27
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Bir üretim bandında üretilen malın kalite kontrolünün PLC kullanılarak gerçekleştirilmesi
Bu çalışma da bir üretim bandından gelebilecek malzemenin kalite kontrolü yapılmaya çalışılmıştır. Bu kontrol işlemi kullanıcının seçimi ile renk, boyut ve cinse göre yapılabilmektedir. Sistemde bu işlemleri gerçekleştirmek için PLC 1er kullanılmıştır. Yine sistemde üretim kayıtlarının tutulması ve kullanıcı isteklerinin PLC lere iletilmesi için bir PC de kullanılmıştır. Malzemenin boyutu optik sensörler yardımıyla tanınmaktadır. Malzemenin kalınlığı, bir lineer potansiyometre ile ölçülmektedir. Malzemenin rengi ise bir foto direncin değişik renklerde verdiği voltaj çıkışından elde edilmektedir. Renk ve kalınlık ölçme kısımlarından elde edilen voltaj değerleri 12 bitlik ADC kullanılarak PC ye aktarılmıştır. Malzeme kullanıcının belirttiği şartlara uyuyorsa her çalışmada 4 adet değişik özelliğe göre kutulara pnömatik pistonlarla tevzi edilmektedir. Tanınmayan malzemeler ise tanımsız kutusuna hatalı üretim olarak atılmaktadır. Malzemenin cinsi ve üretim bandında malzemenin olup olmadığı temassız sensörlerle tespit edilmektedir. Bu üç değişik çalışma modunda yapılan kontrol işlemlerinin deneysel sonuçlan ve sistemdeki birimlerde kullanılan yöntemlerle ilgili teorik bilgiler tezde verilmiştir.
Omuz eklemi, kas ve tendon hasarlı hastalar için akıllı fizik tedavi mentor uygulaması (fizmenu)
Dünya üzerinde bir milyardan fazla insan hethangi bir çeşit fiziksel engel ile hayatını sürdürmektedir. Herhangi bir fiziksel engeli olan veya fiziksel yaralanma geçirmiş insanların iyileşmeleri için fizik tedavi görmesi gerekmektedir. Günümüzde, birçok alanda olduğu gibi fizik tedavi alanında da teknoloji kullanılmaktadır. Bu tezin amacı fiziksel engelli insanların hastaneye ulaşım, egzersizleri doğru yapamama ve tedavi süreçlerinin kontrol edilememesi gibi sorunlarına çözümler üreterek, hasta tedavilerinin daha doğru ve etkin yapılabilmesini sağlamaktır. Bu tez kapsamında; omuz eklemi, kas ve tendon hasarlı hastaların, fizik tedavi merkezleri ve evde yaptıkları fizik tedavi egzersizlerinin doğruluk oranını arttıran, hastaların yaptıkları çalışmaları fizik tedavi uzmanına raporlayan ve hastaların iyileşme durumlarını gösteren kol omuz ve el sorunları anketi (DASH) sonuçlarını yapay zeka teknikleri ile tahmin eden bir fizik tedavi mentör uygulaması (FizMenU) önerilmektedir. Önerilen sistem, hastaların fizik tedavi egzersizlerini doğru yapmalarını sağlayan Kinect v2 tabanlı Geliştirilmiş Omuz Fizik tedavi Uygulaması (GOFU), fizik tedavi uzmanlarının hastanın tedavi sürecini gözlemleyebildiği ve müdahale edebildiği bir web platformu, DASH sonuçlarını tahmin edebilen yapay zeka destekli bir modülden oluşmaktadır. Önerilen FizMenU sisteminin yapılan testlerle omuz fleksiyon, abdüksiyon, iç rotasyon ve dış rotasyon pozlarının ölçümlerini klinik standartta geçerli ve güvenilir bir şekilde yapabildiği gösterilmiştir. Bilecik Devlet Hastanesi'nde gönüllülerin tedavi sürecinde kullanılan FizMenU'nun hastaların tüm egzersizlerdeki limitasyonlarını istatistiksel olarak anlamlı şekilde azalttığı gözlemlenmiştir. Geleneksel tedavi yöntemleri ile kıyaslanan FizMenU'nun hastaların limitasyonlarını azaltma oranlarında abdüksiyon egzersizinde %16.55, fleksiyon egzersizinde %15.09, dış rotasyon egzersizinde %1.84, iç rotasyon egzersizinde %8.58, daha başarılı olduğu gösterilmiştir.
Çok katmanlı aşırı öğrenme makinelerinin geliştirilmesi ve sistem modellemedeki başarımlarının analizi
Aşırı Öğrenme Makinesi (AÖM), sınıflandırma ve regresyon uygulamalarında yüksek verimlilik ve kolay uygulanabilirdiğinden dolayı son on yılda önemli araştırma konusu olmuştur. Çalışmamız kapsamında regresyon ve sınıflandırma problemleri için geliştirilen klasik AÖM, Radyal Tabanlı Fonksiyon Kullanan Aşırı Öğrenme Makinesi (RTF-AÖM), Meta Aşırı Öğrenme Makinesi (Meta-AÖM) ve Çok Katmanlı Aşırı Öğrenme Makinesi (ÇK-AÖM) gibi mevcut AÖM yapıları incelenmiştir. Bu çalışmada, anılan yapıların zayıf ve üstün yönleri incelenerek yapıların iyileştirilmesi ve yeni hibrit yapılar önerilmiştir. Çalışmamızdaki motivasyon unsuru, AÖM yöntemlerinin yaygın olarak sınıflandırma problemlerinde kullanılmış olması ve sistem modelleme üzerinde çalışılmamış olmasıdır. Bu bağlamda zamana dinamik bir şekilde bağlı sistemlerin yanısıra engebeli ve/veya keskin değişimli yüzeylere denektaşı sistemlerin modellenmesi üzerinde çalışılarak iyileştirme ve yeni karma ağ yapısının geliştirilmesi hedeflenmiş olup çalışmamızda istenen hedefe ulaşılmıştır. ÇK-AÖM yapısının sistem modelleme başarımını arttırmayı ve hesaplama zamanını düşürmeyi amaçlayan iki İyileştirilmiş Çok Katmanlı Aşırı Öğrenme Makinesi (İÇK-AÖM) adını verdiğimiz AÖM ağ yapıları geliştirilmiş olup deney sonuçları ile başarım üstünlünlükleri denektaşı sistemler üzerinde gösterilmiştir. İÇK-AÖM yapıları ile yedi farklı dinamik sistem modelleme uygulaması üzerinde başarımı incelenmiştir. Ayrıca çok katmanlı aşırı öğrenme makinesi ile radyal tabanlı fonksiyon ağları birleştirerek HybRBF-ML-ELM adını verdiğimiz karma bir ağ yapısı daha geliştirilmiştir. Engebeli ve/veya keskin değişimli yüzey problemlerinde başarımı deney sonuçları ile kıyaslamalı olarak gösterilmiştir. Dinamik sistem modelleme deneylerinde geliştirilen İÇK-AÖM'nin bazı durumlarda ÇK-AÖM'ye kıyasla hem eğitim hem de test veri setleri için %70lere varan daha iyi modelleme başarım sergilediği gözlenmiştir. Örneğin, Denektaşı Dinamik Sistem (DDS) 7 için 100 düğüm kullanıldığında ÇK-AÖM, İÇK-AÖM1 ve İÇK-AÖM2 yapıları 0.627977, 0.104272 ve 0.092683 ortalama test Karesel Ortalama Hatanın Karakökü (RMSE) sonuçları verilmiştir. ÇK-AÖM ile karşılaştırıldığında İÇK-AÖM1 yapısı 83% daha iyi ortalama test RMSE sonuçları sağlarken İÇK-AÖM2 yapısı 85% daha iyi ortalama test RMSE sonuçları sağlamıştır. Yüzey modelleme deneylerinde geliştirilen HybRBF-ML-ELM yapısının ÇK-AÖM yapısına göre her problem için daha başarılı olduğu gözlemlenmiştir. Örneğin, Griewank, Dropwave ve Schaffer2 fonksiyonları için hem eğitim hem de test RMSE sonuçlarına bakıldığında ÇK-AÖM yapısına göre yaklaşık olarak %99 daha iyi başarım elde edildiği görülmüştür. Peaks fonksiyonu için de eğitim verisinde ortalama RMSE değerine bakıldığında ÇK-AÖM yapısına göre %76,87 daha iyi modelleme başarım sergilediği gözlenmiştir.
Havacılığa yönelik turboelektrik itki sistemi için matematiksel model tasarımı
Bu çalışma, havacılık uygulamaları için gelecek vaat eden bir turboelektrik itki sisteminin matematiksel modellemesi ve simülasyonunu gerçekleştirmiştir. Ana güç kaynağı olarak, GE T700 turboşaft motorunun yüksek hassasiyete sahip MATLAB / Simulink matematiksel modeli kullanılmıştır. Seçilen gaz türbininin matematiksel modeli, N-3X turboelektrik uçaklar için tasarlanan NASA elektrik mimarileri ile birleştirilmiştir. Çift motorlu uçaklarda meydana gelen motor arızalarında, tek motor ile çalışma senaryosu önemli bir tasarım ölçütüdür. Bu senaryonun analizi için MATLAB / Simulink matematiksel modeli kullanılmıştır. Bu doğrultuda yapılan çalışma doğru sistem tasarımı ve gerekli ekipman seçimi gibi konularda öngörüler içermektedir. İki önemli mimari olan Baseline Architecture ve Inner Bus Tie Architecture'ın analizleri yapılmıştır. Bu doğrultuda, seçilen mimariye göre yapılacak değişiklikler ve ekipman farklılıkları açıklanmıştır. Ayrıca, turboelektrik mimariler için en uygun güç elektroniği uygulamaları konusunda bazı ön çalışmalar yapılmıştır. Bu turboelektrik itki sisteminin her bir elektrik ünitesinin güç gereksinimleri, dağıtım yüzdeleri, güç elektroniği sistemleri için ön güç değerlendirmesi ve nominal güç kapasiteleri, ana güç kaynağı olarak günümüzde yaygın bir şekilde kullanılan GE T700 turboşaft motor modeli kullanılarak hesaplanmıştır. Turboşaft motor 3 fazlı jeneratöre bağlanarak mekanikten elektriğe güç dönüşümü sağlanmıştır. 3 fazlı jeneratörün çıkış gerilimi yükselten bir 6-pulse doğrultucu aracılığıyla doğrultulup daha sonra bir gerilim kaynaklı invertör yardımı ile motorun gereksinimlerine göre gerilim düşürülebilecektir. Fakat, gerilimi gerekenden daha yüksek bir seviyede iletmek DC iletim kayıplarının azalmasını sağlayacaktır. Birbirlerine göre farklı üstünlükleri olan Baseline Architecture ve Inner Bus Tie Architecture'ın matematiksel modelleme sonuçları, gelecekte farklı güç sistemleri için yapılacak olan çalışmalara altyapı teşkil etmektedir. Bu turboelektrik itki sisteminin her bir elektrik ünitesinin güç gereksinimleri, dağıtım yüzdeleri, güç elektroniği sistemleri için ön güç değerlendirmesi ve nominal güç kapasiteleri, ana güç kaynağı olarak günümüzde yaygın bir şekilde kullanılan GE T700 turboşaft motor modeli kullanılarak hesaplanmıştır. Turboşaft motor 3 fazlı jeneratöre bağlanarak mekanikten elektriğe güç dönüşümü sağlanmıştır.3 fazlı jeneratörün çıkış gerilimi yükselten bir 6-pulse doğrultucu aracılığıyla doğrultulup daha sonra bir gerilim kaynaklı invertör yardımı ile motorun gereksinimlerine göre gerilim düşürülecektir. Gerilimi gerekenden daha yüksek bir seviyede iletmek DC iletim kayıplarının azalmasını sağlayacaktır. Bu matematiksel modelleme ile yapılan mimari tasarımın sonuçları, gelecekte farklı güç sistemleri için yapılacak olan çalışmalara altyapı teşkil etmektedir.
Makine öğrenmesi algoritmalarıyla Türk işaret dilinde harf ve dinamik sözcük tanıma
Toplumsal hayatın bir parçası haline gelen bilgisayarlar ve akıllı arabirimler, ses ve görüntü dışında, özellikle işaretlerin ve hareketlerin tanınmasında etkin bir şekilde kullanılarak hayatı kolaylaştırmaktadır. Sunulan bu çalışmada işaret dilini kullanan işitme ve konuşma engelliler ile diğer bireylerin kolay iletişime geçmesi ve işaret dilini bilmeyen bir kişinin bu dili anlayabilmesi çerçevesinde çalışılmıştır. Günümüzde teknolojik eğilimin taşınabilir sistemlere doğru olması sebebiyle işaret tanıma çalışmalarında LMC ve Kinect cihazı kullanılmıştır. LMC cihazı bilgisayar, mobil cihazlar başta olmak üzere diğer akıllı arabirimlere gömülü yada doğrudan entegre edilebilir olması, el ve parmak hareketlerini anlık tarama hızı ve hassasiyetinin yüksek olması ve gelişime açık olması sebebiyle özellikle tercih edilmiştir. Kinect ise LMC'nin yetersiz kaldığı durumlarda destek olması amacıyla kullanılmıştır. Bu çalışmada, LMC ve Kinect cihazı kullanılarak Türk işaret dili (TİD)'ne ait çift elli statik parmak alfabesi ve dinamik sözcük tanıma sistemleri üzerine çalışılmıştır. Çalışma önişlem, izleme, görüntü karelerinin toplanması, özellik çıkarımı, özellik seçimi ve çıkarımı, boyut indirgeme, eğitim ve test olmak üzere 8 aşamadan oluşmaktadır. Çalışma dört uygulamadan oluşmaktadır. Birinci uygulama LMC kullanılarak statik parmak alfabesi tanıma üzerine gerçekleştirilmiştir. İkinci uygulamada LMC ile dinamik sözcük tanıma sistemi tasarlanmıştır. Bu uygulama için kendi arasında benzerlik ve farklılıkları dikkate alınarak hazırlanan 50 dinamik sözcük için 4 denek kullanılarak veri kümesi oluşturulmuştur. Üçüncü uygulamada Kinect cihazı kullanılarak dinamik sözcük tanıma sistemi üzerinde çalışılmıştır. Dördüncü uygulama ise LMC+Kinect cihazları kullanılarak gerçekleştirilen farklı uzunluk ve sürelere sahip dinamik sözcük tanıma sistemidir. Bu uygulamada kullanılan histogram ve zamansal özellik çıkarımı veri kümelerinin boyutlarını eşitleyerek sınıflandırıcıya girişi kolaylaştırır ve aynı zamanda verilerin boyutunun küçültülmesini sağlar. Bu uygulamalardan elde edilen veri kümelerinden özellik seçim algoritması, özelik çıkarım yöntemleri ve PCA, LDA ve PCA+LDA boyut indirgeme yöntemleri kullanılarak yeni veri kümeleri elde edilmiştir. Bu veri kümeleri kullanılarak makine öğrenme yöntemlerinden geleneksel, sinir ağı ve ELM tabanlı sınıflandırıcılar ile işaret tanıma başarımı analiz edilmiştir. ELM mimarileri ilk kez bir işaret dili tanıma sisteminde sınıflandırıcı olarak bu çalışmada kullanılmıştır. Tanıma başarımı açısında gürbüz ve kararlı genelleme yeteneği sunan ELM'in 5 farklı mimarisi ve bunların kendine özgün öğrenme yöntemleri test edilerek sonuçlar karşılaştırılmıştır. Bu çalışma ile önerilen TİD tanıma sisteminin başarım testi 10 katlamalı çapraz doğrulama yöntemi kullanılarak yapılmıştır. Elde edilen başarım metriklerine dayalı olarak, ELM tabanlı mimari ve makine öğrenmesi yöntemlerinden ML-KELM'in tüm veri kümelerinde başarım oranını koruduğunu ve en yüksek başarım oranını verdiği ve başarım açısından kararlı bir yapıya sahip olduğu gözlemlenmiştir.
Derin öğrenme yöntemleri ve yapay sinir ağı tabanlı NDVI değerleri ile çeltik bitkisi hastalıkların tespiti
Dünya çapında gıda tüketimi göz önüne alındığında pirincin önemli bir yere sahip olduğu görülür. Çeltik bitkisi, buğdaygiller ailesinden mısır ve buğdaydan sonra en fazla ekimi yapılan bitkidir. Çeltik üretiminde çeşitli zararlılardan ve hastalıklardan dolayı üretim kaybı yaşanmaktadır. Genellikle yaşanan bu kayıplara neden olan üç temel hastalık bulunmaktadır: yaprak patlaması (Leaf Blast - Pyricularia grisea), kahverengi lekeler (Brown Spot - Helminthosporium oryzae) ve beyaz noktalar (Hispa - Dicladispa armigera). Tüm bu hastalık belirtileri bitkinin yaprağında bulunmaktadır. Yaprak görüntülerinden bitki hastalığının otomatik bir şekilde teşhisi geliştirme aşamasında olan bir konudur. Bu tez kapsamında çeltik bitkisine ait bu üç hastalığı tespit etmek için derin öğrenme modellerinden Evrişimli Sinir Ağı (CNN: Convolution Neural Networks) kullanılmıştır. Çalışmada kullanılan 3341 adet çeltik bitkisi yaprağına ait RGB veri seti Kaggle sitesinden elde edilmiştir. Çeltik bitkisinin RGB yaprak görüntülerinden derin öğrenme modeli ile çeltik bitkisine ait üç önemli hastalık (Brown Spot, Leaf Blast ve Hispa) tespiti yüksek doğruluk oranlarıyla elde edilmiştir. Çeltik bitkisine ait hastalıkların erken tespiti için CNN modelinin deneyler sonucu bulunan en uygun hiper parametreler ile eğitimi gerçekleştirilmiştir. Ağın eğitimi için çeltik bitkisine ait RGB görüntüler kullanılarak %92,78 oranında doğruluk elde edilmiştir. Tarım alanlarında ürünlerin sağlık durumlarının incelenmesinde genellikle multispektral kameralardan ve uydu görüntülerinden elde edilen Normalize Edilmiş Fark Bitki Örtüsü İndeksi (NDVI: Normalized Difference Vegetation Index) değerleri kullanılmaktadır. NDVI verilerinin elde edilmesinde kullanılan uzaktan algılama tekniklerinde yüksek maliyet ve hava durumunun uygunluğu öne çıkmaktadır. Diğer alternatif olan insansız hava araçlarına (İHA) entegre edilmiş multispektral kamera sistemlerinin maliyetlerinin yüksek olması ve uzman gereksinimine ihtiyaç duyulması bir başka sorundur. Bu tez çalışmasında ikinci olarak multispektral kameraların yerine standart RGB görüntü veren kamera sistemlerinden NDVI değerini tahmin etmek (nNDVI: Neural network-based Normalized Difference Vegetation Index) için yeni bir yapay sinir ağı modeli önerilmiştir. Önerilen ağın eğitim ve testlerinde kullanılan veri seti İsviçre'de bir tarım alanından ve Togo'da bir çiftlikten multispektral kamera ile alınan görüntülerden elde edilmiştir. Bu model sayesinde %92,013 doğruluk oranı ile RGB görüntülerinden NDVI verileri elde edilmiştir. Son olarak bu tez kapsamında çeltik bitkisinin standart RGB görüntülerinden nNDVI verileri elde edilerek, bu veriler ile derin öğrenme modelinin eğitimi yapılmış ve %96,97'lik bir doğruluk oranına ulaşılmıştır. Çeltik bitkisindeki yaprak görüntüleri ile hastalığının tespiti için elde edilen bu başarım oranı, yöntemin uygulanabilirliğini göstermektedir.
Görüntü işlemede finsler geometrisi yaklaşımları
Bu doktora tezinin temel amacı zorlu görüntüler denilen görüntülerde yeni bir görüntü işleme uygulaması geliştirmek idi. Geliştirilen yeni teknolojinin görüntü işleme operasyonlarından gürültü giderme, kenar algılama ve ilerisi olan segmentasyon işlemlerine uygulamak temel motivasyon olmuştur. Esasen, görüntü işlemedeki bir çok uygulamanın başarısı temel olarak iyi bir ön işleme adımına bağlıdır. Bu ön işleme adımlarının temelinde mükemmel bir matematik dilinden ortaya çıkan kısmi türevli yapılar yer almaktadır. Dünyada görüntü işleme alanındaki bir çok gelişme, dahiyane seyreden matematik düzen içindeki türevli yapıları okuyarak ve geliştirerek ortaya çıkmıştır. Çok önceleri Öklid ölçümleri ile yapılan hesaplar, yerini Riemann ölçümleri ile yapılan hesaplara bırakmıştır. Günümüzde, teknoloji alanında kararlılık ve hasasiyetle yapılan tüm deneyler Finsler ölçümleri ile yapılmaktadır. Çünkü, Finsler metrikleri linner olmayan ve anizotropi içeren ortamlarda en iyi sonuçları vermektedir. Tezin ilk bölümünde literatürde var olan segmentasyon çalışmalarından bahsedilmiş, Finsler yapısını anlamak amacıyla öncelikle Riemann yapılarını anlamak gerektiğinden, ikinci bölümde Riemann modeli ile segmentasyon işlemi incelenmiştir. Riemann modelindeki segmentasyon işlemi, bir enerji integraline dayanmaktadır. Dolayısıyla görüntünün yapısındaki ışık geçişleri veya enerji geçişleri büyük rol oynamaktadır. Bu modelde, başlangıç eğrisi ile verilen bir eğrinin evrimi kısmi türevlerle yönlendirildiğinden, aslında bir gradyan akışı söz konusudur. Bu nedenle, ışık geçişleri belirgin olmayan zorlu görüntülerde iyi sonuçlar alınamamaktadır. Eğer model tanımlanırken eğriyi yönlendirecek yön bilgileri ile bir tanımlama yapılırsa, başlangıç eğrisinin zorlu görüntülerde bile yön bilgisi kullanarak evrimi sağlanabilir. Böyle bir model ise Finsler modeli ile mümkündür. Doğal olarak, tezin üçüncü bölümünde Finsler eğri evrimi tartışılmış, matematiksel yapıları incelenmiştir. Buradan Finsler anlamında eğri evrilimi için maliyet fonksiyonu iki türlü belirlenmesi gerektiği anlaşılmıştır. Birincisi başlangıç eğrisi üzerindeki herhangi bir noktayı içine alan ve görüntüdeki en büyük değişimi veren yönü maliyet fonksiyonu olarak seçmek. İkincisi ise seviye eğrileri ile mesafe ölçümü yapan bir maliyet fonksiyonu belirlemek olacaktır. Her ikiside maliyetli olduğundan, tezin dördüncü bölümünde görüntülerde enerji minimizasyonuna olanak sağlayan ve esnek bir metrik kullanımına izin veren Polyakov enerji integrali incelenmiştir. Bu model var olan teknolojideki en gelişmiş enerji modelidir. Tezin bu bölümünde, yeni bir anizotropik filtre sınıfı için görüntü filtreleme sonuçları ve performans karşılaştırmaları sunulmaktadır. Yeni anizotropik filtre ailesi, Polyakov enerji integralini minimuma indirgemek için anizotropik Laplace-Beltrami akışları üreten, kenar koruyucu anizotropik Finsler metriklerinin özel bir seçimiyle elde edilmiştir. Bu yeni anizotropik filtreler gürültülü görüntülere uygulanmış ve gürültü giderme özelliklerine göre karşılaştırılmıştır. Yeni anizotropik filtrelerin, MSE, PSNR, SSIM vb. gibi çeşitli görüntü kalitesi ölçütlerine göre klasik izotropik filtrelere kıyasla üstün gürültü giderme performansları verdiği deneysel olarak gözlemlenmiştir. Anizotropik filtrelerin, uzayda değişen yapıları sayesinde kenar bilgilerini mükemmel bir şekilde korurken düzgün bölgelerden gelen gürültüyü başarıyla ortadan kaldırması onları önemli hale getirmektedir. Özetle, bu doktora tezinde Finsler geometrisinin görüntü işleme uygulamalarına yaklaşımları araştırılmış ve matematik modelleri sunulmuştur. Bu modellere dayanarak, yeni anizotropik filtre ailesi önerilmiştir. Önerilen yeni filtreler ile klasik filtreleri karşılaştıran nicel sonuçlar elde edilmiş ve klasik izotropik filtrelerden önemli ölçüde daha iyi performans gösterdiği görülmüştür. Görüntü işlemedeki zorlu görüntüleri işlemekte etkili olan bu filtre ailesini literatüre kazandırarak gelecekte yapılan çalışmalar için yol gösterici olacağı düşünülmüştür.
Blokzincir tabanlı akıllı sözleşme kullanarak güvenli veri saklama ve veri doğrulama
Hyperledger Fabric ve Ethereum blokzincir platformları, merkezi olmayan, güvenli ve şeffaf bir ortam sağlayarak öne çıkan ve farklı kullanım senaryolarına uygun olan akıllı sözleşme kullanan platformlardır. Özellikle kurumsal uygulamalarda tercih edilen Hyperledger Fabric modüler yapısı, yetkilendirme ve kimlik yönetimi mekanizmaları, kanal sistemi ve işlemle ilgili özel akıllı sözleşmelerin kullanımına imkan veren yapısıyla dikkat çekmektedir. Askeri, tıbbi görüntülerin veya gizliliği üst seviyede önemli olan görüntülerin/belgelerin saklanması bazı kurumlar açısından büyük önem arz etmektedir. Bu tez kapsamında sunulan HFSecImg çalışması veri güvenliği ve veri doğrulama gibi önemli problemlere çözüm önerisi olarak oluşturulmuştur. Bu çalışma, blokzincir teknolojisinin kullanımı ile veri güvenliği ve doğrulama açısından etkin bir çözüm sunmaktadır. Bu çözümde, görüntü verilerinin güvenli bir şekilde şifrelenerek paydaşlar arasında dağıtılması ve güvenilir bir şekilde saklanmasının yaynında paydaş imzalarının ve şifrelenen görüntünün veri doğrulamasının akıllı sözleşme kullanılarak sağlanması da veri doğrulama problemini etkin çözmeye yöneliktir. Bu yaklaşımın ilk adımında kaotik sistem tabanlı görüntü şifreleme yöntemiyle görüntü şifrelenmiştir. Şifrelemede kullanılan anahtar Shamir's Secret Sharing yöntemiyle belirlenerek paydaşlar arasındaki özel bilginin güvenliğinin artırılması hedeflenmiştir. Şifrelenen görüntüye ait özet bilgisi ve paydaşların dijital imzaları Hyperledger Fabric blokzincir ağında saklanmaktadır. Ayrıca paydaşların imzalarında bulunan özel ve açık anahtarlar RSA şifreleme algoritması kullanılarak oluşturulmuştur. Veri bütünlüğü ve güvenlik temelli oluşturulan çalışmada akıllı sözleşme kullanımı vurgulanmaktadır. Dağıtık defterde tutulan paydaşların imzaları ve şifrelenen görüntü Hyperledger akıllı sözleşme mekanizmasıyla doğrulama sürecinden geçmektedir. Bu sayede blokzincir teknolojisi kullanılarak güvenlik ve veri bütünlüğü sağlanmıştır. Şifrelenen görüntünün bulut sisteminde depolanması sağlanarak ağda bulunan herkese açık, erişimi kolay ve güvenlik riskinin düşük olması amaçlanmıştır. Yapılan analizler ve kullanılan mekanizmalar başarılı bir güvenli veri saklama ve veri doğrulama mekanizmasının oluşturulduğunu göstermiştir. Ethtrace adı verilen ikinci çalışmada, blokzincir teknolojisinin şeffaf bağış uygulamalarında kullanımı ve Ethereum tabanlı akıllı sözleşmelerin kullanımı ile oluşacak avantajlar konusu ele alınmıştır. Çalışmada bu konuya ilişkin bir örnek uygulama geliştirilmiştir. Bağış sürecinin otomatikleştirilmesi, bağışçılar ve alıcı kuruluşlar arasındaki anlaşmazlıkları gidermek ve güvenli bağış yönetiminin sağlanması amaçlanmıştır. Uygulamanın şeffaflık, izlenebilirlik ve güvenlik açısından değerlendirildiğinde başarılı sonuçlar verdiği görülmüştür. Bu çalışma, bağış sürecinin şeffaf ve güvenli hale getirilmesini ve bağışçıların bağışlarının etkili bir şekilde kullanıldığından emin olmalarını sağlayarak toplumsal faydayı artırmayı hedeflemektedir. Aynı zamanda, birden fazla kuruluşa aynı anda bağış yapma imkanı sunularak daha geniş bir bağışçı kitlesine hitap edebilmesi, bağış uygulamaları ve blokzincir teknolojisi arasında olası bir sinerjiyi ortaya koyması açısından literatüre katkı sağlanmıştır. Bu tez çalışması kapsamında gerçeklenen HFSecImg ve Ethtrace blokzincir uygulamalarının ortak yönü blokzincir akıllı sözleşmelerinin kullanılmasıdır. Ayrıca iki farklı uygulamaya ait akıllı sözleşmelerin birbirlerine göre üstünlükleri, sakıncaları ve kullanılması gereken alanlar detaylı bir şekilde incelenmiştir. Uygulamaların farklılıkları gizlilik, güvenlik, maliyet vb. birçok açıdan incelenmiştir. Sonuç olarak geliştirilmesi gereken uygulamaya göre seçilmesi gereken platform ile ilgili bilgilere yer verilmiştir. Blokzincir platformu seçiminin geliştirilen uygulamanın yapısına bağlı olarak çok önemli olduğu gösterilmiştir.
RF parmak izi kullanılarak IoT cihaz tanımada meta aşırı öğrenme makinası tabanlı başarım analizi
Günümüzün gözde teknolojilerinden biri olan IoT kavramının ortaya çıkması, akıllı cihazların getirdiği kolaylıklar ve kullanımının yaygınlaşmasıyla birlikte kablosuz cihazların sayısı artmakta ve buna bağlı olarak cihazlar arasında yoğun ve karmaşık bilgi iletişim ağları oluşmaktadır. IoT uygulamalarında yaygın olarak kullanılan birçok cihaz türü, farklı iletişim standartlarını kullanarak haberleşmektedir. Haberleşme sürecinde bilgi iletişim ağlarına yetkisiz erişim ve saldırıları önlemek amacıyla güvenlik kavramı ön plana çıkmaktadır. Fakat, IoT cihazlarının doğası gereği kaynakları kısıtlıdır. Bu nedenle, cihazlarda güvenlikle ilgili özelleştirilmiş önlemlerin alınması mümkün olmamaktadır. Güvenlik sorununu çözmek için cihazların donanımsal tekilliğini barındıran RF parmak izleri IoT cihazlarını tanımlamak ve doğrulamak için kullanılmaktadır. Bu çalışmada, düşük maliyetli yazılım tanımlı radyo, tek kartlı bir bilgisayar ve açık kaynaklı yazılım kullanarak tasarlanmış ve gerçeklenmiş bir sistem ile RF sinyalleri yakalanıp kayıt altına alınmıştır. Yakalanan sinyallerin özniteliklerini çıkarmak için sinyalin geçici bölgesi/kısmı belirlenir ve Hilbert Dönüşümü kullanılarak anlık genlik, anlık faz ve anlık frekans değerleri elde edilmiştir. En baskın öznitelikleri seçmek için bu değerlere çarpıklık, basıklık, standart sapma, varyans ve medyan değer gibi çeşitli istatistiksel yöntemler uygulanmamıştır. Öznitelik boyutu, minimum artıklık ve maksimum alaka düzeyi tekniği kullanılarak indirgenmiştir. IoT cihazı tanımlama için sınıflandırıcı olarak AÖM tabanlı Meta-AÖM, Çok Katmanlı Meta-AÖM (ÇK-Meta-AÖM) ve Kısıtlı Karma Meta-AÖM (KK-Meta-AÖM) ağ yapıları ve bu yapılar için AÖM tabanlı öğrenme algoritmaları kullanılmıştır. Anılan son iki AÖM tabanlı ağ yapısı bu tez çalışması kapsamında geliştirilmiş özgün ağ yapılarıdır. Bu sınıflandırıcıların başarımı, 7 cihazdan alınan 3752 ham sinyalden oluşan özgün veri kümesine göre deneysel olarak değerlendirilmiştir. Deneysel değerlendirmeler sonucunda, ÇK-Meta-AÖM ağının cihazları %88 doğruluk oranıyla, Meta-AÖM ağının ise %90 civarında bir doğruluk oranıyla cihazları ayırt ettiği gözlenmiştir. KK-Meta-AÖM ağının ise, %92'lik bir doğruluk oranıyla en iyi başarım gösterdiği sonucuna varılmıştır.
Kısa dönemli fotovoltaik güç tahmini için geliştirilen yenilikçi bir hibrit modelin analizi ve uygulaması
Günümüzde hızla artan enerji ihtiyacına paralel olarak üretilen enerjinin temiz ve sürdürülebilir olması mevcut ve gelecek nesiller adına büyük öneme sahiptir. Bu kapsamda yenilenebilir enerji kaynaklarının kullanımı çevre bilincine ve sürdürülebilir kalkınma politikasına katkı sağlamaktadır. Yenilenebilir enerji kaynaklarının en önemlilerinden biri olan güneş enerjisinin kullanımıda bu alanda hızla yaygınlaşmaktadır. Fotovoltaik panellerden (PV) elde edilen enerjinin şebekeye entegrasyonunda, güç sistemlerinin güvenilirliği ve istikrarı açısından bu sistemlerden elde edilecek olan enerjinin tahmin edilmesi büyük öneme sahiptir. Ancak güneş ışınımının aralıklı doğasının etkisi, doğru tahmin modellerinin geliştirilmesini zorlaştırmaktadır. Bu tez çalışması kısa dönemli güneş enerjisi güç tahmini için hibrit tahmin modeli analizi önermekte ve farklı ayrıştırma metotlarının performansını analiz etmektedir. Bu kapsamda BŞEÜ yenilenebilir enerji laboratuvarından 2021 yılından itibaren alınan veriler kullanılmıştır. Tez çalışmasının ilk aşamasında Görgül Kip Ayrışımı (Empirical Mode Decomposition, EMD), Topluluk Görgül Kip Ayrışımı,(Ensemble Empirical Mode Decomposition, EEMD), Geliştirilmiş Ampirik Mod Ayrıştırma,(Improved Empirical Mode Decomposition, IEMD), Uyarlanabilir Gürültü ile Komple Topluluk Görgül Kip Ayrışımı,(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN) ve Sürü Ayrıştırma,(Swarm Decomposition, SWD) gibi literatürde kullanılan güncel ve yenilikçi ayrıştırma modellerinin performansı çok katmanlı ağ (Multi-Layer Perceptron, MLP) yapılarıyla ayrı ayrı mevsimsel olarak analiz edilmiş ve karşılaştırmalı olarak sonuçları sunulmuştur. Tezin ikinci aşamasında ise CEEMDAN yaklaşımı ile Kernel-ELM modeli hibrit olarak önerilmiş bu kapsamda elde edilen veriler ayrıştırma adımında CEEMDAN ile alt bileşenlerine ayrıştırılmıştır. Ayrıştırma adımıyla birlikte elde edilen daha durağan veriler ile tahmin modeline uygulanan alt bileşenler ile daha hassas doğrulukta kısa dönemli tahmin sonucu elde edilmiştir. Önerilen modelin performansı farklı hata performans metrikleri ile karşılaştırmalı olarak sunulmuştur. Bu kapsamda farklı ayrıştırma metodu içeren hibrit modeller ve derin öğrenme tabanlı model ile önerilen model karşılaştırılarak üstünlüğü ele alınmıştır. Kök ortalama kare hatası değeri dikkate alındığında tüm mevsimsel alınan aylar bazında önerilen hibrit model en yakın başarım gösteren modele göre %22,69 ile %44,56 arasında model başarımını artırmıştır. Buna ek olarak Taylor Diyagramı ile de modellerin performansı son adımda istatiksel olarak karşılaştırmalı olarak sunulmuştur. Tüm yapılan analizler sonucunda yenilikçi bir yaklaşım olarak önerilen CEEMDAN-Kernel-ELM yaklaşımının kısa dönemli güneş enerjisi tahmini için diğer konvansiyonel hibrit modellere ve derin öğrenme tabanlı modellere göre daha iyi sonuç verdiği gözlemlenmiştir.
Elektronik izleme sisteminin planlanmasında yeni bir hibrit tahmin modelinin geliştirilmesi ve uygulaması
Şüpheli, sanık ve hükümlülerin elektronik haberleşme yöntemleri ile toplum içinde izlenmesini, gözetim ve denetim altında tutulmasını, mağdurun ve toplumun korunmasını destekleyen elektronik izleme sistemleri, gelişmiş ülkelerde ortaya konulan ve gittikçe yaygınlaşan cezaların infazlarında kullanılan bir teknolojidir. Elektronik izleme sistemleri ile hükümlülerin toplum içinde cezalarının infazı gerçekleştirilirken aynı zamanda denetimli serbestliğinde etkili şekilde uygulanmasına da katkıda bulunur. Günümüzde, gelişmiş ülkelerin yanında gelişmekte olan ülkelerde de suç oranları giderek artmakta olduğu gözlemlenmektedir. Elde edilen bulgular doğrultusunda, bazı ülkelerin bu sistemi cezanın daha etkin bir şekilde infaz edilmesi için kullanmakta olduğu, bazı ülkelerin ise ekonomik açıdan hapis cezasına alternatif bir sistem olarak kullanıldığı gözlemlenmiştir. Bu teknolojinin gelişmekte olan ülkeler arasında yer alan Türkiye'de de kullanımı ve önemi gün geçtikçe artış göstermektedir. Bu sistemler, cezaların infazı ve suçla mücadelede önemli bir rol oynamaktadır. Bu tez çalışması, güncel bir çalışma alanı olan elektronik izleme sistemlerinin planlaması ve sistem alt yapısının öngörüsü için hassas bir tahmin modelinin geçmiş yükümlü verisine göre analizini oluşturmaktır. Bu kapsamda Türkiye Cumhuriyeti Adalet Bakanlığı'na bağlı Ceza ve Tevkifevleri Genel Müdürlüğü bünyesinde yer alan Denetimli Serbestlik Daire Başkanlığı'na bağlı Elektronik İzleme Şube Müdürlüğü tarafından 2013-2021 yılları arasında izlenen 56.611 kişiden elde edilen veriler kullanılarak elektronik izleme sistemlerindeki aktif yükümlü sayısını kısa dönemli olarak tahmin için hibrit model oluşturulmuştur. Bu model sayesinde Türkiye'deki elektronik izleme sistemlerinin gelişimi gözlenerek ihtiyaç duyulacak ekipmanların planlanması ve optimal sistem yönetiminin sağlanabilmesi hedeflenmiştir. Tez çalışması kapsamında yenilikçi bir tahmin modeli olarak CEEMDAN-Kernel-Meta-ELM hibrit modeli önerilmiş ve elde edilen veriler bu model kullanılarak uygulanmıştır. Önerilen modelin performansı güncel derin öğrenme metotlarının yanı sıra geleneksel metotlar ve hibrit metot ile de karşılaştırılarak sunulmuştur. Gerçeklenen modellerin ilk aşamada öncelikle geçmiş verilerle olan ilişkisi ortaya konulmuştur. İkinci aşamada ise CEEMDAN ayrıştırma metodu ile alt bileşenlerine ayrılan veriler ile tahmin modeli performansı iyileştirilmiştir. Her bir alt bileşen Kernel tabanlı Meta-ELM tahmin modeline uygulanmıştır. Tüm modellerin performansı Matlab yazılım ortamında kodlanmış olup, hata performans metrikleri ve Taylor diyagramı ile istatistiksel olarak tablolar ve grafikler halinde sunulmuş ve karşılaştırmalı olarak tartışılmıştır.
Hibrit derin öğrenme teknikleri kullanılarak kısa dönemli rüzgar tahmini
Günümüzde artan enerji ihtiyacına paralel olarak çevresel etkiler de göz önüne alındığında yenilenebilir enerji kaynaklarının kullanımı önem kazanmaktadır. Yenilenebilir enerji alanındaki artan talep ve karbon nötrlüğüne ulaşma hedefi ile son yıllarda rüzgar enerji endüstrisinin hızlı bir büyüme yaşadığı görülmektedir. Özellikle büyük ölçekli açık deniz rüzgar enerjisinin elektrik şebekesine entegrasyonu, rüzgar hızının değişkenliği ve kesintililiği nedeniyle şebeke işletimi ve dağıtımı için önemli zorluklar ortaya çıkmaktadır. Büyük ölçekli rüzgar enerji santrallerini elektrik şebekelerine entegre etmek, şebeke güvenirliliğini ve verimliliği optimize etmek amacıyla bu alanda kısa dönemli tahminler oldukça büyük öneme sahiptir. Bu tez çalışması kapsamında karasal rüzgar hızı verisi ve açık deniz rüzgar gücü verileri kullanılarak kısa dönemli yenilikçi hibrit tahmin modelleri geliştirilmiştir. Bu kapsamda ayrıştırma metotlarının birincil ve ikincil kullanımının yanı sıra derin öğrenme tabanlı tahmin yaklaşımlarının performansları karşılaştırmalı olarak analiz edilmiştir. Tahmin modeli için geleneksel Çok Katmanlı Algılayıcı (Multilayer Perceptron, MLP) yanı sıra güncel Yankı Durum Ağı (Echo State Network, ESN), Uzun Kısa Süreli Bellek (Long Short Term Memory, LSTM) ve çift yönlü LSTM (BiLSTM) yaklaşımları kullanılmıştır. Birincil veya ikincil ayrıştırma içeren modellerde ise Ampirik Mod Ayrıştırması (Empirical Mode Decomposition, EMD), Topluluk Ampirik Mod Ayrıştırması (Ensemble Empirical Mode Decomposition, EEMD) ve Uyarlanabilir Gürültü ile Komple Topluluk Görgül Kip Ayrıştırması (Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN), Sürü Ayrıştırması (Swarm Decomposition, SWD), Dalgacık Ayrıştırması (Wavelet Decomposition, WD) ve Varyasyonel Mod Ayrıştırması (Variational Mode Decomposition, VMD) metotları karşılaştırmalı olarak incelenmiştir. Tüm analizler üç farklı bölgeye ait açık deniz rüzgar gücü verileri ve bir karasal rüzgar hızı verisi kullanılarak istatiksel olarak karşılaştırmalı şekilde sunulmuştur. Hata performans kriterleri de dikkate alındığında tez çalışması kapsamında önerilen yenilikçi ikincil ayrıştırma tabanlı modellerin daha iyi sonuçlar verdiği gözlemlenmiştir.
Derin öğrenme mimarileri ile MR taramalarından omuriliğin otomatik bölütlenmesi ve MS lezyonlarının ayırıcı tanısı
İnsan omuriliği, merkezi sinir sisteminin oldukça organize ve karmaşık bir parçasıdır ve işlevi nöral sinyallerin beyinden (duyusal bilgi) periferik sinir sistemine (motor bilgisi) ve periferik sinir sistemden beyne iletilmesini sağlamaktır. MS (Multipl Skleroz), omurilikte meydana geldiğinde beynin, omuriliğin ve optik sinirin beyaz ve gri maddesini etkiler. MS hastalığının erken teşhisi, hastalığın ilerlemesini yavaşlatmak ve semptomların kontrol altına alınmasını sağlamak açısından büyük önem taşır. Erken dönemde doğru tedaviye başlamak, hastalığın daha ağır ataklar yapmasını engelleyebilir ve hastanın yaşam kalitesini artırabilir. Bu sayede, MS'in ilerlemesini durdurmak ya da yavaşlatmak mümkün olabilir. MS hastalığının teşhisinde klinik semptom/bulgular, beyin omurilik sıvısı incelemeleri, uyarılmış potansiyeller ve Manyetik Rezonans Görüntüleme (MRG) bulguları kullanılmaktadır. Özellikle, MRG'nin kullanımının yaygınlaşması ve bilgisayar destekli sistemlerin gelişmesi, MS hastalığının tanısı ve takibinde önemli katkılar sağlamıştır. Diğer taraftan, başta derin öğrenme modelleri olmak üzere, yapay zeka algoritmaları ile MR görüntülerinden omuriliğin bölütlenmesi ve omurilik bölgesinde MS lezyonları bulunup bulunmadığına dayanan çalışmalar da son yıllarda oldukça öne çıkmıştır. Ancak yine de, bu ve benzeri çalışmalar belli oranda başarıma ulaşmış olsalar da, veriseti boyutunun küçüklüğünden kaynaklı veri miktarının azlığı ve MS lezyonlarının oldukça küçük bir hacme sahip olması gibi nedenlerden dolayı yapılan çalışmalarda MS tespitinde başarımın düşük olduğu görülmektedir. Bu tez çalışmasında, derin öğrenme ile aksiyel ve sagital gibi farklı düzlemlerden alınan T2-ağırlıklı MR görüntüleri üzerinde servikal omurilik kesit alanı (OKA), ve beyin omurilik sıvısı (BOS) alanlarının bölütlenmesi ve omurilikte oluşan MS lezyonlarının ayırıcı tanısı gerçekleştirilmiştir. Çalışma kapsamında, öncelikle, Akdeniz Üniversitesi Hastanesinden temin edilen servikal omurilik bölgesi MR verileri ile servikal omurilik bölgesi/kesit alanı (OKA), BOS alanı ve omurilik sınırları içerisinde bulunan MS lezyonlarının bölütleme işlemlerini gerçekleştirmek için bir veriseti hazırlanmıştır. Bu veriseti üzerinde, U-Net mimarisi tabanlı geliştirilen olan FractalSpiNet, Con-FractalSpiNet ve Att-FractalSpiNet mimarileri kullanılarak, sagital ve aksiyel düzlemlerdeki MR görüntülerinde, omurilik ve beyin omurilik sıvısı alanlarının bölütlenmesi sağlanarak, omurilik sınırları içerisinde bulunan MS lezyonları da tespit edilmiştir. Ayrıca önerilen mimarilerle elde edilen sonuçlar, Att U-Net (Attention U-Net), Res U-Net (Residual U-Net) ve Att-Res U-Net (Attention Residual U-Net) olmak üzere karma mimariler ile de karşılaştırılmıştır. Tez çalışmasında, ayrıca hazırlanan servikal omurilik verisetinde bölütlenmesi istenen alanların maskeleme işlemleri için omurilik aksiyel OKA/BOS, omurilik aksiyel MS ve omurilik sagital MS veri alt grupları oluşturulmuştur. Hazırlanan servikal omurilik veriseti üzerinde omurilik alanının bölütlenmesi ve MS lezyonlarının tespit edilmesi için, model başarılarımlarını ölçmek için piksel benzerliği temeline dayanan DSC (Dice Similarity Coefficient), PRE (Precision) ve REC (Recall) metrikleri kullanılırken, hacimsel bazlı olarak VOE (Volumetric Overlap Error) ile RVD (Relative Volume Difference) ve mesafe bazlı olarak ASD (Average Surface Distance) ile HD95 (95th percentile Hausdorff Distance) metrikleri kullanılmıştır. Verisetinde ilk olarak omurilik aksiyel OKA/BOS alt veri grubu ile deneysel çalışmalar gerçekleştirilmiştir. Yapılan model eğitimleri sonunda OKA bölütlenmesi için Con-FractalSpiNet mimarisi ile %94.99 DSC skoru, BOS bölgesi için FractalSpiNet mimarisi ile %93.00 DSC skoru ve tüm omurilik bölgenin bölütlenmesi için FractalSpiNet kullanılarak %96.54 DSC skoru ile en yüksek başarımlar elde edilmiştir. Diğer omurilik aksiysl MS veri alt grubu üzerinde gerçekleştirilen eğitimler sonucunda ilk bölütleme bölgesi olan OKA için en başarılı sonuçlar Con-FractalSpiNet ve FractalSpiNet mimarileri ile sırasıyla %98.89, %98.88 DSC skoru elde edilirken, MS lezyonlarının tespit edilmesinde en başarılı sonuçlar Con-FractalSpiNet ve FractalSpiNet mimarileri ile %91.48 ve %90.90 DSC skorları ile başarılmıştır. Yine aynı veri alt grubunda, MS'siz omurilik alanının bölütlemesi için model eğitimleri sonucunda, en başarılı modeller Con-FractalSpiNet ve FractalSpiNet için sırasıyla %97.25 ve %97.17 DSC skorları elde edilmiştir. Omurilik sagital MS veri alt grubu üzerinde yapılan deneysel sonuçlar incelendiğinde, omurilik alanı ve MS'siz omurilik alanlarının bölütlemesi için gerçekleştirilen model eğitimleri sonucunda, Att-Res U-Net mimarisi ile sırasıyla %97.06 ve %95.16 DSC skorları elde edilirken, MS lezyonlarının tespit edilmesinde Con-FractalSpiNet kullanılarak %56.25 DSC skoru ile en başarılı sonuçlara ulaşılmıştır. Tüm sonuçlar değerlendirildiğinde, U-Net tabanlı önerilen FractalSpiNet mimarileri kullanılarak, servikal omurilik bölgesi ve bu bölgedeki MS lezyonlarının bölütlenmesinde, var olan çalışmalara göre oldukça rekabetçi sonuçlar edilmiştir.
Endüstriyel ortamlarda güvensiz davranışların video üzerinden tespiti için yeni bir derin öğrenme modeli geliştirilmesi
Üretim sahalarında, işletmelerde, fabrikalarda ve dolayısıyla insanın olduğu her yerde ihmal ve yeterince önemsememe nedeniyle güvenli olmayan davranışlar ortaya çıkabilmektedir. Bu tür alanlarda, güvenli olmayan tehlikeli davranışlar, birçok kaza da dahil olmak üzere ölüm veya yaralanmaların başlıca sebeplerindendir. İşyerlerinde geleneksel iş güvenliği uygulamaları ve düzenli güvenlik denetimleri yapılmasına rağmen, iş sağlığı ve güvenliği protokollerinin ihlal edilmesi sonucu birçok kaza meydana gelmektedir. Bu kazalar işyerlerinde, çalışma ortamının dinamikleri ve zorlukları ile beraber mevcut güvenlik izleme prosedürlerinin yeterince uygulanamadığını göstermektedir. Tehlikeli ortamlarda kazaların ve kayıpların önlenmesine yönelik çözümler, yıllar boyunca olay sayısını azaltmış olsa da insan davranışlarına bağlı olarak tamamen ortadan kaldırılamamaktadır. Ayrıca, bu tür üretim ortamları oldukça karmaşıktır, aydınlatma sorunları vardır ve aşırı dinamiktir. Çalışma ortamlarındaki tehlikeleri kontrol etmek için çeşitli sistemler olmasına rağmen, gerçek zamanlı yaklaşımların çok az olduğu açıktır. Özellikle, birçok bilgisayar tabanlı otomatik çözüm olmasına rağmen, bu sistemlerin eğitim ve tespit süreci düşük doğruluğa sahiptir, çok maliyetlidir ve fazla zaman gerektirir. Diğer taraftan, endüstriyel işyerlerinde, iş sağlığı ve güvenliğinin en önemli unsurlarından birisi olan Kişisel Koruyucu Donanım (KKD) kullanımı büyük önem arz etmektedir. Bu tez çalışmasında, öncelikle, çoklu sınıflar belirleyerek, YOLO (You Only Look Once) öğrenme algoritması kullanılarak KKD'lerin uygun kullanılıp kullanılmadığı tespit edilmiştir. Bu aşamada, KKD'lere yönelik olarak yedi sınıf belirlenmiş ve bu sınıflara ilişkin özgün veriseti oluşturulmuştur. KKD'lerin tespiti için yürütülen deneysel çalışmalarda, YOLO mimarisi kullanılarak ortalama doğruluk (mean average precision, mAP) değeri %91.18 olarak başarılmıştır. Ayrıca, diğer ölçüm metrikleri Kesinlik (Precision), Duyarlılık (Recall), F1-skoru, kesiştirilmiş bölgeler (Intersection over Union, IoU) ve ortalama kayıp (Loss) için sırasıyla 0.89, 0.91, 0.90, 70.35 ve 1.1147 sonuçları elde edilmiştir. Tez çalışmasının ikinci aşamasında, işyerlerindeki güvensiz hareketlerin gerçek zamanlı sınıflandırılması için derin öğrenme modelleri destekli, hibrit bir bilgisayarla görme yaklaşımı Unsafe-Net (Önal & Dandıl, 2024a) geliştirilmiştir. Unsafe-Net altyapısı için öncelikle bir fabrikadan 39 günlük video görüntüsü toplanarak bir veriseti oluşturulmuştur. Oluşturulan bu veriseti 2024 yılında Data in Brief dergisinde yayınlanarak kullanıma sunulmuştur (Önal & Dandıl, 2024b). Çalışma için özel olarak oluşturulan veriseti kullanılarak, hızlı ve doğru sonuçlar elde etmek için nesne algılama ve video anlamlandırılmasında YOLOv4 ve Evrişimsel Uzun Kısa Süreli Bellek (Convolutional Long Short-Term Memory, ConvLSTM) derin öğrenme mimarileri birleştirilmiştir. Tez çalışmasının bu aşamadaki deneysel çalışmalarında, önerilen Unsafe-Net mimarisi kullanılarak çalışma sahalarında güvensiz davranışların sınıflandırma doğruluğu %95.81 olarak başarılmıştır ve videolardan eylem tanıma için ortalama süre 0.14 saniye olarak hesaplanmıştır. Ayrıca Unsafe-Net mimarisinin altyapısında kullanılan YOLO algoritması sayesinde, ortalama video süresi 1.87 saniyeye düşürülerek gerçek zamanlı tespit hızı da artırılmıştır. Geliştirilen sistem Eskişehir'de faaliyet gösteren bir fabrika ortamında kurulmuş olup, güvensiz davranış gerçekleştiğinde, gerçek zamanlı olarak çalışanların sistem tarafından hem sesli hem de görsel olarak anında uyarılması sağlanmıştır. Ayrıca, sistemin fabrika ortamına kurulması ile çalışanlar belirli bir süre izlenmiş ve güvensiz davranışların tekrarlanma oranının kısa sürede yaklaşık olarak %75 oranında azaldığı tespit edilmiştir.
Derin öğrenme metotları ile demiryolu arızalarının teşhisi ve sınıflandırılması
Derin öğrenme metotları üzerine çalışmalar, bilgisayar donanımındaki, özellikle de grafik işlemci kartındaki gelişmelerden sonra büyük ivme kazanmıştır. Bu gelişmeler makine görüsü destekli uygulamaların hem daha başarılı sonuçlar vermesini hem de kullanım alanlarının genişlemesini sağlamıştır. Nesne sınıflandırma alanında insan başarımı seviyesi geride bırakılmış ve nesne tespit algoritmaları gerçek zamanlı çalışabilir hale gelmiştir. Derin öğrenme algoritmaları veriye aç sistemler olduğu için bunların eğitilmesi ve test edilmesinde veri kümesi kritik öneme sahiptir. Demiryolu arıza teşhisi ve sınıflandırması üzerine internette halka açık olarak erişimi mümkün olan bir veri kümesi bulunmamaktadır. Bu çalışmada Türkiye Cumhuriyeti Devlet Demiryolları'nın (TCDD) demiryolu hat bakım ve izleme çalışmalarında elde edilen görüntüler derlenip, literatürde en sık karşılaşılan ray kusurları göz önünde bulundurularak, demiryolu arıza teşhisi ve sınıflandırması uygulaması geliştirebilmek için bir veri kümesi oluşturulmuştur. Oluşturulan bu veri kümesi kullanılarak YOLOv4 tabanlı bir kusur tespit sistemi geliştirilmiştir. Önerilen bu kusur tespit sistemi geliştirilirken literatürdeki uygulamaların aksine tüm görüntülerin elle etiketlendiği bir tam denetimli öğrenme yöntemi yerine yarı denetimli öğrenci-öğretmen modeli geliştirilmiş ve görüntülerin otomatik olarak etiketlenmesi sağlanmıştır. Bu yöntem, etiketleme sürecindeki insan müdahalesini azaltarak yüksek maliyetlerin düşürülmesini sağlamış, sözde etiketleme yöntemi ile genişletilen veri kümesi sayesinde de arıza tespit modelinin mAP değeri; %87.94'ten %94.15'e, F1-Skor değeri de 0.83'ten 0.91'e arttırılmıştır. Tez kapsamındaki diğer bir çalışma ise demiryolu bağlantı elemanları özelinde yapılmıştır. Bu çalışmada aktivasyon fonksiyonu seçiminin arıza tespit modelinin başarımı üzerine etkisi incelenmiş ve leaky, swish, x-swish ve mish fonksiyonlarının performansları kıyaslanmıştır. Yapılan optimizasyon çalışmaları sonucunda, TCDD'den alınan veri kümesinin elde edildiği yöntemle karşılaştırıldığında, Gerçek Pozitif (TP) sayısı artırılmış ve Yanlış Pozitif (FP) sayısı azaltılmıştır. Son çalışmada ise demiryolu arızaların daha yüksek oranda tespiti için dinamik alfa parametreli odaklanmış kayıp (focal loss) fonksiyonu geliştirilmiştir. Böylece demiryolu arızalarında daha kritik öneme sahip arıza sınıfının tespitine ağırlık verilmiş ve bu sınıftaki arıza teşhis başarımı arttırılmıştır. Deney sonuçları, önerilen yöntemlerin mevcut yöntemlere göre daha yüksek doğruluk ve verimlilik sağladığını göstermektedir.
Ultrason taramalarından fetüs hareketlerinin tespiti için yeni derin öğrenme modelleri geliştirilmesi
Tıbbi görüntülerin ve videoların bilgisayar destekli algoritmalar ile analiz edilmesi, hastalıkların teşhis ve tedavisinde önemli faydalar sağlamaktadır. Özellikle son yıllarda, derin öğrenme algoritmalarındaki artan gelişmeler, medikal verilerin işlenmesinde hız, performans ve donanım ihtiyacı gibi konularda sürekli iyileşme sağlamıştır. İleri derece uzmanlık gerektirebilen medikal verilerin inceleme işlemlerinin derin öğrenme algoritmalarıyla yapılması, hekimlerin karar verme aşamasında yardımcı bir araç olarak yaygın olarak kullanılmaya başlamıştır. Ultrason (US) videolarında fetüsün hareketlerinin izlenmesi ve anatomik yapıların tanınması bebek sağlığının değerlendirilmesinde önemli bir parametredir. Fetüs hareketlerinin takip edilmesi sağlıklı giden bir gebelik sürecinde önemli bir parametre olup, anne karnında fetal hareketlerin azalması veya hiç olmaması ciddi fetüs risklerinin bir belirtisi olarak değerlendirilebilir. Bu tez çalışmasında, ultrason videolarından fetüs hareketlerinin analizi ve değerlendirilmesi için Kütahya Sağlık Bilimleri Üniversitesi Evliya Çelebi Eğitim ve Araştırma Hastanesi'nden toplanan ultrason videoları ile bir veriseti oluşturulmuştur. Tez çalışmasında, öncelikle fetal ultrason videolarını kullanarak fetüsün anatomik yapılarını tanımak ve hareketlerini tespit etmek için YOLO ve uzun kısa-süreli bellek (LSTM) algoritmalarına dayanan hibrit bir derin öğrenme yöntemi önerilmiştir. Bu aşamada, fetüsün anatomik yapıları belirlenmek ve hareketlerini takip etmek için ultrason videoları uzman radyologlar eşliğinde etiketlenmiştir. Deneysel analizlerde fetüsün kalp, baş ve gövde gibi anatomik yapılarının hareketleri takip edilerek hareket yörünge örüntüleri çıkarılmıştır. Son adımda ise iki boyutlu düzleme dönüştürülen hareket örüntüleri kullanılarak LSTM derin öğrenme algoritması ile fetal anatomik yapıların tespiti ve sınıflandırılması sağlanmıştır. Ultrason videolarındaki fetal hareketlerin otomatik olarak sınıflandırılması, fetal iyilik halinin değerlendirilmesi ve hamilelik sırasında olası komplikasyonların tespit edilmesi için kritik öneme sahiptir. Tez çalışmasının ikinci aşamasında ise, ultrason video dizilerindeki fetal hareketlerin sınıflandırılmasını iyileştirmek için bir dikkat (attention) mekanizması ve evrişimsel sinir ağlarını (CNN) içeren yeni bir derin öğrenme modeli olan FetalMovNet mimarisi geliştirilmiştir. Model, özellik çıkarımı için CNN ve uzamsal-zamansal örüntüleri yakalamak için bir dikkat mekanizmasını entegre ederek fetal hareketlerin sınıflandırma performansını önemli ölçüde artırmaktadır. FetalMovNet'i değerlendirmek için, yedi farklı anatomik yapıya (kafa, gövde, kol, el, kalp, bacak ve ayak) ait ultrasondaki fetal hareketleri içeren verisetinde deneysel çalışmalar yürütülmüştür. Elde edilen sonuçlar, FetalMovNet'in 0.9887 doğruluk (accuracy), 0.9871 kesinlik (precision), 0.9910 geri çağırma (recall) ve 0.9891 F1-skoru (F1-score) elde ederek gelişmiş CNN ve CNN-LSTM mimarilerinden daha iyi performans başardığını göstermektedir. Ablasyon çalışmaları, FetalMovNet'in CNN için 0.9471 ve CNN-LSTM için 0.9543 ile karşılaştırıldığında, 0.9957'lik bir eğri altı alan (AUC) puanı elde etmesiyle dikkat mekanizmasının etkinliğini doğrulamaktadır. Önerilen FetalMovNet modeli, gerçek zamanlı fetal hareket izleme için sağlam ve klinik olarak uygulanabilir bir araç sağlayarak manuel değerlendirme ihtiyacını azaltmaktadır ve doğum öncesi bakımı iyileştirme potansiyeline sahiptir. Tez kapsamında önerilen derin öğrenme modellerinin boyutu küçük olduğundan sınıflandırma ve tespit süresi oldukça düşüktür ve gerçek zamanlı ultrason görüntülerinin değerlendirilmesi için uygun olduğu değerlendirilmektedir. Çalışmada kullanılan FetalMovNet derin öğrenme modelinin bir diğer önemli avantajı, düşük çözünürlüklü ultrason görüntülerinde bile yüksek performans göstermesidir. Tezde, hareket anomalilerinin sınıflandırılması ve dokulara özel hareket yörüngelerinin ayrıntılı incelenmesi, fetüste nörolojik rahatsızlıkların erken teşhisine yönelik umut vaat eden bir yaklaşım olarak değerlendirilmiştir. Gelecekte bu yaklaşımın, fetüste anormal hareket tespitinde kullanılarak hamilelikte tanı süreçlerinde önemli bir rol oynayabileceği değerlendirilmektedir.
CMAC sinir ağı öğrenme yöntemi kullanılarak yeni melez GSA ve PSO optimizasyon algoritmalarının geliştirilmesi ve başarım analizi
Son zamanlarda karmaşık ve zorlu problemlerin çözümünde kullanılmak üzere geliştirilmiş metasezgisel algoritmaların sayısı oldukça fazladır. Bu algoritmaların birçoğu, doğal olayların, sistemlerin veya canlı türlerinin davranışlarından ilham alarak mühendislik problemleri için en iyi çözümü bulmayı amaçlamaktadır. Yeni algoritmaların bazıları en iyi çözüm arayışında, iki veya daha fazla algoritmanın veya metotların hibritleştirilmesi ile meydana gelmektedir. Bu tez çalışmasında, karmaşık ve zorlu mühendislik problemlerin çözümünde etkili ve verimli sonuçlar elde etmek için iki yeni algoritma geliştirilmiştir. Bunlardan birincisi, Newton'un evrensel çekim yasasına dayanarak geliştirilen Yerçekimsel Arama Algoritması (GSA) ile bir yapay sinir ağı yöntemi olan Serebellar Model Eklem/Artikülasyon Denetleyicisinin (CMAC) hibritleştirilmesine dayanan algoritmadır. İkincisi ise, kuş ve balık sürülerinin hayvan toplulukları içerisinde yiyecek bulma davranışlarından esinlenerek sunulmuş Parçacık Sürü Optimizasyonu (PSO) algoritması ile CMAC yapay sinir ağıyla hibritleştirilmesine dayanan algoritmadır. Geliştirilen GSA ve PSO algoritmaların varyantları sırasıyla CMACGSA ve CMACPSO olarak adlandırılmıştır. Önerilen CMACGSA algoritmasında GSA'daki parçacıkların / ajanların kütlesini hesaplamak için farklı bir öğrenme prosedürü kullanılmaktadır. CMAC sinir ağı, GSA parçacıklarının / ajanlarının kütlelerini hesaplamak için klasik GSA'ya entegre edilmiştir. Klasik GSA'da ajanlar başlangıçta rastgele olarak konumlandırılırken CMACGSA'da CMAC'in başlangıçta giriş değerlerini kuantalama işlemi CMACGSA'nın başlangıç kriteri olarak uygulanmıştır. Ek olarak, CMACGSA algoritmasına literatürde var olan üç farklı mekanizma eklenerek iyileştirmeler yapılmıştır. Bu mekanizmalardan ilki, yerel minimuma takılmasını önlemek için popüler yöntemlerden biri olan Lévy mutasyonu, ikinci mekanizma ise, yineleme sırasında arama sınırlarının aşılmasını önlemek için sınır kontrol yöntemidir. Sonuncusu, yineleme sırasında belirli sayıda iyileşme olmazsa, ajanların konumlarını rastgele yeniden belirleyen hata (sayaç) işleme mekanizmasıdır. Geliştirilen diğer algoritma olan CMACPSO'da ise, klasik PSO algoritmasındaki hız güncelleme mekanizmasında bulunan iki rastgele değişken yerine, dinamik öğrenme yeteneğine sahip değişkenler kullanılmıştır. Ayrıca algoritmanın başlangıç adımında CMAC'in kuantalama işlemi uygulanmış ve sınır kontrol mekanizması eklenmiştir. CMACGSA ve CMACPSO algoritmalarının performanslarını değerlendirmek ve klasik GSA ve PSO algoritmalarına göre üstünlüğünü incelemek için, standartlaştırılmış 2014 Evrimsel Hesaplama Kongresi tarafından sunulan CEC 2014 test paketi kullanılmıştır. Tezin deneysel analiz kısmında CEC 2014 test paketinden seçilen farklı türde toplam dört fonksiyon için iki boyutta (2D) sonuçlar elde edilmiştir. Ayrıca ek olarak, CEC 2014 test paketi için farklı boyutlarda (10D, 30D, 50D) da elde edilen sonuçlar değerlendirilmiştir. Elde edilen sonuçlar, klasik GSA ve PSO algoritmaları ile kıyaslanmıştır. Ayrıca, 30D'de elde edilen sonuçlar en güncel yöntemler (SOTA) ve önceki çalışmalarda bildirilen GSA ve PSO varyantları ile karşılaştırılmıştır. Karşılaştırma sonuçlarına göre, CMACGSA ve CMACPSO, geliştirilen öğrenme yeteneklerinden dolayı üstün performans sergilemişlerdir. Son olarak, CMACGSA ve CMACPSO'nun kapsamını ve gerçek dünya problemlerindeki uygulanabilirliğini incelemek amacıyla, bu algoritmalar farklı türde mühendislik problemleriyle test edilmiştir. Bu problemler; kaynaklı kiriş problemi, basınçlı kap tasarımı ve üç çubuklu makas tasarımı problemleridir. Bu problemlerin çözümü, mevcut algoritmalar ile karşılaştırılmış ve sonuç olarak, CMACGSA ve CMACPSO algoritmalarının mevcut bazı algoritmaların gerisinde kaldığı, klasik GSA ve PSO algoritmalarına göre ise daha başarılı performans gösterdiği görülmüştür.
İndüktif motorlarda uzman sistem ile vibrasyon analizi
This thesis presents an expert system for induction motor fault detection based on vibration analysis by using corvid expert system. Vibration signals of induction motors on four different actuating mechanism are collected with a specific vibration measuring device. The device evaluates the values with three harmonics in frequency domain. Expert system provides the recommendations as maintenance activity or the reason of the vibration by using vibration values. This system is tested and validated on four type of actuating mechanisms. Obtained results show that this system can detect faults in early stages with high accuracy and reliability. Thus, it provides malfunction and failure prevention and improves overall performance and efficiency of industrial systems.
RF enerji hasadi için empedans eşleştirme ve kalite faktörünün araştirmasi
The technology of energy harvesting has received a lot of attention by the researchers in light of the widespread use of electronic devices, especially wireless ones. It has become one of the most important research topics in the world for providing easy and free energy sources. This thesis presents the effect of RF energy harvesting parameters depend on the harvesting system efficiency and the output DC voltage for input power between -35dBm to 25 dBm. In this study, multi-stage Dickson voltage multiplier (DVM) from two to six stages are designed and implemented for various load resistance (i.e. 20, 50, 100, 500, and 1000) kΩ and with a different matching topology such L-matching, T-matching, and Pi-matching. Two Schottky diode models (e.g. HSMS-2852 and HSMS-2822) are used to design the DVM to see their effect on the efficiency and output DC voltage, also to show the quality factor for different impedance matching topology's. All the simulations were done by using the Advance Design System (ADS) 2017. The target frequency selected in the design is 915 MHZ for Industrial, Scientific and Medical Radio Band (ISM band). The simulation results showed an improvement in term of efficiency for the DVM circuit design with matching compared to the DVM circuit without matching at the low level input power. Also, the simulation results show that low load usage increases the efficiency of the harvesting circuit. Besides, using a HSMS-2852 Schottky diode model is better in term of efficiency than the HSMS-2822. And also, for low input power the harvesting system with matching circuit give an advantage over the harvesting system without matching circuit for all design depend on the efficiency level.
İleri biyolojik atık su arıtma tesislerinde koku kontrolü
Atık sular, özellikle kentleşmenin çoğalması ile beraber ve sanayileşme, globalleşme denklemi ile daha yoğun işlenen bir "alan" olmuştur. Bu "alana" yönelik birçok yöntem ve uygulama maalesef ki istenilen neticeyi tam anlamıyla verememektedir. Her ne kadar sağlık açısından sorunsallar hafifletilse de koku, görüntü ve diğer kötü neticeler ile halen mücadele edilmekte ve yeni metotlar literatüre kazandırılmaktadır. Atık su arıtma tesisleri ile işletmeler buna mühim ölçüde yanıt vermekle beraber şikayetleri de en az düzeye indirgemeyi başarabilmektedir. Yalnızca koku kontrol ünitelerinin olmadığı ya da istenen optimum düzeyde sisteme entegre edilemediği durumlar ise maddi ve manevi birçok soruna sebep olmaktadır. Bu çalışmanın amacı, atık su arıtma tesislerindeki koku kontrol ünitelerinde PLC kontrolü ve SCADA kullanılmasının etkisini analiz etmektir. Her ne kadar literatürde atık su arıtmaya yönelik ve atık su koku kontrol üniteleri bağlamında pek çok çalışma olsa da PLC kontrolü ve SCADA ile çözüm noktasında istenilen düzeyde çalışmalar bulunmamaktadır. Bu çalışma literatürdeki bu eksikliği gidermeyi amaçlamaktadır.
Alanlara göre robot yolu planlamasıbulanık c-ortamlarını kullanarak segmentasyonalgoritma ve partikül sürüoptimizasyon
Mobile robotics is a valuable tool for exploring environments inaccessible to humans due to their remoteness, cost or danger, and for performing unpleasant or laborious tasks. It is a relatively new field, until recently experimental, but it is already being applied to real problems with satisfactory result. In this work we have designed and implemented a system whose main purpose is to plan trajectories for this mobile robot. The main goal of this work is to decrease the cost of hardware implementation by using 3d design to simulate and environment which the robot can find the optimal path in it, we use the fuzzy C-means algorithm to cluster the image of the robot camera and the gray wolf optimization algorithm to decide which path to take.
Sözleşme algılamanın uygulanmasımakine kullanılan IoT ağlarında sistem öğrenme
Since the last decade, Internet of Things (IoT - Internet of Things) solutions have been created and applied in different branches of society, such as solutions for transport and urban communication, for example. In this way, IoT is a new paradigm, which is composed of a global network of machines and devices capable of interacting with each other [4]. IoT changes the way some real-world problems can be modeled in the cyber environment, and this is due to the ability to list device units on the network to perform small tasks, and then group the results. In this work we have designed and implemented a system whose main purpose is to assist in the process of implementing this approach, a machine learning technique known as Active Learning was used. This technique was chosen in the context of this work, due to its potential to induce predictive models from databases with the lowest number of labels. Thus, a particle swarm algorithm PSO was used on the database, which consists of a supervised learning algorithm to validate the results obtained, a second predictive model was induced, which did not use active learning for sample selection.This model was used as a basis for comparative analysis of the model resulting from the proposal of this work.
Detection of malicious URLs using machine learning
Data is a valuable and significant asset in computer systems for businesses, institutions, and governments, and it must be protected from malevolent computer crimes that try to steal and sell it. and be threatened by the most common URLs addresses and this threat is considered a cybersecurity threat and uses malicious URLs link containing unwanted content such as (spam, phishing, download- from the drive) and thus users are victims of fraud and are the loss of money or theft of information and software installation. Previously, malicious URLs were often detected by blacklists, but they currently lack edited URLs addresses that are newly created. The focus of the attackers is to use more effective methods of stealing information, which is phishing technology, which is one of the most used types of social engineering. Therefore, the research aims to develop a model to detect and classify URLs into legitimate URLs or malicious URLs by using Machine learning techniques, algorithms, and the lexical feature extracting from URLs. We also verify that a new set of samples that were never trained on as well as a plausible scenario that the predictive model can predict processes can distinguish between legitimate and malicious samples.
İlişki kuralı veri madenciliği tekniğiyle görüntü bölümlendirme
Smart grids are electric grids that are composed of multiple power sources and devices connected to each other to provide better reliability in power generation and power management, modern developments of the smart grid aim at either improving the control of power sources and loads connected to the smart grid by developing a specialized software/hardware, or by improving the communication within the parts of the smart grid and the central control. In this paper we aim at improving both sides of the smart grid system (communication and control), we propose a fuzzy logic-based controller for renewable energy and fossil fuel sources in a grid and an internet of things-based monitoring system which oversees the state of the smart grid, faults that occur in the grid, and how the fuzzy controller overcomes those faults, all in which provide an extra layer of support to the smart grid.
Makinenin örenmesi ile şeker hastalığını taşhisi
Artificial neural networks have been in the position of producing complex dynamics in control applications over the last decade, especially when they are linked to feedback. Although ANNs are strong for network design, the harder the design of the network, the more complex the desired dynamic is. Many researchers tried to automate the design process of ANN using computer programs. Search and optimization problems can be considered as the problem of finding the best parameter set for a network to solve a problem. Recently, the problem of optimizing ANN parameters to train different research datasets has been targeted by two commonly used stochastic genetic algorithms (GA) and particle swarm optimization (PSO). The process based on the neural network is optimized with GA and PSO to enable the robot to perform complex tasks. However, using such optimization algorithms to optimize the ANN training process cannot always be balanced or successful. These algorithms simultaneously aim to develop three main components of an ANN: synaptic weight, connections, architecture and transfer functions set for each neuron. Developed with the proposed approach, ANN is also compared with hand-designed Levenberg-Marquardt and Back Propagation algorithms.
Biyolojik ve internet sensorlarının kullanımı ile epilepsi nöbetlerinin/ krizlerinin tahmin edilmesi
The biosensors became most important for monitoring patient status; the seizure epilepsy is taken into consideration to monitor the patients and predict their status before the seizure happen. The epilepsy is the 4th most common neurologic disorder affecting people of different ages which about 65 million people affected around the world, this disease is happen randomly and may be caused a sadden unexpected death. The standard monitoring epileptic seizures system involves video/EEG (electro-encephalography), which is bothersome for the patient, as EEG electrodes are attached to the patient head. Seriously, help and alert patient before the seizure is one of the issue that the researchers and designers attention. For that there are spectrums of portable seizure detection systems available in markets which are based on non-EEG signal. This study is conducted to use the combined a portable wrist-band, together with smartphone which can easily carried by the patients. The portable wrist-band integrated four sensors to read the signal of three physiological parameters such as: Electromyography (EMG), Heart rate (HR), oxygen level (SpO2) and accelerometer (ACM) biosensor; for facilitate in providing separable signal variation to recognize the status of patients. The study applied on the Iraqi's patients whom visit the Department of Neurology at Baghdad Hospital, almost all the patients had no-seizure during the EEG-Video recording which was one of the problems was faced during the trials of device, according to this problem the work change from real monitoring into virtual study. In this study was incorporated Arduino platform ‗wrist-band‖ as a component part of the system. From the applied test it showed that the fixed wrist-band is confortable to use by the patient hand. Also, the used sensors were reflected a good signals of the studied parameters. The proposed system provide difference services such as heart rata tracking and oxygen level , user tracking location and emergency notification. The Arduino-wear and android-smartphone side of the proposed system is implemented by the Android studio using java programming, while the portable written by Arduino programing language. The results of the proposed system response show a promising outcome that can depend on for predicting the seizure. Keyword: Biosensors, Wearable sensors, Epilepsy, Seizures, Non-EEG, EMG, Autonomic Alterations in Epilepsy
K-mer sekans gösterimine dayalı microRNA-hastalık ilişkilerinin ve microRNA-tür ilişkilerinin sınıflandırılması
The dysregulated gene expression brings about a variety of diseases, and dysregulation of microRNA (miRNA) has a wide impact on disease development and cellular physiology. Thus, miRNAs play important roles in a variety of fundamental and significant biological processes related to human diseases. There are a lot of research about changes in the function of miRNAs have been published in many human diseases. Computational methods serve as a complementary process to traditional wet-lab experiments, which require many resources and time in terms of detecting potential miRNA-Disease associations. Furthermore, there is a need to present a novel approach that allows assignment of an unknown miRNA to its most likely species. An easy way to filter new data would be to ensure that the new miRNA is classified below the maximum distance to the species known to originate from. In this thesis, a computational model has been proposed for identifying miRNA-disease and miRNA-Species associations by depicting the miRNAs with their k-mer sequence representation and by utilizing machine learning methodologies. The difference of our approach is which we reveal disease and species associated the sequences of miRNA store information. This put a question about the miRNA's chemical compounds and their associations with different types of species and diseases. With this study, the new disease-disease and species-Species associations disclosed can be calculated for many different species and diseases, these approaches can develop to species and disease classification. Lastly, our study may open a door to redefine species and diseases classifications which have been used nowadays, also it may provide the improvement of treatment strategies and early diagnosis