik meme kanseri görüntüleri, görüntü işleme ve derin öğrenme yöntemleri kullanılarak sınıflandırılmıştır. Aynı zamanda literatürde yapılan çalışmalar da incelenmiştir. Tezin amacı, özellikle kadınlarda son yıllarda oldukça sık rastlanan meme kanseri hastalığının erken ve doğru teşhisi için otomatik bir yöntem sunulmasıdır. Bu sayede gerçekleştirilen çalışmalar neticesinde tıp uzmanlarına alacakları kararlarda destek olacak nitelikte bir çalışma ortaya konmuştur. Anahtar Kelimeler: Görüntü İşleme, Yapay Zekâ, Derin Öğrenme, Yapay Sinir Ağları, Histopatolojik Görüntüler, Meme Kanseri.
Rüzgar gücünün bulanık mantık ve yapay sinir ağları ile tahmin edilmesi
Günümüzde teknoloji geliştikçe dünyadaki çoğu ülke enerji ihtiyacını fosil yakıtlardan ve nükleer enerji santrallerinden karşılamaktadır. Ancak bu yakıtların giderek azalması ve çevre üzerinde önemli olumsuz etkilere neden olması nedeniyle, bu konudaki akademik çalışmalarla birlikte alternatif enerji uygulamalarına yönelme ihtiyacı ön plana çıkmıştır. Yenilenebilir enerji kaynaklarının geliştirilmesi, enerjide çeşitliliğin sağlanması ve enerji eksikliğinin giderilmesi açısından önem arz etmektedir. Rüzgar enerjisi, yenilenebilir enerjinin en önemli biçimlerinden biri haline gelmiştir. Rüzgar enerjisinin potansiyelini verimli bir şekilde kullanmak için, rüzgar gücünün tahmini çok önemlidir. Rüzgar gücünün tahmini için yapay sinir ağı (YSA) ve uyarlanabilir nöro-bulanık çıkarım sistemi (ANFIS) önerilmiştir. Çalışmada, seçilen rüzgar türbininin rüzgar hızları, ürettiği güç değerleri ve Velimeşe bölgesinin rüzgar hızı değerleri alınarak veri setleri oluşturulmuştur. Tek katmanlı ve çok katmanlı YSA modelleri oluşturularak farklı aktivasyon fonksiyonları ve farklı nöron sayıları ile ağ birden çok kez eğitilmiş ve rüzgar gücü tahmini yapılmıştır. ANFIS modelinde üyelik fonksiyon sayısı sabit tutularak farklı üyelik fonksiyonları kullanılarak rüzgar gücü tahmini yapılmıştır. Oluşturulan modellerde bildirilen hatalar kabul edilebilir sınırlar içerisinde olup ANFIS modelinin, YSA modelinden daha iyi sonuçlar ürettiği görülmüştür. Bu da ANFIS'in rüzgar enerjisi tahmini için kullanılabileceğini göstermektedir.
Tek ve çift yüzlü fotovoltaik panellerin enerji performansının karşılaştırılması
Çift yüzlü güneş panelleri ön yüzeyinden ve albedo etkisi ile arka yüzeyinden aldığı ışınım ile tek yüzlü güneş panellerinden %20'lere varan oranlarla daha fazla enerji üretebilmektedir. Çift yüzlü güneş panellerin performansını etkileyen birçok faktör vardır. Panel yüksekliği, panel eğim açıları, panel yönelimleri (panel ön yüzeyinin baktığı yön), ışınım miktarı, panel yüzey sıcaklığı, hava sıcaklığı, nem miktarı, vb. performansı etkileyen faktörlerin başında gelmektedir. Bu çalışmanın amacı Tekirdağ ilinin Çorlu ilçesinde tek ve çift yüzlü fotovoltaik panellerin enerji performansının deneysel olarak karşılaştırılması, meteorolojik verileri giriş alarak yapay sinir ağları ile deneysel verilerin tahmini ve bu fotovoltaik sistemlerin enerji ve ekserji analizinin yapılmasıdır. Çalışmada doğu yöneliminde 2 adet 460 W gücünde çift yüzlü güneş paneli ve güney yöneliminde 1 adet 460 W gücünde tek yüzlü güneş paneli kullanılmıştır. Tek yüzlü panel deneyler boyunca 40°'lik panel eğim açısında sabit bırakılmıştır. Çift yüzlü güneş panellerinin bir tanesi yerden 50 cm diğeri 100 cm yüksekliğe konumlandırılmıştır. Çift yüzlü panellerin eğim açıları Nisan-Mayıs aylarında 30°, Haziran-Temmuz aylarında 40°, Ağustos-Eylül aylarında 50° olarak konumlandırılmış ve toplam 6 ay boyunca enerji üretimleri gözlenmiştir. Işınım miktarı, hava sıcaklığı ve nemi, rüzgâr hızı ve panel yüzey sıcaklığı sensörler aracılığı ile ölçülmüş ve kayıt altına alınmıştır. Elde edilen veriler karşılaştırmış, enerji ve ekserji analizleri gerçekleştirilmiş, çift yüzlü güneş panelleri için bölgede uygun kurulum şartları tespit edilmiştir. Enerji ve ekserji analizleri ile fotovoltaik panellerin tasarımı ve verimliliğinin arttırılmasına yönelik bir yol haritası oluşturulmuştur. Aynı zamanda yapay sinir ağları ile çift yüzlü fotovoltaik panellerin farklı meteorolojik şartlarda enerji üretim miktarının tahminine yönelik üç gizli katmanlı bir model ortaya konmuştur.
Pirinç çeltiğinin çekilmesi sonucu elde edilen pirinç tanelerinin sınıflandırılması işleminin makine öğrenmesi ile gerçekleştirilmesi
Günümüzde pirinç çeltiğinin çekilmesi sonucu kabuğundan ayrılan pirinç tanelerinin sınıflandırılması el ile yapılmaktadır. Bu yöntem ilgili sektörde zaman kaybı ve iş gücü verimsizliğine neden olarak ekonomik kayıplara yol açmaktadır. Bu soruna çözüm üretmek amacıyla daha önceden çekilmiş pirinç tanelerin makine öğrenmesi yöntemiyle sınıflandırılması bu tez sonucunda amaçlanmaktadır. Söz konusu sınıflandırılma işlemi için makine öğrenmesi yöntemlerinden faydalanılmıştır. Makine öğrenmesi yöntemleriyle ile makineler ses, görüntü, sinyal, metin gibi verileri kullanarak sınıflandırma, nesne tanıma, ses tanıma ya da dil çevirileri gibi özelleşmiş görevleri en az hatayla yerine getirir duruma gelmişlerdir. Son yıllarda makine öğrenme yöntemlerinin sürekli geliştirilmesiyle görüntü işleme, ses işleme ve robotik gibi alanlara bu yöntemler önemli bir yer bulmuştur. Bu tezde kullanılan makine öğrenmesi yöntemleri ile ilgili sektörde zaman kaybı ve iş gücü verimsizliğinin giderilmesi hedeflenmekte, ilerleyen süreçlerde sınıflandırılmaya ihtiyaç duyulan diğer sektörlerde de mevcut sorunların giderilmesine katkıda bulunulacak çalışmalara temel oluşturması amaçlanmaktadır. Tezde pirinçlerin fotoğraflanması ve parçalanması süreci ayrıntılı biçimde anlatılmıştır. Parçalanma sürecinde Sobel Kenar Bulma Algoritması'ndan faydalanılmıştır. Pirinçlere ait görüntülerin özelliklerinin çıkarılmasında, boyut kestirimi, RGB, HSL, HSV, CIEXYZ, CIELAB renk uzayları ve değerlerinin tespiti ve GLCM özellik vektörü ile ilgili ayrıntılı bilgilere yer verilmiştir. Teze ismini veren makine öğrenmesi bahsinde kullanılan yöntemler Karar Ağaçları (Decision Tree), Destek Vektör Makineleri (Support Vector Machine), Naive Bayes, K En Yakın Komşu Algoritması (K-Nearest Neighborhood Algorithm) ve Derin Öğrenme Yöntemi (Deep Learning) olmuştur. Bu modellere ait bilgiler ile uygulamada nasıl kullanıldıkları ve uygulamaya ilişkin sonuçlar son bölümde paylaşılmıştır. Tez sonucunda uygulanan makine öğrenmesi yöntemlerine ait sonuçlar karşılaştırmalı olarak gösterilmiş ve en başarılı makine öğrenmesi yöntemi İkinci Dereceden Destek Vektör Makineleri olmuştur.
Derin öğrenme yöntemleri ile el bilek grafisinden kemik yaşının tahmini
Yaş tespiti medikal alanda, çocukluk çağında, büyüme ve gelişmenin takibinde, çocuklarda büyümeyi ve gelişmeyi etkileyen çeşitli hastalık durumlarında, adli tıpta, yaşa göre cezai sorumluluk durumlarında, evlilik, askere alınma, rekabetçi sporlarda ve işe başlama durumlarında, mültecilerde, çocuk erişkin ayrımında bulunmak gibi birçok farklı konuda istenebilmektedir. Bu tez çalışması ile pediatrik kemik yaşı tahmini için radyologların iş akışını hızlandıracak, sol el bilek grafilerinden derin öğrenme teknolojisi kullanılarak bilgisayar temelli bir karar destek sistemi geliştirilmiştir. Bu çalışmada kullanılan veri setleri Kütahya ilinden temin edilen görüntülerden ve literatürde public olarak dağıtılan RSNA veri setinden oluşmaktadır. Veri seti Kütahya sağlık bilimleri üniversitesi rektörlüğün'den etik kurul izni ile alınmıştır. Çalışmada 18 yaş üstü ve 18 yaş altı şeklinde iki farklı senaryo için denemeler gerçekleştirilmiştir. 18 yaş altı için yapılan çalışmada derin öğrenme metotlarından IncepitonV3, MobileNetV2, EfficientNetB4 ve modifiye edilmiş IncepitonV3 modellerinin performansları karşılaştırılmıştır. 18 yaş altı sonuçlara bakıldığında veri setimiz üzerinde modifiye edilmiş IncepitonV3 transfer derin öğrenme yöntemi ile MAE=4,3, RMSE=5,76, R2=0,99 olarak bulunmuştur. Önerilen InceptionV3 transfer öğrenme modeli ile public olarak dağıtılan veri seti üzerinde MAE=5.75, RMSE=7.42 ve R2=0.96 olarak tespit edilmiş olup literatürde bu veri seti üzerinde yapılan çalışmalar arasında ki en iyi sonuçlardan biri elde edilmiştir. Bu çalışma ile modellerin cinsiyetlere ve yaş gruplarına göre farklılıkları ölçülmüştür. Ayrıca bu çalışma Türkiye'den toplanan el bilek grafi veri seti ile yapılan ilk derin öğrenme çalışmalarından biridir. Bu çalışma el bilek grafilerinden kemik yaşı tespitinde kullanılmak üzere yeni bir veri seti oluşturulmuş olup, yeni bir model tavsiye edilmiştir. Bu çalışmada yapılan diğer bir çalışma ise 18 yaş üstündeki bireylerin el bilek görüntülerinden kemik yaşının tespitine yönelik olarak yapılmıştır. Literatürde 18 yaş üstündeki bireylerin sol el bilek grafilerinden erişkin bireylerde yaş tespitinin derin öğrenme yöntemleri ile yapıldığına dair herhangi bir araştırmaya rastlanmamıştır. Bu çalışma ile 18 yaş üzeri bireylerde yaş tespiti derin öğrenme yöntemleri (DenseNet201, InceptionV3, ResNet50V2) ile yapılmıştır. Tarafımızca oluşturulan veri setinin kullanılması ile erkeklerde MAE=1,666, RMSE=2,665, R2=97,32 ve kadınlarda MAE=2,044, RMSE=3,069, R2=96,84 performans sonuçları gözlenmiştir. Bu çalışmada kullanılan yöntem ve bulunan sonuçlar bu alanda yapılan ilk çalışmadır. Bu sonuçlar ışığında bu çalışmada kullanılan metot bize derin öğrenme metotlarının 18 yaş üstü bireylerde kemik yaşı tespitinde yardımcı bir araç olarak kullanılabileceğini göstermiştir
İHA ile meyvelerin olgunlaşmasının takibi ve çürük teşhisi
Tarım, insanlar için temel bir üretim sektörü olarak kabul edilmekte olup, sürekli olarak teknolojik ilerlemeler sayesinde önemli gelişmeler kaydetmiştir. Tarım, ülkelerin kalkınmasında etkili bir unsurdur nitekim ekonomisi tarıma dayalı olan bir çok ülke vardır. Tarımsal ekonomik ilerlemenin artırılabilmesi için modern ve teknolojik yöntemlerin kullanılması gerekmektedir. Bunun sonucunda tarımsal verimde önemli bir artış sağlanır ve ülkelerin ekonomisine büyük destek olur. Meyvelerin verimliliğin artırılması, olgunlaşmış ürünlerin kalitesini ve miktarını iyileştirerek tüketicilerin fiziksel sağlığını ve satın alma motivasyonlarını etkileyebilir. Ayrıca, piyasa fiyatının belirlenmesinde de önemli bir faktördür. Bu tez çalışması, tarım sektöründe meyve tespiti, analizi ve sayımı konularında YOLOv8 evrişimsel yapay sinir ağı modelinin etkinliğini araştırmaktadır. Çalışmada toplam 2223 görsel kullanılarak dört farklı meyve türü olan Elma, Portakal, Muz ve Nar sınıfları üzerinde çalışılmıştır. Modelin belirgin başarısı, özellikle meyvelerin olgunlaşma aşamalarını doğru bir şekilde belirleme yeteneği olarak öne çıkmaktadır. Eğitim süreci 60 döngü boyunca gerçekleştirilmiş olup, öğrenme hızı 2,5 ms olarak belirlenmiştir. Eğitim sürecinde modelin kayıp değeri sürekli olarak azalırken doğruluk değeri artmıştır. Detaylı değerlendirmeler sonucunda, modelin meyve türleri bazında başarı oranları şu şekildedir: Elma için %95,3, Portakal için %98,9, Muz için %93,8 ve Nar için %98,8. Modelin genel başarı oranı %97,09 olarak hesaplanmıştır, bu da modelin karmaşık ve değişken meyve özelliklerini doğru bir şekilde sınıflandırma yeteneğini vurgulamaktadır. Elde edilen sonuçlar, YOLOv8 modelinin tarım sektöründeki meyve tespiti ve sınıflandırma görevlerinde güvenilir bir performans sergileyebildiğini ve çeşitli meyve türlerini başarıyla ayırt edebildiğini göstermektedir. Ayrıca, İnsansız Hava Aracı (İHA) tarafından elde edilen görüntülerin deneysel analizi, YOLOv8 modelinin tarımsal uygulamalarda etkin bir şekilde kullanılabilirliğini ortaya koymuştur. Model, farklı meyve konumlarındaki tespiti, nitel analizi ve sayımını içeren çeşitli tarımsal uygulamalarda başarı elde etmiştir. Bu bulgular, modelin tarım sektöründe İHA görüntülerini analiz ederek meyve tespiti konusunda güvenilir bir performans sergilediğini ve tarımsal uygulamalarda etkili bir araç olarak kullanılabileceğini vurgulamaktadır.
Derin öğrenme yöntemleri kullanılarak akciğer X-ray görüntülerinden atelektazi teşhisi ve sınıflandırılması
Bu çalışmada, derin öğrenme yöntemleri kullanılarak akciğer X-ray görüntülerinden atelektazi hastalığının otomatik olarak sınıflandırılması amaçlanmıştır. Atelektazi, akciğerin bir kısmının ya da tamamının sönmesiyle karakterize ciddi bir solunum hastalığı olup, erken teşhisi tedavi süreci açısından kritik önem taşımaktadır. Bu kapsamda, farklı öğrenme stratejileri ve görüntü ön işleme tekniklerinin sınıflandırma performansına etkisini incelemek amacıyla dört ayrı model geliştirilmiştir. Modeller, iki temel değişkene göre farklılaştırılmıştır: (1) görüntülerin ham hâliyle mi yoksa yalnızca akciğer bölgesi kırpılarak mı kullanıldığı ve (2) modelin sıfırdan mı yoksa önceden eğitilmiş (transfer öğrenme) bir mimariyle mi çalıştığı. Çalışmada sıfırdan öğrenen iki SqueezeNet tabanlı model (Model I ve Model II) ve önceden eğitilmiş SqueezeNet kullanan iki transfer öğrenme modeli (Model III ve Model IV) eğitilmiştir. Model I ve III ham görüntülerle, Model II ve IV ise sadece akciğer bölgesinin yer aldığı kırpılmış görüntülerle eğitilmiştir. Deneysel sonuçlara göre en yüksek başarı Model IV tarafından elde edilmiş; %98.43 doğruluk, 0.984 F1 skoru ve 0.999 AUC değeri ile literatürdeki birçok yöntemin ötesinde sonuçlar sunmuştur. Ayrıca, görüntülerin kırpılması hem sıfırdan öğrenen hem de transfer öğrenme kullanan modellerde genel başarıyı artırmıştır. Bulgular, hem ilgi bölgesine odaklanmanın hem de transfer öğrenmenin tıbbi görüntü sınıflandırmasında önemli avantajlar sağladığını ortaya koymuştur. Bu çalışma, derin öğrenme temelli sistemlerin atelektazi gibi kritik hastalıkların erken teşhisine katkı sunabilecek güvenilir karar destek araçları olarak kullanılabileceğini göstermektedir.
EEG sinyalleri kullanarak epileptik nöbetlerin önceden tahmin edilmesi
Epilepsi, beyindeki anormal elektriksel aktiviteler sebebiyle oluşan ani nöbetlerin sonucu olarak, bilinç kaybı, kontrol edilemeyen kas hareketleri ve iletişim zorlukları gibi ciddi problemlere sebep olan kronik bir nörolojik hastalıktır. Bu nöbetlerin ani ve tahmin edilemez doğası, hastaların yaşam kalitesi ve güvenliğini tehdit etmekte, kazalara, yaralanmalara ve hatta ölümlere sebep olabilmektedir. Dolayısıyla epileptik nöbetlerin önceden doğru biçimde tahmin edilmesi, yaşanabilecek olumsuz olaylara karşı önlem almak için kritik bir öneme sahiptir. Özellikle derin öğrenme tabanlı yöntemler, epileptik nöbetlerin tespiti, sınıflandırılması ve tahmin edilmesi gibi karmaşık biyomedikal sinyal analizlerinde geleneksel yöntemlere kıyasla yüksek başarılar elde etmektedir. Bu yöntemler, EEG sinyallerindeki gizli desenleri ve derin özellikleri yakalama konusunda üstün yetenekleriyle öne çıkmaktadır. Bu çalışmasında, epileptik nöbetlerin belirli bir süre önceden tespiti için, EEG sinyallerinin zaman temsilini temel alan yenilikçi hibrit ve füzyon tabanlı yaklaşımlar önerilmiştir. Çalışmada önerilen yöntemler, epileptik nöbet tahmini için EEG sinyallerinde bulunan karmaşık ve gizli desenlerin daha etkin biçimde yakalanmasına odaklanmaktadır. İlk ikisi temel model olmak üzere, önerilen modeller şunlardır: (a) Zamansal Evrişimli Ağ, zaman dizileri kullanarak EEG sinyallerinin zamansal dinamiklerini yakalamaktadır, (b) Tiny Transformer, EEG spektrogramlarını düşük karmaşıklığa sahip Transformer yapısı ile analiz etmekte ve kompakt yapısıyla dikkat çekmektedir, (c) Hiyerarşik Zamansal Tiny Transformer, EEG verilerindeki çok ölçekli zamansal bağımlılıkları, sıralı temporal evrişimler ve Transformer modüllerini kullanarak hiyerarşik olarak öğrenmektedir ve (d) Paralel Zamansal Tiny ViT Transformer, EEG sinyallerinin frekans ve zamansal bilgilerini, sıralı zamansal evrişim ve Transformer tabanlı iki ayrı paralel kolda işleyerek, elde edilen temsilleri füzyon mekanizmasıyla birleştirmektedir. Hiyerarşik mimari, zamansal özellikleri sıralı modüller aracılığıyla işler. Zamansal Evrişimli Ağ kısa vadeli dinamikleri çıkarırken, Geçitli Tekrarlayan Birim (Gated Recurrent Unit, GRU) sıralı bilgiyi düzenler, ardından zamansal dikkat mekanizması bilgi açısından zengin zaman adımlarını vurgular ve son olarak Tiny Transformer, uzun menzilli bağımlılıkları kendiliğinden dikkat yoluyla yakalar. Paralel yapıdaki modelde, ham EEG ve spektrogram temsilleri eş zamanlı olarak Zamansal Evrişimli Ağ ve Görsel Transformer (ViT) kollarında işlenmekte ve tamamlayıcı zamansal ile spektral özellikler çapraz dikkat (cross-attention) tabanlı bir füzyon stratejisiyle birleştirilmektedir. Yapılan deneysel değerlendirmelerde tüm modeller üstün performans göstermiş olsada, Hiyerarşik Zamansal Tiny Transformer mimarisi, %93,32 duyarlılık, %94,29 kesinlik, %96,19 doğruluk ve 0,99 AUC değerleri ile diğer yöntemlere göre daha iyi performans sergilemiştir. Bu sonuçlar, EEG sinyallerinin farklı temsillerinin entegre edilmesinin epileptik nöbet tahmini için güçlü bir strateji olduğunu göstermektedir. Sonuçlar, çalışmanın epileptik nöbetlerin daha erken ve doğru bir şekilde tahmin edilmesinde etkili olduğunu göstermekle birlikte ileri düzey yaklaşımların geliştirilmesine yönelik değerli katkılar sunmaktadır.
Makine öğrenme yaklaşımlarının biyoinformatikte ilaç geliştirme probleminde kullanılması
İlaç araştırma ve geliştirme sürecinin odak noktasında insan vardır. Hastanın, hastalığını yenmesine yardım etmek ve yaşam kalitesini iyileştirmek amaçlanır. İlaç geliştirme sürecinde yenilikçi ilaçların etkin, güvenilir ve mümkün olan en kısa sürede hastaların kullanımına sunulacak tedaviler olması amaçlanır. Ancak bir ilacın keşfedilerek tıbbın hizmetine sunulması zaman alıcı ve yüksek maliyet gerektirir. Son yıllarda ise bilişim teknolojilerinin gelişmesi ve biyoinformatik tabanlı uygulamalar sayesinde bu sürecin daha az maliyetle ve hızlı bir şekilde klinik aşamaya geçilmesinde gelişme sağlanmıştır. Bu tez çalışmada Tip-2 diyabet tedavisi için, DPP-4 inhibitörleri kullanılarak ve makine öğrenme yaklaşımları yardımıyla ilaç adayı olabilecek moleküllerin tespit edilebilmesi amaçlanmıştır. ChEMBL veri tabanından elde edilen veriler 10 adet makine öğrenimi algoritmalarıyla ve yapay sinir ağı modeliyle analiz edilmiştir. Modellerin performanslarının karşılaştırılmasında Hata Kareler Ortalaması Karekök (HKOK) ölçütleri ile değerlendirilmiştir. Uygulama sonucunda, en iyi öngörüleri üreten makine öğrenme yaklaşımlarının Rastgele Orman ve tek tabakalı ileri beslemeli sinir ağı olduğu görülmüştür. Bu iki yöntemin birbirlerine yakın öngörü sonuçları verdiği gözlemlenmiştir. Modellerin performanslarının değerlendirilmesinde, literatürde en yaygın ölçüt olan kök ortalama kare hatası değerine göre, Rastgele Orman modeli daha yüksek performans gösterdiği için optimum model olarak seçilmiştir. Yapılan bu çalışma sonuçlarına göre, Tip-2 diyabet tedavisi için ilaç adayı olabilecek moleküllerin tespit edilmesinde Rastgele Orman yaklaşımı kullanmanın iyi sonuçlar ürettiği görülmüştür.
21. yüzyılda insan haklarına yönelik yeni bir tehdit: Yapay zeka
Bu çalışmada günümüzde yapay zekanın insan haklarını nasıl etkilediği işlenmektedir. Yapay zekanın tarihteki teknolojik gelişmelerden farkı ortaya konarak önemi vurgulanmaktadır. İnsanlık yaşanan teknolojik gelişmelerden tarih boyunca etkilenmiştir. Bu etki ekonomik, sosyal, siyasal boyutlarda görülmektedir. Teknolojik gelişmelerin insan haklarına etkisi de yadsınamaz bir gerçektir. Yapay zekanın üstel gelişim özelliği, yapay zeka bilgisinin eksikliği, yapay zekanın gelişiminin sınırlandırılmaması yapay zekayı farklı kılan özellikleridir. Çalışmanın devamında yapay zekanın tarihi, içeriği, geleceği ve nerelerde kullanıldığı üzerinde durularak, böylece günümüzdeki temel sorunlardan biri olan bilgi eksikliği giderilmeye çalışılmaktadır. Yapay zeka insanların hayatın her alanında kullandığı bir teknoloji halini almıştır. Yapay zekanın gelişimi ise insanlar sayesinde olmaktadır. İkinci bölümde yapay zekanın hayatın her alanında etkili oluşu vurgulanırken gelişimi de gözler önüne serilmeye çalışılmıştır. Bu çalışmanın gerçekleştirilmesi süresinde dahi yapay zeka alanında kimi önemli gelişmeler yaşanmıştır. Bu durum da yapay zekanın insanlık tarihindeki önemini göstermektedir. Yapay zekanın insan haklarına etkilerinin anlaşılabilmesi için insan hakları kavramı üzerinde durularak günümüzde insan haklarının önemini koruduğu, hala üstüne düşünülmesi ve korunması için çabalanması gerekilen bir alan olduğu vurgulanmaktadır. İnsan Hakları Sözleşmelerinden bahsedilerek yapay zekanın ihlal edebileceği haklara değinilecektir. Burada yapay zekanın insan haklarının çiğnenmesine yol açacak etkilerini önlemeye yönelik düzenlemelerin yeterli olmayışı gösterilmeye çalışılmıştır. Çalışmanın sonunda yapay zeka hakkında bilgi eksikliğinin giderilmesi; yapay zeka eğitimine öncelik verilmesi gerekliliği; yapay zekanın insan hakların ihlallerine yol açabilecek sonuçlarını önleyecek, gerekirse çalışmaları durduracak olan yaptırımların devletler tarafından ve de uluslararası seviyede devreye sokulması gerekliliği ortaya konmaktadır. İnsan yapay zekanın üreticisi ve kullanıcısı olarak her zaman merkezde kalmalı ve yapay zeka bir araç olarak kullanılmalıdır. İnsanın değerini yitirmesine sebep olacak onur kırıcı etkileri olacak girişimler önlenmeli, yapay zeka insan hayatını iyileştiren bir destek mekanizması olmalıdır görüşü savunulmaktadır.
Yapay sinir ağları ile teslim süresi tahmini ve savunma sanayinde uygulaması
Üretim alanında faaliyet gösteren işletmeler arasındaki rekabet gün geçtikçe artmaktadır. İşletmeler rekabetçi piyasada söz sahibi olmak adına sürekli olarak kendilerini geliştirme çabası içindedirler. Teslim süresi, işletmelerin müşteri beklentilerini karşılamak amacıyla yüksek doğruluk seviyesi ile hesaplamak ve iyileştirmek istediği en önemli performans göstergelerinden birisidir. Müşteri siparişinin alınmasından ürünün teslimatına kadar geçen süre teslim süresi olarak adlandırılmaktadır. Bu çalışmada yapay sinir ağları (YSA) kullanılarak ürünün teslim tarihinin, üretim süresi ve hammadde tedarik süresini içerecek şekilde tahmin edilmesini sağlayan bir model geliştirilmiştir. Geliştirilen model ile müşteriye iletilecek teslim süresi kabul edilebilir bir doğrulukta tahmin edilebilmektedir. Bu da gecikme olmadan zamanında teslimat yapılmasını ve müşteri memnuniyetinin istenen seviyede tutulmasını sağlayacaktır. Bu model, teslim süresini hammadde tedarik süresini de göz önünde bulundurarak tahmin edecek bir yapıda olup bu yönüyle literatürde benzeri yoktur. Üretim süreçlerinin ve ürün ağacının karmaşık olduğu üretim sistemlerinde kolaylıkla uygulanabilecek yapıdadır. Geliştirilen model, savunma sanayinde faaliyet gösteren bir firmada üretilen bir ürüne ait veri ile farklı senaryolar kurgulanarak çalıştırılmış ve teslim süreleri ile hammadde tedarik süreleri analiz edilmiştir. Teslim süresinin iyileştirilmesi amacıyla, teslim süresinin uzamasına neden olan hammaddeler tespit edilerek bu hammaddeler için emniyet stoku tutulması önerilmiştir. En fazla gecikme görülen ilk 30 hammadde için emniyet stoku tutularak gecikme süresinde %70, gecikmeden kaynaklı ceza ödemesinde ise %77 oranında iyileştirme sağlanabileceği belirtilmiştir. Bu açıdan tahmin modeli sadece bir karar verme aracı olarak değil, bir iyileştirme aracı olarak da kullanılmaktadır. Bu çalışmada YSA uygulamaları literatürde yer alan diğer çalışmalara kıyasla daha detaylı bir şekilde aktarılmıştır. Bu yönüyle YSA tahmin uygulamalarında izlenecek adımları gösteren bir rehber niteliğindedir.
Türkiye'de gün öncesi piyasası için elektrik fiyatlarının tahmini
Elektrik, tarih öncesi çağlardan beri varlığı bilinse de özellikle aydınlatma amacıyla kullanılmaya başlanmasıyla birlikte insan hayatında vazgeçilmez bir yer edinmiştir. Devletler, elektriğin üretim, iletim ve dağıtımını vatandaşlarına herhangi bir ayrım gözetmeksizin gerçekleştirme amacı içerisinde olmuşlar ve bu aşamaları sağlayacak kurumlar meydana getirmişlerdir. Elektrik endüstrisinde 1940'lı yıllarda elektriğin devlet tekelinde olması yeğlenirken 1980'li yılların hemen başlarında bu düşünce yadsınır hale gelmiştir. Böylece devletin rolünün azaltılması hedeflenerek denetleyici ve düzenleyici bir konumda olması için endüstride düzenlemeler yapılmaya başlanmıştır. Başta Şili olmak üzere, İngiltere, İskandinav ülkeleri ve daha birçok ülke elektrik piyasasında düzenlemeye giderek özel kesimin piyasada etkin olmasını sağlamaya çalışmıştır. Türkiye' de ise serbestleşme çalışmaları milenyumun ilk yıllarında başlamıştır. Bu tez çalışmasının amacı elektrik fiyatlarının tahmin edilmesi ve öngörülmeye çalışılması olarak belirlenmiştir. Çalışmanın kapsamını, Türkiye'de faaliyet gösteren elektrik piyasalarından biri olan Gün Öncesi Piyasasında işlem gören Piyasa Takas Fiyatı (PTF)'nın tahmin edilmesi oluşturmaktadır. Tahmin yöntemi olarak, makine öğrenmesi yöntemlerinden Yapay Sinir Ağları, Destek Vektör Makineleri ve Rastgele Orman Yöntemi kullanılmıştır. Bu amaçla, uygulamada kullanılan girdiler ve yöntemlerle birlikte altı farklı model kurulmuş olup PTF'nin en iyi tahmini Model 6 ile elde edilmiştir. En iyi tahmin eden yöntem ise Rastgele Orman Yöntemi olmuştur. Böylelikle, Model 6 ile PTF' nin 24 saatlik öngörüsü gerçekleştirilmiş ve sonuçlar özetlenmiştir.
Omuz egzersizlerinin RGB-D verisi kullanılarak gerçek zamanlı kestirimi için sanal egzersiz sistemi
Omuz ağrısı ve rahatsızlık çok yaygın olarak görülen ve ciddi problemlerdir. Omuz tedavisi yapılandırılmış ve tekrarlayan bir programdan yararlanır. Geleneksel fiziksel rehabilitasyon programlarında, hastalar sıklıkla fizyoterapistin hareketi öğretmesine takiben aralıklı geri bildirim ile egzersiz yaparlar. Bununla birlikte, evde yapılan rehabilitasyonda, hasta fizyoterapist tarafından herhangi bir geri bildirim almamaktadır. Bu, tedavi sürecinde kesintiye, yanlış tedaviye ve hatta kendi kendine yaralanmasına neden olabilir. Bu çalışma, Omuz Terapileri için Sanal Egzersiz Sistemi (ViTES), bağlılığı arttırıcı terapi uygulamaları ve omuz rehabilitasyonu için hasta motivasyonunu sağlamak için umut verici yeni bir araç olarak önerilmektedir. ViTES, kullanıcıları eğitebilir ve gelen RGB-D veri akışından gerçek zamanlı tanıma ile eş zamanlı olarak egzersiz performanslarını değerlendirebilir. Çalışma kapsamında ViTES ile kullanılan öğrenme modelini oluşturmak için V-Shoulder veriseti de oluşturuldu. Veri seti, toplam 7 farklı omuz tedavisi egzersizinin 739 egzersiz örneğinden oluşmakta ve Kinect RGB-D sensörü kullanılarak oluşturulmuştur. ViTES'in kullanılabilirliğini ve etkinliğini iki bölümden oluşan bir kullanıcı çalışması ile doğrulanmıştır. Kullanıcıların ViTES'i kısa bir anket aracılığıyla değerlendirdiği birinci bölümde, sistem tüm kullanıcılardan olumlu görüşler almasına ek olarak kullanıcılar sistemin kullanımının kolay olduğu bildirimini vermiştir. İkinci bölümde, V-Shoulder verisetinden öğrenilen veri madenciliği modeline göre, ViTES tarafından otomatik olarak analiz edilen omuz egzersiz hareketlerinin benzerliklerini karşılaştırıldı. Sonuçlar, ViTES'in geleneksel fizyoterapi sürecini tamamlamada yararlı bir araç olma konusunda dikkate değer bir potansiyele sahip olduğunu göstermektedir.
Türkiye'de binek otomobili endüstrisinin talebine kantitatif bir yaklaşım
Türkiye'de Binek Otomobili Endüstrisinin Talebine Kantitatif Bir Yaklaşım adını taşıyan doktora tezi; talep kavramı, talep fonksiyonunu açıklayan teorik yaklaşımlar (talep teorileri) ve binek otomobili talep fonksiyonunun tanımlanması, talep tahmin yöntemleri ve Türkiye'de binek otomobili talebinin tahmini olmak üzere üç bölümden oluşmuştur.Birinci bölümde talep ve taleple ilgili kavramlar açıklanmış, talep fonksiyonunu açıklayan teorik yaklaşımlar (talep teorileri) ile binek otomobili talep fonksiyonunun tanımlanması sunulmuştur. Talep fonksiyonlarını açıklayan teorik yaklaşımların irdelenmesiyle oluşturulan binek otomobili talep fonksiyonu: T = f (P1, P2, M, S1, S2, i) P1: binek otomobili fiyatı, P2: akaryakıt fiyatı, S1: ülkenin tasarruf hacmi, S2: tüketici kredileri hacmi, M: toplam milli gelir, i: tüketici kredileri faiz haddi olarak elde edilmiştir. Tezin teorik altyapısını oluşturan bu bölümün, Türkçe literatüre özellikle modern talep teorileri açısından katkıda bulunacağı değerlendirilmiştir.Talep tahmin yöntemleri başlığı altında sunulan ikinci bölümde ise; talep tahmin metodolojisi, talep tahmin stratejileri, talep teorileri ile talep tahmin yöntemleri arasındaki ilişki ve talep tahmin yöntemleri konularında teorik bilgi sunulmuştur. Uygulama bölümünde kullanılan kantitatif talep tahmin yöntemlerinin teorik kısmına bu bölümde ağırlık verilmiştir. Teze orijinal olma niteliği kazandıran üçüncü ve son bölümde ise ikinci bölümde sunulan talep tahmin metodolojisine sadık kalınarak binek otomobili talebinin ancak ekonometrik modellerle tahmin edilebileceği ortaya konulmuştur. Oluşturulan ekonometrik modelin uygulaması ise seçilen hem geleneksel, hem de modern tahmin yöntemleri ile yapılmıştır. Geleneksel yöntem olarak çoklu regresyon, modern yöntem olarak ise yapay sinir ağları seçilmiştir. Çoklu regresyon uygulamasında, talepte eğrisel desenlerin varlığı ve açıklayıcı değişkenlerin arasındaki yüksek korelasyonlar bulunması nedeniyle geleneksel yöntemlerin ekonometrik modellere yeterince uygun olmadığı tespit edilmiştir. Modern yöntem uygulamasında kullanılan yapay sinir ağları yöntemiyle bu sakıncalar kısmen giderildiğinden tahminlerin performansı ve isabet derecesi artmıştır. Bu nedenle binek otomobili talebinin tahmin edilmesinde geleneksel yöntemler yerine eğrisel desenleri kavrama ve genelleme yeteneğine sahip olduğu değerlendirilen yapay sinir ağları gibi modern yöntemler tercih edilmelidir. Bu varsayımlar altında, gelecek beş yıl için binek otomobili talebinin azalan bir ivme ile artacağı tespit edilmiştir. Ekonomik konjonktürdeki gelişmeler göz önünde bulundurulduğunda bu sonucun gerçekleşmesinin uzak bir ihtimal olmayacağı değerlendirilmiştir.
In-memory (hafıza içi) veri tabanı sistemlerinde akıllı log analizi
Veri, tüm zaman ve çağlarda hep değerli olmuş, bilimin ilerlemesine ve toplumların gelişmesine öncülük etmiştir. İçinde bulunduğumuz Bilgi ve Teknoloji Çağı'nda, verinin değeri her geçen gün daha da önem kazanmaya başlamıştır. Günümüzde veriyi son derece önemli hale getiren en temel hususlardan birisi de, verilerin hızlı bir şekilde işlenebilmesi ve daha iyi analiz edilebilmesi olmuştur. Analiz sonucunda daha anlamlı veriler üretilmiş ve böylece verilerin çok daha etkin bir şekilde kullanılabilmesi sağlanmıştır. Bu çalışmada, uygulama ve sistemlerin işleyişi sürecinde oluşan log verilerinin In-Memory Veri Tabanı sistemlerinde tutulması, YSA algoritmalarından SOM (kendi kendine organizasyonlu öğrenme) algoritması kullanılarak tutulan verilerin analiz edilmesi ve sistemdeki anomali durumlarının tespit edilmesi yaklaşımı esas alınmıştır. Anomali tespiti amaçlı veri analizlerinde, denetimli öğrenen (supervised) YSA algoritmalarının tek başına yeterli olmayacağı, denetimsiz öğrenen (unsupervised) YSA algoritmalarının da kullanılmasının gerektiği görüşü beyan edilmiştir. Diğer yandan büyük boyutlu verilerin analiz çalışmalarının hızlı yapılabilmesi için, In-Memory (Hafıza İçi) veri tabanı sistemlerinin kullanılmasının gerekliliğine değinilmiştir. Konuyla ilgili geliştirilen prototip uygulama detaylıca anlatılmıştır. Uygulamada, In-Memory veri tabanı tablolarında tutulan, BT sitemlerindeki Windows sunuculara ait olan ve WMI üzerinden alınan uygulama log verileri kullanılmıştır. Öncelikle SOM algoritması kullanılarak veriler analiz edilmiştir, sonra da çıktı verileri baz alınarak anomali tespiti yapılmış ve anomali seviyeleri derecelendirilmiştir.
Uydu verilerine ve yapay sinir ağlarına dayalı olarak bitki örtüsü tahmini ve analizi
Son yıllarda özellikle Türkiye'nin batı bölgelerinde şehirleşmenin etkisiyle yeşil alanlar hızla azalmaktadır. İnceleme bölgesi için NDVI (Normalized Difference Vegetation Index, Normalize Edilmiş Fark Bitki Örtüsü İndeksi) uzaktan algılama yöntemi kullanılarak bitki örtüsü indeksi elde edilmiştir. MODIS uydusu aracılığıyla Kandilli Bölgesi ve civarı için on yıl boyunca gözlenen günlük NDVI değerlerine dayalı olarak bitki örtüsü tahmini yapılmıştır. Bitki örtüsü tahmininde ANN (Artificial Neural Network, Yapay Sinir Ağı) yöntemlerinden olan ANFIS (Adaptive Neuro-Fuzzy Inference System, Uyarlamalı Ağ Bulanık Çıkarım Sistemi) Modeli kullanılmıştır. Bu çalışma kapsamında, enlem değeri 41° 4' ve boylam değeri 29° 3' olan Kandilli Bölgesinin Eylül, 2005 ile Ekim, 2016 yılları arasındaki NDVI değerleri ile çalışılmıştır. Değerlerin saptanmasında MODIS (Moderate Resolution Imaging Spectroradiometer, Orta Çözünürlük Spektrometre Görüntüleme) çeşitlerinden olan TERRA Uydusu kullanılmıştır. Ölçümler yaklaşık olarak 6.25 kilometrekarelik bir alan üzerinde yapılmıştır. TERRA Uydusu'ndan elde edilen NDVI değerleri ile ANN kullanılarak bitki örtüsü tahmini gerçekleştirilmiştir. MATLAB ortamında bir Neuro-Fuzzy Designer olarak tanımlanmış olan ANFIS klasik küme teorisi ve bulanık mantık teorisinin birleşimi şeklinde ele alınmıştır. Bu yöntemde hedef bir değerin o kümeye ait olup olmamasını saptamak ve bu işi yaparken üyelik fonksiyonlarını kullanmaktır. ANFIS içerisindeki üyelik fonksiyonlarının hata tolerans değerleri birbirleriyle karşılaştırılmıştır. En başarılı üyelik fonksiyonu seçilerek tahmin gerçekleştirilmiştir.
Bitki örtüsü indeksinin yapay sinir ağları ve dalgacık dönüşümü ile analizi
Bu çalışmada, NASA'ya ait TERRA MODIS uydusundan alınan Marmara Bölgesi'ne ait 2011-2016 yılları arası YAİ (Yaprak Alan İndeksi) verileri ile bitki indeksi değerlerinin yerel ve zamansal değişiminde şehirleşme, göç vb. etkilerin rolü analiz edilmiştir. Atmosferde bulunan sera gazlarının giderek artması, çağımızın en önemli sorunu olan küresel ısınmaya neden olmaktadır. Küresel ısınma ise buzulların erimesine dolayısıyla deniz seviyesinde yükselmeye, bazı bölgelerde kasırgalar, seller gibi çeşitli hava olaylarının artmasına neden olmaktadır. Ayrıca bazı bölgelerde yağmurların azalmasına bağlı kuraklığın meydana gelmesine yol açmaktadır. Fosil yakıtlar, hızlı nüfus artışı, yeterince ağaçlandırma yapılmaması, ormanların tahrip edilmesi gibi aktiviteler küresel ısınmanın etkilerini artırmaktadır. Türkiye'de de özellikle hızlı nufüs artışının görüldüğü Marmara Bölgesi'nde iklim değişiminin etkileri hissedilir boyuta gelmiştir. Yağış miktarında azalma, yangınların artması, yüzey sıcaklığının artmasına bağlı bitki türlerinde azalma bu etkilerin başında gelmektedir. Kuraklık tarımsal verimde düşüşe sebep vermektedir. Turizm de bu olumsuzluklardan etkilenen sektörlerden biridir. Bu tez çalışmasında seçilen Marmara Bölgesi için bitki örtüsü değişimi matematiksel modellere dayalı olarak analiz edilmiştir. Yöntem olarak Dalgacık Dönüşümü ve Yapay Sinir Ağları ile hibrit bir sistem oluşturulmuştur. Böylelikle hata payı daha düşük tahminler elde edilmiştir. Ayrıca Marmara Bölgesi'nde yer alan 10 istasyondan (Edirne, Tekirdağ, Çanakkale, Balıkesir, Bursa, İstanbul, Sakarya, Kocaeli, Bilecik, Kırklareli) alınan yağış bilgileri istatistiksel olarak yorumlanmıştır. Böylelikle küresel ısınmaya bağlı olarak yağış miktarındaki değişim analiz edilmiştir. İllerimizde genel birlikte 5-6 aylık zaman kayması dikkat çekmektedir. Toprağın yağışı bitki üyelerine transferinde yaşanan gecikmenin bu zaman kaymasına neden olduğu tespit edilmiştir. Sürekli dalgacık dönüşümü ile elde edilen entropi grafiklerinden şiddetli yağışların frekansında artış olduğu görülmüştür. Daubechies algoritması ile dalgacıklara ayrılan yağış Levenberg-Marquardt geri yayılım yapay sinir ağı algoritmasına girdi olarak gönderilmiştir. YSA eğitim sonuçlarına göre en düşük MSE ve RMSE değerleri Çanakkale ilinde kaydedilmiştir. Çanakkale ilinde kara-deniz etkileşimi bu sonucu etkilemiştir denilebilir. MB ve RMB değerlerinin ise en düşük olduğu il Bursa olmuştur. NRMS değeri Balıkesir ilinde en düşük çıkmıştır. Çalışma sonunda yağışa bağlı YAİ değerlerinin tahmininde Dalgacık-YSA modelinin başarılı sonuçlar verdiği saptanmıştır. Bu modelin bitki örtüsü verilerine dair çalışmalarda uygulanabilirliği ortaya konmuştur.
Öznitelik seçimi ve makine öğrenimi kullanılarak enerji iletim, kontrol ve yönetim sistemlerinde siber güvenlik analizi
Enerjinin iletimi, denetimi ve yönetiminin yapıldığı SCADA benzeri sistemlerin internet ağına bağlı olarak çalışmaları ve ağ üzerinden güvenli bir şekilde veri iletmeleri beklenmektedir. Enerji denetim ve yönetim sistemlerinde, sisteme yapılacak siber saldırılar sonucu verilerde oluşabilecek hataların sınıflandırılması ile sistemin korunmasını sağlayabilecek akıllı sistemlerin geliştirilmesi mümkündür. Fakat büyük çaplı sistemler için geliştirilecek akıllı sınıflandırma algoritmalarında en büyük problem öznitelik uzayının oldukça büyük olmasıdır. Böyle sistemler için doğru şekilde öznitelik azaltma önemlidir. Bu çalışmada birbirine ardışık bağlı öznitelik seçim algoritmalarının hem zaman hem sınıflandırma başarısına etkilerinin incelenmesi amaçlanmıştır. Böylece her bir öznitelik seçimi sonrası elde edilen öznitelik matrisleri ile sistem performansının iyileşip iyileşmediği incelenecektir. Geliştirilen algoritma için 128 farklı iletim hattı ölçüm parametresinin öznitelik uzayından oluşan açık kaynaklı bir veri seti kullanılmıştır. Çalışmada izlenen metodoloji temel olarak dört ana adımdan oluşmaktadır. Çalışmada her adımda sınıflandırıcı olarak 5'li komite yapısına sahip, oy çokluğu ile karar veren, sabit parametreli (katman sayısı, nöron sayısı, öğrenme oranı ve momentum katsayısı) çok katmanlı algılayıcı (MLP) tercih edilmiş ve 10 katlamalı çapraz doğrulama yöntemi uygulanmıştır. İlk adım olarak tüm veri seti doğrudan MLP ağları ile sınıflandırılmış, başarı ve sınıflandırma eğitim süreleri kaydedilmiştir. İkinci adımda ilk öznitelik seçim yöntemi olarak ANOVA analizi kullanılmış ve p-değeri 0,05'den büyük olan öznitelikler elenmiştir. İlk öznitelik seçimi sonrasında elde edilen öznitelik matrisi aynı özelliklere sahip MLP ağı ile sınıflandırılmış, başarı ve eğitim süresi kaydedilmiştir. Üçüncü adımda ise özniteliklerin arasındaki korelasyona bakılmıştır. En düşük p-değerine sahip öznitelikten başlayarak korelasyon katsayısı |r|<0,7 den küçük olan öznitelikler bu yöntemle seçilerek sınıflandırma algoritmasına sokulmuş ve başarı ile süre değerleri kaydedilmiştir. Son öznitelik seçim yöntemi olarak ise ReliefF algoritması kullanılarak öznitelikler kendi aralarındaki ilişkiye bağlı olarak ağırlıklandırılarak sıralanmıştır. Elde edilen sıralanmış özniteliklerden ise maksimum ve minimum değere sahip özniteliklerin ortalaması alınarak, bu değerden daha yüksek ağırlık değerine sahip öznitelikler sınıflandırma işlemine sokulmuştur. Elde edilen sonuçlar incelendiğinde tüm veri seti için, MLP ağının aşırı öğrenme problemi ile karşılaştığı ve sınıflardan ikisini hiçbir şekilde sınıflandıramadığı görülmektedir. Sınıflandırma performansı %21 civarında olurken, yaklaşık eğitim süresinin 63,14 saniye civarında olduğu gözlemlenmiştir. İlk öznitelik seçim işlemi sonrası 128'den 82'ye inen öznitelik sayısı ile elde edilen sınıflandırma başarısı ise %89,11 civarında olurken, eğitim süresi 205,82 saniye civarında sürmektedir. Korelasyon katsayılarına bağlı olarak gerçekleştirilen ikinci öznitelik seçme işlemi sonrasında ise 24 öznitelik sınıflandırma işlemi için uygun değerlere sahip olmuştur ve bu öznitelikler ile %85,32'lik bir sınıflandırma başarısı elde edilirken işlem süreci 17,69 saniye sürmüştür. Son öznitelik seçme işlemi sonrasında ise 6'ya düşen öznitelik sayısı ile 7,4 saniye süren sınıflandırma işlemi sonrasında %84,49'luk bir sınıflandırma başarısı elde edilmiştir.
Derin öğrenme temelli yüz görüntü analizi
Derin öğrenme insan beynini temel alan yapay sinir ağlarının bir veya birden fazla katmandan oluştuğu bir çalışma alanıdır. Veriler yardımıyla sonuçları tahmin eden bir makine öğrenme yöntemidir. Zamanla teknolojinin gelişmesi bilgisayarların performansının artmasını sağladı. Dolayısıyla yapay zekâ uygulamalarında gelişim gözlenmeye başlandı. Bugüne baktığımızda yüz tanıma sistemleri her alanda kullanılmaktadır. Son zamanların gelişen teknolojisiyle popüler bir alan haline gelen bu sistemler pek çok alanda güvenli geçişler sağlar. Tezin amacı sınıf ortamında bulunan kamera karşısında yüz tanıma kümeleri oluşturup, nötr olan yüz ifadelerini bir sınıflandırıcı yardımıyla tespit ederek, Python yardımıyla derse giriş duygu durumlarını belirleyip aynı gün içinde ders bitiminde nötr duygu durumlarının ne oranda artıp azaldığının oransal değişimi tespit edilmeye çalışılacaktır.