20
Archived Theses
2
DOIs Assigned
10%
DOI Rate
Discipline
indexedOpen AccessTRAkıllı üretim sistemlerinde çoklu hata teşhisi için hibrit derin öğrenme yaklaşımları
Endüstriyel üretim süreçlerinde akıllı sistemlerindeki ürünün yüzey arızalarının erkenden teşhis edilmesi, kalite kontrol süreçleri otomasyonu, maliyetlerin azaltılması ve kalite standartlarının korunması açısından kritiktir. Akıllı üretim sistemlerinde çoklu hata teşhisi ile birbirinden farklı türdeki arızaların saptanması sağlanmaktadır. Endüstri 4.0 ile üretim hatlarında veri miktarının artması sonucunda, klasik makine öğrenmesi yaklaşımları ile arızanın teşhis edilmesi yetersiz olması sonucunu doğurmuştur. Bu durumda, daha gelişmiş analiz yöntemlerine ihtiyaç artmıştır. Bu kapsamda bu tezde, hibrit derin öğrenme mimarileri ile farklı türdeki arızalı veri örneklerinin sınıflandırılması yüksek doğruluklarla sağlanmıştır. Bu tezde, metal ve kumaş yüzeylerde meydana gelen çoklu kusurların belirlenmesi için hibrit derin öğrenme yaklaşımları incelenmiştir. Önerilen yöntemde, farklı derin öğrenme mimarileri birlikte kullanılarak hem nesne tespiti hem de segmentasyon işlemleri gerçekleştirilmiştir. Bu çalışmada, arızalı görüntülerden elde edilen özellikler konvolüsyonel sinir ağları ile çıkarılmış, ardından bu özellikler farklı sınıflandırıcılar ile analiz edilmiştir. Sınıflandırma aşamasında kullanılan derin mimariler Vision Transformer (ViT) ve dikkat tabanlı derin sinir ağları gibi yenilikçi yaklaşımlardır. Gerçekleştirilen deneysel çalışmalar sonucunda görülmüştür ki önerilen yöntem farklı tipteki arızaları yüksek performans elde edilmiştir. Bu çalışma, akıllı üretim sistemlerinde kalite kontrol süreçlerinin iyileştirilmesine katkı sağlamaktadır.
indexedOpen AccessTRGöğüs röntgeni görüntülerinden zatürre tanısında derin öğrenme tabanlı yaklaşımların performans analizi
Göğüs röntgeni görüntülerinden zatürre tanısı, düşük maliyetli ve yaygın kullanılabilir olması nedeniyle klinik uygulamalarda önemli bir yere sahiptir. Bununla birlikte derin öğrenme tabanlı yöntemlerin yüksek performans elde edebilmesi genellikle büyük miktarda etiketli veriye ihtiyaç duymakta, bu durum ise tıbbi görüntü analizinde önemli bir kısıt oluşturmaktadır. Bu tezde, az etiketli veri koşullarında göğüs röntgeni görüntülerinden zatürre tanısına yönelik derin öğrenme ve geleneksel makine öğrenmesi yaklaşımlarının performansları kapsamlı olarak değerlendirilmiştir. Bu amaçla ConvNeXt-Tiny mimarisi temel alınarak geliştirilen Hibrit Prototip Füzyon Ağı (Hybrid Prototype Fusion Network-HPFN) önerilmiş ve derin öznitelik temsili ile prototip tabanlı benzerlik hesaplaması tek bir karar mekanizmasında birleştirilmiştir. Ayrıca önerilen model; Xception, VGG16 ve ResNet50 mimarileri ile karşılaştırılmış, bunun yanında SIFT, KAZE ve HOG öznitelikleri kullanılarak Destek Vektör Makineleri, Lojistik Regresyon ve Aşırı Gradyan Artırma sınıflandırıcılarından oluşan geleneksel yaklaşımlar da aynı veri seti üzerinde analiz edilmiştir. Tüm deneyler Chest X-Ray (Pneumonia) veri seti kullanılarak gerçekleştirilmiş ve modeller doğruluk, kesinlik, duyarlılık ve F1-Skoru ölçütleri ile değerlendirilmiştir. Deneysel sonuçlar, önerilen HPFN modelinin %96,38 doğruluk, %96,23 kesinlik, %97,95 duyarlılık ve %97,08 F1-Skoru elde ederek hem karşılaştırılan derin öğrenme mimarilerinden hem de geleneksel öznitelik tabanlı yöntemlerden daha başarılı performans sergilediğini göstermiştir. Literatür karşılaştırmaları da önerilen yaklaşımın az etiketli veri koşullarında güvenilir, dengeli ve yüksek doğruluk sağlayan etkili bir bilgisayar destekli tanı yöntemi olduğunu ortaya koymuştur.
Doğal dil işleme ile terör tehdit unsurlarının tespit edilmesi
Günümüz dünyasında milyonlarca verinin anlaşılır hale getirilmesi önem kazanmıştır. Özellikle bu veriler kullanılarak suç teşkil eden konularda daha hızlı adımlar atılabilmesi için veri analizinin hızlı yapılabilmesi gerekmektedir. Bu kapsamda yapay zeka biliminin doğal dil işleme yöntemi ile gerçekleştirilen duygu analizi, olası can ve mal kayıplarının ortadan kaldırılmasına imkân sağlamaktadır. Ayrıca olası terör bölgelerinde bütün telsiz frekansları aynı anda dinlenerek terör örgütlerinin saldırıları doğal dil işleme yöntemleri ile analiz edilerek saldırı gerçekleşmeden engellenebilir. Bu yüksek lisans tez çalışmasında, terör tehdit unsurlarının tespiti için sanal ortamdaki metin, ses ve görüntü verilerinin analizinde yapay zeka biliminin doğal dil işleme yöntemleri kullanılmıştır. Böylelikle terör bölgelerinde terör unsurlarının görüşmelerinin analizi yapılarak, özellikle kolluk kuvvetlerinin sağlıklı müdahalesi ve can güvenliğinin sağlanması amaçlanmıştır. Tez çalışmasında doğal dil işleme bilimi ile ilgili kavramsal yapı ve doğal dil işleme yöntemleri detaylı bir şekilde ele alınmıştır. Ele alınan yöntemler ile modeller oluşturulup sonuçlar sunulmuştur.
Yalın üretim ve yapay zeka teknikleri ile üretim süreçlerinin analizi ve iyileştirilmesi
İşletmeler, günümüz küreselleşen dünyada artan maliyetler ve dijitalleşme sonucu değişen rekabet koşullarına karşı ayakta kalabilmek için karşılaştıkları çeşitli sorunlara etkin çözümler üretip karar vermek zorundadırlar. Bu bağlamda Tedarik Zincirini doğru yönetmek çok önemlidir. Sürprizlerle karşılaşmamak, maliyetleri önceden belirleyip öngörmek ve bu öngörüleri tutarlı kılmak tahmin ile mümkün olur. Talep tahminlerinin yüksek doğrulukla elde edilmesi, tüm tedarik zinciri yönetimi süreçlerinin başarısı için kilit bir faktördür. Bu çalışmada içecek sektöründe faaliyet gösteren bir işletme ele alınmıştır. Firmanın 2018-2021 satış verileri ele alınarak araştırmaya dahil edilmiştir. İlk aşamada yalın üretim teknikleri ile mevcut durum analizi yapılarak iyileştirmeler sunulacaktır. Talep tahmini ile gelecek durumu tahmin ederek süreçleri daha etkin planlamak hedeflenecektir.
Bilgisayarlı tomografi (BT) görüntülerinden akciğer kanser hücrelerinin yapay zeka teknikleri ile bulunması
Akciğer kanseri, dünya genelinde yüksek ölüm oranlarına sahip ölümcül bir hastalık olarak öne çıkmaktadır. Erken teşhis, hastalığın etkili bir şekilde tedavi edilebilmesi açısından kritik bir öneme sahiptir. Bu çalışma, akciğer kanserinin erken teşhisinde yapay zekâ tekniklerinin rolünü incelemekte ve sağladığı avantajları vurgulamaktadır. Bu bağlamda, yapay zekâ destekli teşhis sistemlerinin, radyologların iş yükünü azaltarak doğruluk oranlarını artırma potansiyeli, akciğer kanseri teşhisindeki yöntemleri önemli ölçüde iyileştirebileceği öngörülmektedir. Bu çalışmada, Evrişimli Sinir Ağları (CNN) ve YOLO algoritması kullanılarak gerçekleştirilen akciğer kanseri teşhisinde elde edilen sonuçlar değerlendirilmiştir. Hem CNN hem de YOLO modelinin medikal görüntüler üzerindeki başarısı, 6 farklı veri seti üzerinden karşılaştırılarak analiz edilmiştir. Tüm veri setleri arasında, CNN modeli için en yüksek F1-Skoru %99,85 ile histogram eşitleme ve kontrast sınırlı uyarlanabilir histogram eşitlemesi yapılan veri seti üzerinde elde edilmiştir. YOLO modeli için ise yine aynı ön işleme tekniği uygulanan veri setinde en yüksek F1-Skoru %96 olarak elde edilmiştir.
Görüntü işleme ve derin öğrenme tabanlı bitkisel tarım ürünlerinde hastalık tespiti
Küresel ve yerel düzeydeki iklim değişiklikleri ve kuraklık koşulları sürdürülebilir tarım uygulamalarının önemini arttırmıştır. Bu çalışmada, yapay zeka ve derin öğrenme teknolojilerinin, mısır ve buğday gibi tarım ürünlerindeki bitki hastalıklarının tespiti ve ürünlerde oluşabilecek verim kayıplarının önlenmesinde etkili araçlar olarak kullanılabilirliği incelenmiştir. Mısır ve buğdayın büyüme dönemlerinde, bitkilerin sağlığını belirleyen önemli bir faktör de hastalıklı yaprakların tespitidir. Bu çalışmada, mısır için 4.188 adet, buğday için ise 977 adet görüntü kullanılarak yapay zeka tabanlı sınıflandırma modelleri geliştirilmiştir. Mısırda "Residual Network (ResNet)" modeli, buğdayda ise "You Only Look Once (YOLO)" modelleri kullanılarak sınıflandırma işlemleri gerçekleştirilmiştir. Mısır için ResNet50 ile %85,30, ResNet101 ile %94,56 ve ResNet152 ile %94,14 oranında doğruluk sağlanmıştır. Buğdayda ise YOLOv5s ile %68,9 kesinlik ve %70,4 duyarlılık, YOLOv8 ile %95,4 kesinlik ve %88 duyarlılık ayrıca %93,4 mAP50 (ortalama doğruluk) oranlarına ulaşılmıştır. Çalışmada ek olarak ResNet-50/101/152 ve YOLO-v5s/v8 modellerinin karşılaştırmalı analizi sunularak, mısır için ResNet101 modelinin ve buğday için YOLOv8 modelinin benzer veri setleriyle kıyaslandığında en yüksek başarı oranlarına ulaşıldığı ortaya koyulmuştur.
Makine öğrenmesi yöntemleri ile enerji verimliliği kapsamında elektrik tüketim tahmini: Erzincan ilinde bir uygulama
Enerji bir ülke için sadece ekonomik değil politik ve çevresel unsurlar için de çok önemlidir. Teknolojik gelişmeler ve refah seviyesinin artmasıyla enerji tüketimi artmıştır. Enerjiye olan ihtiyacın artmasıyla birlikte enerji yönetimi kavramı ortaya çıkmıştır. Önemli enerji kaynaklarından biri de elektrik enerjisidir. Tüm dünyada olduğu gibi ülkemizde de enerji bilinci oluşturulmak için çalışmalar yapılmaktadır. Ülkemizde ortaya konulan enerji politikalarıyla enerjinin verimli kullanılması hedeflenmektedir. Enerji yönetimi sanayi kuruluşları, endüstriyel işletmeler, ticarethaneler ve kamu kurumlarını kapsamaktadır. Kamu kurumları içerisinde okullar önemli bir yer edinmektedir. Gelecekte yapılacak elektrik tüketiminin bilinmesi enerji yönetimi için stratejiler geliştirmeye yardımcı olacaktır. Geleneksel yöntemlerle yapılan tahminlerdeki sınırlamalar ve sorunların üstesinden gelmek için veri madenciliği tekniklerinden faydalanılabilir. Veri madenciliği sayesinde eldeki verilerden anlamlı bilgiye ulaşmak mümkündür. Bu tez çalışmasında makine öğrenmesi yöntemleri kullanılarak Erzincan ilindeki ilköğretim okullarının 2016-2022 yılları arasındaki verileri kullanılarak elektrik tüketimleri tahmin edilmeye çalışılmıştır. Çalışmanın enerji yönetim birimlerine örnek olacağı düşünülmektedir.
Twitter'da yanlış bilgi ve dezenformasyon tespiti için yapay zeka tekniklerinin kullanılması ve karşılaştırılması
Bu çalışma, sosyal medya platformu Twitter'daki yanlış bilgileri tespit etmek için bir dizi yapay zeka (AI) tekniğini incelerek yanlış bilgi ve sahte haberlerin kamusal söylem üzerindeki potansiyel etkisine ilişkin yaygın bir sorunu ele almaktadır. Aldatıcı ve güvenilir içeriği ayırt etmek için Uzun Kısa Süreli Bellek (LSTM), Destek Vektör Makinesi (SVM), Rastgele Orman (RF), Gauss Naive Bayes (GaussianNB), Gradyan Arattırma (GBoost), Karar Ağacı (DT), Lojistik Regresyon (LR), Aşırı Gradyan Arattırma (XGBoost) ve K-En Yakın Komşular (K-NN) dahil olmak üzere çeşitli modeller kullanılmıştır. Analizde doğal dil işleme (NLP), derin öğrenme (DL) ve makine öğrenimi (ML) teknikleri kullanılarak 23481 sahte tweet ve yaklaşık 21418 gerçek tweetten oluşan bir veri seti kullanılarak her bir modelin yanlış bilgi kalıplarını tespit etmedeki etkinliği gösterilmiştir. Çalışma, özellikle doğruluk, verimlilik ve ölçeklenebilirliğe odaklanarak, bu AI sistemlerinin güçlü yönlerinin ve sınırlamalarının kapsamlı bir değerlendirmesini sunmaktadır. Sonuçlar, XGBoost'un %99.82 doğruluk ve %99.81 F1 puanı ile en iyi performansı sergilediğini göstermektedir. Bunu %99.63 doğruluk ve %99.62 F1 puanı gösteren (GBoost) ve %99.61 doğruluk ve %99.59 F1 puanı ile (DT) takip etmektedir. Sonuçlar bu modellerin en etkili modeller olduğunu göstermektedir. Diğer modeller %99.31 ile %81.63 arasında değişen doğruluk gösterirken, sonuçlar ana modellerin performansına dair fikir vererek dezenformasyonla mücadeleye ve bilginin güvenilirliğine önemli katkı sağlamaktadır.
Çelik boru kaynaklarında NDT filmlerin görüntü işleme yöntemleri ile kontrolü
Daha sonra doldurulDoğalgaz, su ve petrol hatları başta olmak üzere otomotiv, havacılık, tersane, savunma sanayi gibi birçok sektörde çelik malzemelerin birbirlerine birleştirilmesi işlemi kaynaklarla yapılmaktadır ve bu kaynaklarda ki hataların tespitinde tahribatsız muayene yöntemleri (NDT- Non Destructive Testing ) kullanılmaktadır. Tahribatsız Muayene yöntemleri ile kaynakların güvenirliliği ve kalitesi hızlı ve uygun maliyetli bir şekilde elde edilir. Tahribatsız muayene yöntemlerinden biri olan Radyoaktif muayene (RT - Radyografik Muayene Testi) kısa dalga boylu yüksek enerjili elektromanyetik dalgaların, muayenesi yapılacak olan parçaya zarar vermeden içine nüfuz edip içyapısının, hatalı kısımlarının, radyografik film üzerine görüntü alınmasını sağlayan en popüler tahribatsız muayene yöntemidir. Bu çalışmada RT filmlerinden alınan görüntülerde kusurları belirlemede NDT Uzmanlarına yardımcı olmak için seçilen görüntü işleme algoritmaları ile gözden kaçabilecek kusurların tespiti amaçlanmıştır. RT deneyleri ile alınan görüntüler yazılıma aktarılmış ve önerilen yöntemlerle analiz edilmiştir. Elde edilen çalışmalar, önerilen yöntemlerin operatöre hataların yorumlanmasında önemli katkılar sağlayabileceğini göstermesi amaçlanmıştır.acaktır.
Acil durum tabanlı telsiz konuşmalarındaki gürültülü ses verilerinin derin öğrenme yöntemleri kullanılarak tanımlanması
Ses, kişiler arası iletişimde kullanılan temel unsurdur ve özellikle acil durum iletişiminde hayati bir rol oynamaktadır. Acil durum iletişiminde, konuşma seslerinin anlaşılabilirliği hızlı ve doğru bilgi akışı için kritik öneme sahiptir. Geleneksel iletişim yöntemlerinin başarısız olduğu durumlarda, telsiz iletişimi bağımsız yapısı sayesinde güvenilir bir araç olarak öne çıkmaktadır. Telsiz iletişiminde karşılaşılan en büyük sorun gürültülü seslerin anlaşılamamasıdır. Son yıllarda öne çıkan derin öğrenme yöntemlerinin kullanımı, gürültülü seslerin doğru tanımlanması için büyük faydalar sağlamaktadır. Bu tez kapsamında, acil durum kontrollerinde kullanılmak üzere ses verilerini tanıyan derin öğrenme tabanlı yeni bir model geliştirilmiştir. Geliştirilen modelin eğitimi ve test edilmesi için çeşitli çevresel gürültü koşulları altında elde edilen telsiz kayıtları kullanılarak altı farklı Türkçe ses verisi içeren yeni bir veri seti hazırlanmıştır. Bu veri seti kullanılarak, geliştirilen modelle %96,40 başarı oranıyla altı farklı acil durum ses verisi tanımlanmıştır.
Derin öğrenme ve makine öğrenmesi tabanlı yüz ifadelerini tanımasistemi
İnsanlar arasındaki yüz yüze iletişimde kelimeler, ses tonu ve yüz ifadeleri verimli etkileşim açısından çok önemli bir konumdadır. Jestlerin ve yüz ifadelerinin kişilerarası ilişkiler üzerinde önemli bir etkiye sahip olduğu gözlemlenmektedir. Yüz ifadelerinden duygu tanıma işlemleri sayesinde tıp, eğitim, güvenlik başlıca olmak üzere birçok alanda çeşitli işlemlerde kolaylık sağlanmaktadır. Bu çalışma kapsamında, yüz ifadelerinden duygu tahmini işlemi gerçekleştirilen çalışmalardaki verimi artırmak amacıyla hibrit yaklaşım yöntemleri kullanılmıştır. Geliştirilen bu uygulama, öznitelik çıkarımı ve sınıflandırma olmak üzere iki adımdan oluşmaktadır. Bu tez çalışması kapsamında, ilk adımda SIFT, SURF, KAZE öznitelikleri SVM, XGB, RF, LR sınıflandırıcıları kullanılarak sınıflandırılmıştır. İkinci adımda ise CNN, ResNet50, VGG16 yöntemleri ile sınıflandırma işlemi yapılmıştır. Hibrit metotların ilk aşamasında derin öğrenme ve klasik makine sınıflandırıcılarının kendi aralarında kombinasyonel olarak kullanımıyla, SIFT, SURF, KAZE, ResNet50, VGG16 ile elde edilen öznitelikler SVM, XGB, RF, LR ve derin öğrenme metotları kullanılarak sınıflandırılmıştır. Hibrit metotların ve çalışmanın son aşamasında ise Hessian dedektörü ile tespit edilen anahtar nokta konumlarına SIFT tanımlayıcı inşa edilerek elde edilen hibrit öznitellik (HessianSIFT), SVM, XGB, RF, LR sınıflandırıcıları ile sınıflandırılmıştır. Elde edilen deney sonuçlarına göre, ResNet50 ve SVM'nin birlikte kullanılmasıyla yüz ifadelerinden tespit edilen duyguların tanıma başarısı %100 olarak belirlenmiştir.
Yer etkili hava aracının modellenmesi ve yükseklik kontrolü
Bu çalışmanın amacı, kanatları ile yer arasındaki aerodinamik etkileşimden yararlanarak okyanus ve deniz gibi yüzeylerde uçabilen araçları kapsamlı bir şekilde incelemek ve böyle bir aracın yükseklik kontrolünü simülasyon ortamında gerçekleştirmektir. Bu araçlar, normal uçaklara kıyasla daha verimli ve daha hızlı çalışmaları ile öne çıkmaktadır. Su yüzeyinin üzerinde bir gemi gibi hareket eden bu araçlar, gemilerin hızından çok daha yüksek hızlara ulaşabilmektedir. Ayrıca iniş ve kalkış için piste ihtiyaç duymamaları, hem su hem de kara yüzeyinde operasyonel olmalarını sağlamaktadır. Bu tür araçlarda uçuş sırasında meydana gelebilecek arızalar durumunda, yolcular için risk düzeyi normal uçaklara göre daha düşük kalmaktadır. Araç, kıyı şehirleri arasında bir ulaşım aracı olarak kullanılmasının yanı sıra askeri amaçlarla da değerlendirilebilir. Çalışmada, yer etkisinin en verimli şekilde kullanılabilmesi amacıyla geliştirilen araç modeline yükseklik kontrolü uygulanmıştır. Bu kapsamda, alçak geçiren filtre görevi gören ve sistemdeki yüksek frekanslı gürültüyü filtreleyebilme özelliğine sahip bir PI (Proportional-Integral) kontrolör test edilmiştir. Simülasyon sonuçları, önerilen kontrolörün performansını ortaya koymaktadır.
Afet yönetimi için sahra hastanelerinin, geçici barınma alanlarının ve toplanma noktalarının entegre olarak yer seçimi optimizasyonu
Doğal afetler, can ve mal kaybına sebebiyet veren, çoğunlukla insan kontrolü dışında gerçekleşen ve önlenmesi zor olaylardır. Dünyanın her tarafında zaman zaman doğal afetler meydana gelmektedir. Meydana gelen bu afetler sonucunda maddi ve manevi birçok kayıp gerçekleşebilmektedir. Toplanma ve geçici barınma alanları ile sahra hastanelerinin yerlerinin belirlenmesi, bu afetler sonucunda yaralıların hastanelere sevki doğal afet yönetiminde kilit konulardır. Toplanma alanlarının afet öncesinde belirlenmesi afet sonrasında yaşanacak panik ortamının engellenmesini sağlayacaktır. Doğru yerlere kurulacak olan geçici barınma alanları afetten etkilenen vatandaşların barınma ihtiyaçlarının karşılanması için önem arz etmektedir. Olası bir deprem sonucu oluşabilecek yaralı sayısı hastanelerde hızlı müdahaleyi zorlaştırabilmektedir. Yaralılara en kısa sürede tıbbi müdahalede bulunulması gerekmektedir. Bu çalışmada, olası bir afet durumunda sahra hastanesi, geçici barınma ve toplanma alanlarının yerlerinin belirlenmesi problemleri bir arada ele alınarak stokastik optimizasyon yöntemi ile çözülmüştür. Bu kapsamda, Erzincan ili için olası deprem senaryolarına göre vaka çalışması yapılmış ve farklı senaryolar üzerinden stokastik optimizasyon yöntemi kullanılarak en uygun yerler belirlenmiştir.
Yapay zeka teknikleri ile yazılım test faaliyetlerininincelenmesi ve yazılım kalite tahmini
Bu tez çalışması, yazılım test süreçlerinin kaliteyi artırmadaki belirleyici rolünü vurgulayarak, bu süreçlerin yapay zekâ ve makine öğrenmesi teknikleriyle nasıl daha verimli, öngörülebilir ve stratejik şekilde yönetilebileceğini göstermeyi amaçlamaktadır. Dijitalleşmenin hızlanmasıyla birlikte yazılım projelerinde işlevselliğin yanı sıra güvenilirlik, sürdürülebilirlik ve kullanıcı memnuniyeti gibi kalite unsurları önem kazanmakta; bu durum test süreçlerinin planlanması ve yürütülmesini yazılım kalitesinin ana unsurlarından biri hâline getirmektedir. Geleneksel yöntemlerin sınırlılıklarını aşmak için geliştirilen bu çalışmada, yazılım firmalarında görev yapan test mühendislerinden elde edilen anket verileri üzerinden çeşitli makine öğrenmesi algoritmaları uygulanmış, yazılım test süreçlerine ilişkin kalite düzeyi öngörülerek sınıflandırma modelleri oluşturulmuştur. Elde edilen bulgular, geliştirilen modellerin yazılım test süreçlerinde karar vericilere destek olabilecek güvenilir çıktılar ürettiğini ve bu yaklaşımın hem akademik literatürde hem de sektörel uygulamalarda somut katkılar sağlayabileceğini ortaya koymaktadır.
Genetik algoritmaların bilimsel yayınlarda kullanımının metin madenciliği yaklaşımı ile bibliyometrik analizi
Genetik Algoritmalar (GA), optimizasyon ve problem çözme alanlarında yaygın bir şekilde kullanılmaktadır. Son yıllarda GA'ların farklı disiplinlerdeki uygulamalarına ilişkin bilimsel yayınlarda artış görülmektedir. Bu çalışma, GA'nın bilimsel yayınlarda kullanımını, konu modelleme tekniği ve biyometrik analiz yöntemlerinden olan VOSviewer ve R Studio kullanılarak incelenmiştir. Bibliyometrik analiz ile GA alanındaki bilimsel yayınların kapsamında yazarlar, kurumlar, iş birliği ağları, dergiler ve anahtar kelimeler ile ilgili parametre sonuçlarına ulaşılmıştır. Konu modelleme Latent Dirichlet Allocation ile terimler ve konu başlıkları ile kavramsal haritalar oluşturulmuştur. GA alanında Web of Science veri tabanında 1989-2025 yılları arasında 2143 yayın analiz edilmiştir. Analiz sonuçlarına göre GA'nın mühendislik, bilgisayar bilimi, yapay zekâ ve biyoinformatik gibi alanlarda yoğun olarak çalışıldığı görülmektedir. 1999 yılında yayın sayısında dikkat çekici bir artış yaşandığı tespit edilmiş ve bu artışın GA'nın farklı bilimsel alanlarda benimsenmeye başlanması ile ilişkilidir. Çin, Amerika Birleşik Devletleri, İspanya bu alanda en fazla yayın üreten lider ülkeler arasındadır. Türkiye'nin bu alandaki lider ülkelerle bağlantısı üretkenliği açısından anlamlı bir göstergedir. Çalışma, araştırmacılara GA'nın bilimsel gelişimi hakkında bütüncül bir bakış sunarken, gelecek çalışmalar için potansiyel araştırma temalarını da ortaya koymaktadır.
Yapay zeka tabanlı görüntü işleme teknikleri ile iş güvenliğinde kullanılan kişisel ekipmanların tespit edilmesi
Yapay zeka (YZ), günümüzde pek çok sektörde dönüşüm yaratan en önemli teknolojilerden biri haline gelmiştir. Özellikle bilgisayarla görme alanında yaşanan gelişmeler, gerçek zamanlı veri analizi ile insan hayatını doğrudan etkileyen çözümler sunmaktadır. Bu çalışmada, YZ destekli nesne tespiti teknikleri kullanılarak işçi güvenliğini artırmaya yönelik bir uygulama geliştirilmiştir. Araştırmada, Kaggle platformunda sunulan "Railroad Worker Detection Dataset" adlı veri seti kullanılarak, demiryolu işçilerinin kişisel koruyucu donanım (KKD) kullanıp kullanmadıkları, özellikle baret ve yelek takıp takmadıkları, gerçek zamanlı görüntüler üzerinden tespit edilmeye çalışılmıştır. Bu amaçla derin öğrenmeye dayalı YOLOv5, YOLOv7 ve YOLOv8 algoritmaları kullanılarak bu modellerin performansları karşılaştırılmış ve en uygun çözüm yöntemi belirlenmiştir. Elde edilen bulgulara göre, çalışmada ele alınan nesne tespiti modelleri farklı ortamlarda çalışan işçilerin konumlarını, üzerlerindeki güvenlik ekipmanlarının varlığını yüksek doğrulukla belirleyebilmekte ve böylece iş kazalarının önüne geçilmesine katkı sağlamaktadır. Bu çalışma, yalnızca akademik bir araştırma olmanın ötesinde, kullanılan yöntemlerin endüstride doğrudan uygulanabilirliği sayesinde güvenli çalışma ortamlarının oluşturulmasına destek olacak pratik çözümler sunmaktadır. Ayrıca, derin öğrenme temelli nesne tespiti algoritmalarının iş sağlığı ve güvenliği alanında ne denli etkin bir şekilde kullanılabileceğini de ortaya koymaktadır.
Dengesiz görüntü veri kümelerinde nesne tanıma için görsel transformatör tabanlı öznitelik çıkarma ve makine öğrenmesi sınıflandırıcılarını dayalı hibrit bir yaklaşım
Bu çalışma, Görsel Transformatör (Vision Transformer, ViT) modelinden elde edilen özniteliklerin klasik makine öğrenmesi sınıflandırıcıları olan LightGBM, AdaBoost, ExtraTrees ve Lojistik Regresyon ile birleştirilerek nesne tanıma performansının artırılmasını amaçlamaktadır. Araştırmada, Caltech-101 veri seti üzerinde gerçekleştirilen deneyler sonucunda farklı öznitelik çıkarıcı–sınıflandırıcı kombinasyonları karşılaştırılmıştır. Özellikle ViT ve Lojistik Regresyon kombinasyonu, önerilen yöntem olarak öne çıkmış ve %95,5 doğruluk ile %89,7 duyarlılık değerlerine ulaşmıştır. Bu sonuçlar, önerilen yaklaşımın mevcut son teknoloji yöntemlere kıyasla önemli ölçüde daha yüksek performans sergilediğini ortaya koymaktadır.Elde edilen bulgular, ViT modelinden çıkarılan özniteliklerin klasik sınıflandırıcılarla sentezlenmesinin nesne tanıma görevlerinde kayda değer ilerlemelere yol açabileceğini göstermektedir. Önerilen hibrit yöntem, derin öğrenme tabanlı otomatik öznitelik çıkarımının yüksek temsil gücünü; geleneksel makine öğrenimi sınıflayıcılarının anlaşılabilirliği ve düşük hesaplama maliyeti gibi avantajlarıyla birleştirerek doğruluk, işlem performansı ve genel sistem verimliliği açısından önemli iyileştirmeler sağlama potansiyeline sahiptir. Ayrıca, gerçek zamanlı analizler ve sınırlı donanıma sahip akıllı sistem uygulamaları için etkin bir çözüm alternatifi olarak öne çıkmaktadır.
Kaotik sistemle güçlendirilmiş hibrit RC4 ve RSA algoritmaları ile görüntü şifreleme: güvenlik ve performans analizi
Bu tez çalışması, dijital görüntülerin güvenliğinin sağlanmasında şifreleme algoritmalarının rolünü inceleyerek, özellikle kaotik sistemlerle güçlendirilmiş hibrit yaklaşımların güvenlik ve performans üzerindeki etkilerini ortaya koymayı amaçlamaktadır. Günümüzde bireysel ve kurumsal düzeyde artan veri güvenliği ihtiyacı, görüntülerin hem hızlı hem de güvenli bir şekilde korunmasını zorunlu hâle getirmekte; bu durum yeni nesil şifreleme yöntemlerinin geliştirilmesini gerekli kılmaktadır. Bu kapsamda, RC4 algoritması Logistic Map tabanlı kaotik bir sistemle birleştirilerek hibrit bir şifreleme yöntemi önerilmiş; ayrıca klasik RC4, AES ve kaotik AES algoritmaları ile karşılaştırmalı olarak değerlendirilmiştir. Çalışmada, renkli ve gri ölçekli görüntüler üzerinde şifreleme ve şifre çözme işlemleri gerçekleştirilmiş; elde edilen sonuçlar süre bazlı performans ölçütleri ile analiz edilmiş ve histogram, korelasyon ve entropi testleri aracılığıyla güvenlik değerlendirmeleri yapılmıştır. Elde edilen bulgular, RC4 algoritmasının işlem hızı açısından daha avantajlı olduğunu, buna karşın kaotik tabanlı hibrit yöntemlerin güvenlik metrikleri bakımından daha başarılı sonuçlar sunduğunu göstermektedir. Sonuçlar, kaotik hibrit şifreleme yaklaşımlarının görüntü güvenliği alanında daha dirençli ve güvenilir bir alternatif oluşturabileceğini ortaya koymakta; bu yönüyle çalışma hem akademik literatüre hem de pratik uygulamalara önemli katkılar sağlamaktadır.
Derin öğrenme yöntemleri kullanılarak çok modlu duygu analizi
Çok modlu duygu analizi; metin, ses ve görüntü gibi farklı veri türlerinin birlikte değerlendirilmesiyle duyguların daha kapsamlı biçimde incelenmesini sağlayan bir yaklaşımdır. Metin verilerinde dil yapısı ve kelime seçimi; ses verilerinde tonlama, vurgu ve ses perdesi; görsel verilerde ise yüz ifadeleri ve mimikler duygu durumunun anlaşılmasında önemli ipuçları sunmaktadır. Bu yöntem günümüzde sosyal medya analizinden sağlık, eğitim ve pazarlama gibi birçok alanda kullanılmaktadır. Bu çalışmada metin ve ses verileri birlikte ele alınarak çok modlu bir duygu analizi modeli geliştirilmiştir. Çalışmada MELD veri seti kullanılmış ve deneyler üç farklı etiketleme senaryosu altında gerçekleştirilmiştir: 3 duygu (negative, neutral, positive), 5 duygu (anger, sadness, joy, neutral, surprise) ve 7 duygu (anger, sadness, joy, neutral, surprise, fear, disgust). Metin modalitesi için önceden eğitilmiş RoBERTa modeli kullanılarak bağlamsal metin temsilleri elde edilmiş; ses modalitesi için ise kendi kendine denetimli öğrenme yaklaşımıyla temsil üreten HuBERT modeli tercih edilmiştir. HuBERT temsilleri MLP tabanlı bir sınıflandırıcı ile duygu sınıflandırma sürecine dâhil edilmiştir. Metin ve ses modaliteleri geç füzyon yaklaşımıyla karar düzeyinde birleştirilmiştir. Model performansı Weighted F1 (WF1) başta olmak üzere doğruluk, ROC eğrileri ve karışıklık matrisleri ile değerlendirilmiştir. Sonuçlar, geç füzyon modelinin tekil modellere kıyasla daha tutarlı performans sağladığını göstermiştir. WF1 değerleri 3, 5 ve 7 duygu senaryoları için sırasıyla 72, 66 ve 62 olarak elde edilmiştir
Derin öğrenme yöntemleriyle manyetik rezonans görüntülerinden beyin tümörlerinin sınıflandırılması
Bu tez çalışmasında, manyetik rezonans görüntülerinden (MRI) beyin tümörlerinin otomatik olarak sınıflandırılmasına yönelik derin öğrenme tabanlı bir tanı destek sistemi geliştirilmiş ve farklı evrişimli sinir ağı (CNN) mimarilerinin performansları karşılaştırmalı olarak değerlendirilmiştir. Çalışmada Kaggle platformunda paylaşılan Brain Tumor MRI Dataset veri seti kullanılmış olup glioma, meningioma, pituitary ve no tumor olmak üzere dört sınıfa ait toplam 7.023 görüntüden yararlanılmıştır. Araştırma kapsamında Keras Applications kütüphanesinde yer alan MobileNetV2, EfficientNetB0, VGG16, ResNet50 ve DenseNet121 modelleri transfer öğrenme yöntemiyle eğitilmiştir. Ayrıca, tez kapsamında özgün bir CNN mimarisi tasarlanmış ve MobileNetV2 ile bu Özgün CNN modelinin özellik çıkarım yeteneklerini birleştiren hibrit bir mimari geliştirilmiştir. Tüm modeller aynı ön işleme adımları, veri artırma teknikleri ve eğitim parametreleri kullanılarak adil bir biçimde karşılaştırılmıştır. Normal eğitim sonuçlarına göre en yüksek doğruluk %90,31 ile Özgün CNN modeli tarafından elde edilirken, hibrit model %85,51 doğruluk ile ikinci sırada yer almıştır. ResNet50, MobileNetV2 ve DenseNet121 modelleri sırasıyla %83,79, %80,40 ve %79,63 doğruluk değerleri üretmiştir. VGG16 modeli %73 doğruluk sağlarken, EfficientNetB0 yalnızca %30,89 doğruluk ile en düşük performansı göstermiştir. Model genellenebilirliğini değerlendirmek amacıyla beş katlı çapraz doğrulama yöntemi uygulanmıştır. Bu sonuçlara göre hibrit model %93,15 ortalama doğruluk ve %93,08 F1-skoru ile tüm modeller arasında en başarılı yapı olmuştur. Özgün CNN modeli ise %92,72 ortalama doğruluk değeri ile ikinci sırada yer almıştır. ResNet50, MobileNetV2, DenseNet121 ve VGG16 modelleri sırasıyla %91,20, %89,12, %87,74 ve %82,28 ortalama doğruluk değerleri elde etmiştir. EfficientNetB0 modeli çapraz doğrulamada da yalnızca %27,45 doğruluk sağlayabilmiştir. Bu durum, ilgili mimarinin bu veri setindeki dokusal özellikleri yakalamada yaşadığı yakınsama (convergence) sorununa işaret etmektedir. Elde edilen bulgular, Özgün CNN ve özellikle hibrit mimarinin, MRI tabanlı beyin tümörü sınıflandırma problemlerinde yüksek doğruluk, düşük varyans ve güçlü genelleme kabiliyeti sunduğunu ortaya koymaktadır. Bu çalışma, klinik karar destek sistemlerinin geliştirilmesi için güvenilir bir temel sunmaktadır.