107
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Transmitting vital health data with coap observe
Internet of Things (IoT) is one of the most preferred technologies of recent times. Today, the use of IoT in daily life is increasing and it is expected to increase further over time. IoT devices can communicate automatically without the need for any user. It can receive data from other devices or generate data through the sensors on them. IoT can be used in smart city systems, home automation systems, traffic, and many other areas. One of the areas where the IoT system is used is the health sector. In healthcare technology, IoT systems play an important role in the automatic acquisition, monitoring, and processing of patients' health data. Elderly patients who do not want to be in a crowded environment or who need compulsory home care can expect to be monitored and treated remotely. As a solution to these situations, IoT systems can be considered to collect the health data of individuals and transmit them to a health institution. In this case, it is necessary to analyze the performance of network protocol stacks that can work with IoT systems in order to transmit this health data quickly and reliably. In this study, the health data of the patients were updated every second using the CoAP Observe method. The standard IoT protocol stack is used. 4 different metrics (latency, energy efficiency, reliability, and throughput) were determined and performance evaluation was made. A total of 12 scenarios were evaluated with 4 different scenarios and 3 different PDR (Packet Delivery Ratio) values (100, 95, 90) using MAC (CSMA, nullMAC) and RDC (contikiMAC, nullRDC) protocols.
İstenmeyen e-postaların filtrelemesinde açı dönüşümü tabanlı içerik bağımsız bir yaklaşım
Bu çalışmada, spam olarak tanımlanan istenmeyen e-postaların tespiti için geliştirilen açı yaklaşımı incelenmiştir. E-postaların metin içerikleri Unikodlara dönüştürülerek bir boyutlu sinyal olarak ele alınmış ve bu sinyal üzerindeki değerler arasındaki açı bilgileri hesaplanmıştır. Elde edilen açı sinyali, her e-postaya özgü bir histogram öznitelik vektörü olarak kullanılmıştır. Bu yaklaşımın başarısını test etmek amacıyla çeşitli makine öğrenimi yöntemleri kullanılmıştır, bunlar arasında Naive Bayes (NB), Karar Destek Vektörleri (SVM), K-En Yakın Komşu (Knn) ve Random Forest (RF) bulunmaktadır. Bu sınıflandırma işlemleri açık kaynak kodlu Weka programı ile gerçekleştirilmiştir ve 10-fold çapraz doğrulama ile değerlendirilmiştir. Sonuçlara bakıldığında Knn yöntemi ile %94,2'lik bir başarı elde edildiğini göstermektedir. Diğer yöntemler de kabul edilebilir başarılar göstermiştir. Ayrıca, uL ve uR gibi parametrelerin farklı değerlerinin kullanılması, açı yaklaşımının esnekliğini ve farklı örüntüler elde etme kapasitesini vurgulamıştır. Özellikle, uR=1 ve uL=1 parametre değerleri ile yüksek bir başarı elde edilmiştir. Ancak, bu parametrelerin farklı veri setlerinde farklı değerlendirmeler gerektirebileceği vurgulanmıştır. Bu çalışma ile, spam tespiti için karakterlerin Unikod değerleri arasındaki açı bilgilerini kullanan içerik bağımsız bir yaklaşımın etkili bir yol olduğunu ortaya koymaktadır. Bu yaklaşım, spam ile mücadelede geleneksel metin analizine alternatif bir yöntem sunmaktadır.
Bilim ve sanat merkezine devam eden öğrenci velilerinin karşılaştıkları zorlukların veri madenciliği yöntemleriyle incelenmesi(Batman ili örneği)
Bu çalışmanın temel amacı, Bilim ve Sanat Merkezlerine devam eden üstün yetenekli çocukların velilerinin deneyimlediği zorlukları belirlemektir. Bu amaç doğrultusunda, 2022-2023 eğitim-öğretim yılında Batman Bilim ve Sanat Merkezine devam eden 113 veli ile çalışma gerçekleştirilmiştir. Üstün yetenekli çocuklara sahip olmanın yanı sıra, bu çocukların Bilim ve Sanat Merkezi'ne devamı sırasında velilerin yaşadığı zorluklar, merkeze ilişkin görüşleri, karşılaştıkları güçlükler, beklentileri ve olası çözüm önerileri, betimsel tarama modeli kullanılarak araştırılmıştır. Bu çalışmanın sonuçları, içerik analizi tekniği kullanılarak nicel araştırma yöntemleriyle analiz edilmiş ve değerlendirilmiştir. Araştırmanın sonuçları, üstün yetenekli çocuklara sahip ebeveynlerin, çocuklarının yeteneklerini tanıma, zihinsel ve sosyal kişilik durumlarını anlama, çocuklarıyla etkili iletişim kurma ve problemleri çözme konularında zorlandıklarını göstermiştir. Ayrıca, Batman Bilim ve Sanat Merkezi'ne ilişkin olarak derslerin ve atölyelerin gün ve saatlerinin çocukların normal okul saatlerine uygun olmaması, ulaşım ve yemek ücretleri gibi sorunlarla birlikte, çocukların hem resmi okullara hem de Bilim ve Sanat Merkezine devamında yaşadıkları zorluklar da belirlenmiştir. Bu zorluklara çözüm getirme amacıyla, uzmanlar tarafından ebeveynlere üstün yetenekli çocukları yetiştirme konusunda eğitim verilmesi, Bilim ve Sanat Merkezi'ne ücretsiz ulaşım imkanı sağlanması ve çocuklar için burs olanakları sunulması gibi önerilerde bulunulmuştur.
Transfer öğrenme modellerinin basamaklandırılmış derin özelliklerini ve topluluk sınıflandırıcıları kullanarak lastik çatlaklarının tespit edilmesi
Bu çalışma, araç sürücülerinin lastiklerinde oluşan çatlakları tespit etmeye yönelik yapay zeka destekli bir yıpranmış lastik tespit sistem önermektedir. Genel olarak, sürücüler lastik diş derinliği ve hava basıncının önemini bilse de lastik oksidasyonundan kaynaklanan risklerin farkında değildir. Oysa lastik oksidasyonu ve çatlaklar, sürüş güvenliğini etkileyen önemli sorunlara yol açabilir. Bu çalışmada, ön-eğitimli transfer öğrenme yöntemleri kullanılarak elde edilen derin öznitelikler ve topluluk öğrenme yöntemleri kullanılarak lastiklerde çatlak tespitine yönelik CTLDF+EnC isimli yeni bir hibrit mimari önerilmektedir. Önerilen hibrit modeller, özniteliklerin elde edildiği dokuz transfer öğrenme yöntemi ve sınıflandırıcı olarak İstifleme, Yumuşak ve Katı oylama topluluk öğrenme yöntemlerini içermektedir. Çalışma literatürdeki endüstriye kullanıma yönelik X-Ray görüntü tabanlı yapılmış çoğu çalışmanın aksine herhangi bir sayısal görüntüleme cihazı ile elde edilebilecek görüntüler ile çalışmaktadır. Çalışma kapsamında en yeksek test doğruluk değeri 76,92% ile CTLDF+EnC (İstifleme) hibrit model ile elde edilmiştir. CTLDF+EnC (Yumuşak) ve CTLDF+EnC (Katı) mimarileri için ise doğruluk değerleri sırasıyla 74,15% ve 72,92% olarak elde edilmiştir. Çalışmanın sonuçları, önerilen hibrit modellerin lastik problemlerini tespit etme konusunda etkili olduğunu göstermiştir. Ayrıca düşük maliyetli ve uygulanabilir bir yapı sunulmaktadır.
Derin öğrenme ile türkçe ses işaretlerinden rakam tanıma
Günümüzde, teknolojinin hızla ilerlemesiyle birlikte, ses tabanlı tanıma sistemleri birçok alanda önemli bir rol oynamaktadır. Ses, insanlar arasındaki temel iletişim araçlarından biri olmanın ötesinde, otomasyon, güvenlik ve kullanıcı deneyimi gibi birçok uygulama alanında da kritik bir faktördür. Sesin dijital ortamlarda etkili bir şekilde kullanılabilmesi, özellikle konuşma tanıma teknolojilerinin geliştirilmesi ile mümkün olmaktadır. Bu teknolojiler, ses sinyallerini analiz ederek konuşma dilini anlama ve çeşitli görevleri yerine getirme yeteneğine sahiptir. Özellikle dijital rakam sınıflandırma, bu konuşma tanıma teknolojilerinin önemli bir uygulama alanını oluşturmaktadır. Dijital rakam sınıflandırma, ses sinyallerinden elde edilen dijital rakamları doğru bir şekilde tanıyabilen ve ayırt edebilen sistemlerin geliştirilmesini içerir. Bu, telekomünikasyon sistemlerinden sesli komut sistemlerine, konuşma tabanlı güvenlik uygulamalarından çeşitli endüstriyel ve ticari uygulamalara kadar geniş bir yelpazede kullanım potansiyeli sunmaktadır. Bu bağlamda, ses tabanlı dijital rakam sınıflandırmanın önemi, günlük yaşamdan endüstriyel uygulamalara kadar geniş bir etki alanını kapsamaktadır. Bu çalışma, ses sinyalleri üzerinden gerçekleştirilen dijital rakam sınıflandırma işleminde kullanılan farklı makine öğrenimi modellerini değerlendirerek, bu alandaki teknolojik gelişmelere katkıda bulunmayı amaçlamaktadır. Ses sinyalleri üzerinden dijital rakam sınıflandırma için SVM, LSTM ve CNN modelleri değerlendirilmiştir. %80-20 eğitim-test oranında en yüksek başarı oranını %81,94 ile CNN modeli elde etmiştir. CNN modeli, özellikle "Altı (6)" dijiti için %98,2'lik bir başarı oranına ulaşarak dijit bazında yüksek performans sergilemiştir. Diğer dijitler arasında farklı başarı oranları gözlemlenmiş, örneğin "Bir (1)" ve "Dokuz (9)" için yüksek performans sergilenirken, "Üç (3)", "Dört (4)" ve "Sekiz (8)" için daha düşük başarı oranları kaydedilmiştir. Çalışma kapsamında, farklı eğitimtest oranları altında yapılan değerlendirmelerde LSTM modeli %50-50 eğitim-test oranında en yüksek başarıyı göstermiştir. SVM'nin en yüksek başarı oranını ise %80-20 eğitim-test oranında elde ettiği görülmüştür. Ancak genel olarak, derin öğrenme modelleri olan LSTM ve CNN, SVM'ye kıyasla daha yüksek başarı oranları göstermiştir. Bu sayısal sonuçlar, derin öğrenme modellerinin özellikle ses tabanlı dijital tanıma uygulamalarında etkili bir şekilde kullanılabileceğini göstermiştir. Anahtar Kelimeler: CNN, CWT, LSTM, Ses dijit sınıflandırma
Aktarım derin öğrenme metotları ile yüz ifadelerinden duygu tespiti
Bu çalışma, yapay zekâ ve derin öğrenme tekniklerinin duygu tanıma yeteneklerini değerlendirmek amacıyla gerçekleştirilmiştir. İnsan duygularını anlama ve yüz ifadeleri aracılığıyla analiz etme ihtiyacı, teknolojinin gelişimiyle birlikte giderek artmaktadır. Bu bağlamda, Residual Network (ResNet) ve transfer derin öğrenme modelleri kullanılarak duygu analizi gerçekleştirilmiştir. Çalışmanın odak noktası, özellikle ResNet50 modelinin duygu tanıma görevindeki etkinliğini vurgulamaktır. ResNet mimarisi, derin sinir ağlarının eğitimini kolaylaştırmak ve aşırı uyum sorunlarını azaltmak amacıyla geliştirilmiştir. Modeller, transfer derin öğrenme yaklaşımıyla öğrenilen bilgileri duygu tanıma görevine aktarmayı amaçlamaktadır. Çalışma, Fer2013 veri seti üzerinde gerçekleştirilmiş ve modellerin performansı çeşitli metriklerle değerlendirilmiştir. Elde edilen sonuçlar, özellikle ResNet50 modelinin diğer modellere kıyasla daha yüksek başarı oranına sahip olduğunu göstermektedir. Bu sonuçlar, yapay zekâ temelli duygu tanıma uygulamalarının gelecekteki potansiyelini ve derin öğrenme modellerinin bu alandaki etkisini anlamamıza katkı sağlamaktadır. Çalışmanın bulguları, duygu tanıma teknolojilerinin geliştirilmesi ve iyileştirilmesi konusunda araştırmacılara rehberlik edebilir. Yapay zekâ tabanlı duygu analizi, sağlık sektöründen akıllı yaşam alanlarına kadar geniş bir yelpazede uygulamalar bulabilir ve insanmakine etkileşimini daha etkili hale getirebilir. Bu bağlamda, ResNet50 modelinin başarısı, duygu tanıma alanında derin öğrenme modellerinin kullanımının önemini vurgulamaktadır. Anahtar Kelimeler: Derin öğrenme, Duygu Tanıma, ResNet Modeller
Derin öğrenme metotları ile asma yapraklarının sınıflandırılması
Asma yapraklarının sınıflandırılması, tarım ve gıda endüstrisinde önemli bir yer tutmaktadır. Özellikle yaprak hastalıklarının erken teşhisi, verimliliği artırmak ve ürün kalitesini korumak için kritik bir öneme sahiptir. Geleneksel yöntemler bu süreçte yetersiz kalabilirken, derin öğrenme teknikleri yüksek doğruluk ve hız sağlayarak etkili çözümler sunmaktadır. Bu tez çalışmasında, 8 farklı asma türünden elde edilen toplam 4000 asma yaprağı görüntüsünü sınıflandırmak amacıyla derin öğrenme modelleri kullanılmıştır. Araştırmanın temel amacı, bu yaprak görüntülerini en yüksek doğrulukla sınıflandırabilecek modeli belirlemek ve tarımsal uygulamalarda kullanılabilecek bir sınıflandırma sistemi geliştirmektir. Çalışmada, ResNet50, ResNet101, ResNet152, MobileNet, Xception ve DenseNet169 modelleri kullanılarak performans karşılaştırmaları yapılmıştır. Öncelikle asma yaprağı görüntüleri çeşitli ön işleme adımlarından geçirilerek veri seti oluşturulmuştur. Ardından bu veri seti, her bir model ile ayrı ayrı eğitilmiş ve değerlendirilmiştir. Modellerin performansı; doğruluk, eğitim süresi ve model karmaşıklığı gibi kriterler göz önünde bulundurularak analiz edilmiştir. Deneysel sonuçlar, ResNet101 modelinin %88 doğruluk oranı ile en yüksek performansı sergilediğini, ancak 17 saatlik eğitim süresi ile uzun bir süreyi gerektirdiğini göstermiştir. Xception modeli %86 doğruluk oranı ile ResNet101 modeline yakın performans sunmuş ve ayrıca 10 saatlik işlem süresinin dikkate değer olduğu için tercih edilebileceği anlaşılmıştır. MobileNet modeli ise %80 doğruluk oranı ve daha hızlı (2 saat 20 dakika) sonuçlar üretmiş, bu da onu gerçek zamanlı uygulamalar için uygun hale getirmiştir. DenseNet169 modeli ise %73 doğruluk oranı ile en düşük performansı sergilemiştir. Bu bulgular, derin öğrenme modellerinin asma yaprağı sınıflandırmasında etkili bir şekilde kullanılabileceğini ve doğru model seçiminin hem doğruluk hem de verimlilik açısından kritik olduğunu ortaya koymaktadır. Gelecekteki çalışmalarda, literatürde yer alan farklı sinir ağı modelleri ile başarı oranının artırılması ve görüntü işleme tekniklerinin geliştirilmesi hedeflenmektedir. Ayrıca en yüksek doğruluğa sahip model temel alınarak tarımsal üreticiler ve tüketiciler için pratik bir mobil uygulama geliştirilmesi planlanmaktadır. Anahtar Kelimeler: Asma Yaprağı Sınıflandırması, DenseNet, Derin Öğrenme, MobileNet, ResNet, Tarımsal Uygulamalar, Xception
İşaret dilinin derin öğrenme yöntemleriyle metin haline dönüştürülmesi
İşitme ve duyma engelli bireyler, çevreleriyle iletişim kurarken ciddi zorluklar yaşamaktadırlar. Bu tez, gerçek zamanlı işaret dili tanıma sistemi ile bu soruna çözüm getirmeyi hedeflemektedir. Çalışma kapsamında, literatürde sıkça rastlanan 17 kelimeden oluşan bir veri seti, 5 denek tarafından özel olarak hazırlanmıştır. MediaPipe kitaplığındaki insan poz tahmin sistemi kullanılarak, kelimelerin anahtar noktaları başarıyla çıkarılmıştır. Bu anahtar noktalar, derin öğrenme modellerinden LSTM mimarisi ile sınıflandırılmıştır. Çalışma kapsamında kişi bağımlı ve kişi bağımsız iki ayrı uygulama yapılarak test veri seti üzerinde sırasıyla %94,71 ve %87,65 oranında doğruluk elde edilmiştir. Bu önerilen sistemin, işitme ve konuşma engelli bireylerin günlük iletişimlerini iyileştirmek adına literatürdeki diğer çalışmalara kıyasla yeterli seviyede performansa sahip bir çözüm ortaya konulduğu değerlendirilmektedir.
Yapay sinir ağları ile öğrenci başarısını değerlendirme: Analiz ve ilerleme önerileri
Bu çalışma, öğrenci başarısını tahmin etmek amacıyla eğitilen Yapay Sinir Ağı (YSA) modelinin performansını değerlendirmeyi hedeflemektedir. Geniş bir veri seti üzerinde gerçekleştirilen eğitim ve test süreçleri sonucunda elde edilen bulgular, çeşitli önemli kategorilerde detaylı bir şekilde incelenmiştir. Temel dersler arasında yer alan Türkçe ve Matematik gibi derslerde modelin düşük Root Mean Square Error (RMSE) değerleri elde ettiği gözlemlenmiştir. Bu durum, modelin bu derslerde güçlü tahminler yapabildiğini işaret etmektedir. Ancak, İnkılap Tarihi ve Fen Bilimleri gibi derslerde test RMSE değerlerinde bir artış gözlemlenmiştir; bu durum da modelin bu derslerde daha fazla iyileştirme potansiyeli taşıdığını göstermektedir. Deneme sınavı puanları ve toplam net sonuçları tahmininde de benzer bir analiz gerçekleştirilmiştir. Deneme sınavı puanları tahminlerinde eğitim ve test RMSE değerleri arasındaki fark dikkat çekicidir. Bu durum, modelin deneme sınavı puanları tahminlerinde daha fazla iyileştirme yapma potansiyeline yada modelin daha fazla geliştirilmesi gerektiğine işaret etmektedir. Ayrıca, modelin eğitim süreleri incelenmiş ve farklı kategorilerde farklı eğitim süreleri tespit edilmiştir. Modelin daha karmaşık kategorilerde, özellikle de deneme sınavı puanları tahminlerinde, daha uzun sürelerle eğitilmesi gerektiği gözlemlenmiştir. Bu çalışmanın temel amacı, YSA modelinin öğrenci başarısını tahmin etme konusunda genel bir etkinlik sergilediğini vurgulamaktadır. Ayrıca, çalışmanın kapsamında yer alan hedefler arasında; 1) Deneme sınavlarına bağlı olarak Liselere Geçiş Sınavı (LGS) sonucunu tahmin etme, 2) Deneme sınavlarının LGS sınavına olan benzerliğini ölçme ve 3) Yapay Zeka (AI) kullanarak öğrencilerin akademik başarısını belirlemede izleyeceği rolü belirleyen bir akademik danışmanlık/koçluk altyapısının kurulabileceğini gösterme hedefleri de bulunmaktadır. Bu hedefler, çalışmanın özünde yer alan önemli katkıları ifade etmektedir.
Bilgi teknolojilerinde siber güvenlik ve siber saldırı senaryoları
Siber güvenlik, hayatımızda önemi her geçen gün artan bir kavramdır. Teknolojik ürünlerin artması ve kullanım alanlarının genişlemesiyle birlikte siber saldırılar da artmakta ve böylece siber güvenlik her geçen gün önem kazanmaktadır. Siber güvenliğin tarihsel gelişimine bakıldığında insanların teknolojik cihazlara erişim hızlarının artması ile teknolojinin hayatın hemen hemen her alanında kullanılmaya başlandığı görülmektedir. Bu durum da siber güvenlik konusunun tüm hatları ile ortaya konulmasını engellemektedir. Günümüzde özellikle sağlık, turizm, eğitim, ulaşım, iletişim, bankacılık gibi aklımıza gelebilecek tüm alanlarda hizmet veren sektörlerde bilgi teknolojilerin aktif kullanıldığı görülmektedir. Bu durum sektörleri, siber saldırılara karşı önlem alma ve güvenlik politikalarını güncel tutmaya zorlamıştır. Günümüzde siber saldırılar etki alanını genişletmiştir. Bu dönemde bireysel bilgi hırsızlığı veya teknolojik bir cihazın ele geçirilmesi gibi dar alanda etki gösteren siber saldırılar yerini ülkelerin güvenliklerini tehdit eden bir seviyeye çıkarmış ve bu tehditlerin bazıları insanların ölümüyle sonuçlanabilecek bir seviyeye gelmiştir. Özellikle ülkelerin kritik alt yapılarına yapılan saldırıların, saldırıya uğrayan ülkelerin dış dünya ile bağının kopmasına, maddi ve manevi hasarlara uğramasına sebebiyet verdiği görülmektedir. Bu tezin hazırlanış amacı siber güvenliğin ne olduğu ve teknolojinin tarihsel gelişiminde yaşanan gelişmeler ile birlikte siber saldırıların etki alanlarını oraya koymaktır.
Derin öğrenme yöntemi ile metinsel ifadelerde duygu analizi
Bu çalışmada, Türkçe metinlerde kullanıcı yorumlarının duygu analizini gerçekleştirmek amacıyla makine öğrenmesi ve derin öğrenme yöntemlerinin etkinliği incelenmiştir. Beyaz eşya ürünlerine ait kullanıcı yorumları, Trendyol ve Hepsiburada gibi popüler e-ticaret platformlarından toplanmış ve analiz edilmiştir. Kelime bulutu yöntemi kullanılarak, yorumlardaki en sık geçen kelimeler görselleştirilmiştir. Olumlu yorumlarda "yüksek performans", "iyi fiyat", "memnun kaldım", "kurulumu kolay" gibi ifadeler öne çıkarken, olumsuz yorumlarda "gecikme", "kötü koku", "kalite kontrol eksikliği", "servis problemi" gibi ifadeler dikkat çekmiştir. Bu analizler, kullanıcıların genel memnuniyet düzeylerini ve karşılaştıkları sorunları görselleştirerek, işletmelere ürün ve hizmetlerini iyileştirmeleri konusunda içgörüler sunmaktadır. Makine öğrenmesi yöntemleri arasında SVM, KNN ve Naive Bayes (NB) algoritmaları kullanılarak sınıflandırma işlemleri gerçekleştirilmiştir. %80-20 eğitim-test oranları ile NB modeli %94.02 başarı oranı ile en yüksek performansı sergilemiştir. SVM modeli %93.42, KNN modeli ise %86.75 başarı oranı elde etmiştir. NB modeli, kesinlik, hatırlama ve F1 ölçütlerinde de yüksek performans göstermiştir. Derin öğrenme yöntemleri olarak LSTM ve 1D-CNN kullanılmış ve farklı eğitim-test oranları ile başarı oranları incelenmiştir. LSTM modeli %92.42, 1D-CNN modeli ise %91.42 başarı oranı ile iyi performanslar sergilemiştir. Sonuç olarak, Naive Bayes modeli en yüksek başarı oranını elde ederek diğer modellere kıyasla en iyi performansı göstermiştir. Derin öğrenme yöntemlerinden LSTM ve 1D-CNN de yüksek başarı oranları ile dikkate değer performanslar sunmuştur. Bu çalışma, e-ticaret sektöründe kullanıcı yorumlarının duygu analizinde makine öğrenmesi ve derin öğrenme yöntemlerinin etkili olduğunu ortaya koymaktadır. Bu tür analizler, işletmelere müşteri geri bildirimlerini daha iyi değerlendirme ve müşteri memnuniyetini artırma konusunda önemli avantajlar sağlayabilir.
Ortaokul öğrencilerinin başarılarını etkileyen faktörlerin veri bilimi ve makine öğrenmesi yöntemleri kullanılarak analiz edilmesi
Bu çalışma, ortaokul düzeyindeki öğrenci başarılarını etkileyen faktörlerin belir-lenmesi ve analiz edilmesi amacıyla veri bilimi ve makine öğrenmesi yöntemlerinin kulla-nılmasını hedeflemektedir. Eğitimde veri odaklı bir yaklaşımın önemini vurgulayan bu ça-lışma, öğrenci başarısını etkileyen karmaşık faktörlerin anlaşılmasına ve eğitim politikala-rının daha etkili bir şekilde tasarlanmasına katkı sağlamayı amaçlamaktadır. Çalışmanın temel odak noktası, ortaokul seviyesindeki öğrencilerin başarılarını etkileyen faktörlerin belirlenmesidir. Öğrenci başarısını etkileyen faktörler arasında öğrenci özellikleri, aile fak-törleri, okul ortamı ve öğretmen faktörleri gibi çeşitli değişkenler bulunmaktadır. Bu fak-törlerin belirlenmesi, eğitim sisteminin zayıf noktalarını tespit etmek ve öğrencilerin başa-rısını artırmak için bireyselleştirilmiş müdahalelerde bulunmak için önemlidir. Bu çalışma, Batman-Merkez Ortaokullarında öğrencilere başarı düzeylerini etkileyebilecek faktörleri belirlemek amacıyla yapılmıştır. Çalışma kapsamında öğrencilere başarı düzeylerini etkile-yebilecek faktörleri değerlendirmek için bir form verilerek doldurmaları istenmiştir. Öğ-rencilerin bu formları doldurmasıyla elde edilen yanıtlar ile ders dönemi ortalamaları ilgili okullardan alınmıştır. Bu veriler, veri bilimi ve makine öğrenmesi yöntemleri kullanılarak analiz edilmiştir. Veri bilimi ve makine öğrenmesi yöntemleri, büyük veri setlerini analiz etmek ve öğrenci başarısını etkileyen faktörleri tanımlamak için güçlü araçlar sunar. Veri analizi için grafik türleri, regresyon modelleri ve sınıflandırma gibi yöntemler kullanılarak öğrenci başarısını etkileyen faktörler belirlenmiş ve öğrencilerin ders ortalaması tahmin edilerek öğrencinin zayıf noktaları tespit edilerek bireyselleştirilmiş çözüm sunmuştur. Bu çalışmanın sonuçları, eğitimcilerin, eğitimde idari birimlerin, velilerin ve öğrencilerin orta-okul düzeyindeki öğrenci başarılarını artırmak için daha etkili stratejiler geliştirmesine yar-dımcı olabilir. Ayrıca, veri bilimi ve makine öğrenmesi gibi yenilikçi yöntemlerin eğitim araştırmalarında nasıl kullanılabileceğine dair bir örnek sunarak, bu alanda gelecekteki araştırmalara da katkı sağlayabilir.
Derin öğrenme metotları ile yüz ifadelerinden down sendromu tespiti
Bu çalışma, yapay zeka ve derin öğrenme tekniklerinin hastalık tespit etmek amacıyla gerçekleştirilmiştir. Bu teknolojiler, hastalıkların hızlı, doğru ve verimli bir şekilde teşhis edilmesini sağlamak için kullanılmaktadır. Derin öğrenme algoritmaları, özellikle büyük veri setleri üzerinde eğitilerek, karmaşık ve ince detayları algılayabilen güçlü modeller oluşturur. Çalışmada kullanılan veri seti açık kaynak kodlu sitelerden elde edilmiştir. Yapılan çalışmada, özellikle yüz görüntülerini ve derin evrişimli sinir ağlarını (CNN'ler) kullanarak Down sendromu gibi genetik bozuklukların tespiti üzerinde durulmuştur. ResNet50, ResNet101, ResNet152 ve MobileNet gibi popüler CNN modelleri kullanılarak gerçekleştirilen sınıflandırma işlemleri, hastalık tespit sürecini hızlandırmak ve doğruluğunu artırmak amacıyla değerlendirilmiştir. Elde edilen bulgular, özellikle ResNet50 ve ResNet101 modellerinin diğer modellere kıyasla daha yüksek başarı oranına sahip olduğunu ortaya koymaktadır. Bu iki modelin %99'luk doğruluk oranı, Down sendromu tespitinde oldukça etkili olduklarını kanıtlamaktadır. Yüksek doğruluk oranları, bu modellerin yüz görüntülerindeki ayırt edici özellikleri doğru bir şekilde tanıyabildiğini ve hastalık teşhisinde son derece güvenilir çalıştığını göstermektedir. Bu modeller, genetik bozukluklar gibi hastalıkların belirgin özelliklerini tespit edebilir ve otomatik sınıflandırma yapabilir. Sonuçlar, bu tür yapay zeka ve derin öğrenme tekniklerinin hastalık tespitinde önemli bir rol oynayabileceğini göstermektedir. Bu nedenlerle, yapay zekâ teknolojileri, hastalık tespiti ve sağlık hizmetlerinin genel kalitesini artırmak için güçlü bir araç olarak değerlendirilmektedir. Yapay zekânın sunduğu bu avantajlar, sağlık sektöründe devrim niteliğinde değişiklikler yapma potansiyeline sahiptir.
Yasal delil niteliği taşıyan kamera entegre edilmiş erişim kontrol cihazının tasarımı ve yazılımının geliştirilmesi
Bu tez çalışması, kameralı bir kartlı geçiş sistemi tasarımı, uygulanması ve değerlendirilmesini kapsamaktadır. Güvenlik ve izleme alanında önemli bir yer tutan bu sistemler, giriş ve çıkışların kontrolünü sağlayarak güvenliği artırmakta ve izleme imkânı sunmaktadır. Bu çalışmada, NFC kart okuyucu (RC522 modülü), kamera modülü ve Raspberry Pi kullanılarak entegre bir geçiş kontrol sistemi geliştirilmiştir. Sistem tasarımında, donanım entegrasyonu ve yazılım geliştirilmesi başarıyla gerçekleştirilmiştir. Python programlama dili ve OpenCV kütüphanesi kullanılarak yüz tanıma işlemleri yapılmış, PostgreSQL veri tabanı ile verilerin güvenli bir şekilde saklanması sağlanmıştır. Laravel yardımı ile merkezi yönetim yazılımı geliştirilmiştir. Tasarımda kullanılan JSON formatında veri aktarımı, veri entegrasyonunu kolaylaştırmış ve sistemin farklı bileşenleri arasında uyumlu veri iletişimi sağlanmıştır. Yapılan performans ve güvenilirlik testleri, sistemin yüksek doğruluk oranlarına sahip olduğunu, verilerin güvenli bir şekilde saklandığını ve zaman damgası ile veri bütünlüğünün sağlandığını göstermiştir. Elektronik delillerin geçerliliği ve güvenilirliği, 5651 sayılı yasa ve ilgili düzenlemeler çerçevesinde değerlendirilmiş ve sistemin hukuki gereksinimleri karşıladığı doğrulanmıştır. Kullanıcı deneyimini artırmak amacıyla SSH ve web arayüzü üzerinden yönetim özellikleri geliştirilmiş, kullanıcılar sistem ayarlarını kolaylıkla değiştirebilmiş, geçiş kayıtlarını görüntüleyebilmiş ve sistem durumunu izleyebilmiştir. Kullanıcı arayüzlerinin kullanılabilirliği test edilmiş ve kullanıcı dostu olduğu görülmüştür. Test kullanıcılarından alınan geri bildirimler doğrultusunda yapılan iyileştirmeler, sistemin kullanılabilirliğini ve verimliliğini artırmıştır. Sonuç olarak, bu tezde geliştirilen kameralı kartlı geçiş sistemi, güvenilir, etkili ve kullanıcı dostu bir çözüm sunmakta ve güvenlik alanında önemli bir katkı sağlamaktadır. Sistem, gerçek dünya uygulamaları için uygun olup, güvenlik ve izleme süreçlerinde etkin bir şekilde kullanılabilir niteliktedir. Gelecekte, yapay zeka ve makine öğrenimi teknolojilerinin entegrasyonu ile sistemin daha da geliştirilebileceği ve yüz tanıma algoritmalarının doğruluk oranlarının artırılabileceği öngörülmektedir. Ayrıca, Nesnelerin İnterneti (IoT) teknolojileri ile sistemlerin entegrasyonu sayesinde daha kapsamlı ve bütüncül bir güvenlik çözümü sunabileceği öngörülmektedir. Söz konusu çalışma, hem teknik hem de hukuki gereksinimleri karşılayarak, güvenlik açısından yüksek standartlarda bir çözüm sunmaktadır.
Siber güvenlikte XSS web saldırılarının yapay zekâ zemininde analiz edilmesi
Bilgi ve teknoloji günümüz çağında insan hayatının vazgeçilmez bir parçası konumuna ulaşmıştır. İnsanlar bilgiye daha hızlı ve kolay ulaşabilmek için en çok interneti kullanmaktadır. İnternet insanların en fazla bilgilerin temin edildiği Web sitelerine ulaşmak için en önemli araçlardan biridir. Ancak Web sitelerinin bu kadar sıklık ile kullanımı kötü niyetli insanların dikkatini arttırmış ve Web güvenliği kavramı oluşmuştur. Bu Web güvenliği kavramı ise zaman içinde gelişerek ya da geliştirilerek yerini Siber güvenliği kavramına bırakmıştır. Siber güvenlik, bilgisayarları, ağları, yazılım uygulamaları, her türlü bilişim ile ilgili sistemleri ve bu sistemlerin verilerini kötü amaçlı saldırılardan korumayı amaçlayan bir yapı olması ile bilinmektedir. Gelişen teknoloji ve bu teknolojinin meydana getirdiği sürekli ileri düzeyde yenilenme ve gelişme durumu siber güvenlik sisteminin de sürekli ileri düzeyde kendini koruma amacıyla yenileme durumunu ortaya çıkarmıştır. Bu yenileme durumuna karşın siber güvenlik sistemine kötü niyetli olarak erişebilme isteği sonucu siber saldırı türleri meydana gelmiştir. Siber güvenlik konusunda sıklıkla karşılaşılan siber saldırı türleri Oltalama Saldırıları, Servis Dışı Bırakma Saldırıları (DoS/DDoS), Parola Saldırıları, Man-in-the-middle (MITM) Atak Saldırıları, Cross-Site Scripting (XSS) Saldırıları şeklinde sıralamak mümkündür. Cross-Site Scripting (XSS) Saldırıları, korunmasız bir web uygulamasının bir modülü olarak kötü amaçlı kod çalıştırmayı hedefler. XSS Saldırılarının birçok siber saldırı türlerinden farkı direk uygulamayı değil, kullanıcıyı hedeflemesidir. Teknolojinin hızlı gelişmesi, siber saldırıların artması gibi durumlar insanların daha güvenli, daha kolay verilerine ulaşabilmesi ve bilgilerden daha kesin sonuçlar alabilme isteğini arttırmıştır. Bu istek, insani zekâya sahip cihaz ve yazılım geliştiren bilgisayar bilimlerinin bir parçası olan Yapay Zekâ Teknolojisinin daha sık ve daha verimli şekilde kullanımını artmıştır. Bu çalışmamızda, Siber güvenlik sisteminde kullanılan siber güvenlik saldırı türlerinden biri olan Cross-Site Scripting (XSS) saldırılarının yapay zekâ zemininde analiz edilmesi ve analiz edilen verilerin değerlendirilmesi amaçlanmıştır.
XRD'de X-ışını kırınım verilerinin yapay zeka yöntemleri ile analizi
Bu tezde, X-Işını Kırınımı (XRD) verilerinin yapay sinir ağları (ANN) ve k-En Yakın Komşu (kNN) algoritmaları kullanılarak analiz edilmesi incelenmiştir. XRD, kristal yapılarının belirlenmesinde yaygın olarak kullanılan güçlü bir teknik olmasına rağmen, karmaşık ve doğrusal olmayan verilerin analizi geleneksel yöntemlerle sınırlı kalmaktadır. Bu çalışmada, XRD verilerinin analizine yapay zeka temelli makine öğrenimi tekniklerinin entegre edilmesiyle, bu sınırlamaların aşılması hedeflenmiştir. Tez kapsamında, Erzurum ve çevresinden alınan volkanosedimanter kayaç örneklerinden elde edilen XRD verileri üzerinde ANN ve kNN algoritmaları uygulanmıştır. ANN, malzeme özelliklerini yüksek doğrulukla tahmin edebilmiş ve kristal yapılar arasındaki karmaşık ilişkileri etkili bir şekilde modellemiştir. KNN algoritması ise, XRD verilerinde faz ve kristal yapıların sınıflandırılmasında başarıyla kullanılmıştır. Farklı K değerleri ile yapılan deneyler, küçük K değerlerinin yerel yapılara daha duyarlı olduğunu, büyük K değerlerinin ise daha genelleştirilebilir tahminler sunduğunu ortaya koymuştur. Ayrıca, model performansını değerlendirmek için gelişmiş çapraz doğrulama teknikleri kullanılmıştır. Bu teknikler, aşırı öğrenme riskini azaltarak, modelin genelleme yeteneğini artırmıştır. Çalışmada kullanılan ANN ve kNN modelleri, faz değişimlerinin tespitinde ve kristal yapıların sınıflandırılmasında önemli başarılar elde etmiştir. Bu tez, XRD verilerinin analizinde yapay zeka temelli yöntemlerin uygulanabilirliğini göstermiş ve bu alandaki bilimsel araştırmaların daha derinlemesine ve doğru sonuçlara ulaşmasına katkı sağlamıştır.
Dijital sınavlarda yapay zeka ile kopya tespiti: Iğdır Üniversitesi örneği
Bu çalışmada, çevrimiçi sınavlarda kopya çekme davranışlarını tespit edebilmek amacıyla öğrencilerin sınav süreçleri analiz edilmiş ve dört farklı yapay zeka modeli Random Forest, XGBoost, K-Nearest Neighbors (KNN) ve Lojistik Regresyon kullanılmıştır. Çalışmanın temel amacı, öğrencilerin sınav esnasında gösterdiği davranışların benzerliklerini değerlendirerek kopya çekme durumunu pozitif veya negatif olarak sınıflandırmaktır. Analiz sonuçlarına göre, Random Forest modeli %66,29 doğruluk oranıyla en yüksek performansı sergilemiş, onu %58,98 doğruluk oranıyla XGBoost takip etmiştir; KNN ve Lojistik Regresyon ise daha düşük doğruluk oranlarıyla sınıflar arasındaki ayrımı başarılı bir şekilde yapamamıştır. ROC eğrileri incelendiğinde, Random Forest ve XGBoost modellerinin pozitif ve negatif sınıfları ayırt etmede oldukça başarılı olduğu; KNN ve Lojistik Regresyon modellerinin ise bu ayrımda daha zayıf performans gösterdiği görülmüştür. Çalışmada ayrıca özniteliklerin modeller üzerindeki etkisi analiz edilmiştir. "Giriş sayısı", "doğru cevap oranı" ve "yanlış cevap oranı" gibi bazı özniteliklerin modellerin başarısında belirgin bir rol oynadığı tespit edilmiştir. Random Forest ve XGBoost modelleri, belirli özniteliklerin çıkarılması durumunda dahi performanslarını koruyabilirken, KNN ve Lojistik Regresyon modelleri bu tür değişimlere daha duyarlı olmuştur. Çalışmada, performansın artırılmasına yönelik öneriler arasında daha karmaşık derin öğrenme tabanlı modellerin denenmesi, öznitelik mühendisliğinin geliştirilmesi ve veri setinin genişletilmesi gibi stratejiler yer almıştır. Bu bağlamda, Random Forest ve XGBoost modelleri çevrimiçi sınav güvenliğini sağlamak ve kopya çekme vakalarını tespit etmek için en güvenilir ve etkili modeller olarak öne çıkmış olup, sınav güvenliğini artırmaya yönelik stratejiler geliştirilmesinde önemli katkı sağlayabilecekleri sonucuna ulaşılmıştır.
Diyabetik ayak ülserlerinin yapay zeka ile tespiti
Diyabetik ayak ülseri (DAU), diyabet hastalarında enfeksiyon, uzuv kaybı ve mortalite oranlarını artıran ciddi bir sağlık sorunudur. Erken teşhis edilmediğinde hasta yaşam kalitesini düşürmekte ve sağlık sistemine önemli bir yük getirmektedir. Bu çalışmada, DAU'nun doğru ve erken tespiti amacıyla derin öğrenme tabanlı sınıflandırma modelleri değerlendirilmiştir. Kaggle platformundan temin edilen, uzman doktorlarca etiketlenmiş DFU görüntüleri; RegNetY-400MF, RegNetY-800MF, EfficientNet-B0 ve EfficientNet-B1 olmak üzere dört farklı evrişimsel sinir ağı (CNN) mimarisi ile analiz edilmiştir. Transfer öğrenme ve veri çoğaltma yöntemleriyle model eğitimi iyileştirilmiş; kontrast artırma ve gürültü giderme gibi ön işleme adımları ile sınıflandırma başarımı artırılmıştır. Analiz sonuçları, EfficientNet-B1 ve RegNetY-800MF modellerinin yüksek doğruluk, düşük kayıp ve güçlü genelleme yetenekleri ile öne çıktığını göstermiştir. EfficientNet-B1 modeli %99'un üzerinde doğruluk ile en başarılı sonuçları sunarken; RegNetY-800MF modeli ise hem eğitim hem test verilerinde istikrarlı bir performans sergilemiştir. RegNetY-400MF modeli eğitimde yüksek başarı elde etmesine rağmen test aşamasında dalgalanmalar yaşamıştır. EfficientNet-B0 modeli ise kompakt yapısı sayesinde düşük kaynaklı sistemlerde uygun bir alternatif olarak değerlendirilmiştir. Tartışma bölümünde, tüm modellerin duyarlılık oranlarının %100'e yakın olduğu ve ülserli vakaların atlanmadığı belirlenmiştir. ROC eğrileri ve AUC değerleri bakımından EfficientNet-B1 ve RegNetY-800MF modelleri, klinik uygulamalarda kullanılabilecek güvenilir yapılar olarak öne çıkmıştır. Özgüllük oranlarının da yüksek bulunması, yanlış pozitif oranını minimize eden bir yapı sunmuştur. Sonuç olarak, bu tez çalışması, DAU tanısında yapay zekâ destekli çözümlerin hem akademik araştırmalarda hem de klinik pratikte uygulanabilirliğini ortaya koymuştur.
Derin öğrenme metotları ile yüz görüntülerinden yaş tespiti
Bu çalışmada, yüz görüntülerinden yaş tahmini gerçekleştirilmiş ve Hint Sineması Yüz Veri tabanı (IMFDB) üzerinde DenseNet modelleri kullanılmıştır. Yaş tespiti, güvenlik, sağlık ve pazarlama gibi çeşitli sektörlerde kritik bir öneme sahiptir. DenseNet mimarilerinin farklı versiyonları olan DenseNet-121, DenseNet-169, DenseNet-201 ve DenseNet-264, yaş tahmini için eğitilmiş ve doğruluk (accuracy), kesinlik (precision), geri çağırma (recall) ve F1 skoru gibi performans metrikleri üzerinden değerlendirilmiştir. Veri seti, 19.906 yüz görüntüsünden oluşmakta olup yaş kategorileriyle etiketlenmiştir. DenseNet-264 modeli, %89.8 doğruluk, 0.90 precision, 0.90 recall ve 0.90 F1 skoru ile en yüksek performansı göstermiştir. DenseNet-201 modeli, %89.2 doğruluk oranıyla iyi bir performans sergilemiş, DenseNet-169 modeli %87.1 doğruluk ve dengeli bir genelleme kapasitesi sunmuştur. DenseNet-121 modeli ise %85.3 doğruluk oranıyla daha hızlı ve düşük hesaplama maliyetine sahip bir seçenek olmuştur. ROC analizleri, tüm modellerin güçlü bir ayrım yeteneğine sahip olduğunu göstermiş, ancak en derin model olan DenseNet-264'te sınırlı genelleme kayıpları gözlemlenmiştir. Sonuç olarak, DenseNet mimarileri yaş tahmini için etkili bir çözüm sunmuştur. Model seçimi, uygulamanın gereksinimlerine ve kaynaklarına bağlı olarak yapılabilir. DenseNet-264 en yüksek doğruluğu sağlarken, DenseNet-121 daha hızlı sonuçlar elde etmek için uygun bir alternatif olarak değerlendirilebilir.
Tarım ürünlerinin sınıflandırılmasında derin öğrenme kullanımı: Siirt fıstığı örneği
Bu tez, tarım ürünlerinin sınıflandırılmasında derin öğrenme tekniklerinin potansiyelini incelemek ve uygulamalı bir model geliştirmek amacıyla hazırlanmıştır. Tarım sektörü, kalite kontrol ve sınıflandırma süreçlerinde genellikle manuel yöntemlere dayanmakta olup bu da süreçlerin hem zaman alıcı hem de hata oranlarının yüksek olmasına neden olmaktadır. Gelişen teknolojiyle birlikte, tarım ürünlerinin otomatik olarak sınıflandırılmasını sağlayacak yapay zeka temelli yaklaşımlar, hem üreticilere hem de tüketicilere çeşitli avantajlar sunma potansiyeline sahiptir. Bu çalışmada, Siirt fıstığı örneği üzerinden derin öğrenme tabanlı bir sınıflandırma modeli geliştirilmiştir. Çalışmanın ilk aşamasında, Siirt fıstığının kalite kriterleri belirlenmiş ve bu kriterlere göre geniş bir veri seti oluşturulmuştur. Veri seti, farklı kalite sınıflarını (örneğin, iri, orta boy, düşük kaliteli; deformasyona uğramış ya da renk farkı olan fıstıklar) kapsayacak şekilde çeşitlendirilmiştir. Görüntüler, gelişmiş görsel veri toplama teknikleri kullanılarak yüksek çözünürlükte elde edilmiş ve veri setinin zenginleştirilmesi amacıyla veri artırma yöntemleri uygulanmıştır. Derin öğrenme modeli olarak konvolüsyonel sinir ağları (CNN) tercih edilmiş ve modelin performansını artırmak için çeşitli mimari düzenlemeler yapılmıştır. Modelin eğitimi ve testi sırasında hiperparametre optimizasyonu gerçekleştirilmiş, doğruluk oranını artırmak için dropout, öğrenme hızı ayarı ve erken durdurma gibi teknikler uygulanmıştır. Modelin performansı, doğruluk, kesinlik, duyarlılık ve F1 skor metriği kullanılarak değerlendirilmiştir. Elde edilen sonuçlar, Siirt fıstığının sınıflandırılmasında geliştirilen derin öğrenme modelinin %99 doğruluk oranı ile başarılı bir şekilde çalıştığını ortaya koymuştur. Modelin sonuçları, geleneksel manuel sınıflandırma yöntemleri ile karşılaştırıldığında, hem zaman hem de doğruluk açısından önemli avantajlar sağlamaktadır. Ayrıca, tarım sektöründeki diğer ürünlere uygulanabilirlik potansiyeli de değerlendirilmiştir. Bu çalışma, tarım sektöründe kalite kontrol süreçlerini optimize etmek, üreticilere verimlilik sağlamak ve tüketici memnuniyetini artırmak adına önemli bir adım olarak değerlendirilmektedir. Gelecekteki çalışmalar için, daha büyük veri setlerinin oluşturulması, farklı derin öğrenme mimarilerinin test edilmesi ve modelin gerçek zamanlı uygulamalarda denenmesi önerilmektedir.
Derin öğrenme yöntemiyle patates yaprağı görüntülerinden hastalık tespiti
Bu tez çalışması, derin öğrenme yöntemleri kullanılarak patates görüntülerinden hastalık tespiti yapmayı amaçlamaktadır. Çalışmada, sağlıklı ve çeşitli patates hastalıklarına ait geniş ve kapsamlı bir görüntü veri seti kullanılmıştır. Farklı Evrişimli Sinir Ağı (CNN) mimarileri ve hibrit modelleri kullanılarak patates hastalıklarını tespit etmek için modeller geliştirilmiştir. Geliştirilen modeller farklı parametreler ve veri kümeleri kullanılarak eğitilmiş ve doğruluk, kesinlik gibi metrikler kullanılarak değerlendirilmiştir. Patates bitkilerinde görülen yaygın hastalıklar (geç yanıklık, erken yanıklık) tespit edilmiş ve görüntü ön işleme teknikleri kullanılarak modellerin performansı artırılmıştır. Bu çalışma, derin öğrenme yöntemlerinin patates hastalıklarının tespitinde etkili bir şekilde kullanılabileceğini göstermeyi ve bu alanda daha önce yapılan çalışmalara katkıda bulunmayı amaçlamaktadır. Çalışmada, deneysel ortamların vazgeçilmez bileşenleri olan kütüphaneler, GPU'lar, işlemciler, doğal dil işleme modelleri ve Google Colab platformu incelenmiştir ve PillantVillage veri seti kullanılmıştır. Dört farklı ResNet modeli ile görüntüler test edilmiş ve çeşitli performans metrikleriyle değerlendirilmiştir. Elde edilen bulguların, patates yetiştiriciliğinde hastalık yönetimi ve verimlilik artışı için önemli bilgiler sağlayabileceği düşünülmektedir. Yapay zeka ile görüntülerden hastalık tespiti yapılması tarım alanında yenilikler yapılmasına önayak olabileceği gibi makine-insan etkileşimine de artırıcı katkı sağlayabilir. Çalışmamız ResNet derin öğrenme modellerinin, görüntü çıkarımı alanında derin öğrenme modellerinin başarısını ve önemini vurgulamaktadır.
Derin öğrenme yaklaşımlarıyla araç kaporta boyalarının orijinallik tespiti
Otomotiv endüstrisi, yüksek kaliteli ve güvenilir araç üretiminde boyanın önemli bir rol oynadığını kabul eder. Araç kaporta boyası, sadece estetik bir unsur olmanın ötesinde, aynı zamanda aracın dış yüzeyini çevresel faktörlere karşı koruma görevini üstlenir. Bu nedenle, araç kaporta boyalarının orijinalliği ve kalitesi, hem üreticiler hem de tüketiciler için büyük önem taşır. Günümüzde, araç kaporta boyalarının orijinalliğini tespit etme işlemi genellikle araç ekspertizlerinde boya kalınlığını ölçen mikron cihazı ya da araçların kaporta ustalarının el yordamı ve deneyime dayalı yöntemlerle yapılmaktadır. Ancak, bu yöntemler hem zaman alıcıdır hem de insan hatasına açıktır. Teknolojinin hızla gelişmesiyle birlikte, otomotiv sektöründe kalite kontrol süreçlerinde daha yenilikçi ve güvenilir yöntemlere olan ihtiyaç artmaktadır. Bu bağlamda, derin öğrenme teknolojileri, araç kaporta boyalarının orijinalliğini tespit etmek için umut verici bir çözüm olarak ortaya çıkmaktadır. Derin öğrenme, büyük veri kümeleri üzerinde öğrenme yeteneği sayesinde, karmaşık desenleri ve ilişkileri tespit edebilme kapasitesine sahiptir. Görüntü işleme teknikleri ile birleştiğinde, derin öğrenme modelleri, araç kaporta boyalarının orijinalliğini ve kalitesini yüksek doğrulukla analiz edebilir. Bu tezde, derin öğrenme tabanlı bir sistemin araç kaporta boyalarının orijinalliğini tespit etmedeki etkinliği incelenmiştir. Çalışmada, araç kaporta boyalarının birincil kaynağından olup olmadığını görüntü analizleri kullanarak tespit etmek hedeflenmiştir. Bu sayede, araç kaporta boyalarının orijinallik tespitinde bilinen yöntemlere alternatif bir yaklaşım sunulması amaçlanmaktadır. Görüntü işleme ve derin öğrenme yöntemleri kullanılarak oluşturulan bir ESA modeli, fabrika çıkışlı boyalı ve sonradan boyanmış araçlardan alınmış toplam 2000 görüntü örnekleri üzerinde eğitilmiştir. Veri kümesi, %80-%20 eğitim ve doğrulama setlerine bölünüp ResNet50, VGG16, InceptionV3, EfficientNetB0, MobileNetV2 ESA modelleri ile test edilerek en yüksek doğruluk oranı InceptionV3 ile %98 olarak hesaplanmıştır. Bu sonuçlar, derin öğrenmenin araç boyalarının orijinalliğini tespit etmek için kullanılabilir olduğunu göstermektedir, ancak modelin doğruluğunu artırmak için daha fazla veri ve farklı model yapılarına ihtiyaç duyulabilir.
Okuma ve anlama becerilerinin matematik başarısına etkisinin veri madenciliği yöntemleri ile analizi
Bu çalışma, öğrencilerin okuma ve anlama becerilerinin matematik başarılarına olan etkisini veri madenciliği teknikleri kullanarak incelemektedir. Okuma ve anlama, farklı derslerdeki akademik başarıyı etkileyen temel bilişsel yeteneklerdir. Bu becerilerin, analitik düşünmeye dayalı bir ders olan matematikteki başarıya katkısının anlaşılması, eğitim uygulamalarını iyileştirmek adına hem teorik çerçevelere hem de eğitimde pratik yaklaşımlara yönelik yeni bulgular ve değerli ipuçları sağlar. Araştırmada, 1000 öğrenciden oluşan bir veri seti üzerinde korelasyon, kümeleme ve çoklu doğrusal regresyon analizleri yapılarak öğrencilerin okuma ve anlama beceri puanları ile matematik performansları arasındaki ilişki istatistiksel olarak incelenmiştir. Bununla birlikte veri seti üzerinde karar ağaçları (DT), k-en yakın komşuluk (k-NN), destek vektör makinaları (SVM) ve yapay sinir ağları (ANN) gibi makine öğrenmesi algoritmaları kullanılarak öğrencilerin matematik puanları tahmin edilmeye çalışılmıştır. Araştırma bulguları, okuma ve anlama becerilerinin matematik başarılarıyla anlamlı bir ilişkiye sahip olduğunu göstermiştir. Özellikle, okuma ve anlama puanları yüksek olan öğrencilerin matematik derslerindeki başarılarının da daha yüksek olduğu tespit edilmiştir. Bu sonuç, dilsel becerilerin matematiksel düşünme ve problem çözme becerilerine katkıda bulunduğunu ortaya koymaktadır. Yapılan çalışma bu yönüyle gelecekte yapılacak eğitim araştırmalarına yön verecek yeni yollar önermektedir.
Yetişkinlerde COVID-19 kaygı ve sosyal medya bağımlılığının sosyo demografik özellikler açısından incelenmesi
Increasing internet accessibility affects the levels of social media usage around the world. In addition, the COVID-19 disease has brought about compulsory lockdowns and isolation in societies, and this has also affected social media usage time. Social media has eliminated the constraints of the internet such as time and place via communication tools such as computers, mobile phones, tablets, and it has become a phenomenon that grows day by day in many areas. In addition, it has gained unstoppable power thanks to its sphere of influence that can shape the agenda and have an impact on a country's administrative structure and society. iv Having emerged in Wuhan, China and turned into a global pandemic, this disease caused anxiety by disrupting many areas including health, social life, culture and education all over the world, and also led to physical and psychological distress in many individuals. Individuals' anxiety levels also have an effect on their habits, and there are elements such as information flows, news, newspapers, social media and media tools that trigger this anxiety. The world has been going through a transformation process due to the internet. This is a multifaceted transformation that occurs with the effect of communication technologies. This study is of significance in that it sheds light on this new era in which the effects of the pandemic process are explicit and fills a gap in the relevant literature by providing meaningful data. As a result of the study, a positive, weak-moderate, statistically significant correlation was found between the total scores the participants obtained from the "Coronavirus Anxiety Scale" and the "Bergen Social Media Addiction Scale". As for the participants' socio-demographic background, when the total scores of "Bergen Social Media Addiction Scale" were compared according to the participants' gender, age group, marital status, educational status, occupational group, whether they have children, and their living environment, statistically significant differences were discovered between the groups in all analyses. When the total scores obtained from "Coronavirus Anxiety Scale" were compared based on the same sociodemographic characteristics, it was concluded that gender was the only factor causing a statistically significant difference, and females had higher total anxiety scores than males. It is aimed that all results obtained will contribute to the relevant literature.
Ters-yüz edilmiş sınıflarda öz-düzenleme becerilerinin öğrenci etkileşimlerine ve başarıya etkisinin incelenmesi
The flipped classroom is accepted in higher education as an alternative to traditional classroom methods. The data were collected from this study as follows. There are 80 participants from Psychological Counseling and Guidance students at Yeditepe University who took the course 20% men (n =16) and 80% women (n=64) in the 2018-2019 academic year. There are three sections per week and each section lasts in 80 minutes. The participants were given 8 assignments to complete after watching each video in the collection. Assignments were uploaded to the Moodle system by the participating students within the deadline. At the end of the 7-week course, a 40-question test consisting of information on video and other materials was conducted to evaluate the students' learning in this process. The analysis revealed the relationship between the video analytical data obtained from the MOOC platform where students learned and their self-regulation skills. The results show that there is no significant difference between students with high self-regulation skills and students with low self-regulation skills in terms of video interaction, Moodle interaction and course success. Keywords: Self-Regulation, LMS, Moodle, Flipped Classroom, Traditional Classroom, Learning Styles.
Evaluation of educational websites by using fuzzy logic
This study evaluates the designs of free educational websites containing lectures, educational content, and secondary and high school materials that mostly gained attention during the COVID-19 period. Educational website design is a parameter that increases site quality and has been proven to affect learning positively. In addition, fuzzy SWARA and fuzzy WASPAS, two of the methods brought to the literature by combining fuzzy logic and MCDM, which allows evaluation according to more than one criterion, are used in an integrated manner to eliminate uncertainties in decision making. The importance weights of the educational website design evaluation criteria are determined with the fuzzy SWARA method. The design of educational websites is evaluated according to the criteria determined by the fuzzy WASPAS method. These two aspects have not been used as an integrated educational website design evaluation method before. Six education experts evaluated eight educational websites according to visual aspects, navigation, organization, interactivity, accessibility, and content. The findings of this study reveal that some website design criteria are of greater importance for educational website design. Keywords: Educational website design, Website design criteria, Fuzzy SWARA, Fuzzy WASPAS
Sanal konferans uygulaması tabanlı video geri bildirimin üniversite İngilizce hazırlık okulu öğrencilerinin İngilizce yazma becerilerine olan etkileri
The purpose of this academic study is to delve into the influence of virtual feedback on university prep school students' academic writing skills in English as a second language. In this respect, the technology-oriented feedback style which is regarded as 'video feedback' will be compared with the conventional text-based feedback which is given in class and the factors affecting both will be analysed in depth. The video feedback is given through 'Google Meet', a popular video conferencing tool. The investigation concerned is to provide detailed information with educators regarding the advantages and disadvantages of the above-mentioned feedback technique. Therefore, this study will serve as a kind of academic journey to explore a promising method by comparing and contrasting it with other feedback styles. The research scrutinises the data collected through some English prep school students studying at a private university in Istanbul, Turkey. Within this academic research, two classes consisting of 19 students in total are involved in the process and the work reflecting their academic writing skills has been examined comprehensively in an attempt to comprehend the effects of video feedback on their academic performance in English language. In this manner, both classes - the experimental group and the control group - are given one writing task throughout an academic semester lasting 9 weeks and their improvement has been observed closely by the researcher. Throughout the process, the pretest - posttest experimental design was applied. The results of this study demonstrate that the English language-based academic writing skills of those students that were provided with video feedback were improved compared to those who were merely given traditional feedback. In an attempt to demonstrate those students' improvement rate in line with the predetermined time period, the researcher benefited from the Mann-Whitney U-Test which is regarded as one of the Non-parametric Statistical Tests. The relevant results show that the written exam scores of those students getting video feedback are significantly higher than those that were given traditional text-based feedback in English essay writing exams. Keywords: Blended Learning, Second Language Learning, Online Learning
Sağlık hizmetlerinde blockchain entegrasyonubilgi sistemi: Güvenli ve etkili yaklaşım
Because a decentralized open healthcare web is involved, blockchain technology presents a sharp approach for reserving medical information, accomplishing medical processes, and improving confidence for medical information sharing and interaction. Despite the recent significant interest regarding the service of blockchain in the healthcare enterprise, the privacy and security of blockchain technologies are the main issues that are focused in the literature for blockchain-based medical data sharing and transactions. To the best of my knowledge and by covering the literature from 2018 through 2023, I critically evaluate the state of the art in this field with a focus on the works that address the challenges and the applications of blockchain for improved healthcare systems. Our review serves to guide future research areas and improvements by critically appraising and summarizing the literature.
Nesnelerin interneti bağlamında büyük veriyi yönetme tekniklerine ilişkin literatürün kapsamlı ve metodotik analizi
Big Data and the Internet of Things (IoT) have brought about previously unheard-of opportunities and challenges for data management. The body of research on big data management techniques in the context of the Internet of Things is thoroughly and methodically reviewed in this study. The study covers a broad range of research, from fundamental ideas to innovative techniques. With the goal of enhancing user convenience and lifestyle, the Internet of Things (IoT) has emerged as a transformative force. It incorporates a number of underlying technologies, including networking, sensor technologies, and man-to-machine and machine-to-machine communication. The Internet of Things' success depends on these technologies' ability to manage data effectively. This article addresses a range of data-related topics, including data sources, collection methods, processing strategies, and transmission devices, in order to investigate the challenges and issues associated with managing information in the setting of the Internet of Things. The article describes and discusses the difficulties posed by having to handle massive volumes of heterogeneous data across multiple systems. These difficulties are discussed in terms of the logical and practical components of data management and communication networks. In addition, the paper looks at IoT data models and techniques for data control, cleaning, and indexing that take into consideration the unique characteristics of IoT data. In-depth consideration of the benefits and limitations of data management in the Internet of Things is provided in the article's concluding sections. Real-world applications are presented to illustrate the practical implications of these considerations, offering insights into the ways IoT data management can positively impact various domains.
Kablosuz sensör ağları için bulanık mantık tabanlı kümeleme optimizasyonu
Clustering is a powerful technique that organizes the process of the system to confirm network scalability, reduces the consumed energy, as well as realizes the network lifetime extension. The clustering routing algorithm is commonly utilized within wireless sensor networks (WSNs) due to its high-energy efficiency and scalability. The energy source in WSNs may be restricted to the battery's ability of the sensor nodes. As transmission energy is proportional to the distance that exists separating a sender to receiver, clustering in WSN can assist reduce energy usage. Data may be sent from any sensor node to corresponding Cluster Head (CH) for efficient information gathering. There is a need for maximizing the WSNs lifetime, optimization of network operation is crucial. The suggesting clustering algorithm is applied to enhance the lifetime of WSNs by selecting cluster heads (CHs) and forming clusters. Researchers have developed Fuzzy Logic (FL) to address the issue of overburdening Cluster Head (CH) during cluster formation in WSN. FL focuses on the CH efficiency, distributing load between sensor nodes for enhancing lifetime of network. The proposed protocol fuzzy logic based-clustering (FLB-CLS) outperforms FD-LEACH and OC-FCM, regarding network lifetime and throughput, also improving advance for networks that have higher node density. Each sensor node calculates the probability of CH using a distributed fuzzy inference system. For various network sizes and topologies, the results of simulation specify enhancements in energy efficiency as a result of network lifetime along with consumed energy balancing across sensor nodes. with concerning to first node dead along with total node dead, results demonstrate an average improvement.
Yapay zeka kullanılarak kullanıcı tüketim verilerine dayalı tüketici profillerinin sınıflandırılması
Over-The-Top (OTT) platforms have grown dramatically in popularity in recent years, giving consumers access to a variety of multimedia material. Understanding consumer behavior has therefore become essential for platform providers and advertising. In order to categorize users based on their consumption rate which may be classed as low, medium, or high this research suggests the construction of a user consumption categorization system based on machine learning (ML) as Decision Tree (DT) , Random Forest ( RF) , Regression Algorithm , k-Nearest Neighbour (KNN), Bayesian Algorithm (BA), Gradient Boosting (GB) and XGBoost Classifier . In order to tailor the data and get it ready for clustering, the research will employ data preprocessing techniques. Next, it will evaluate several ML classifiers to see which one is the most accurate at predicting the user's consumption rate. Each algorithm's limits will be investigated, and the system will be combined with data analytics and mining software. By offering a useful application for categorizing user consumption habits, this research will advance the fields ML and may be useful to OTT platform providers, advertisers, and data analytics experts.
Propose an architecture for e-health within smart cities
According to the World Health Organization: eHealth is the cost-effective and secure use of information and communication technologies in support of health and health-related fields, including health-care services, health surveillance, health literature and health education. eHealth uses modern information technologies in order to improve medical services. eHealth cloud is the implementation of cloud computing technologies in healthcare sector. It is the use of cloud technologies for the medical purposes. eHealth cloud can improve patient care, reduce operational cost and optimize IT resources utilization, it can be used to support researchers, national security and strategic planning; cloud allows to enhance security safeguards. In this thesis we proposed an e-health architecture within smart cities.
Cloud-based vehicle function in automotive software systems
Day-to day the automotive software system industries are introducing several distinctive options. All of those features are handled with the assistance of electronic management Units (ECU). All the electronic units are connected through a typical communication bus. All the info that is distributed or received is pass from the ECU of the system. One amongst the most reasons for the compromise being created on the human of an EU is that the exploit data being transferred. To resolve such drawback there are unique techniques being introduce comparable to key cryptography and so forth Moreover, the modification of the data hold on is very important demand of an electronic management unit. Within the technology of net of Things, all parts in wise transportation structures is also involving enhance delivery protection, relieve traffic congestion, scale back air pollutants associated enhance the consolation of riding. The creative and discerning of all vehicles connected poses an enormous assignment to the gathering and garage of big quantities of traffic-associated records. During this newsletter, we recommend to mix utilization computing into conveyance organization such as cars will share computation assets, garage assets and information measure sources. A planned design consists of a vehicular cloud, a margin cloud, and a principal cloud. Then, we have a tendency to examine cloud helpful resource allocation associated digital system relocation for successful aid administration during this cloud-based completely conveyance community. A sport-conceptual technique is provided to perfectly apportion cloud sources. Effective gizmo relocation as a result of automotive quality is resolved based on an aid reservation scheme. With the proliferation of car enterprise, vehicles are increased with varied sorts of more and more practical computation, communique, storage and sensing assets. A vehicle thus is also appeared as "computer-on-wheels". With such rich resources, it' miles of outstanding importance to with success utilize these sources. This puts forward the creative and discerning of conveyance cloud computing.
Görüntüyün telif hakkı korunmasını sağlamak için iris kodu ile bir filigin dahil edilmesi
The last decade witnessed a great development in the fields of communications and multimedia techniques, which has led to the need of using techniques for protecting copyright and reducing of illegal copying. The human iris biometric as a watermark embedded within one of the types of multimedia is considered as an emerging and effective technique for copyright protection. An algorithm based on human iris as a watermark embedded within a digital image in order to protect its copyright, has been designed and implemented in this research. The proposed algorithm consists of two main parts: the first extracts iris code, while the second embeds the extracted iris code as watermark in a digital image to protect its ownership. The iris segmentation and iris feature extraction phases are considered the most important phases of the first part. In the iris segmentation phase, the two circles the (internal (pupil) and external (Iris) of the iris area) are detected by using Daugman Integro-Differential Operator after the approximate center of the iris center has been detected. At the same phase, the upper and lower eyelids are determined by using the Linear Hough Transform. While during the iris feature extraction phase, the (1D-Log Gabor Filter) is used to extract iris code. In the second part, the extracted iris code is embedded as a watermark on a set of images to protect their ownership by using (LSB) algorithm based on (XOR) method. The experimental results of the first and second parts proved the effectiveness and accuracy of the proposed algorithm. The results of iris segmentation were accurate and the proposed algorithm (LSB) has shown its effectiveness in hiding the code by: firstly, computing and analyzing the metrics Mean Square Error (MSE), Peak-Signal-to-Noise-Ratio(PSNR) , Normalized Correlation(NC), and secondly, comparing the original iris code with the extracted one by using (Hamming Distance), and finally by observing that there is no large massive distortion in the cover image after embedding the iris code in it.
Employing machine learning techniques and fuzzy membership for detecting fraud transactions in credit card
Credit card fraud is becoming an increasingly prevalent problem in today's financial sector. An alarming rise in the number of fraud-related activities has been observed in the past few years, which has resulted in significant financial losses for numerous organizations, businesses, and government bodies. Because the numbers are projected to grow in the future, many researchers in this discipline have centered their efforts around identifying fraudulent behavior early on using advanced machine learning algorithms, which are becoming increasingly popular. However, the identification of credit card fraud is not easy for many reasons, including the fact that the fraudulent behaviors vary from one attempt to the next and the available datasets in this field are very few. In this thesis, a system is proposed to detect fraudulent transactions based on some methods of machine learning such like Logistic regression (LR), NaiveBayes (NB), as well as the Linear Discriminant Analysis(LDA), in addition to XGBoost algorithm. the techniques used to generate the models of the suggested system, they were trained and evaluated on the basis of two different datasets. Where the first dataset was the European Cardholders, and the second dataset was the Turkish dataset provided by the Yapi Kredi company. These datasets suffer from a big imbalance problem. Therefore, we used SMOTE to fix this issue. The system models' effectiveness was.measured employing a variety of metrics, specifically the confusion matrix, accuracy, F1score, recall, precision as well as AUC. Also, the fuzzy membership function was adopted to the dataset in order to raise the system's efficiency. The final results showed the high efficiency of XGBoost.
Intelligent security system for mobile adhoc networks based on machine learning
Mobile Ad-hoc Networks (MANET) provide a service through network applications in one way or another. In many diverse fields, such as tactical networks used in military communications and environmental applications, the network is used as business networks such as Personal Area Network (PAN). They are used in educational environments such as schools and linked to Internet networks to expand coverage. Because of the multiple characteristics of MANET, including high- level mobility, node decentralization, physical insecurity, etc. MANET networks are susceptible to a variety of possible threats active or passive. MANET units (devices) are surveilled using detection technology to differentiate between ordinary and harmful actions. Therefore, Classification was accomplished utilize artificial intelligence withunsupervised Machine Learning(ML) approaches, which comprise the Random Forest (RF), Support Vector Machine (SVM), and Naïve-Bayes (NB) algorithms. Depending on a training samples in the feature space. The suggested Intrusion Detection System (IDS) is composed of the following basic stages: the traffic generation stage, the network simulation stage, the data collection. Five steps just for pre-processing a data set, the training stage, and the testing stage. We generated the dataset using Network Simulator-2 (NS2). The proposed system tested with dataset extracted from the trace file of network simulator. performance metrics are calculated: Confusing Matrix, Accuracy .rate, Error rate, Precision, Recall, F1. Besides determining each algorithm's training and testing duration. The findings revealed that the suggested system yielded promising outcomes, the accuracy rate of the R.F. algorithms reached 100%, SVM =99.18%, and NB =94.33%. Using trial and error feature selection improves the system and reduces training and testing time complexity. High levels of detection capacities and performance metrics have been evaluated by comparing and analyzing the results.
Computer network trafic classification based ai techniques
Identifying and categorizing network traffic is the initial step in determining what sorts of applications are traveling via the network. An internet service provider or network operator may better control a network's overall performance by using this method. For the classification of network traffic data, new AI methods based on methods are provided in this thesis. The data obtained from Kaggle was used to train the KNN to classify the dataset into normal and abnormal. The aim of KNN is to learn the features of the normal and abnormal cases of traffic and try to classify them. Then a search algorithm is applied to obtain the best parameters for the KNN. The grid search algorithm was applied to optimize the performance of the KNN and presented remarkable results when compared with previous research.
Evaluation and optimization of DMVPN network performance using dynamic routing and advanced encryption algorithms
The DMVPN technology is an enhanced Cisco technique that allows for flexible implementation and interconnection of remote sites. Three key components must be configured to run a DMVPN network: mGRE tunneling, NHRP protocol, and dynamic routing protocol. The packets in the GRE tunneling must be protected; for this reason, IPsec/mGRE is utilized to protect data. IPsec offers several properties that can provide varying security levels depending on the network design and purpose. Encryption algorithms are critical security attributes that provide higher protection to the DMVPN network. However, they impact network performance and quality, especially in large scalable networks, necessitating the implementation of an appropriate routing protocol to avoid poor network quality and performance. Many studies have been conducted to measure network performance. This research work focuses on evaluating and optimizing the DMVPN network performance by testing a combination of routing protocols and encryption algorithms, symmetric encryption algorithms such DES, AES, and 3DES were configured and tested with other dynamic routing protocols such as OSPF, RIP, and EIGRP. Many network key indicators such as Speed, Latency time, Jitter, Throughput rate, and the percentage of datagram lost were captured and analyzed by using the Iperf measurement tool. Many scenarios were conducted using different input criteria, in each experiment, labs were configured with a combination of one routing protocol and one encryption algorithm, streamed with two different UDP data of 500KB and 256KB respectively, restricted with a fixed bandwidth limit of 500KB/S. Restricting bandwidth amount to 500KB/S with data input of 500KB reveals that the EIGRP protocol with the AES algorithm gained the greatest performance, followed by RIP/ 3DES, unlike all other protocols. However, using RIP/AES reveals noticeable good performance when data streamed by (256KB).
Image quality enhancement and rain removal on images taken under different rain conditions
The visual quality of images recorded on rainy days, even with high-resolution cameras, is worse, which hampers analytical tasks such as object recognition and categorization. Because of this, picture de-raining has been a hot topic in recent years. An artificial neural network is proposed for the de-raining, contrast enhancement, and feature analysis of a single picture in this study. Deterioration of a picture is judged in comparison to the perfection of a picture. We introduce a deep convolutional neural network (CNN)-based BCET for improving contrast and deep network architecture for removing rain for bettering the image quality. GLCM and DWT feature extractions are used for quality assessments as well. A deep residual network (Res-Net) inspired us to develop a deep detail network that immediately reduces the mapping distance from source to destination, making the learning process easier. The model is trained with a high resolution that decreases background interference and concentrates the model on the structure of rain in photos using previous knowledge of the picture domain to enhance the de-rained output. Contrast enhancement and rain removal have been employed to study image features. The significant power swings in visuals caused by rain diminish the quality and usefulness of outdoor vision systems. Both on images that are made up and images that are real, the presented strategy is better than current best practices in terms of both quality and number.
Ambient intelligence and big data mergeed for wireless student health monitoring system in an IoT
Students' health and welfare depend upon the understanding of various factors related to it. The use of ambient intelligence (AmI) and the Internet of things to assure healthcare monitoring and individualized health care is an efficient and cost-effective method of doing so (IoT). Because of the vast quantity of data collected by sensors in Internet of Things systems, computational issues occur. As a result, we investigate an ambient intelligence-assisted health monitoring system using the Internet of things (IoT) that is used to monitoring student health. This system is heavily reliant on wireless sensor networks (WSNs), which play an important role. Storage of data, an effective exchange of data across the healthcare network and sustained data analysis is handled by the cloud. The proposed work provides the real time alerts with student health information with big data. This paper gives an efficient, low-cost smart health monitoring system for society by combining present technology with smart sensors in the form of wearable devices, mobile/web applications and AI.
Makine öğrenme algoritmaları kalp ritminin sınıflandırılması
The electrical activity of the heart is recorded via an electrocardiogram signal. Electrodes on the skin detect minor voltage changes induced by depolarization and repolarization of the heart muscle. The electric potential between two electrodes can be measured. An ECG lead is a pair of electrodes that are connected together. Each lead offers a unique perspective on a heart's electrical activity.The EEG signals have a significant potential of discovering various neurological illnesses in an early stage. We have proven why it is superior than MRI. Being affordable and efficient, it can be employed for various investigations even with a reduced budget as compared to MRI. Many Deep Learning algorithms have been implemented on EEG recordings in order to classify different neurological illnesses and brain interface applications. In this research we have done an exhaustive literature review on application of various neural networks on EEG data and how utilizing these neural networks one was able to categorize numerous neurological illnesses including Seizure, AD and Depression. The pre-processing phase considerably influences the performance of the model. In this study, we train different machine learning algorithms models on ECG datasets and compare their performance with each other. We found that at least in our experiment, both hand-crafted features and the feature extractors each have both their favourable and bad characteristics.
The impact of big data features on data interoperability concept
Big data has become an exciting term in the last decades, and it conducts a significant rate of data with different features of velocity, variety, value, volume, and veracity. Those features describe big data identity. Think about the data generated by social media websites and apps, such as Facebook, Twitter, and WhatsApp…...Etc. This data is crucial because of the amount, variety, and growth acceleration, but it is exhausting to manage. Big data interoperability indicates the capability to interchange and shares the data, information, and knowledge between organizations and devices that knowledge and information were extracted from different data sources. This complex mutual process grows an organization's performance. According to the previous, big data and its five features are essential because of its usability and analytics. Organizations need to extract the expected benefit from preserving and retrieving data. We develop a data interoperability concept, which is improved as data exchangeability can be enriched. In this study, we will discuss the impact of big data features value, volume, variety, velocity, and veracity on the interoperability of the data and data exchangeability feasibility and how these features affect the prediction of future decisions in the institution, as well as the interaction and exchange of data between the organization and other institutions.
Bootstapped pso kümelemeyi kullanarak verimli WSN yönlendirme
The increasing convergence of microprocessors, wireless communication, and micro electro-mechanical systems (MEMS) has led to the development of Wireless Sensor Networks (WSNs). Optimization problems for WSN are usually versions of classic problems in the operational research area, such as routing and clustering, which are NP- Difficult. Thus, it is natural to use meta-heuristics to solve these problems. The main objective of this work is to apply the Bootstrapped PSO metaheuristic to form WSN clusters. bootstrapped PSO was chosen because it is a meta-heuristic that proved to be efficient in solving similar problems, such as P-medians, and because it is a method not yet used to solve the problem addressed in this work.
Yoğun net kullanılarak bitki hastalıklarının tespiti
The precise and prompt identification of plant diseases (PD) is paramount in safeguarding crop productivity and fortifying global food security. As deep learning (DL) methodologies continue to evolve, the prominence of automated PD prediction mechanisms has witnessed a significant upswing. This study delves into the formulation of such an advanced system. Here, contemporary architectures, such as CNNs, DenseNet, ResNet, MobileNet, and VGG, are meticulously implemented, evaluated, and then juxtaposed against one another. Amidst these, DenseNet stands out, registering an exemplary ACC of 98%, thereby outstripping other state-of-the-art models. However, beyond mere ACC, our study extends to ensure the interpretability of the model's predictions. By integrating Explainable Artificial Intelligence (XAI) techniques, specifically the Grad-CAM approach, we strive to illuminate the decision-making pathways of the model, granting users a transparent view into its diagnostic process. This not only fortifies trust in the predictions but also provides valuable insights for potential real-world applications. In essence, this research underscores the pivotal role of automation in PD detection and demonstrates the compelling potential of blending DL with XAI for enhanced transparency and efficacy.
Diabetes mellitus'in erken tespit ve sınıflandırılması için transfer öğrenme tabanlı bir çerçevenin geliştirilmesi ve değerlendirilmesi: Tıbbi görüntüleme ve biyokimyasal veriler üzerinde
Diabetes mellitus, a complex metabolic disorder characterized by elevated blood glucose levels, has emerged as a global healthcare crisis of unprecedented magnitude. With its relentless increase in prevalence and the profound impact it exerts on individuals, healthcare systems, and societies worldwide, diabetes mellitus presents a multifaceted challenge that demands innovative and transformative solutions, this research seeks to enhance healthcare outcomes by contributing to a more efficient and effective diagnostic process for this chronic metabolic disorder. The overarching objective of this thesis is to pioneer the development and evaluation of a transfer learning-based framework designed explicitly for early detection and accurate classification of diabetes mellitus through the integration of medical imaging and biochemical data.
Tam kavramsal sinir ağları kullanılarak tarımsal zarar ve hareketlerin tespiti ve sınıflandırılması
This thesis undertakes a comprehensive exploration of the development and implementation of Full-Convolutional Neural Networks (FCNs) for precise agricultural pest and vermin detection and classification. Precision farming, a cornerstone of modern agriculture, relies heavily on effective crop health management, with pest and rodent identification being a critical aspect. FCN, a specialized deep learning technique, exhibits unique capabilities by facilitating precise pest localization within crop images, regardless of input size. To ensure the research's credibility and efficacy, a diverse array of data sources is tapped, encompassing drones, stationary cameras, and handheld devices. High-quality images characterized by superior resolution and ideal lighting conditions are essential for maximizing model performance. Additionally, dataset diversity and rigorous professional-grade annotation processes significantly bolster model robustness. Annotation tools such as Labelbox are harnessed for accurate pest and vermin delineation, employing advanced techniques like bounding boxes and segmentation masks, with multiple reviewers engaged to minimize errors. This thesis not only presents a comprehensive roadmap for developing and deploying FCNs tailored to agricultural pest and vermin detection and classification but also offers invaluable insights into the seamless integration of cutting-edge technology into precision farming practices. The research thereby contributes to the enhancement of crop health management and the promotion of sustainable agricultural approaches, underlining its significance in the contemporary agricultural landscape.
Metin özetlemesi için makine öğrenmesi tabanlı yaklaşım
In the modern digital era, the abundance of textual data has opened both challenges and opportunities. This research delves into the nuances of text summarization, aiming to develop trainable text summarizers using a machine learning approach, building on Kupiec's foundational framework. Through rigorous experimentation, we contrasted automatically produced summaries against those manually crafted, shedding light on pivotal findings. Our investigations revealed the prominence of the trainable method deploying the Naive Bayes classifier, which consistently surpassed traditional methods. Additionally, the classifier's selection, particularly between Naive Bayes and the C4.5 decision tree, emerged as a determinative factor in the summarizer's performance. Beyond merely quantifying outcomes, the deeper implications of our research pointed towards potential integrations with advanced neural networks, especially the tantalizing prospects of leveraging deep learning's sophisticated analytical capabilities. The forthcoming era is likely to emphasize semantic summarization, championing the importance of context, multi-lingual proficiency, and the delicate balance between syntactical brevity and essence preservation. Envisioning the horizon, personalized summarization emerges as the next frontier, alluding to a realm where summaries echo individual resonances, underpinned by an adaptive feedback mechanism. As the digital realm amplifies in real-time dynamism, our summarization tools must parallel this evolution, signifying potential integration with the expansive Internet of Things (IoT). Amidst these technical strides, ethical considerations remain paramount. Neutral summarization, devoid of biases and augmented transparency, becomes the research's guiding star. In essence, this research emphasizes the crucial role of text summarization in today's accelerating information age. Adopting an encompassing perspective, spanning technological breakthroughs to ethical anchors, will sculpt the future of succinct, relatable, and responsible information synthesis.
Makine öğrenme ve derin öğrenme teknikleri kullanan bilgisayar ağının güvenlik analizi
In this study, Intrusion Detection System (IDS) Detection System in Ad Hoc Network based on Optimized Data Mining Techniques Based on Bayesian Optimization Algorithm. The data SVM is power data mining classifier used in various fields. The Bayesian Optimization Algorithm applied to optimize the parameters of SVM to presented high accuracy. Several evaluation techniques used to prove our method results. The obtained results compared with well-known researches presented in Intrusion Detection System (IDS) Detection field.
Blockchain'e dayalı bir tohum tedarik zinciri için izleme sistemi tasarlayın
Blockchain technology performs a process of storing inside a record, and this ledger is raised on a large number of parties (computers, servers). Records are encrypted and cannot be tampered with, as happens in centralized systems. In order to solve the problem of manipulating or modifying information and knowledge of the origin of the product and increasing the consumer's transparency of the product coming from a series of the supply chain, this research suggests building a system to tracing the product. All product information is stored in serial blockchain through an algorithm that organizes the work of each part of the supply chain and the information it stores. Also, an algorithm to retrieve product information by searching for Blockchain. The results are expected to be important in terms of increased food security and increased competition between distributors. The entire purpose behind supply chain the management and coordination are to give customers the level and nature of administration that they require and to do as such at less expense to the complete supply chain. Traceability is a big necessity in supply chain ventures, particularly for the agri-food industry. Building a product tracking system in a supply chain to enable the consumer and government agencies to track and know the source and origin of the product in an easy, safe and reliable way from tampering and provide the fixed system the just manager can approve accepted users that be trusted people because will add data that all world will see it for that in the system we build an algorithm to generate the activation key for adding a client.
Using of convolutional neural network forgrayscale image colorization
The advancement of data technology had motivated more facilitation of human life including security and pattern recognition. Large information can be obtained from the image after proper feature extraction. Thus, the field of image processing has gained extended attention especially after incorporating artificial intelligence (AI). One of the vital problems that image processing is looking after is dealing with ancient images or in other words, the grayscale images which were captured before the introduction of RBG technology. Analyzing grayscale images for more curtail knowledge extraction is possible through colorizing technology where the grayscale image is converted into an RBG image. In this thesis, the development of an accurate image colorization approach is proposed using a convolutional neural network (CNN). Optimization of colorization performance is conducted through tuning of the CNN model. Results have shown that the proposed classifier have been scored of 80.91 Percent accuracy.