3
Arşivlenen Tez
0
DOI Atanmış
0%
DOI Oranı
Arşivlenen Tez
Derin öğrenme mimarileri kullanılarak ayrık video görüntüleri üzerinden işaret dili tanıma
İşaret dilleri, işitme ve konuşma engelli bireylerin günlük yaşamda kullandıkları ana iletişim ortamları olan görsel dillerdir. Çok sayıda kanal üzerinden aktarılan işaretlerin bilgisayarlı tanınması sayesinde, işitme ve konuşma engelli bireyler hem diğer bireylerle hem de makineler ile iletişimlerini doğal şekilde yapabileceklerdir. Bu tez çalışmasında, derin öğrenme kullanılarak ayrık işaret dili videoları üzerinden işaret dili tanıma gerçekleştirilmiştir. BosphorusSign veri kümesinin "genel" isimli alt kümesi kullanılarak yapılan çalışmada, öncelikle veri artırma ve önişleme parametrelerinin belirlenmesi için çalışmalar yürütülmüştür. Ardından çeşitli derin öğrenme modelleri kullanılarak yapılan deneyler sonucunda işaret dili tanıma için kullanılabilecek uygun bir model belirlenmiştir. Daha sonra işaret dilindeki çeşitli kanalları ifade etmek üzere çıkarılan farklı veri kiplerinin tek başlarına ve çeşitli birleşimlerle başarımları değerlendirilmiştir. Bu sayede çok kipli bir işaret dili tanıma için kullanılacak en uygun veri kipi kombinasyonu elde edilmiştir. Son olarak, deneyler sonucunda elde edilen parametreler ve veri kiplerini kullanan çok kipli bir işaret dili tanıma modeli önerilmiştir. Önerilen model, RGB, eklem ve optik akış kiplerinde toplamda 6 farklı veri akışını bir arada girdi olarak almaktadır. Model bünyesindeki birleştirme mekanizması ile veri akışlarından çıkarılan öznitelikler birleştirilmiş ve derin öğrenme tabanlı sınıflandırıcı katmanlara aktarılmıştır. Uçtan uca bir yöntemle eğitilen bütünsel işaret dili tanıma modeli, kullanılan veri setinde görülen en yüksek başarım olan %89,3 doğruluk sunmuştur. Önerilen çok kipli işaret dili tanıma modelinin işaret dili tanıma başarımını iyileştirme konusunda geliştirilebilir bir potansiyeli vardır.
Basitleştirilmiş mahalanobis mesafesi ve doğrusal korelasyona dayalı öznitelik seçimi kullanarak ağ anomali tespiti
Güvenlik, ağ saldırılarına ve izinsiz girişlere karşı sistemi korumak ve tedbirler almak açısından önemli bir rol oynamaktadır. Gelişen nesnelerin interneti ile birlikte güvenlik konusu daha da önem kazanmaktadır. Saldırı tespit sistemleri, güvenlik araştırmalarında yaygın olarak tercih edilmekte olup makine öğrenimi ve istatistiksel yöntemlere dayalı saldırı tespit sistemleri olmak üzere sınıflandırılmaktadır. İzinsiz girişleri tespit etmek için imzaya ve anomaliye dayalı olacak şekilde birçok teknik geliştirilmiştir. Saldırı tespit sistemlerinde anomalileri tespit etmede en büyük engel, sistemin karmaşıklığını artıran ve anomalilerin tespit oranını azaltan veri setinin yüksek boyutluluğa ve gereksiz özniteliklere sahip olmasıdır. Karmaşıklıktaki bu artış, ağ saldırılarını tespit etmek ve önlemek amacıyla yeni yaklaşımların geliştirilmesini gerekli hale getirmektedir. Bu çalışmanın temel amacı, geleneksel Mahalanobis mesafesi yerine daha az hesaplama karmaşıklığına sahip olan basitleştirilmiş Mahalanobis mesafesinin (SMD) uygulanması ve anomali tespiti için istatistiksel tabanlı yöntemlerin etkinliğinin araştırılmasıdır. Tüm deneyler büyük veri ölçeğinde yaklaşık 2,5 milyon kayıt sayısının mevcut bulunduğu UNSW-NB15 ağ veri seti üzerinde doğrusal korelasyona dayalı öznitelik seçimi (LCFS) ile SMD'yi birleştiren bir yaklaşım kullanılarak uygulanmıştır. Önerilen yaklaşımın deney bulguları incelendiğinde, saldırı tespit sistemleri için kritik öneme sahip düşük yanlış alarm oranının %0,88 ila %1,04 arasında olduğu ve en yüksek tespit oranının %99,94 olarak elde edildiği gözlemlenmiştir. Bununla birlikte, makine öğrenimine dayalı literatür çalışmalarıyla karşılaştırıldığında birbirine yakın sonuçlar elde edildiği görülmektedir. Literatüre katkısı bakımından incelendiğinde ise nesnelerin interneti alanına LCFS ve SMD'yi birleştiren anomali tabanlı bir yaklaşım sunulmuştur.
Palet yükleme problemlerine bir karar destek modeli önerisi
Günümüzde işletmeler palet yükleme, yerleşim, kesme ve paketleme ile ilgili faaliyetlerinde mümkün olan en iyi çözümü elde edebilmek için yoğun çaba harcamaktadırlar. Bu sebeple, bu tür problemlere çözüm aranırken yerleşim alanına mümkün olan fazla sayıda nesnenin, en az boşlukla yerleşimi hedeflenmektedir. Kare, dikdörtgen, daire vb. şekillerdeki nesnelerin paletlere veya yerleşim alanlarına katmansız olarak yerleştirilmesine iki boyutlu paketleme problemi denmektedir. Paketlenecek nesnelerin sayısının ve çeşidinin artması, ağırlık ve öncelik sırası, dayanım ve kırılganlık gibi ek kısıtlar problemi daha karmaşık hale getirmektedir. Bu karmaşıklık bu tür problemlerin çözümünün kesin çözüm metotlarıyla makul sürelerde çözülememesine neden olmaktadır. Bu sebeple, en iyi veya en iyiye yakın çözümler ancak metasezgisel yöntemlerle mümkündür. Bu çalışmada, daire şeklindeki paletler üzerinde iki boyutlu daire paketleme problemi (DPP) ele alınmıştır. Sabit yarıçaplı paletlerde daire sayısı ve alan maksimizasyonu amaç fonksiyonlarına yönelik özgün bir yerleşim algoritması geliştirilmiş ve genetik algoritma tabanlı bir çözüm modeli önerilmiştir. Önerilen çözüm modelinin performansı, literatürden elde edilen ve bir dizi test örneğinin kullanıldığı başka bir çalışmanın sonuçlarıyla karşılaştırılarak test edilmiştir. Gerçekleştirilen testler sonucunda, önerilen çözüm modelinin karşılaştırılan çalışmaya göre daha iyi performans değerleri elde ettiğini ortaya koymaktadır. Geliştirilen yerleşim algoritması ve önerilen çözüm modelinin kullanılmasıyla, DPP için bir karar destek sistemi geliştirilmiştir. Geliştirilen karar destek sistemi ile daire paketleme problemlerinde verimli ve etkili çözüm arayan karar vericilere karar vermelerinde yardımcı olması amaçlanmaktadır.