3,191
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
Otonom robotlar için pekiştirmeli öğrenme tabanlı dağıtık arıza teşhis sistemi
Otonom mobil robotlar (AMR'ler), endüstri 4.0 için en önemli siber-fiziksel sistemlerden biridir. Bu robotların arızaları, üretimde kazalara, maliyetli gecikmelere ve kesintilere neden olabilir. Arıza tespitinde veriye dayalı yapay zekâ yöntemleri başarılıdır. Fakat başarılı yapay zekâ modellerinin eğitimi, farklı sistemleri temsil eden yoğun veri gerektirir. Ham sensör verilerinin merkezi sisteme gönderimi hız, güvenlik ve bant genişliği sorunları ortaya çıkarır. Diğer yandan, yalnızca uç sistemlerde eğitilen modeller tüm ajanları ve durum uzayını temsil etmemektedir. Akıllı fabrikalar gibi gerçek ve dinamik ortamlarda birden fazla mobil robot ajan için merkezi ve eşzamanlı eğitim zordur. Her ajan bilinmeyen zor durumlarla karşılaşır ve arızalar nadir görülür, bu durum modelin dengesiz koşullarla eğitilmesi sorununu beraberinde getirir. Bu tez, öngörü ve sağlık yönetimi amaçları doğrultusunda, akıllı fabrikalarda filo düzeninde faaliyet gösteren AMR'ler için çok ajanlı pekiştirmeli öğrenmeye dayalı bir arıza tespit yöntemi önermektedir. Yöntem, ham verileri uç sistemlerden merkezi sisteme aktarmak yerine, model parametrelerinin eşzamansız olarak sistemler arası paylaşılmasına dayanır. Model eğitiminde, insan deneyiminin öğrenilmesini sağlayan taklit öğrenme kullanılmıştır. Çalışma, bilinmeyen ortamlarda birden fazla ajana yönelik eğitimde dengesiz veriler için parametrelendirilmiş orantılı ödül mekanizması önermektedir. Modeller uçta sensör tabanlı aykırılık tespiti gerçekleştirir. Arıza tespiti aşamasında tek sensör verisinde görülebilen ve yanlış alarma sebep olan gürültüye karşı karar seviyesi füzyonu uygulanmaktadır. Çalışma, Eskişehir Osmangazi Üniversitesi Akıllı Fabrika ve Robotik Laboratuvarı'nda yürütülmüştür. Sonuçlar önerilen yöntemin normal koşular için tüm yanlış alarmları ortadan kaldırdığını göstermektedir. Ayrıca arızalı koşular %100 oranında, arızalı pencereler ise yaklaşık %78 oranında tespit edilmiştir. Önerilen yöntem, arıza anını yüksek doğrulukta tespit ederek doğru bakım planlamasında kullanılabilir.
Endüstriyel robotik sistemlerin güvenlik doğrulaması
Bu çalışmada robotik sistemlerin emniyeti için yazılımlarının doğrulamasına yönelik yöntem geliştirmesi amaçlanmaktadır. Robotik sistemlerin karmaşık yapısı nedeni ile yeterince doğrulaması yapılamadan kullanıma başlanabilir. Sonradan ortaya çıkabilecek yazılım hataları nedeni ile maddi ve zaman açısından kayıplar yaşanabileceği gibi insanlarında hayati kazalarla karşılaşmasına neden olabilir. Bundan dolayı bu sistemlerin yazılımlarının emniyet açısından doğrulaması için etkin yöntemlere ihtiyaç vardır. Robotik sistemler için yaygın olarak kullanılan doğrulama yöntemlerinden benzetim ve elle yapılan testler sistemdeki tüm olası durumları değerlendiremediği için yetersiz kalabilmektedir. Bu nedenle güvenlik doğrulamaları için formal yöntemler geliştirilmiştir. Model tabanlı formal yöntemler sistemin tüm durumlarını ve olası durum geçişlerini denetleyebilmektedir. Ancak model oluşturma ve model üzerinden doğrulama yaklaşımlarının güçlükleri robotik sistem geliştirenlerin bu teknikleri kullanmasının önünde bir engel oluşturmaktadır. Bu çalışmada, robotik sistem yazılımlarının modellenmesi ve model üzerinden doğrulanmasını kolaylaştıracak yöntem geliştirilmiştir. Önerilen yöntemde sistem yazılım davranışları zamanlı otomata olarak modellenmektedir. Ancak bu modellerin karmaşıklığını gidermek için robotik sistemlerdeki ortak fonksiyonelliğe sahip bileşenler birer şablon (model blok) olarak tasarlanmaktadır. Bu şablonlar temsil ettikleri fonksiyonu gerçekleştiren zamanlı otomataları içermektedir. Robotik sistem geliştiricileri bu şablonlardan sisteme uygun olanları seçip aralarındaki ilişkileri ve parametrelerini tanımlamaktadır. Önerilen yöntemde, şablonların kullanımı ile oluşturulmuş olan model, doğrulama amaçlı kullanılabilmektedir. Elde edilen modelin doğrulaması için model denetleme tekniği kullanılmaktadır. Bu çalışmada model denetleme tekniğini gerçekleştirmek üzere UPPAAL adlı yazılım aracından faydalanılmaktadır. Önerilen yöntemin uygulanabilirliğini göstermek üzere, iki farklı endüstriyel üretim içeren robotik sistem ele alınmıştır. Anahtar Kelimeler: Model denetimi (model checker), formal doğrulama, robotik sistemler, emniyet sağlama, zamanlı otomatlar
Adversarial attack detection on internet of things networks
Adversarial attacks pose a significant challenge to deep learning (DL) models, which are increasingly deployed in security-critical applications such as Intrusion Detection Systems (IDS) for the Internet of Things (IoT). These attacks also present a significant challenge to deep learning models, which are increasingly used in security-critical applications such as Intrusion Detection Systems (IDS) for the Internet of Things (IoT). This thesis examines adversarial attacks on network traffic and focuses on vulnerabilities, attack methods, and detection mechanisms. First, vulnerability surfaces in the machine learning lifecycle are identified, and examples and potential weaknesses in the literature are evaluated. Second, existing attacks are reviewed, classified, and the ROSIDS23 dataset is introduced. The ROSIDS23 dataset provides comprehensive traffic data for cybersecurity research in ROS-based robotic systems and constitutes a valuable resource for detailed analyses involving multiple attack types. The proposed Reconstruction Error-based Adversarial Detection (READ) method uses four metrics together to detect adversarial attacks by combining existing metrics and a reconstruction error rate metric, achieving high detection rates. Results show that READ enhances IDS performance by significantly reducing adversarial effects and is particularly effective at low perturbation levels. FGSM attacks, due to their simplicity, are more easily detected compared to iterative attacks such as PGD and BIM. The proposed method detects adversarial attacks with a success rate of 92-100%. Experimental results show that integrating READ into IDS increases accuracy by up to 98% and significantly enhances system reliability.
Nesnelerin interneti mesajlaşma protokollerinde saldırılar ve saldırı sınıflandırılması
Nesnelerin İnterneti, üretkenliği, konforu, sağlığı ve sürdürülebilirliği artırarak bireylerin günlük yaşamlarını iyileştiren teknolojik bir ekosistemi kapsar. Buna ek olarak, Nesnelerin İnterneti birçok sektöre artan verimlilik, üretkenlik ve maliyet tasarrufu dahil olmak üzere çeşitli faydalar sağlar. Ancak Nesnelerin İnterneti teknolojilerinin yaygınlaşması, özellikle birçok güvenlik açığını ortaya çıkarmıştır. Ortaya çıkan güvenlik açıkları kullanıcıları olumsuz etkileyebilmektedir. Bu güvenlik açıklarının önüne geçilebilmesi IoT teknolojisinin kullanımını daha güvenilir hale getirecektir. Bu tez çalışmasında iki temel katkı sunulmuştur. İlk olarak IoT teknolojisinde en çok kullanılan protokollerden birisi olan MQTT protokolüne yapılan saldırılar üzerinde durulmuştur. MQTT protokolüne yapılan saldırıların olumsuz etkileri ortaya çıkarılmıştır. İkinci olarak ise IoT saldırılarının tespit edilebilmesi için makine öğrenmesi teknikleri üzerinde çalışılmıştır. IoT çevrimiçi platformlarından olan Thingspeak platformunu kullanan bir deney ortamı kurulmuştur. Bu deney ortamında IoT cihazına DDoS, Http Flood, Syn Flood, Port Scan ve Udp Flood saldırıları yapılmıştır. Bu saldırılar sonucunda toplanan veriler ile bir veri seti oluşturulmuştur. Oluşturulan bu veri seti üzerinde AdaBoost, kNN, Lojistik Regresyon, Naive Bayes, Rastgele Orman, SVM ve Karar Ağacı olmak üzere yedi makine öğrenmesi sınıflandırma algoritması uygulanmıştır. Bu sınıflandırmalar sonucunda Rastgele Orman sınıflandırma algoritması ile %99 doğruluk sonucu elde edilmiştir. Anahtar Kelimeler: Nesnelerin İnterneti, MQTT, IoT Saldırıları, Makine Öğrenmesi, Thingspeak, IoT Güvenliği
Anemi hastalığının sınıflandırılmasında makine öğrenmesi algoritmalarının metasezgisel yöntemlerle parametre optimizasyonu
Anemi, hemoglobin (Hgb) seviyesinin belirli bir referans aralığının altına düştüğü durumlarda ortaya çıkar. Teşhis ve tedavi süreçleri, birçok kan testi, radyolojik görüntüleme ve çeşitli testleri gerektirir. Makine öğrenimi yöntemleri kullanılarak hastaların tıbbi verileri işlenebilir, böylece yeni hastalar için hastalık tahminleri yapılabilir ve bu tahminler doğrultusunda doktorlara karar destek mekanizmaları sağlanabilir. Bu yöntemler, doktorların teşhislerinde hata payını azaltmada kritik öneme sahiptir ve sağlık kurumlarında veri kayıtlarının değerlendirilmesi hem hastalar hem de hastaneler için büyük önem taşır. Bu tez çalışması, hem iki sınıflı (anemi var/yok) hem de çok sınıflı (anemi yok, Hgb anemi, demir eksikliği anemisi (DEA), B12 eksikliği anemisi (B12E), folat eksikliği anemisi (FEA)) anemi veri setleri üzerinde çeşitli modellerin performansını değerlendirmeyi amaçlamaktadır. Bu amaçla SMOTE (Sentetik Azınlık Aşırı Örnekleme Tekniği) yöntemiyle veri setlerindeki veri dengesizliği giderilmiş, daha sonra literatürde sıklıkla kullanılan klasik makine öğrenmesi yöntemleriyle testler yapılmış, veri setlerindeki parametreler arasındaki ilişkiyi daha iyi modellemek ve parametrelerin birbiriyle etkileşimini vurgulamak için veri setleri doğrusal, karesel ve üstel formda modellenerek Harris Şahin Algoritması (HŞA), Karga Arama Algoritması (KAA), Tavuk Sürüsü Optimizasyon Algoritması (TSO), JAYA Algoritması (JAYA), Balina Optimizasyon Algoritması (BOA) ve Kelebek Optimizasyon Algoritması (KOA) metasezgisel yöntemleri ile parametre optimizasyonu yapılmıştır. Çok sınıflı veri setinde genel doğruluk başarısının yanında sınıf bazlı doğruluk başarısının da arttırılması gerektiği vurgulanarak bulanık mantık yaklaşımdan esinlenen parametrelerin önemini daha iyi vurgulayan klasik makine öğrenmesi yöntemi olan TreeBagger (TB) ile önerilen metasezgisel yöntemlerin birleştirilmesiyle oluşan hibrit modeller önerilmiştir.
Makine öğrenmesi yöntemlerinde hiper-parametre seçimi
Hiper-parametreler, makine öğrenmesi modellerinin performansı üzerinde önemli bir etkiye sahip olmaları nedeniyle makine öğrenimi algoritmaları için kritik bir öneme sahiptirler. Uygun hiper-parametrelerin seçilmemesi, makine öğrenmesi modellerinin düşük performans göstermesine sebep olabilir. Bu tez kapsamında, farklı hiper-parametre optimizasyon (HPO, Hyper-parameter Optimization) yöntemlerinin, regresyon modellerinin performansına etkisi karşılaştırmalı analizler ile verilmektedir. Tez kapsamında önerilen yöntemlerin değerlendirilmesi için binalardaki enerji verimliliği problemi ele alınmıştır. Çalışmada, bu alanda literatürde erişime açık olan 768 satır ve 8 özellik içeren bir veri kümesi kullanıldı. Çalışma, regresyon modellerinin, varsayılan parametre değerleri kullanılarak eğitilmesiyle başladı. Daha sonra, bu modellerin performansları arasından ortalama hata karesi (MSE, Mean Squared Error) değerine göre en iyi sonuç veren modeller belirlendi. Belirlenen modeller, daha fazla iyileştirme için hiper-parametre optimizasyonuna tabi tutuldu. Bunun sonucunda, kategori artırma (CatBoost, Category Boosting) ve Bayes- Rastgele Orman (BO-RF, Bayesian Optimization – Random Forest) algoritmalarının, hiper- parametre değerlerinin optimizasyonu ile 0,997 R-Kare ve 0,23 MSE skorları, bu çalışmadaki en yüksek başarı sonucu olarak elde edildi. Bu çalışma, hiper-parametre optimizasyon yöntemlerinin, makine öğrenmesi modelleri üzerindeki etkisini göstermek için binalardaki enerji verimliliği problemini ele almaktadır. Bu bağlamda, hiper-parametre optimizasyonunun, makine öğrenmesi modellerinin başarısını artırmadaki kritik rolü vurgulanmaktadır.
Pekiştirmeli öğrenme yöntemi ile poz tahmini ve insan hareket analizi
Ev ortamında fizyoterapi ve sağlık uygulamaları, teknolojinin gelişmesi ve dijital iletişim araçlarının yaygınlaşmasıyla birlikte hayatımıza girmiştir. Bu uygulamalar, daha erişilebilir, etkili ve kişiselleştirilmiş sağlık hizmetleri sunma amacıyla gelişmiş teknolojilerin entegrasyonunu temsil etmektedir. Günümüzde, özellikle pandemik koşullardan sonra, hastaların konforlu bir şekilde kendi evlerinde tedavi görmelerine ve sağlık durumlarını takip etmeye olanak tanımak önemli bir araştırma konusu olmaktadır. Tez çalışması kapsamında, tüm bu ihtiyacı karşılamaya yönelik sağlık ve teknoloji bir araya getirilerek uzaktan fizik tedavi sağlayan kamera tabanlı bir yaklaşım ile kullanıcılara düşük maliyetli ve pratik bir tasarım sunmak hedeflenmektedir. Bu amaçla, kullanıcılara tekrar etmesi istenen hareketlere ait eğitmen videoları gösterilmekte ve en benzer şekilde bu hareketi gerçekleştirmeleri beklenmektedir. Sistemde, çalıştırılacak vücut fonksiyonuna göre seçilmiş 11 hareket bulunmakta ve bu hareketler kullanıcılara gruplandırılmış şekilde sunulmaktadır. Gerçekleştirilen hareketler, Mediapipe ile analiz edilmekte ve eğitmen/kullanıcı benzerliğinde hareket özelinde çıkarılan açılar kullanılmaktadır. Bu açılar, dinamik zaman bükme algoritması ile karşılaştırılmakta dolayısıyla yapılan hareketlerin benzerliği zamandan bağımsız olarak değerlendirilebilmektedir. Sistemdeki çevre tasarımına göre kullanıcıya gösterilecek hareketin kararı pekiştirmeli öğrenme algoritmalarından biri olan politika iterasyonu algoritması ile verilmektedir. Pekiştirmeli öğrenme aracılığıyla kullanıcıya oyunlaştırılmış bir tasarım sunulmakta ve ödül/ceza sistemi ile kullanıcının motivasyonunu yüksek tutmak amaçlanmaktadır. Sistem, kavramsal olarak ortaya konması sebebiyle alanında uzman kişilerin önerileri ile şekillendirmeye uygun ve esnek olarak tasarlanmıştır. Çalışma kapsamında temel uygulama alanı fizik tedavi olarak belirlense de aynı mantık ile çalışan tüm alanlarda uygulanma imkânı bulunmaktadır.
5G ve sonrası için makine öğrenmesi tabanlı numeroloji tahsis yöntemleri
5G ve ötesi (5GB) sistemleri, farklı kullanıcı iletişim gereksinimlerini paralel olarak karşılamak için esnek bir özellik sergiler. Çoklu numeroloji dalga biçimi tasarımı, bu esnekliğin önemli bir parçasıdır. 5G ile birlikte bir dalga şekline ait farklı alt taşıyıcı boşlukları numeroloji yapılarını oluşturmuş ve alt taşıyıcı boşluklarının farklı kullanıcılar için aynı kapsama alanı altında değiştirilebilmesi ile haberleşme gereksinimi karşılama noktasında önemli bir kabiliyet kazanılmıştır. Bununla beraber, farklı kullanıcılara ait haberleşme gereksinimlerinin çoklu numeroloji yapıları ile aynı anda karşılanabilmesi sırasında numerolojiler arası girişim kaynaklı yeni problemler ortaya çıkmıştır. Bu nedenle çoklu numeroloji yapılarının planlamasını uygun şekilde yapmak gereklidir. Bu çalışmada, ortak algılama ve iletişim (JSAC) konsepti, 5GB için akıllı bir numeroloji kontrol mekanizması geliştirmek amacıyla makine öğrenimi (ML) teknikleri ile uygulanmıştır. JSAC yetenekleri sayesinde, çevre farkındalığına sahip bir sistem tasarlanmış ve kablosuz kanal karakteristiğini etkileyen çeşitli faydalı algılama bilgileri (USI) kullanılmıştır. USI'nin 5GB akıllı şehir ağları aracılığıyla elde edildiği varsayılmıştır. Bu noktada, USI tabanlı özelliklerle yeni veri kümeleri oluşturmak için sentetik veri üretimi gerçekleştirilmiştir. Oluşturulan veri kümeleri kullanılarak 5GB için numeroloji planlamasına yönelik üç ayrı özgün yöntem tasarlanmıştır. Bu algoritmaların ilkinde, bir kapsama bölgesinde ihtiyaç duyulan servis tipi önceliğinin belirlenmesi sağlanmıştır. Diğer yöntemde ise aynı kapsama bölgesinde genel bir karar oluşturularak, tavsiye edilecek alt taşıyıcı boşluğu parametresi belirlenmiştir. Son olarak üçüncü yöntemde, kullanıcıya atanması gereken nihai numeroloji tahsisi gerçekleştirilmiştir. Bu tez çalışmasında geliştirilen özgün yöntemlerin herbiri için farklı sentetik veri kümeleri ve ML modelleri oluşturulmuştur. Ayrıca, farklı ML modelleri için topluluk öğrenme yöntemleri de dahil olmak üzere birden çok ML algoritması kullanılmış ve simülasyona dayalı çeşitli başarım sonuçları sunulmuştur. Alınan sonuçlara bakıldığında 5GB için numeroloji planlamasına yönelik olarak ML yöntemlerinin kullanılması umut vadedici gözükmektedir.
İş isteklerindeki Türkçe metinlerin doğal dil işleme yöntemleri kullanılarak analizi
Günümüzde teknolojinin hız kesmeden ilerlemesi, yapay zeka ve doğal dil işleme alanındaki gelişmeleri de artırmaktadır. Yapay zeka, makinelerin öğrenme, problem çözme, dil anlama, algılama ve karar verme gibi karmaşık görevleri gerçekleştirebilme yeteneklerini geliştirmeyi hedeflemektedir. Doğal Dil İşleme, bilgisayarların insan dilini anlama, yorumlama, üretme ve işleme yeteneği üzerine odaklanan bir alanı ifade etmektedir. Doğal dil işleme ve yapay zekanın birlikte kullanılması birçok sektörde inovatif uygulamaların ortaya çıkmasına olanak sağlamıştır. Yapılan tez çalışması kapsamında şirket içerisinde geliştirilip kullanılmakta olan iş istek uygulamasında bulunan iş istek açıklamalarının kategorilerinin tahminlemesi üzerine çalışılmıştır. Girilen açıklama metinlerinden kategori tahminlemesi yapan bir sistem geliştirilmiştir. Çalışmada ön eğitimli doğal dil işleme modellerinden Bert, DistilBERT, Electra ve ConvBERT modelleri kullanılmıştır. Veri seti bu modeller ile eğitildikten sonra kategori tahminlemesi yapılmıştır. Gerçekleştirilen çalışma sonucunda en yüksek doğruluk %89 başarı değeri ile ConvBERT modelinde elde edilmiştir. Çalışmanın ikinci kısmında ConvBERT modelinde elde edilen sonuçlar Lime (Local Interpretable Model-agnostic Explanations) açıklanabilir yapay zeka modeli kullanılarak sistemin tahminlemeyi nasıl yaptığı üzerine çalışılmıştır. Bu sayede modelde ki tahminleme süreci açıklanabilir bir hale getirilerek açıklanabilir yapay zeka ile doğal dil işlemenin birlikte kullanıldığı bir tahminleme sistemi geliştirilmiştir.
Gerçek zamanlı fizyolojik sinyal verilerinin karşılaştırmalı öğrenme tekniği ile kişiselleştirilmiş anomali tespiti
İnsanlardan alınan fizyolojik sinyaller, sağlık başta olmak üzere birçok alanda önem taşımaktadır. Kişinin kalp atış hızı, vücut sıcaklığı, kan basıncı, elektrodermal aktivite gibi bilgileri analiz edilerek kalp hastalıklarını teşhis edilebilmek, stres seviyesini belirleyebilmek, egzersiz performansını izlemek gibi birçok fayda sağlamaktadır. Teknolojinin gelişmesiyle birlikte fizyolojik sinyallerin daha kolay elde edilebilir olmasını sağlayan akıllı saatler ve bileklikler günlük yaşantımıza girmişlerdir. Bu sayede insanlar spor yaparken veya günlük hayatlarında, geliştirilen bu teknolojileri kullanarak sağlık durumlarını takip edebilmektedir. İnsan sağlığını etkileyen beslenme, fiziksel aktivite, uyku düzeni, genetik faktörler gibi unsurlardan biri de strestir. Günümüzde yaygın bir sorun haline gelen stres, sağlığımız üzerinde de ciddi etkilere sahiptir. Ayrıca vücuttaki çeşitli fizyolojik sinyaller üzerinde de stresin etkileri görülebilmektedir. Yapılan tez çalışması kapsamında da stresin fizyolojik sinyaller üzerindeki etkilerinin incelenmesi amacıyla karşılaştırmalı öğrenme modeli kullanılarak kişinin stresli olup olmadığının tespitinin yapılabilmesi hedeflenmektedir. Normal şartlar altında beklenenden farklılık gösteren, alışılmadık veya dikkat çekici olay ve durumlara anomali denmektedir. Bu nedenle çalışma kapsamında bir kişinin stresli olması anomali olarak değerlendirilmektedir. Karşılaştırmalı öğrenme, etiketlenmemiş veriler üzerinde kullanılmak üzere ortaya çıkan bir derin öğrenme yöntemidir. Zaman serisi verilerinde anomali tespiti, etiketlenme eksikliği nedeniyle genellikle sorun oluşturmaktadır. Bu sorunu çözebilmek için farklı hastalıklara sahip (obstetrik brakial pleksus yaralanması, disleksi, zihinsel engelli ve tipik olarak gelişmiş) çocuklardan alınan zaman serisi olarak tutulan kan hacmi nabzı, elektrodermal aktivite ve vücut sıcaklığı verileri ile karşılaştırmalı öğrenme modeli kullanılarak anomali tespiti yapılması hedeflenmektedir. Çalışma kapsamında ilk önce tüm veriler kullanılarak ardından kişiye özel anomali tespiti yapılmaktadır. Sonucunda ise kişiselleştirilmiş anomali tespitinin genel anomali tespitinden daha başarılı bir sonuç elde ettiği görülmektedir.
Çok çekirdekli mimarilerde paralel programlama ile genetik algoritmaların uygulaması
Bu tezde, teknolojik gelişmelerin hızlı yükselişi sayesinde günlük kullandığımız bilgisayarlarda bile yaygınlaşan çok çekirdekli bilgisayarlarda, paralel programlama teknikleri kullanarak elde edilebilecek hız artışının gösterilmesi amaçlanmıştır. Bugün, cep telefonlarında dahi çok çekirdekli mimariler kullanılmaktadır. Ancak, mevcut olan yazılım ve yazılım alt yapıları bu imkanı kullanmamaktadır. Yazılımlar halen tek kanal üzerinde çalışmakta, ancak işletim sistemlerinin, çalışan işlemlere çalışma süresince farklı kanallar tahsis etmesi sayesinde, devam eden bir işlem birden fazla kanalda işlem görebilir. Doğal olarak işletim sisteminin desteklemesi sayesinde, birden fazla işlem, her işlem tek kanalda çalışmak üzere birden fazla kanal kullanabilmektedir. Bu tezde, bir optimizasyon algoritması olan genetik algoritma kullanılarak, işletim sisteminin yönetiminden bağımsız, bilgisayardaki mevcut bütün çekirdeklerin kullanılması temeline dayanan bir uygulama geliştirilmiştir. Çalışmamızın sonucunda, normal bir bilgisayarda bile paralel programlama sonucunda kayda değer performans artışı gözlenmiştir. ANAHTAR KELİMELER: Genetik algoritma, paralel programlama, çok çekirdekli mimari
Prototip helikopter sisteminin matematiksel modelinin deneysel belirlenmesi ve denetçi tasarımı
Fiziksel sistemlerin analizi ve tasarımı için bu sistemlerin matematiksel modellerinin bilinmesi gerekir. Birçok uygulamada matematiksel modellere göre analiz ve tasarım yapılır daha sonra bu tasarımlar gerçek zamanlı uygulamalarda kullanılır. Ancak gerçek zamanlı çalışan sistemlerin matematiksel modeli her zaman tam olarak elde edilemeyebilir. Bu nedenle gerçek zamanlı sistemlerin matematiksel modellerinin deneysel belirlenmesi önemlidir. Bu tez çalışmasında prototip helikopter modeli olan çift motorlu çok girişli çok çıkışlı sistem TRMS (Twin Rotor MIMO- Multi İnput Multi Output- Systems)'nin dikey ve yatay hareketlerinin matematiksel modeli deneysel olarak MATLAB model belirleme aracı (Model Identification Toolbox) yardımıyla elde edilmiştir. Tezin sonraki bölümlerinde TRMS'nin deneysel elde edilen matematiksel modeli kullanılarak TRMS sistemi için üç farklı denetçi tasarım yöntemi önerilmiştir. i. TRMS'nin dikey ve yatay seviye hareketlerinin matematiksel modelleri kullanılarak Bode'nin ideal kontrol döngüsünü referans alan kesir dereceli denetçi tasarımı önerilmiştir. Bu yöntemle elde edilen denetçinin hem gerçek zamanlı uygulamalar da hem de simülasyonda referans sinyali iyi takip ettiği gözlenmiştir. Böylece elde edilen matematiksel modellerin tutarlılığı gösterilmiştir. ii. Bu sistemlere adaptif denetçiler tasarlamak amacıyla Yapay Sinir Ağları (YSA) yapısı kullanılmıştır. Bu çalışma için MATLAB ortamında özgün bir öğrenme verisi oluşturma kodu yazılmış ve YSA bu verileri kullanarak öğrenmeyi sağlamıştır. Elde edilen denetçinin iyi cevap verdiği gözlenmiştir. iii. TRMS sisteminin yatay ve dikey hareketi için Bode'nin ideal kontrol döngüsü referans alınarak kesir dereceli denetçiler, parametre vektör optimizasyonu yöntemiyle tasarlanmıştır. Optimizasyon süresince kesir dereceli denetçinin katsayıları olan ? ?, , , , d i p k k k ve Bode'nin ideal kontrol döngüsünün katsayıları olan ? ?,c yani toplam 7 parametrenin optimizasyonu yapılmıştır. Bu tez çalışmasında, TRMS sistemi için önerilen kesir dereceli denetçi ve sistemlerin tez içerisinde daha iyi anlaşılmasını sağlamak amacıyla, kesir dereceli bir sistemin matematiksel modelinin fiziksel yorumu sunulmuştur.
A tool for verifying noninterference property for HDL
Hardware description languages started to adopt high-level functionalities. Through the flexibility of high-level programming, hardware designers can leverage object-oriented programming and functional programming paradigms to specify the hardware for quicker design time. This transition to high-level hardware descriptions created a new set of problems about verifying their noninterference property. By extending a high-level HDL, this thesis shows how to approach and solve this new set of problems and thus preventing information leakage. SecChisel (based on Chisel HDL) gives the ability to design circuits which have algorithmically verifiable noninterference property. SecChisel handles the creation of temporary variables and cascaded propagation of security tags to these new variables which are unique problems that only occurs when the host language creates an intermediate representation of the designed circuit. SecChisel algorithmically verifies a design by transforming and modeling the design in a satisfiability modulo theory (SMT) solver. By building and verifying hardware designs, we demonstrate that SecChisel provides a simple way to verify circuit design's noninterference property at compile time with no overhead.
Heterojen çoklu insansız hava-kara-deniz araç sürüleri için kuantum hesaplama tabanlı akıllı işbirlikçi kontrol yaklaşımları
Heterojen insansız hava, kara, deniz aracı (Unmanned Vehicles, UV) sürüleri için işbirlikçi kontrol yaklaşımları, dinamik ortamlarda etkin çalışması oldukça önemlidir. Tez çalışmasında İnsansız hava- kara için Pareto tabanlı çok amaçlı bir rota optimizasyonu ve engel kaçınma yöntemi önermektedir. Geliştirilen yöntem, dinamik bir ortamda enerji tüketimini minimize ederek hedefe ulaşma süresini optimize etmeyi ve engellerden güvenli şekilde kaçınmayı hedeflemektedir. Ayrıca UV'ler dinamik görev senaryolarında etkin konuşlandırılması için genetik algoritmalar ve costmap tabanlı yol bulma tekniklerini birleştiren yenilikçi bir optimizasyon çerçevesi sunmaktadır. UV'lerin görev atama ve rota planlama süreçlerinde operasyonel etkinliklerini artırmayı hedefleyen bu yaklaşım, farklı araç türlerine özel kriterlerle uyumlu bir şekilde optimize edilmiştir. Günümüzde insansız araçlar, insan müdahalesi olmadan güvenli ve verimli bir şekilde hedefe ulaşabilmektedir. Ancak farklı türdeki araçlarda görev atama ve rota planlama gibi karmaşık optimizasyon sorunlarını da ortaya çıkarmaktadır. Bu nedenle çoklu araç koordinasyonunu sağlamak için etkili ve yenilikçi yöntemlerin geliştirilmesi bir zorunluluk haline gelmiştir. Bu tezde, insansız araçların iş birliği içinde tamamen otonom görev ataması yapabilmesi için kuantum-klasik hibrit bir sistem tasarlanmıştır. Önerilen yöntem, klasik genetik algoritmalarla benzer performans sergilerken, kuantumdan ilham alan evrimsel algoritmalara kıyasla üstün sonuçlar elde etmiştir. Ayrıca, kuantum bilgisayarlarının hız avantajıyla, klasik genetik algoritmalarla uzun sürede çözülebilecek karmaşık problemlerin çok daha kısa sürede çözülebileceği gösterilmiştir. Yapılan çalışmalarla, heterojen insansız araç sürülerinin dinamik ve karmaşık ortamlarda etkin görev planlaması, enerji verimliliği ve engel kaçınma sorunlarına için yenilikçi çözümler sunmaktadır. Ayrıca kuantum bilişimin görev atama problemlerine uygulanabilirliğini başarılı bir şekilde ortaya koyarak, bu alanda yenilikçi yaklaşımlar için bir temel oluşturmaktadır.
Büyük dil modelleri kullanan derin öğrenme tabanlı dinamik çok modlu veri özetleme yaklaşımları
Veri özetleme problemlerinde özetlenecek veri formatına bağlı olarak doğal dil işleme, bilgisayarlı görme, yapay zeka ve veri madenciliği teknikleri kullanılabilir. Farklı tipte verilerin aynı problem veya sistem içerisinde beraber kullanılması veya bir verinin farklı tipte bir veri moduyla özetlenme ihtiyacı çok modlu veri özetleme uygulamalarının geliştirilmesine sebep olmuştur. Bu kapsamda bu çalışmada farklı çok ve tek modlu veri özetleme yaklaşımları geliştirilmiştir. Tez çalışmasının metin özetleme uygulamaları kapsamında, haber metinlerinin soyutsal ve çıkarımsal özetlenmesine odaklanan bir yöntem, diyalog metinlerinin soyutsal özetlenmesine odaklanan bir yöntem ve hasta sorularını içeren metinlerin soyutsal özetlenmesi için bir yöntem geliştirilmiştir. Geliştirilen ilk metin özetleme yaklaşımında özgün bir kodlayıcı – kod çözücü nöral mimarisi sunulurken diğer metin özetleme yaklaşımlarında öneğitimli büyük dil modellerinin ince-ayarlamaları gerçekleştirilmiştir. Geliştirilen metin özetleme yaklaşımları literatürdeki mevcut yöntemlerle karşılaştırılarak sağladığı katkılar net bir şekilde sunulmuştur. Video ve ses özetleme uygulamaları kapsamında, akıllı şehirlerde kullanılan gözetleme videoları, çevrimiçi platformlardan sunulan aktivite içerikli videoların sorgu odaklı çok-modlu özetlenmesi ve çevrimiçi toplantı videolarının çok-modlu özetlenmesine odaklanılmıştır. Bunlardan gözetleme videolarına odaklı yaklaşımda video özetleme işlemi nesne-merkezli ve olay-merkezli iki özetleme modülünden elde edilen farklı video özetleriyle gerçekleştirilmiştir. Nesne-merkezli özetleme modülü için %90'ın üzerinde istatistiksel özellik koruyabilen, genetik algoritma tabanlı bir yöntem geliştirilirken, olay-merkezli video özetleme modülü için %90'ın üzerinde sınıflandırma başarımına sahip özgün bir transformer mimarisi geliştirilmiştir. Çevrimiçi aktivite videolarının özetlenmesi için kullanıcı sorgusu odağında çapraz dikkat mekanizması kullanan çok modlu bir video özetleme yaklaşımı geliştirilmiştir. Sunulan yaklaşımın video özetleme performansı %87,1'dir. Videolara ait sorgu odaklı özetlerin elde edilmesinin ardından özet videoların metin açıklamaları için yeni bir görü dil modeli de önerilen yöntem kapsamında geliştirilmiştir. Toplantı videosu özetlenmesi için otomatik konuşma tanıma sonrasında toplantıya ait çıkarımsal metin, video ve ses özetleri elde edilerek, toplantıya ait farklı bölümlerin soyutsal vurgularının üretilmesi sağlanmıştır. Önerilen yöntemde özetleme işlemleri için öneğitimli büyük dil modellerinden yararlanılmıştır ve toplantı videolarının %75'in üzerinde kısaltılması sağlanmıştır. Geliştirilen bütün video özetleme yaklaşımlarının performansı literatürdeki diğer çalışmalarla karşılaştırılmıştır ve önerilen yöntemlerin performans üstünlüğü net bir şekilde gösterilmiştir.
Otonom IHA tabanlı demiryolu bakım sistemi için yenilikçi derin öğrenme yöntemlerinin geliştirilmesi
Bu tez çalışmasının ana amacı, demiryolu hatlarının ve bileşenlerinin otomatik olarak izlenmesi ve kusurların yüksek doğrulukla tespit edilmesidir. Tezde, geleneksel yöntemlerin yerini alan otonom sistemler ile iş gücü ve zaman kaybını en aza indirerek verimliliği artırmak hedeflenmektedir. Çalışmanın temel motivasyonlarından biri, ray hatlarında ve bileşenlerinde bulunan yabancı nesnelerin tespit edilmesidir. Bu tür nesneler, ray hattı güvenliğini olumsuz etkileyebileceğinden, demiryolu ulaşımının güvenliği açısından önemli bir risk oluşturmaktadır. Simülasyon ortamında geliştirilen yöntem, gerçek dünya şartlarına uyarlanarak daha etkili ve güvenilir demiryolu bakım sistemleri geliştirilmesine olanak tanımaktadır. Proje kapsamında, Gazebo simülasyon ortamında Parrot Anafi4K İHA kullanılarak demiryolu hattı boyunca uçuş simülasyonları gerçekleştirilmiştir. Gerçek dünya ortamında yapılacak olan çalışmalarda, İHA ile toplanan görüntüler hibrit derin öğrenme tabanlı modellerle işlenerek, demiryolu bileşenlerindeki kusurların tespiti sağlanacaktır. Çalışmada YOLO, Unet, BiSeNetV2 gibi derin öğrenme algoritmaları ve hibrit yöntemler kullanılarak, demiryolu bileşenlerinde oluşan çatlaklar, deforme bağlantı elemanları gibi kusurların yüksek doğrulukla tespiti amaçlanmaktadır. Bu sayede, demiryolu bakım işlemleri daha hızlı ve maliyetsiz bir şekilde gerçekleştirilebilecektir. Ayrıca, geleneksel Unet modelinden daha iyi performans gösteren, Unet tabanlı geliştirilmiş bir DNet bölütleme modeli de geliştirmiştir. Geliştirilen yöntemlerin bulguları, literatürdeki çalışmalarla karşılaştırılarak detaylı bir şekilde sunulmuş ve başarılı ve etkili sonuçlar elde edilmiştir.
Kuraklık, gıda ve su güvenliği için uydu verilerini kullanan akıllı tarım veri analizi yaklaşımı
Bu tez çalışması, kuraklık, gıda güvenliği ve su güvenliği gibi küresel ölçekte kritik öneme sahip sorunlara çözüm sunmak amacıyla, uydu görüntüleri ve meteorolojik verilerin birlikte analiz edildiği bir akıllı tarım veri analizi yaklaşımı geliştirmeyi hedeflemektedir. İklim değişikliğinin tarımsal üretim üzerindeki etkilerinin giderek arttığı günümüzde, bu risklere karşı erken uyarı sistemlerinin ve karar destek yapılarının önemi artmaktadır. Bu kapsamda geliştirilen sistem, Sentinel-2 uydu verileri ile toprak nemi ve bitki sağlığına ilişkin spektral indekslerin hesaplanmasını ve RandomForestRegressor gibi makine öğrenmesi algoritmalarıyla mekânsal tahminlerin gerçekleştirilmesini sağlamaktadır. Tezde, çift akışlı bir analiz mimarisi önerilmiştir. Birinci akış, uydu görüntülerine dayalı olarak tarımsal uygunluk ve çevresel stres koşullarının belirlenmesini sağlamaktadır. İkinci akış ise, OpenEO platformu üzerinden elde edilen meteorolojik verilerin işlenmesiyle kullanıcıya özgü tahmin ve öneriler sunmaktadır. Geliştirilen sistem, kullanıcı tarafından belirlenen koordinatlar üzerinden çalışabilen, gerçek zamanlı ve bölgeye özgü karar destek çıktıları sunan esnek bir yapıya sahiptir. Ayrıca, çalışmada geliştirilen üç ayrı derin öğrenme modeli aracılığıyla kuraklık riski (DroughtNet- X), su güvenliği (WS-RiskNet) ve gıda güvenliği (FoodNet-C) analizleri gerçekleştirilmiştir. Bu modellerin eğitim süreçleri Python dili kullanılarak Google Colab ortamında yürütülmüş, doğruluk oranları literatürdeki yöntemlerle karşılaştırılarak değerlendirilmiştir. Elde edilen bulgular, uydu ve meteorolojik verilerin birlikte kullanımının, tarımsal karar alma süreçlerinde etkinliğini artırdığını, çevresel değişkenliklere karşı daha dirençli sistemlerin kurulmasına katkı sağladığını ortaya koymaktadır. Bu bağlamda, çalışma hem akademik araştırmalar hem de saha uygulamaları için pratik ve uygulanabilir bir model sunmaktadır.
Multipl skleroz hastalarının bilişsel (kognitif) ve denge performanslarının sanal rehabilitisyonu
Multipl skleroz (MS), erişkinlerde en sık görülen merkezi sinir sistemi bozukluklarından biridir ve dünyada yaklaşık 2.5 milyon kişiyi etkilemektedir. Bu çalışma ile MS hastalığının, fazla oranda bilişsel bozukluğa sebep olmasından dolayı, hastaların morallerini yüksek tutmak ve bilişsel bozuklarını en aza indirmekle, denge kapasitelerini arttırmakla, günlük yaşam kalitelerini iyileştirerek ve dünyada yüksek oranda bulunan ve halen kesin bir tedavi yöntemi bulunmayan MS hastalarına bir katkı sağlamayı amaçlamaktadır. Ayrıca bu amaçla kullanılan yazılımların çoğu da yurt dışından ithal edilmekte ve buda döviz kaybına neden olmaktadır. Yerli oyun yazılım sektörünün bu alana kayması ile döviz kaybının azalacağı kanaatindeyiz. Çalışmamızın hasta grubu Kütahya Dumlupınar Üniversitesi Evliya Çelebi Eğitim ve Araştırma Hastanesi Nöroloji poliklinikleri ve yan dal poliklinikleri tarafından, Eylül 2016 ile Ekim 2017 tarihleri arasında takip edilen MS tanısı konulmuş, 18-70 yaş üzeri toplam 14 gönüllü hasta seçilmiştir. Hastaların rutin tedavilerinin yanında beyin eğitici ve denge gelişimini sağlayıcı oyunlar uygulanmıştır. Hastalara, haftada 3 gün 45 dakika aynı oyun, uygun seviyelerde ve uygun oyunlar on iki ay süre ile oynatılmıştır. Oyunlar hastaların klinik olarak stabil oldukları fazda oynatılmıştır. Hastaların tüm nöropsikolojik testleri bu konuda eğitimli olan bir psikolog tarafından yapılmıştır. Her hastaya Beck Depresyon Ölçeği, Beck Anksiyete Ölçeği, Paced Auditory Serial Addition Test ve Short Form-36 Yaşam Kalitesi Ölçeği tedavi öncesinde ve tedavi sonrasında uygulanmıştır. Test sonuçlarına göre; tedavi öncesi ve tedavi sonrası test sonuçları arasında istatistiksel olarak anlamlı farklılık bulunamamıştır. Fakat bireylerin aynı tür analiz sonuçları arasında bireysel olarak farklılık gözlenmiştir. Bunun nedeni hastaların farklı düzeyde MS skoruna sahip olmaları, toplam test öncesi ve test sonrası farklılığın gözlenmemesine neden olduğunu söyleyebiliriz. Çalışmanın oyun çeşitliliğini ve hasta sayısının arttırılarak genişletilmesinin yararlı olacağını düşünmekteyiz. Ayrıca geliştirilen oyunlar Alzheimer hastalarında yaşam kalitesinin artışına da olumlu yönde katkısının olacağı kanaatindeyiz.
Çok amaçlı konteyner yükleme ve araç rotalama problemlerinin çözümü için genetik algoritma yaklaşımı: porselen sektöründe karar destek sistemi önerisi
Teknolojinin gelişmesi ile büyüyen ticaret hacmi, şirketlerin operasyonlarında optimizasyon uygulamalarını kullanmasını ve geliştirmesini zorunlu kılmaktadır. Çözüm aranacak olan operasyonların hızları, maliyetliyetleri ve doğrulukları verimli bir şekilde tasarlanması gerekmektedir. Şirketlerin sıklıkla karşılaştığı ve çözümüne ihtiyaç duyduğu problemler arasında konteyner yükleme ve araç rotalama problemleri yer almaktadır. Özellikle porselen sektöründe yer alan firmaların üretim esnasındaki iş akış ve teslimat süreçlerinde önceliklerinin belirlenmesi, verimli ve etkin bir şekilde yürütülmesi için karar destek sistemlerine ihtiyaç duyulmaktadır. Farklı sektörlere yönelik tasarımlar incelendiğinde uzman sistemler, yapay sinir ağları, genetik algoritmalar ve bulanık mantık gibi yapay zeka alt dalları kullanılarak üretilen çözüm önerilelerinin sıklıkla kullanıldığı görülmektedir. Literatürde porselen sektörüne yönelik üretilen yapay zeka temelli karar destek sistemlerinin çok sınırlı sayıda ve bu alanda ihtiyaç olduğu görülmüştür. Porselen sektöründe üretim önceliklerinin karlılık, müşteri memnuniyeti ve depolama kısıtları gibi nedenlerle değişkenlik göstermesi ve bu duruma bağlı olarak sevkiyat işlemlerinde öncelikli yüklenecek ürünlerin tercihinde karar destek sistemlerinin optimizasyonu önem arz etmektedir. Bu çalışmada farklı alanlardaki şirketlerin sıklıkla karşılaştığı ve çözüm aradığı konteyner yükleme ile araç rotalama problemlerine yönelik metasezgisel algoritmalardan genetik algoritmayla daha verimli çözüm önerilerinin üretilmesi amaçlanmıştır. Bu doğrultuda porselen sektöründe kullanılan konteynerın sayısını ve araç rotalama mesafesini minimize etmek hedeflenmiştir. Araştırmada ilk olarak porselen sektöründe konteyner yükleme probleminde toplam kar veya teslimat süresi önceliği esas alınarak matematiksel model oluşturulmuştur. Oluşturalan matematiksel model ağırlıklı toplam skalerleştirme yöntemiyle iki adet olan amaç tek amaca dönüştürülmüştür. Hazırlanan yazılım ile, ilgili amaç doğrultusunda ürünlerin konteynerlara verimli ve etkin bir şekilde yüklenmesine yönelik önerilerin üretilmesi sağlanmıştır. Ayrıca araç rotalama problemi için ise, yüklenen konteynerın bayilere veya mağazalara dağıtımı esnasında en kısa rotanın belirlenmesi amacıyla iki nokta arası mesafe bulma yöntemi matematiksel modele uygulanmış, genetik algortima ile çözüm aranmıştır.
Perakende sektöründe anormal fire tespiti için bir karar destek sistemi
Karar destek sistemleri, büyük verilerin daha iyi tanınması sağlayarak daha doğru ve etkili karar verilmesine destek olan sistemlerdir. Günümüz teknoloji dünyasında veri çok hızlı bir şekilde toplanmaktadır. Elde edilen veriler artık insan tecrübesi ile anlaşılmayacak boyutlara ulaşmaktadır. Verilerin anlamlı bir hale getirilerek yorumlanabilmesi için veri madenciliği teknikleri kullanılmaktadır. Bu çalışmada, Bursa, Eskişehir, Kütahya ve Bilecik'te 35 şubesi bulunan bölgesel bir alışveriş merkezinin fire verileri üzerinde çalışma yapılmıştır. Fireye sebep olan birçok faktör şirket kayıtlarında tutulmaktadır. Fire maliyetlerini azaltmak için, bu verileri işleyerek kullanıcıya karar verme sürecinde destek olacak bir uygulama geliştirilmiştir. Geliştirilen uygulama veri madenciliği algoritmalarını kullanarak, fireye sebep olabilecek ya da fire oluşumuna hiç etkisi olmayan durumları kullanıcıya raporlamaktadır. Uygulamanın ürettiği sonuçlar yorumlanarak fire oluşumuna etkileri tartışılmıştır.
Optimizing load balancing and task scheduling algorithms in cloud computing
The load balancing and task scheduling are important problems that need to be optimized in cloud computing in terms of meeting the expectations of both the user and the provider. A poorly optimized scheduling method harms the customer and the provider due to non-fulfillment of Quality of Service (QoS) and violation of the Service Level Agreement (SLA). It is possible to meet customer and provider demands in the best way with a well-optimized task scheduling algorithm. Metaheuristic algorithms produce good outcomes in solving NP-Hard problems such as cloud task scheduling problem. In this study, comparative performance analysis of metaheuristic algorithms such as Clonal Selection Algorithm (CSA), Genetic Algorithm (GA), Differential Evolution (DE), and Particle Swarm Optimization (PSO) are presented to optimize load balancing and task scheduling in cloud computing environments. Contrary to methods such as hybridization of metaheuristic algorithms and adaptive hyperparameters methods used in the literature to increase the search performance of algorithms, a parallelization method is proposed to increase search performance in this study. The proposed hybrid parallelization method is created by taking advantage of the global population master-slave and multiple-deme methods to be independent of the metaheuristic algorithm and to be implementing flexible. The proposed parallelization model is applied separately to CSA, DE, PSO, and GA algorithms, and detailed search performance analyses are presented. The results showed that when the normal sequential versions of the algorithms are compared, the CSA algorithm achieves more successful results than other algorithms, even though it gives close results to GA. The proposed parallelization model improves the performance of all tested algorithms, and the Parallel Clonal Selection Algorithm (PCSA) that parallel version of the CSA, reached better results than other compared algorithms.
Informed Monte Carlo tree search for board games
Developing artificial intelligence (AI) agents for adversarial game-playing using search-based methods presents the challenge of creating a robust utility function, which demands significant effort and specialized knowledge. Conversely, hastily devised simple utility functions often produce unsatisfactory outcomes. Monte Carlo Tree Search (MCTS) has emerged as a modern approach that avoids the need for such a strong utility function. Nevertheless, MCTS relies on a substantial number of game simulations to deliver accurate results, incurring notable computational expenses. This study introduces an inventive hybrid approach that leverages MCTS's strengths while seamlessly integrating a modified Upper Confidence Bound for Trees (UCB1) algorithm. This hybridization enhances MCTS's ability to exploit opportunities by including a basic utility function, reducing its reliance on a complex utility function. We conducted a series of experiments, applying this approach to classic board games like Tic-Tac-Toe, Mangala, and English Checkers. These experiments were compared to traditional Minimax and Alpha-Beta Pruning algorithms, along with the pure MCTS method.
Predicting sparse linear systems partition number using machinelearning
This thesis proposes a machine learning approach to solve sparse linear systems, a common problem in science and engineering. Our method uses machine learning to predict the optimal number of partitions needed for the block cimmino method. Traditional methods typically rely on trial and error or choosing the maximum number of cores as partitions to determine the best number of blocks. However, using a trained machine learning model eliminates this process. In this work, we present two models: one predicts two partition numbers with an AUC score of 89%, and the other predicts multiple partition numbers with an AUC score of 76% for the block cimmino method. We achieve this by using previously identified features in the literature and applying them in a novel context. We trained and tested our models using a diverse set of matrices, incorporating feature selection, demonstrating the effectiveness of leveraging established features in new applications and the robustness of our model in addressing the challenges of partitioning sparse linear systems. Our proposed method is faster and more effective than traditional methods.
Malware detection using machine learning and evolutionary algorithms
As cyber threats grow in complexity and frequency, the need for robust and adaptive malware detection mechanisms is critical due to their impact on national security and economic stability. Given malware's evolving nature to evade detection, selecting effective parameters by examining the interactions between malware characteristics is crucial. Traditional signature-based systems are becoming inadequate as malware adapts to new technologies. To address this, a new system is developed in this thesis that focuses on malware behavior and feature relationships. Multi-objective genetic algorithms (MOGAs) are employed to identify critical features for detection, which are then utilized by machine learning (ML) algorithms within a hybrid framework to accurately detect and classify malware. The objective of this thesis is to determine the optimal feature selection and classification methods that yield the highest accuracy within the Cuckoo Sandbox environment. Specifically, classifiers such as the J48 Decision Tree (J48), Reduced Error Pruning Tree (REP Tree), Adaptive Boosting Model 1 (AdaboostM1), Multilayer Perceptron (MLP), and Naive Bayes (NB) were evaluated. As a result of the analysis, the feature set was reduced from 335 to 200 by considering the relationships between features, resulting in a high accuracy of 93.33% and a performance improvement of 40% due to the reduction in the number of features. The obtained metrics were meticulously compared and evaluated with respect to the employed algorithms and methodologies. Furthermore, Mc Nemar's test was utilized to assess the performance of different malware detection classifiers by comparing their correct and incorrect classifications. The results from Mc Nemar's test indicated significant improvements, highlighting the effectiveness of the proposed system.
Classifying CT images of brain infarction with 3D CNN
Brain infarction occurs as a result of a blockage in the arteries which supply blood and oxygen to the brain. The restricted oxygen causes to stroke that can result in an infarction if the blood flow is not normalized in a short period of time. Approximately, 0.6% of people suffer from stroke every year. About one third is fatal. In addition, stroke is a third leading cause of death. For diagnosis, doctors want to see MRI (Magnetic Resonance Imaging) results to ensure if the patient has infarction or not. However, this process takes a long time while patients require immediate intervention. Losing time while waiting for an exact diagnosis might have fatal consequences. On the other hand, doctors can have CT (Computed Tomography) scan results in a short period of time but is not enough to tell the exact diagnosis for infarction due to uncertainty and the low quality of the imaging technique. This work aims to classify CT scans if the patient has infarction or not. This study uses 3D Convolutional Neural Network (3D-CNN) methodology. It achieves 93% as a maximum accuracy and 74% accuracy after 10-fold testing. We believe that this method could be used as a decision support system to detect the patients with a higher risk of infarction, and prioritize utilization to MRI for them to make the final diagnosis quickly.
Evrişimli sinir ağı özelliklerine dayanan korelasyon filtreleme ve veri ilişkilendirme ile çoklu nesne takibi
Nesne takibi art arda görüntüler içerisinde nesne tespitine ihtiyaç duyulmaksızın nesne konumlarının belirlenmesini sağlar. Çekirdek korelasyon filtresi Fourier uzayında hızlı ve etkili nesne takibini gerçekleştirmektedir. Evrişimli sinir ağlarının ürettiği derin özelliklerin korelasyon filtresi ile kullanımı takip başarısını arttırmaktadır. Bu tez kapsamında üç farklı deney çalışması yapılmıştır. İlk çalışmada OTB-100 veri seti üzerinde farklı nesne takibi yöntemlerinin performans karşılaştırması gerçekleştirilmiştir. İkinci çalışmada çekirdek korelasyon filtresi için farklı görünüm modellerinin takip başarısına etkisi analiz edilmiştir. Üçüncü çalışmada ise 2D MOT 15 veri seti üzerinde yayaların tespit edilmesi, takip edilmesi, takip ve tespit edilen yayaların ilişkilendirilmesi denenmiştir. Yayaların tespit edilmesi için Yolo kullanılmıştır. Tespit edilen yayaların takip edilmesi için ise yönelimli eğimlerin histogramı (histogram of oriented gradients - HOG) tabanlı çekirdek korelasyon filtresi çalıştırılmıştır. Yayaların ilişkilendirilmesi için derin özellikler, renk histogramı ve çevreleyici kutulardan faydalanılmıştır. Yöntemlerin tekli nesne takip performansı başarı, kesinlik ve saniye başına düşen çerçeve ölçütleri ile çoklu nesne takip performansı ise tespitlerin hata oranı birleşimi ve kimlik değişim sayısı gibi ölçütler ile hesaplanmıştır. Sonuçlar göstermiştir ki çekirdek korelasyon filtresi derin özellikler ile birlikte kullanıldığında nesne takibi başarısı artmaktadır. Evrişimli sinir ağlarının daha çok son katmanlarından oluşturulan görünüm modelleri nesne takibini etkin kılmaktadır. Çekirdek korelasyon filtresi HOG özellikleri ile kullanıldığında gerçek zamanlı nesne takibi mümkün olmaktadır. Çoklu nesne takibinde derin özellikler ile yayaların ilişkilendirilmesi kimlik bilgilerinin değişim miktarını azaltmaktadır.
A novel hybrid language model for finite state-based morphology
In this dissertation, we explore the combined usage of a rule-based approach and artificial neural network-based approach in Turkish morphological analysis. We design a language-independent novel hybrid algorithm combining the rule-based X-arbitrary morphological analyzer (XMOR) and an arbitrary ANN-based approach. The usage of hybrid models including both techniques is evaluated for performance improvements. Because of the agglutinative nature of the Turkish language, the suffixation of words is essential. A good rule-based morphological analyzer covers almost all words defined in the lexicon, but big data retrieved from freely available resources, such as social media, cannot be used as lexicon entries before correcting the error. Such words are usually erroneous and should be corrected prior to morphological analysis. The proposed hybrid approach is built on the idea of the dynamic generation of an artificial neural network according to two-level phonological rules. A combination of linguistic parsing, a neural network-based error correction model, and statistical filtering is utilized to increase the coverage of pure morphological analysis. The current hybrid method combines rule-based and long short-term memory-based techniques to increase the morphological analysis performance up to 99.90 percentage for OCRd data and 99.82 percentage for social media data, which represents a new state-of-the-art morphological analysis for Turkish to the best of the author's knowledge.
Assessment of general data protection regulation in the context of smart city solutions
After the European Union's new General Data Protection Regulation (GDPR) became applicable in May 2018, concerns related to the legal compliance of several technologies including IoT devices, blockchain systems, or smart city applications have emerged considering the individual rights guaranteed by GDPR. This study aims to reveal the implications of GDPR on smart city applications. Smart city applications convert data coming from many interconnected devices to meaningful information and use them to raise the standards of daily life. To better understand how the smart city sector sees the challenges posed by GDPR, and how they address them, this study analyses privacy policies of smart city applications which are legal documents that explain what data is collected from users and how they are processed. These analyzes were made by taking into account nine main elements extracted from the GDPR, which may be important in the context of the smart city. These main topics are; Explicit Consent, Right to Withdraw Consent, Right to Erasure, Right to Data Portability, Right of Access, Storage Limitation, Transparency, Transfer of Data, Data Minimisation. According to these GDPR elements, personal data cannot be processed without the explicit consent of the user, users have the right to access the data at any time, to make copies of the data, to delete the data, and to withdraw their consent at any time. In this study, privacy policies of 68 applications are collected, web page-specific policies are eliminated, and 42 privacy policies are analyzed. Furthermore, this study contains results of the study aiming at automating the evaluation of GDPR compliance of privacy policies via information retrieval techniques. For this purpose, 70% of the privacy policies collected are used as a training set and 30% are used in the test set. During the training phase, the keywords, determined by running Tf-Idf over the selected privacy policies, are given as input to the system for the next test phase. The Okapi BM25 method calculated a score on sentences for each set of keywords, taking into account the given keywords. Considering the scores, the most appropriate sentences for each GDPR element were automatically calculated. Then, the system was evaluated based on the results obtained. In addition, this method has been compared with fastText, which is one of the text classification methods, and the results are shared.
Exploring search engine optimization factors
A search engine is a system that allows users to enter queries to get information or find a result and lists the results according to these queries. It enables people who want to bridge between people and data to obtain information over the internet. Search Engine Optimization (SEO) is the activity of optimizing web pages or entire sites to make them search engine friendly and thus rank higher in search results. There are different methods for search engines to access effective information. In this study, first of all, the development process of search engines, search engine types and working principles are mentioned. The stages of search engine optimization are explained one by one. How web crawling, indexing and ranking is done are examined. Then, algorithms used in search engine optimization are mentioned. PageRank, TrustRank and HillTop algorithms, which are revolutionary algorithms in search engines, were compared. Important algorithm updates published by Google were reviewed and their strengths and weaknesses were compared. Ahrefs, Moz and Semrush, which are search engine optimization tools, were examined and their prominent features were compared. Finally, the performance of selected university websites in search engine optimization tools is shown. Domain views, organic search results, keyword analyzes, backlink analyzes were performed and the results were compared with graphics. Research and analysis results have shown that websites will have a high position in search engine results when they apply appropriate optimization techniques in line with their own needs. It has been determined that the appropriate keyword selection and the number of reliable backlinks are important search engine optimization factors. Since search engines have a dynamic structure, it is important for website owners to keep themselves updated.
Analysis of gdpr notification emails sent by blockchain service providers and developers and sentiment analysis of tweets about gdpr notification emails
The General Data Protection Regulation (GDPR) aims to protect and personal data of European Union citizens. The GDPR, which entered into force in countries that became members of the European Union on 25 May 2018, covers all companies that process the personal data of citizens within the borders of the European Union. Severe penalties and sanctions can be imposed on companies that do not comply with GDPR articles. GDPR has created difficulties for many innovative technologies due to the rights it provides to individuals and the data processing principles it has determined. Blockchain systems, which make it impossible to delete data with the way they operate, do not meet the right to be forgotten that GDPR gives to individuals. The fact that the data will be processed indefinitely, uncertainties in the approval collection mechanisms and, difficulties in assigning responsibilities due to the anonymous environment are other factors that endanger the compliance of these systems with the GDPR. Therefore, this study has been focused on the views of blockchain service producers and developers about the topic. In the process of GDPR coming into effect; notification emails that were sent to users by these systems were collected and analyzed. Within the scope of the study, a website was prepared for the collection of e-mails. The post requesting these e-mails and containing the prepared website link was shared in forums on 129 different crypto currency official websites. The reactions of forum members and system administrators to this sharing were monitored and recorded for 6 weeks. The post was shared on 148 forums. Among them, it was observed that 30 of them were removed by the moderator, 79 of them were removed by Reddit's spam filters, 2 of them were waiting for approval and were not accepted, 20 of them were temporarily suspended, 15 of them were not answered, only 1 post was commented and after 1 post was shared, it was banned and the permission to view the site was removed. In summary, these notification email requests were not welcomed by the system administrators and ignored by the users. This situation has been interpreted as the GDPR compliance process is immature in this sector, resistance is encountered by the systems and the users do not have a sufficient level of awareness. We continued the study by identifying people's attitudes and thoughts towards e-mails sent by companies. Thanks to Twitter, one of the most used social networks, we can easily follow what is happening all over the world about current issues and learn what people think. Using tweets shared by Twitter users, we determined what people thought about these emails they received. Thus, we were able to evaluate and analyze the positive or negative attitudes of people about these e-mails. We used the TextBlob library to do sentiment analysis on these tweets. Then we modeled the topic using the LDA algorithm. Then we made the topic modeling by using the LDA algorithm. Thus, we found out which topics were discussed in tweets containing positive, negative, or neutral emotions. Neutral sentiment tweets were often informative tweets. Negative tweets confirmed that people who received too many notification emails were annoyed. It has been observed that positive tweets belong to companies that legally secure themselves with notification e-mails and users who recover their forgotten accounts with these e-mails. With this study, a perspective is presented for companies and researchers who will work on this subject.
Gerçek zamanlı güvenlik kamerası videolarının insan tabanlı özetlenmesi
Bu tez çalışmasında güvenlik kameralarından alınan video görüntülerinin insan tabanlı özetlemesini yapan bir sistem tasarlanmış ve gerçekleştirilmiştir. Önemli bir olay gerçekleştiğinde, bazen kayıtların saatler süren bölümlerinin incelenmesi gerekmektedir. Aynı zamanda yapılan kayıtların tamamının saklanması mümkün olmadığından, belirli aralıklarla eski kayıtlar silinmekte, bu durumda da gerektiğinde istenilen kayıtlara ulaşmak her zaman mümkün olmamaktadır. Bu nedenlerden dolayı bu görüntülerin özetlenerek kısaltılması ve sadece anlamlı parçalarının kullanılması bir gereklilik haline gelmiştir.Çalışma gerçekleştirilirken ön işlem adımları olarak Gauss Karışım Modeli ile ön plan çıkarımı yapılmıştır. Daha sonra çıkarılan ön plan Blob Analizi ile çerçeve içine alınmıştır. Çerçeve içine alınan nesnenin hareket bilgisini elde etmek için optik akış yöntemi kullanılmıştır. Hareket bilgisi çıkarılan nesneye yönlü gradyanlar yöntemi uygulanarak özellik çıkarımı yapılmıştır.Her nesne için çıkarılan yönlü gradyan özellikleri kullanılarak, çevrimdışı olarak oluşturulan eğitim seti yardımıyla Destek Vektör Makinesi yöntemi kullanılarak nesnenin insan olup olmadığına karar verilmiştir. Eğer nesne insan ise Kalman Filtresi ile insan takibi gerçekleştirilir. Yönlü gradyan bilgilerini taşıyan histogramlara zaman bilgisi eklenerek, video boyunca nesneye ait hareket bilgisi sürekli hale getirilmiştir. Sürekli hale getirilen gradyan bilgisi üzerine Şablon Eşleme yöntemi uygulanarak hareket kalıpları ve bu hareket kalıplarının tekrar başlangıçları bulunmuştur. Bulunan hareket kalıplarının geçiş noktaları da hareket geçişleri olarak işaretlenmiştir. Hareket geçişleri özet video için videonun önemli anlarıdır.Çalışma 4 ayrı veri setinde test edilmiştir. Sistemin özetleme başarısı, periyodik hareketleri tespit etme başarısıdır. İlk olarak test edilen veri seti genel kullanıma açık olan Weizmann İnsan Hareketi Veri Seti'dir. Bu veri setinden 6 kişiye ait 9 farklı hareket için özetleme işlemi gerçekleştirilmiştir. Bu örneklerde %89,47 özetleme başarısı tespit edilmiştir. İkinci kullanılan veri setinde güvenlik kamerası kayıtlarında olaşabilecek çeşitli durumlar için senaryolar 3 farklı kişi tarafından gerçekleştirilmiştir. Veri seti üzerinde gerçekleştirilen test çalışmaları sonucunda %93,44 başarı oranı elde edilmiştir. İkinci veri setiyle benzer senaryoların farklı kamera açısıyla gerçekleştirildiği üçüncü bir veri seti üzerinde yapılan denemeler sonucunda %89,29 başarı oranı yakalanmıştır. Birden fazla kişinin bulunduğu videolarda ise %75,76 gibi bir başarı gözlemlenmiştir.
Yapay bağışıklık sistem tabanlı algoritma ile aykırı değer tespiti
Aykırı değer tespiti; kredi kartı sahtekarlık tespiti, ağ saldırı tespiti, çok boyutlu verilerde hataların ayıklanması, veri trafiğinde sistem yükünün hafifletilmesi gibi birçok alanda başarıyla uygulanan metince zengin bilgice fakir mantığını referans alan bir veri madenciliği metodolojisidir.Çok boyutlu veri kümelerinde aykırı değerleri tespit etmek oldukça zordur. Aykırı değerleri teşhis etmede etkili olabilecek birçok algoritma olmasına rağmen, bu algoritmalardan birçoğu geniş ve büyük boyutlu veri kümeleri için kullanışsız olmaktadır. Verilerdeki örnek ve özellik sayısı arttıkça veri madenciliği metotlarının aykırı veri tespit etmedeki başarıları da düşmektedir. Bu tez çalışmasında, veri kümelerinde aykırı değerleri büyük bir oranda teşhis edebilen ve diğer metotlara göre daha etkin çözümler üretebilen Yapay Bağışıklık Sistem Paradigmasından yararlanılan bir algoritma kullanılmıştır. Algoritma, ikisi gerçek hayattan alınmış, diğeri rastgele değerlerle oluşturulmuş üç veri kümesi üzerine uygulanmıştır. Algoritmanın performansı, k - En Yakın Komşuluk Algoritması, Uzaklık Tabanlı Aykırı Değer Tespit Algoritması ve Kutu Grafik yöntemlerinin aykırı değer tespit etmedeki başarısı ile karşılaştırılmıştır. Elde edilen sonuçlar kıyaslandığında, aykırı değer tespit etmede Yapay Bağışıklık Sistem Tabanlı algoritmasının daha iyi sonuçlar verdiği ve daha düşük hata oranı ile çalıştığı görülmüştür.
Veri madenciliği ile mühendislik fakültesi öğrencilerinin okul başarılarının analizi
Kümeleme analizi, veri setindeki nesneler arasındaki benzer özellikleri veya farklı özellikleri kullanarak, aynı küme içerisinde homojen, farklı kümeler arasında ise heterojen gruplar oluşturmayı amaçlamaktadır. Başka bir deyişle bir kümeyi oluşturan nesneler birbirine ne kadar benzerse ve farklı kümeler birbirinden ne kadar ayrık ise kümeleme işlemi o ölçüde başarılı olmuştur. Bu tez çalışmasında veri madenciliği yöntemleri kullanılarak öğrenci analizi işlemleri gerçekleştirilmiştir. Bu analiz işleminde mühendislik fakültesi öğrencilerinin demografik bilgileri, ÖSYS puanları ve yerleşme sıraları ile kazandıkları bölümdeki ağırlıklı başarı not ortalamaları sistemin giriş verisi olarak kullanılmıştır. Öğrencilerin gelmiş oldukları bölgelere ve okul türlerine göre de bir kümeleme işlemi gerçekleştirilmiştir. Bunun yanında öğrencilerin belli bir bölümüne anket yapılmıştır. Bu anketler sayesinde de öğrencilerin aile bilgilerinin başarısını nasıl etkilediği incelenmiştir. Kümeleme yöntemleri, bulanık kümeleme ve katı kümeleme olmak üzere iki ana başlık altında karşılaştırmalı olarak ele alınmıştır. Bu bağlamda bulanık kümeleme yöntemlerinden Bulanık C-Ortalamalar, Gustafson-Kessel ve Gath-Geva algoritmaları ile katı kümeleme yöntemlerinden k-ortalamalar ve k-medoids algoritmaları ayrıntılı olarak açıklanmış ve veri seti üzerinde uygulanarak başarıları üzerine bir değerlendirme yapılmıştır. Başarı durumlarının tespitinde küme geçerliliği (cluster validity) yöntemleri ve Box-Plot analizi kullanılmıştır.
Histopatolojik görüntülerde mitoz belirleme
Son yıllarda teknolojinin gelişmesiyle sayısal histopatolojide oldukça önemli gelişmeler yaşandı. Yüksek çözünürlüklü görüntüleme teknolojisinin gelişmesiyle birlikte histopatolojik görüntülerde Bilgisayar Destkli Teşhis (BDT) yapmak olağan hale geldi. Elde edilen görüntülere birçok sinyal ve görüntü işleme, örüntü tanıma ve makine öğrenmesi yöntemleri uygulanmaktadır. Histopatolojide son zamanlarda teknolojinin de gelişmesiyle son derece önemli adımlar atılmıştır. Bu yüksek çözünürlüklü görüntüleme teknolojisinde yaşanan gelişmelerle birlikte histopatolojik görüntüler üzerinde bilgisayar destekli analizler yapma imkanı da artmıştır. Bilgisayar desteğinin artması da bu yüksek çözünürlüklü veriler üzerinde işaret ve görüntü işleme, örüntü tanıma ve makine öğrenmesi yöntemleri uygulanagelmiştir. Histopatolojik görüntülerde mitoz belirleme, hastalığın teşhisi açısından büyük rol oynadığından özellikle bu konuda birçok çalışma yapılmaktadır. Gerek üniversiteler gerekse özel sektör Bilgisayar Destekli Teşhis (BDT) konusunda ar-ge çalışmaları yapmaktadır. Bu çalışmaların temel amacı hem patologların iş yükünü azaltmak hem de bu konuda insan faktöründen kaynaklanan hataların hastaya etkisini azaltmaktır. Histopatolojide ilk safha görüntüdeki hücresel yapıların diğer hücresel olmayan yapılardan ayrılmasıdır. Elimizdeki farklı tarayıcılardan çekilen histopatolojik görüntülere örüntü tanıma veya makine öğrenmesi yöntemlerini uygulayıp görüntüdeki ilgili hücreleri bulmayı sağlarız. Hücrelerin tespiti için hücre büyüklüklerinin, şeklinin, sınırların ve dağılımının doğru olarak belirlenmesi gerekmektedir. Hücreler ayrıldıktan sonra mitozlu ve mitozsuz hücre ayırımının yapılması işlemi gerçekleştirilmektedir. Öznitelik çıkarma işlemi, histopatolojik görüntülerde mitotik ve mitotik olmayan bölgelerin ayrılmasında oldukça önem arz etmektedir. Bu bağlamda, ilk yaklaşımda hücrelerin farklı şekilsel bilgileri referans alınarak insan tanımada sıkça kullanılan ve farklı alanlarda da etkinliği öne çıkan yönlü gradyanlar histogramın (YGH- Histogram of Oriented Gradients)?dan faydalanılarak öznitelik çıkarma işlemi gerçekleştirilmiştir. Çalışmanın ikinci yaklaşımında ise ilk yaklaşımdan farklı olarak öznitelik çıkarımı, seçilen her bir pikselin farklı pencere boyutlarına ait gri-düzey eş oluşum matrisleri (GDOM- Gray-level Co-occurrence Matrices) elde edilerek Haralick dokusal tanımlayıcısına aktarılmış buradan her bir pencere boyutuna ait o pikseli temsil eden öznitelik vektörleri elde edilmiştir. Öznitelik çıkarma işleminden sonra, elde edilen öznitelik vektörleri eğiticili sınıflandırma yöntemleri olan DVM, Rastgele ormanlar (RasOr) ve Rotasyon ormanları (RotOr) yöntemleriyle sınıflandırılmıştır. Piksel tabanlı sınıflandırmada farklı renk uzaylarının sınıflandırmaya etkisinin incelenebilmesi için görüntüler La*b* renk uzayına dönüştürülmüştür. Bu çalışmada renk uzaylarının sınıflandırma başarısına etkisinin çok fazla bir etkisinin olmadığı saptanmıştır. Elde edilen eğiticili sınıflama sonuçları nesnel karşılaştırma kıstasları kullanılarak değerlendirilip yorumlanmıştır.
Kaos tabanlı simetrik şifreleme sistemlerinin tasarım ve analizi
Modern bilgisayar, ağ ve bilgi teknolojilerindeki hızlı gelişmelerle birlikte sayısal verilerin güvenliği gittikçe önem kazanmıştır. Multimedya verilerinin sahip olduğu özel özelliklerden dolayı klasik şifreleme algoritmaları multimedya verilerinin etkili bir şekilde korunmasında başarısız kalmaktadır. Bu problemin üstesinden gelmek için araştırmacılar doğrusal olmayan teorilerle bağlantılı multimedya verilerine özel şifreleme algoritmaları geliştirmeye çalışmaktadır. Kaos ve kriptoloji arasındaki benzerlik sonucu güvenli ve hızlı şifreleme algoritmalarını kaotik sistemler kullanarak nasıl tasarlanacağı konusu geniş bir araştırma alanına sahip olmuştur. 1990?lardan beri, kaos tabanlı birçok şifreleme algoritması önerilmiştir. Fakat bazı algoritmaların kriptolojik olarak güvenli olmadığı bulunmuş ve daha güvenli algoritmaları geliştirmek için bazı genel önerilerde bulunulmuştur. Bu tez çalışması kaos tabanlı simetrik şifreleme algoritmalarının tasarım ve güvenlik analizi ile ilgilidir. Algoritmaların güvenliğine karşı kaba kuvvet saldırısı, bilinen/seçilen açık metin saldırısı ve diferansiyel saldırı gibi bazı genel saldırı yöntemleri teorik analizler ve deneysel doğrulamalar ile detaylı olarak araştırılmıştır. Ek olarak bazı özel tasarım kriterleri kümesi açığa çıkarılmıştır. Tezde kriptolojik protokollerin tasarımında rasgele benzeri bir süreç olarak tanımlanan kaotik sistemlerin kullanılması durumunda hesaplama duyarlılığına bağlı olarak kaotik sistemlerin gösterdiği davranışın şifreleme sistemi üzerine olan etkisi analiz edilmiştir. Modern kriptolojik tasarımlar çalışma alanı olarak tamsayıların sonlu bir kümesini kullanırken kaotik sistemler reel sayıların bir kümesini kullanmaktadır. Bu yüzden sayısal bilgisayarlar üzerinde kaotik sistemlerin benzetimi yapılırken yuvarlama, kesme gibi işlemlerden dolayı bir sayısal kötüleşme meydana gelmektedir. Bu da kaostan beklenen rasgele benzeri bir davranış yerine periyodik bir davranış göstermesine sebep olmakta ve sonuç olarak kriptolojik tasarıların temel gereksinimleri olan karıştırma ve yayılma özellikleri sağlanamamaktadır. Bu sonuçlar ile sayısal kaosun yeni kriptolojik tasarımlar yapmak için uygunluğu kaotik kriptoloji literatürü tarafından yeniden değerlendirilmelidir. Bu tez çalışmasında katkımız sayısal kaos tabanlı şifreleme sistemlerinin aşağıdaki üç yönünü içermektedir: sayısal kaotik sistemlerin rasgelelik özelliklerinin deneysel analizleri, kaos tabanlı şifreleme sistemlerinin kriptanalizi ve kaos tabanlı yerine koyma tablolarının yeni tasarımları. Tezde gerçekleştirilen temel başarımlar aşağıdaki gibidir. ?Üç farklı kaos tabanlı yerine koyma tablosu algoritması önerilmiştir. Önerilen yeni tasarımların literatürdeki benzerlerine kıyasla daha iyi kriptolojik özelliklere sahip olduğu görülmüştür. ?Kaos tabanlı şifreleme sistemlerinin kriptanalizi için genel bir saldırı senaryosu önerilmiştir. ?Önerilen saldırı senaryosu kullanılarak 11 farklı şifreleme algoritmasının güvenlik analizi yapılmıştır. ?Birçok şifreleme algoritmasında rasgelelik kaynağı olarak kullanılan lojistik harita standart rasgelelik testlerini geçmesine rağmen rasgelelik özellikleri standart bir rasgele fonksiyondan daha kötü olduğunu deneysel sonuçlar göstermiştir.
Arama kurtarma amaçlı diferansiyel sürüşlü tekerlekli robot tasarımı ve gerçeklenmesi
Birçok farklı alandaki teknolojik yeniliklerle birlikte robot teknolojisi de hızla gelişim kazanmıştır. Gerektiğinde insanların yüklerini azaltmak için geliştirilen bu sistemlerin bir kısmı, aynı zamanda eğlence amaçlı da tasarlanmaktadır. Günümüz itibariyle askeri ve biyomedikal sistemler, küçük ev aletleri, insan benzeri humanoid robotlar vb. olmak üzere birçok farklı alanda robot teknolojisi kullanılmaktadır. Bu alanda kendini gösteren bir diğer branş da arama kurtarma robot teknolojileridir. Doğal afetlerde veya kazalarda insan müdahalesinin zor ve yetersiz olduğu durumlarda arama kurtarma ekiplerine bilgi sağlamak için tasarlanan robot platformları bu başlık altında incelenmektedir. Deprem, sel, radyoaktif kazalar ve çeşitli felaketlerde kullanılmak üzere geliştirilen, bir kısmı alanında özelleşmiş, bir kısmı genel kullanım amacıyla üretilmiş çeşitli robot teknolojileri arama kurtarma alanında hizmet vermektedir. Her bir kaza ve enkaz branşında hizmet vermesi için geliştirilen farklı robotların ortak gereksinimleri vardır. Mesela her bir robot, farklı modeller kullansa da hareket etmek zorundadır. Aynı şekilde her bir robot farklı miktarlarda da olsa, ortama dair bilgi edinme ve gezindiği ortamı tanıma ihtiyacı hissetmektedir. Bu çalışma kapsamında, bahsedilen ortak gereksinimler tespit edilmiş ve arama kurtarma amaçlı diferansiyel sürüşlü tekerlekli robot platformu tasarımı ve gerçeklenmesi yapılmıştır. Bu bağlamda ROS (The Robot Operating System) platformu Hydro sürümü üzerinde ROS gereksinimleri dikkate alınarak ve kütüphaneleri kullanılarak arama kurtarma robotlarında olan ihtiyaçların giderilmesiyle ilgili tasarımlar uygulamalı olarak gerçekleştirilmiş ve deneysel sonuçları elde edilmiştir. Bu gereksinimler, robotun sürüşü, konum ve duruş kestirimi, ortamın haritasının çıkarılması ve otonom olarak gezinimi başlıkları altında incelenebilir. Bu çalışma için geliştirilen robot platformu, 4 teker çekişli diferansiyel sürüşlü bir hareket modeline sahiptir. Her bir tekerlek farklı hız komutları alabilmekte, böylece istenilen dönüşler sağlanabilmektedir. Konum ve duruş kestirimi için lazer mesafe ölçüm duyargası kullanarak çalışan temelde tarama eşlemeye (scan matching) dayanan laser_scan_matcher yöntemi kullanılmış ve deneysel sonuçlar toplanmıştır. Haritalama problemi için genel olarak gMapping üzerinde durulmuş ve bu yöntemle ilgili deneyler yapılarak sonuçlar elde edilmiştir. Çalışma kapsamında incelenen bir diğer konu robotun navigasyonudur. Bunun için ROS üzerinde gerçekleştirilen "navigation stack" paketi incelenmiş çalıştırılmış ve sonuçlar alınmıştır. Bu paket, temelde robotun lokalizasyon bilgisine ihtiyaç duyduğu için Monte Carlo lokalizasyonunun (MCL) adaptif versiyonu olan Augmented MCL (AMCL) kullanılmış ve sonuçları alınmıştır. Yapılan deneylerde, gerçek robot platformu kullanılmış ve sonuçlar farklı parametrelerle test edilerek eniyilenmiştir.
NFC teknolojisinin toplu ulaşımda uygulanması
NFC teknolojisinin Toplu Ulaşımda Mobil Bilet olarak kullanılabilmesi için teknik ve iş modelinde yaşanan sıkıntılardan dolayı NFC teknolojisinin Toplu Ulaşımda bilet olarak kullanılabilmesi ve NFC'li inovatif projelerin hayata geçmesi gecikmiştir. Bu çalışmada NFC uygulamalarının Toplu Ulaşım sektöründe kullanılabilmesi için akıllı şehir uygulamalarına farklı bir bakış sunulmaktadır. NFC teknolojisinin daha iyi anlaşılması ve Toplu Ulaşımda kullanımının yaygınlaştırılması için en ideal iş modelinin kurulması amaçlanmıştır. Çalışmanın amacı Toplu Ulaşım kullanan insanların hayatını kolaylaştıracak, geliştirilmiş NFC'li Bilet Uygulaması ile kolay geçiş imkânı sunan kullanıcı ile interaktif bir yapı hazırlamaktır.
Yazılım kalitesinde insan faktörü
Yazılım kalitesi, halen belirsiz ve farklı kişilere farklı anlamlar ifade eden bir kavramdır. Geliştiricinin bakış açısıyla kalite, maliyet ve gecikmenin doğru tahminine, daha kolay teste, daha iyi bakıma giden yoldur. Literatürde, yazılım kalitesini değerlendirebilmek amacıyla yazılım kalite faktörleri için bazı ölçütler önerilmiştir. Fakat bu çalışmalar özellikle geliştirme ortamı tarafında yapılan, yani bilgisayar tarafında yapılan iyileştirme ve ölçüm çalışmalarından oluşmaktadır. Proje paydaşları ile yazılım kalitesi arasındaki ilişkisi üzerinde daha az araştırma yapılmıştır. Yazılım Mühendisliği Enstitüsü, yazılım organizasyonlarının başarısını yükseltmek amacıyla People Capability Maturity Model (P-CMM)'i geliştirmiştir. Bu model organizasyonlardaki işgücünün yönetimi ve gelişimini hedeflemektedir. Standish Group'un 2012 yılı için yayımladığı CHAOS raporuna göre gerçekleştirilen yazılım projelerinin %61'i başarısızlıkla sonuçlanmıştır (%43'ü zaman, bütçe veya isterler açısından başarısız, %18'i bitirilemeyen projeler). Yazılım projelerinin başarısını etkileyen faktörler incelendiğinde, insan ve insanı etkileyen özelliklerin proje başarısı ve kalitesine etkisi açıkça görülmektedir. Yazılım proje süreçlerinde birçok araç ve birçok standart ve model (ISO 9000 ve CMMI® vb.) kullanılmaktadır. Fakat çoğu zaman bu standart, model ve araçları kullanacak olan insan ve teknik olmayan konular göz ardı edilmektedir. Bu faktörler projelerin başarısını en çok etkileyen faktörler olduğu yapılan araştırmalarda kanıtlanmıştır. Bu tezde, insan temelli faktörlerin yazılım kalitesine olan etkileri değerlendirilmiştir. Bu kapsamda yazılım kalitesi ile insan faktörleri, kişilik tipleri arasındaki ilişkiyi belirlemek amacıyla 4 bölümden oluşan bir anket hazırlanmıştır. Anketten elde edilen veriler statiksel analizler ile değerlendirilmiştir. Elde edilen bulgular ise yorumlanmış ve bazı önerilerde bulunulmuştur.
Nesneye dayalı programlama tabanlı yazılımlarda yazılım metrikleri kullanılarak yapısal kod klon tespiti
Gereksiz tekrarlanmış kodlar (klonlar) iyi dokümante edilmemiş ve bakımı zor olan kodlardır. Bu tip kodlarda, tespit edilen bir hatanın tüm tekrarlarda düzeltilmesi gerekir. Bu durum yazılım bakım maliyetlerini önemli ölçüde artırdığı gibi kodların okunabilirliği ve anlaşılabilirliği için daha fazla çaba sarf edilmesini de gerektirir. Günümüz literatüründe kod klon problemlerini azaltmak ya da engellemek için birçok teknik önerilmiştir. Bu tekniklerin odağında basit klon ve yapısal klon kod tespiti yer almaktadır. Klon kod'lar iki ana başlık altında incelenmektedir. Yazılım içerisinde kod parçacığının benzerliğinden kaynaklanan kod tekrarlamalarına basit klon adı verilirken, sistem mimarisi içerisinde, aynı yapı ile inşa edilmiş kodlara yapısal klon denmektedir. Basit klon tespit teknikleri, tekrarlanan kod parçacıklarına geniş bir açıdan bakamadıkları için, tasarım seviyesindeki olası tekrarlamalardan kaynaklanan yapısal kod klonlarını saptayamamaktadır. Buradaki eksikliği gidermeyi amaçlayan yapısal klon tespitleri ise, yazılımdaki üst seviye benzerliklerinin ortaya çıkartılması, yeniden kullanılabilirliğin artırılması ve yazılımın basitleştirilmesine odaklanmaktadır. Yapısal klon tespit teknikleri literatürde önerilen basit klon tekniklerinin kullanımına dayanmaktadır. Bu tez kapsamında metrik tabanlı olarak yapısal kod klon tespiti için en uygun metrikler ve bu metriklere dayalı olarak klon tespit metodolojisi önerilmektedir. Ortaya konan yöntembilimi gerçeklenerek, açık kaynaklı Sonar Kalite Ölçüm aracına eklenti olarak geliştirilmektedir. Yöntemin değerlendirilmesi yapılmakta ve sadece metriklere dayalı olarak yapısal kod klon tespitlerinde başarılı sonuçlar alındığı ortaya konulmaktadır.
Yazılım projelerinde çaba kestirimi için yeni bir yaklaşım
Yazılım sektörünün gelişimi teknolojinin ve ekonomilerin gelişimine paralel olarak özellikle son yıllarda yüksek bir ivme kazanmıştır. Küçük ve orta ölçekli firmalar bile işlerini yürütebilmek, sektörde rekabet edebilmek için belirli yazılımları kullanmak durumunda kalmaktadır. Büyük ölçekli firmaların ve kamu kuruluşlarının ise ihtiyaçları çok daha farklı olduğu için özel yazılım geliştirme ihtiyaçları çok daha fazladır. Bu ihtiyacı karşılamak için ciddi oranlarda bütçe ayırmaktadırlar. Bu bütçelerin belirlenmesinde yazılım ihtiyaçların belirlenmesinin yanı sıra bu yazılımların maliyetlerinin hesaplanabilmesi de büyük önem arz etmektedir. Yazılım geliştirme maliyeti her geçen gün artmaktadır. Yazılım maliyet tahmini hem devletler, hem de organizasyonlar için çok önemli bir problemdir. Planlanan zaman ve bütçeyi aşan çok sayıda proje mevcuttur. Bunun temelinde baştan bütçe ve zaman tahminini doğru yapamamaktan kaynaklanan başarısızlıklar yatmaktadır. Yazılım geliştirme maliyetleri ölçüm ve kestirim yöntemlerinin çeşitli yetersizliklerinden dolayı sık sık kontrol dışına çıkmaktadır. Bu konuda özellikle son 15 yılda çok sayıda çalışma yapılmıştır. Yapılan bu çalışmalar daha çok deneysel olup büyük kısmı uygulanabilir yöntemler ve tatmin edici sonuçlar içermemektedir. Bu çalışmada bu sorunu hafifletmek amacıyla yeni bir denemede bulunulmuş ve bu alanda yapılan çalışmalardan da faydalanılarak sektörde yaygın olarak kullanılan form tabanlı uygulamalar için kullanılabilecek bir kestirim modeli oluşturulmaya çalışılmıştır. Bu kestirim modelinde en çok kullanılan COCOMO II.2000 modeli referans alınmıştır. Nesnelerin karmaşıklık durumu da göz önünde bulundurularak nesne / satır sayısı dönüşüm tablosundan faydalanılarak bir kestirim yapılmaya çalışılmıştır. Bu sayede pratikte uygulanabilir bir yöntem ortaya çıkmıştır. Yöntem belirli bir proje grubu için uygulanmış tatmin edici sonuçlar elde edilmiştir. Anahtar Kelimeler: Yazılım Geliştirme Çaba Kestirimi, Yazılım Geliştirme Maliyet Kestirimi, COCOMO II, Form Tabanlı Uygulamalar
İnsan sesinden duygu tanıma
İnsanlar arasındaki en önemli iletişim aracı konuşmadır. Konuşma ile insanlar birbirlerine sadece düşüncelerini değil duygularını da aktarabilirler. Bunun yanı sıra insan sesi, parmak izi ve iris gibi biyometrik özellikleri de beraberinde taşıyabilmektedir. Konuşma ile karşımızdaki kişinin düşüncesini, duygusunu, cinsiyetini ve yaşını da tahmin edebilmekteyiz. İnsan sesi ve konuşması ile ilgili çalışmalar her ne kadar çok eski olsa da insan sesinden duygu analizi yeni bir araştırma alanıdır. Özellikle son 20 yıl içinde bu alanda çok önemli çalışmalar yapılmıştır. Bu çalışmalar başlangıçta sadece konuşmanın olumlu veya olumsuz olmasıyla ilgilenirken zamanla daha fazla duygu türleri çalışma kapsamına alınmış ve bu amaçla pek çok duygu veritabanı geliştirilmiştir. Bu çalışmada veritabanlarından en popüler olanı Berlin Emotional Database ve kendi veritabanımız olan EmoSTAR kullanılmıştır. İnsan-robot iletişiminde de duygu analizi önemli bir yer tutmaktadır ve gün geçtikçe daha ileri adımlar atılmaktadır. Önceleri konuşma sentezi yoluyla makinelerin insanlara konuşarak cevap vermeleri amaçlanmaktaydı. Bu çalışmalar oldukça başarılı olmuş ve ilk başlarda mekanik gözüken makine sesi artık insan sesine yakın bir doğallığa kavuşmuştur. Makine konuşmasındaki doğallığı daha ileri seviyelere taşımanın bir yoluda makine konuşmasına duygu ilave edebilmektir. Duygu tanıma çalışmaları konuşma ve konuşmacı tanıma ve sentez sistemlerinin geliştirilmesinde de faydalıdır.
Servis odaklı mimaride kullanılan şifreleme yöntemlerinin değerlendirilmesi
Bu tez çalışmasında günümüzde popüler olan iki mobil işletim sisteminin yine günümüzde neredeyse internet kelimesinin yerine geçmeye başlayan bulut kavramına olan ilişkileri, farklılıkları, kendileri için bulut kavramı ve bu ortamda kullandıkları güvenlik mekanizmalarına değinilmiştir. İkinci kısımda ise WCF'de güvenlik tiplerinden biri olan mesaj seviye güvenlik tipinin iletişim mesaj boyutu ve sayısı arttırılarak bu güvenlik tipindeki algoritmalarıyla birlikte çeşitli protokollere karşı çeşitli parametreler ile test edilmiş. Protokollerin bu güvenlik tipine olan uyumu araştırılmıştır. Anahtar Kelimeler: HTTP, mesaj seviye güvenlik, TLS, REST
Biyomedikal İşaret ve Görüntülerde Görgül Kip Ayrışımı
Biyomedikal veriler, kullanıldıkları otomasyonlar sayesinde hastalık teşhisinde doktorlara büyük kolaylıklar sağlamaktadır. Bu verilerin çeşitli işaret, görüntü işleme algoritmaları kullanılarak incelenmesi ve sınıflandırma algoritmalarıyla yapısal özelliklerinin çıkarılması günümüzde yaygın hale gelmiştir. Biyomedikal alandaki bu yaygın kullanım, beraberinde bazı sorunları da getirmiştir. Bilgisayar ortamında oluşturulan yapay işaretlerin aksine EKG gibi biyomedikal işaretlerin düzensiz ve gürültülü yapısı, klasik işaret işleme algoritmalarının uyarlanması konusunda yetersizliğe sebep olmuştur. Benzeri durum, iki boyutlu işaretler olan histopatolojik görüntüler için de geçerlidir. Bu yapılardaki gürültü ve belirsizlikler, sınıflandırmada kullanılacak özelliklerin çıkarılmasına engel olmaktadır. Bu tez çalışmasında, belirli bir formül gerektirmeyen, veriyle uyumlu çalışan Görgül Kip Ayrışımı (GKA, Empirical Mode Decomposition) kullanılmıştır. İki bölümden oluşan bu çalışmanın ilk bölümünde EKG işaretleri incelenmiş, klasik işaret ayrıştırma yöntemleriyle performans kıyaslaması yapılmış ve GKA'nın özellik çıkarımında daha başarılı olduğu gözlenmiştir. Bu başarım değeri, Destek Vektör Makineleri'yle (DVM, Support Vector Machines) sınıflandırma yapılarak elde edilmiştir. İkinci bölümde de histopatolojik görüntüler incelenmiş, GKA'dan elde edilen özellikler çeşitli morfolojik araçlarla eniyileştirilmiş ve orijinal görüntü öğesi değerleriyle elde edilen özellik kümelerine kıyasla Rassal Ormanlar (RO, Random Forests) yöntemi kullanılarak elde edilen sınıflandırma başarısında ilerleme kaydettiği gözlenmiştir. Bu çalışmadan elde edilen bilgiler, GKA ile biyomedikal işaretlerden elde edilen özelliklerin, uygun gürültü giderme araçlarının kullanılmasıyla, sınıflandırılma performansını arttırma konusunda klasik yöntemlerden elde edilen özelliklere göre daha belirleyici olduğunu göstermiştir.
Doğal afetlerden sonra yüksek öncelikli tweet'lerın tesbiti ve özetlenmesi
Günümüzde en çok kullanılan mikroblog servislerinden biri olan Twitter, anlık bilgi bakımından değerli bir kaynaktır. Doğal afetler sırasında kısa sürede doğru yerlere müdahalenin yapılması insan hayatı açısından büyük önem taşımaktadır. Bu çalışmada doğal afetlerden hemen sonra yazılan tweet'lerden yüksek öncelikli olanların tespit edilip özetlenmesiyle yardım birimlerine anlık doğru bilgi kaynağı sunmayı hedefleyen yeni bir sistem tasarlanmış ve gerçekleştirilmiştir. Sistemin çalışmasını değerlendirmek için doğal afetler sonrası gönderilen tweet'lerden bir veri tabanı oluşturulmuş, yaralı ve hasar durumu gibi değerli bilgiler içeren tweet'ler yüksek öncelikli, diğer tweet'ler düşük öncelikli olmak üzere iki sınıfa ayrılmıştır. Tweet'ler, ilk olarak gürültünün temizlenmesi ve sınıflandırıcıların daha başarılı şekilde değerlendirebilmesi için ön işlemden geçirilmiştir. Daha sonra Destek Vektör Makinesi yöntemi ile sınıflandırma yapılarak tweet'lerin öncelikli olup olmadıkları belirlenmiştir. Öncelikli olarak işaretlenen tweet'ler Hibrit TF-IDF yöntemi ile özetlenerek bu kümeyi en iyi temsil eden tweet'ler seçilmiştir.
A cross-layer design for next generation wireless networks: V2V perspective
Recent advances in the automotive industry enabled us to build fast, reliable, and comfortable vehicles with various safety features. Roads are designed and made safer than ever before as well. Nevertheless, analyses and reports show that traffic accidents still remain one of the major causes of death and/or serious injuries around the globe. are expected to minimize the total number of accidents, if not prevent them completely. Safety is not the sole objective of . Routing optimization, green environments with reduced fuel consumption and carbon emission, and infotainment applications are also prominent targets of . It is clear that all of these objectives, envisions, and services require some sort of a communications network structure. Note that two key components of any transportation system are vehicles and the transportation infrastructure. Therefore, it is easier to analyze the network structure required by in terms of and networks. A network in represents a set of physically close–by vehicles which are communicating with each other within a local geographical region. network, on the other hand, consists of vehicles that communicate with the transportation infrastructure. Due to the high–level mobility, signaling in both and networks is established via wireless links. Generally, is considered to be supported by a backhaul over the network so that it is connected to the core or backbone network. Among and networks, networks receive slightly more attention compared to networks due to the following reasons: First of all, network topology for networks is dynamic and of transient nature because of high–level of mobility. This implies that network entry, establishing connection, and maintaining a high–level of are relatively difficult tasks as compared to those in traditional terrestrial communications networks such as cellular networks. Second, network traffic consists of several types of messages including emergency–related data with various requirements. From this perspective, information flow, data integrity, authorization, and security become life–critical concerns. In addition, in case there are multiple networks in the vicinity, relaying especially the critical emergency–related messages from one node to another needs to be considered very carefully. In this regard, establishing a connection between transient networks along with the aforementioned information flow, data integrity, and security concerns is a serious challenge for the networks. Note that none of the concerns listed here poses severe problems for the networks given that the transportation infrastructure can handle the signaling seamlessly. In order to tackle the problems and concerns listed above, generally the traditional layered architecture is adopted in the literature for networks. Although it is a very powerful and successful strategy, layered architecture falls short in solving some critical issues especially in networks such as dynamic resource allocation. This points out that a cross–layer approach could provide different perspectives while benefiting from the layered architecture. At the end, it should be stated here that the standardization efforts are not mature enough yet for networks. For instance, network entry procedures and the non-emergency/service channel selection mechanisms are not explicitly defined in the draft version of the standard. This automatically indicates that there are some design gaps which could be supported by the findings of research carried out in this field especially with the cross–layer support. Hence, in this dissertation, a novel cross–layer predictive channel selection mechanism is proposed for networks in order to minimize the average number of collisions. Both and layers are incorporated into the cross–layer design. At layer, first a novel, fractional rate sensing mechanism is proposed, which reduces the total number of computations in order to obtain sufficient statistics for the decision. Next, the necessary condition for the optimum predictive sensing strategy is derived and validated by the empirical data obtained by field measurements. It is also shown that any linear predictive strategy outperforms the general Markovian–based prediction schemes under various traffic load scenarios in case the derived necessary condition is satisfied. Finally, a protocol which is developed based on master–slave architecture along with a nomination procedure operating on a single universal broadcast channel is proposed at the layer. The proposed protocol is fed with the output of the layer predictive channel selection mechanism and completes the network entry procedure for networks.
Omuz manyetik rezonans görüntülerinden Humerus bölütlenmesi ve Hill-Sachs lezyonlarının tespiti
Proton dansite (PD) ağırlıklı MR görüntülerinde homojenlik, sinyalin gürültüye oranının düşük olması ve kemik sınırlarının açıkça belirgin olmaması problemleri mevcuttur. PD ağırlıklı görüntülerin bu özellikleri PD görüntülerinin bölütlenmesini hatta gözle algılanmasını zorlaştırmaktadır. Çalışmanın amacı bilgisayar destekli tanı (BDT) sistemi geliştirerek normal ve anormal (ödemli ve Hill-Sachs deformiteli) humerus başı görüntülerini Hermite transformundan ve PHOG metodundan türetilen doku ve şekil özellikleri ile tanıyabilmek ve ACWE (active contour without edge) modelinin PD ağırlıklı görüntülerden humerus başını bölütlemedeki verimliliğini belirlemektir. Gürültünün standart sapmasını SDN (standard deviation of noise) ilgili alandan ROI (region of interest) tahmin ederek SRAD (speckle reducing anisotropic diffusion) metodunun kullanım alanını PD ağırlıklı MR görüntüleriyle genişlettik. otomatik olarak dairesel Hough transform ile başlangıç konturunun yerini belirleyerek bölgesel tabanlı metotların başlangıç konturunun yerini belirleme probleminin üstesinden geldik. Signed pressure force (SPF) model, Fuzzy C-means ve Gaussian mixture modelleri karşılaştırma amacıyla uygulandı ve dört metodun bölütleme sonuçları aynı zamanda alan uzmanının manuel olarak gerçekleştirdiği sonuçlarla karşılaştırıldı. Hermite transform tabanlı doku özelliklerinin humerus kemiğini sınıflandırma performansı curvelet, contourlet ve GLCM (gray level co-occurrence matrix) tabanlı doku tanımlayıcıları ile karşılaştırılarak değerlendirildi. Hermite tabanlı doku özellikleri, görüntü şekillerini yerel ve düzenini uzaysal olarak tanımlayan PHOG (Pyramid of histograms of orientation gradient) ile birleştirildi. Çıkarılan özellikler MLP (Multi-Layer Perceptron), SVM (Support Vector Machine) ve KNN (K- Nearest Neighbors) metotları ile değerlendirilerek normal ve anormal alanları tanımlama performansları değerlendirildi. Önerilen yaklaşım kendi veri setimiz olan 79 normal, 140 anormal (91 ödemli ve 49 Hill-Sachs lezyonlu ) PD ağırlıklı humerus başı MR görüntüleri üzerinde test edildi. Hermite tabanlı doku analizi ve PHOG metodu ile en yüksek sınıflandırma başarısı SVM metodu ile % 99.54'tür. Elde ettiğimiz sonuçlar önerilen sistemin normal ve anormal PD ağırlıklı MR görüntülerinin sınıflandırılmasında ümit verici olduğunu belirtmektedir. Hermite transform tabanlı özellik analizi ile PD ağırlıklı MR görüntülerinden kemik lezyonlarını sınıflandırma açısında literatürde örnek çalışmadır.
Model-güdümlü mimari kullanılarak bir konum sunucusu yazılımının geliştirilmesi
ÖZETModel-güdümlü mimari (MDA), modeli yazılım geliştirmenin temel öğesi kabul ederek,uygulamaların geliştirilmesi için yeni bir yaklaşım sunmaktadır. Tamamlanmış bir MDAuygulaması; eksiksiz bir platform-bağımsız UML modeli, uygulama geliştiricinindesteklemeye karar verdiği platformlara ait bir veya daha fazla platform-bağımlı model vetamamlanmış gerçekleştirmelerden oluşmaktadır.MDA, gerçekleştirme detayları ile iş fonksiyonlarını birbirinden ayırmaktadır. Böylece heryeni teknoloji ortaya çıktığında, uygulama veya sistemin işlevini ve davranışlarını tekrarmodellemeye gerek kalmamakta, yeni ve farklı teknolojileri desteklemek kolaylaşmaktadır.Bu çalışma, MDA ve ilgili kavramları açıklamak ve bunları örnek bir yazılım projesi üzerindehayata geçirmek amacını taşımaktadır. Örnek proje olan Konum Sunucusu yazılımıgeliştirilirken, günümüzün MDA modelleme araçlarının elverdiği ölçüde, kodun mümkünolduğu kadar çok kısmı, yaratılan platform bağımsız model üzerinden otomatik olarakoluşturulmuştur ve mümkün olduğu kadar az kısım elle kodlanmıştır.Anahtar kelimeler: Model-güdümlü mimari, MDA, UML, MOF, yazılım modelleme, konumtabanlı sistemler.
Linux işletim sistemi çekirdeği ile bütünleşik bir kriptografik sistemin tasarımı ve gerçeklenmesi
ÖZETGünümüzde Internet sayesinde bilgi paylaşımı hızla artmaktadır. Teknolojide yaşanan hızlıgelişme bilginin önemini daha da arttırmıştır. Bilginin değerinin artması ve bilgi paylaşımınınkolay hale gelmesi sonucu güvenli veri iletişimi ile ilgili yapılan çalışmalara ağırlıkverilmiştir.Güvenli veri iletişimi için uygulama odaklı çözümler üretilerek uygulamalara özel bilgilerinkorunması sağlanmıştır. Genel anlamda yetersiz kalan bu çözümlere alternatif olarakuygulama bağımsız, Transmission Control Protocol (TCP) paketlerinin güvenliğini sağlayanbaşka protokoller geliştirilmiştir. Fakat bu protokoller sadece TCP protokolünüdestekleyebilmektedir. User Datagram Protocol (UDP), Internet Control Message Protocol(ICMP), vb. Internet Protocol (IP) protokollerine destek verebilmek için çalışmalar protokolbağımsız çalışabilecek bir mimari üzerine yoğunlaşmıştır. Sonuç olarak sık kullanılan InternetProtocol Security (IPSec) protokolü tasarlanmıştır. Fakat bu protokolün de bazı dezavantajlarıvardır. Zor düzenlenebilir yapısı ve her paket için eklediği ekstra verinin, iletişimiyavaşlatması bunlardan bazılarıdır (Alshamsi ve Saito, 2005).Geliştirdiğimiz sistem, Protocol Independent Lightweight Secure Communication (PILSC),güvenli veri iletişimine standart bir çözüm getirebilmek için IPv4 tarafından tanımlı fakatkullanılmayan güvenlik alanına işlerlik kazandırmaktadır. Tez çalışmasında, veri iletişimindekullanılan güvenlik mekanizmalarının eksik yönleri incelenip yeni bir sistem tasarlanmıştır.IPSec'in protokol bağımsız çalışabilmesine rağmen yavaş veri transferi ve zor düzenlenebiliryapısı, daha hızlı çalışan ve kolay düzenlenebilir bir yapı olan PILSC'in tasarlanması için birneden olmuştur. Tez çalışmasının en önemli hedefi, sistemin çekirdek seviyesindegerçeklenmesi ile kriptografik işlemlerin zaman tüketimini en aza indirip, güvenli veriiletişiminin hızını arttırmaktır. PILSC verinin gizliliğine önem verirken bilginin kimliğinindoğrulanması (authentication) ve bütünlüğü (integrity) konularında yapılacak çalışmalara açıkbir yapıya sahiptir.Tasarlanan mimari Linux işletim sistemi üzerinde gerçeklenmiştir. Geliştirme metodu olarakbirçok avantaj sağlayan Loadable Kernel Module (LKM) seçilmiştir. Sistem gerçeklendiğindeçalışan güvenlik modülü, modülün yüklü olduğu bilgisayardaki veri iletişiminin seçilenkurallara uygun olarak yönetilmesini sağlar.Yapılan testler sonucunda PILSC sistemininçekirdek seviyesinde çalışmasının şifreleme işlemlerinin kullanıcı seviyesinde yapılmasınagöre %75-%90 performans artışı sağladığı görülmüştür. Ayrıca PILSC sistemi, IPSec veSSL'e göre güvenli veri transferini %20-%25 daha hızlı gerçekleştirebilmektedir.Anahtar Kelimeler: Linux, protokol bağımsız, kolay düzenlenebilir, hızlı güvenli veriiletişimi
Performans artırmaya yönelik paralel mimarilerin yapay sinir ağları yaklaşımı ile değerlendirilmesi
ÖZETGelişen teknolojiler ve paralel sistemlerin yaygınlaşması sayesinde performans analizi giderekartan bir gereklilik haline gelirken geleneksel yöntemler arasında oluşan boşluğu dolduracak,evrensel ve kullanımı daha kolay olan modellere ihtiyaç da artmaktadır. Bu tezin amacıözellikle haberleşme ağları üzerinde paralel çalışan kümelenmiş bilgisayarlar için yapay sinirağlarını kullanarak bir performans tahmin ve analiz yöntemi geliştirmektir.Performans tahmini alanında istatistiksel yöntemler şimdiye kadar yaygın olarak kullanılmışolmasına rağmen, yapay sinir ağlarının bu amaçla kullanımı ilk kez bu çalışmada önerilmiştir.Elde edilen sonuçlar yapay sinir ağlarının ve özellikle geri dönüşümlü ağların bu alanda başarıile kullanılabileceği yönündedir.Yapay sinir ağı modelleri, gerçek kullanıcı kodlarının kullanılmasına ve sunulan modelleringirdilerini oluşturan donanım ve yazılım parametreleri arasındaki etkileşimleri izlemeyeolanak verdiği için, karşılaştırmalı değerlendirmelerden daha sağlıklı ve detaylı sonuçlarvermektedir. Modeller, gerçeklenmelerinin kolaylığı ve modellerin oluşturulması sırasındabirtakım varsayımlara ihtiyaç bırakmaması açısından, simülasyon ve analitik yöntemlere dealternatif oluşturmaktadır.Oluşturulan yapay sinir ağı (YSA) modelleri, farklı platformlar üzerinde çalıştırılan paralelprogramların aritmetik işlem ve haberleşme performanslarını tahmin etmek için kullanılmıştır.Kullanılan modellerden ilki tek gizli katmanlı, ileri beslemeli, geri yayılımlı YSA modeliolup, sinir ağının eğitim yöntemi olarak Levenberg-Marquardt tercih edilmiştir. Tasarlananikinci model ise, beş adet içerik elemanına sahip, kısmi geri dönüşümlü Elman ağıdır veBFGS eğitim algoritması ile birlikte kullanılmıştır. Testlerde kullanılmak üzere iki ayrıuygulama seçilmiştir. Bunlardan ilki işlemciler arasında yoğun veri alışverişi gerektiren, 2-boyutlu bir Hızlı Fourier Dönüşümü (FFT) uygulamasıdır. Seçilen ikinci uygulama ise tipikbir kayan noktalı aritmetik uygulaması olarak sınıflanabilecek, Monte Carlo yönteminikullanan bir uygulamadır. YSA modellerinin eğitilmesi, testi ve doğrulanması için kullanılanveriler iki şekilde elde edilmiştir. Verilerin önemli bir kısmı seçilen paralel uygulamaların SunSparc iş istasyonu üzerinde çalıştırılması ile, diğer kısmı ise farklı donanım ve komünikasyonsistemlerinin, PACE (Performance Analysis and Characterisation Environment) yardımı ileoluşturulan modelleri kullanılarak elde edilmiştir.Anahtar Kelimeler: Yapay sinir ağları; Performans analizi; Performans değerlendirme;Paralel bilgisayarlar; Paralel hesaplamaxii
Haber videoları için yüz tanıma ve doğrulama yöntemleri ile arşivleme sistemi
HABER VİDEOLARI İÇİN YÜZ TANIMA VE DOĞRULAMA YÖNTEMLERİ İLEARŞİVLEME SİSTEMİKürşat KÜÇÜKKÖŞKERBilgisayar Mühendisliği, Yüksek Lisans TeziÇoklu ortam uygulamalarının önem kazanması ile birlikte, poz ve aydınlatmanın çeşitlilikgösterdiği, çözünürlüğün düşük olduğu haber videolarında kişiler ile bilgileri arşivlemek vegerektiği zaman sorgulamak için tanıma ve doğrulama işlemlerini görsel bilgileri kullanarakgerçekleştiren çalışmalar önem kazanmıştır.Bu tez çalışmasında, haber videolarında istenilen kişilere ait bilgileri saklamak vesorgulayabilmek için yüz tanıma ve doğrulamaya dayalı bir arşivleme sistemi geliştirilmiştir.Haber videoları saniyede 25 görüntü alınarak değerlendirilmiştir. Yüz tanıma veya yüzdoğrulama işleminin ilk adımı olan yüzün bulunması aşamasında, dik ve cepheden yüzgörüntüleri için özellik tabanlı yüz bulma yöntemi kullanılmıştır. Özellik tabanlı yüz bulmaişleminin sonuçları ten bölgesi filtresinden geçirilerek yanlış yüz bulma oranı azaltılmıştır.Bulunan yüz bölgeleri yüz veritabanındaki görüntülerin boyutlarına ölçeklenmiştir. Yüzözellikleri Temel Bileşenler Analizi (TBA) ve Doğrusal Ayırtaç Analizi (DAA) yöntemleri ileçıkarılarak her iki yöntemin tanıma ve doğrulama başarısına etkisi değerlendirilmiştir. Yüztanıma ve doğrulama için Öklid Uzaklık Metriği ve Destek Vektör Makineleri (DVM)yöntemleri kullanılarak başarıları karşılaştırılmıştır. Elde edilen sonuçlara göre özellikçıkarımı için TBA, tanıma işlemi için DVM'nin birlikte kullanımının en başarılı sonucuverdiği gözlenmiştir. Tanıma veya doğrulama işleminin sonucunda sorgulanan kişilere aitgörüntüler yeni bir video dosyasına kaydedilerek arşivleme işlemi tamamlanmıştır.Anahtar Kelimeler: Haber videoları, yüz bulma, yüz tanıma, temel bileşenler analizi,doğrusal ayırtaç analizi, destek vektör makineleriJÜRİ:1. Yrd. Doç. Dr. M. Elif KARSLIGİL (Danışman) Kabul tarihi: 20.03.20062. Prof. Dr. Fikret GÜRGEN Sayfa sayısı: 813. Prof. Dr. Coşkun SÖNMEZ