26
Arşivlenen Tez
0
DOI Atanmış
0%
DOI Oranı
Anabilim Dalı
Çoklu sensör tabanlı yapay zeka destekli el beceri değerlendirme sisteminin geliştirilmesi
Motor beceri testlerine karpal tünel sendromu, serebral palsi, parkinson, artrit gibi hastalıkların teşhis ve tedavi aşamalarında, el becerisi gerektiren işlerdeki personel istihdamında mesleki yeterliliklerin kontrol edilmesinde ve ergonomi çalışmalarında ihtiyaç duyulmaktadır. Motor becerilerinin tespit edilebilmesi için çeşitli yöntemler geliştirilmiştir ve bunlar birçok aşamadan ve görevden oluşmaktadır. Bu testler bir uzman gözetiminde gerçekleştirilmektedir. Bu durum özellikle nüfusu fazla olan yerlerde hastalara günler sonrasına randevu verilmesine yol açmaktadır. Ayrıca yapılan ölçümlerdeki insan faktöründen dolayı çeşitli hatalar meydana gelebilmektedir. Bu tezde amaç, üst uzuv motor becerilerinin çoklu sensörler ve yapay zeka algoritmaları ile yüksek doğrulukta otomatik olarak değerlendirilmesi, sonuçların uzmanlara sunulması ve buna bağlı olarak uzmanların iş yükünün ve ölçüm hatalarının azaltılmasıdır. Üst uzuv motor becerileri eklem yapısı, kas kuvveti, duyu, mobilite ve koordinasyon gibi birçok bileşenden oluşur. Motor becerilerinin ölçümü ve belirlenmesi bu bileşenlerin ayrıntılı test edilmesini gerektirir. Bu tez çalışmasında kişilerin el motor beceri performansları çoklu sensörler ve yapay zekâ algoritmaları ile otomatik olarak belirlenmiştir. Performans belirleme aşamasında kişilerin kas kasılma seviyeleri ile hareket sınıflandırması yapılmış ve beceri testi esnasındaki tutma-bırakma hareketi süreleri tespit edilmiştir. Uzuv açısal hız, doğrusal ivme ve hız değişim değerleri ölçülerek kaydedilmiş, görüntü işleme yöntemi ile toplam test süresi ve testte yer alan disklerin her birinin yerleştirme ve çevirme süreleri hesaplanmıştır. Elde edilen tüm bu veriler kullanıcı arayüzü üzerinden uzmanlara sunulmuştur. Bu sayede uzmanların iş yükü azaltılarak günlük hasta kabul sayılarının artırılması sağlanmış, objektif ve doğru ölçümler gerçekleştirilmiştir. Mevcut test yöntemlerinde değerlendirme parametresi olarak kullanılan testi tamamlama süresinin yanında ek metrikler de uzmanlara sunulmuştur. Sistemin çalışma performansı 20 sağlıklı katılımcı ile test edilmiştir. Bu testler sonucunda elde edilen toplam test süresi, disk tutma bırakma süreleri, her bir diskin test düzeneğine yerleştirme ve çevirme süreleri ve uzuv dinamik parametreleri elde edilerek değerlendirilmiştir. Sonuç olarak sistemin el beceri değerlendirmesini otomatik olarak gerçekleştirebildiği ortaya konmuştur.
Yazılım tanımlı çoklu ağlarda yönlendirilmiş döngüsüz graf modelli dijital cüzdan teknolojileri ile servis kalitesi destekli yönlendirme mimarisi
Bilgisayar ağı, en az iki cihazın birbiri ile bağlanarak oluşturduğu iletişim bağıdır.Bu iletişim küçük bir alan içerisinden, kilometrelerce uzak cihazlar arasında kablolu-kablosuz olarak sağlanabilir. Küreselleşmenin artması ve günümüz teknolojisinin hızla gelişmesi birbiri ile iletişim halinde olan cihaz sayısını ve ağ topolojilerinin ölçeklerini oldukça arttırmıştır. Ağ topolojilerinin büyümesi sonucunda merkezi yönetimli ağlar yerine yazılım tanımlı bulut mimarilerininde kullanılmasıyla dağıtık ağ modelleri yaygınlaşmaya başlamıştır. Çoklu ağ yapısı modellerinde, ağlar arasında kurulan iletişimde yaşanan gizlilik, güvenlik ve iletişim kalitesi ile ilgili olarak uçtan uca verilerin aktarımı sırasında bazı kalite sorunları oluşabilmektedir. Bununla ilgili olarak, verilerin bir kaynak noktadan hedef noktaya iletim aşamasında hizmet kalitesi standartları olarak kullanılan bant genişliği, gecikme, güvenilirlik gibi bazı önemli iletişim metriklerinin belirlenmesi ve kontrol edilebilmesi önem arz etmektedir. Bu nedenle, ağ topolojilerindeki verilerin dağıtık dijital cüzdan teknolojilerine dayalı bir şekilde erişilebilir ve güncellenebilir olması, sistem kalitesi, esnekliği , hızı ve güvenliği gibi konuları olumlu yönde etkilemektedir. Bu araştırmada, dağıtık dijital cüzdan teknolojilerinden bir tanesi olan Yönlü Döngüsüz Graf (YDG) modeli tabanlı yazılım tanımlı çoklu ağ mimarilerinde uçtan uca servis kalitesi desteklenerek yol hesaplama mimarisinin oluşturulması planlanmaktadır. YDG'nin verileri tek yönde hareket eden graf formatında düğümlerde taşıması geçmiş ve gelecekteki işlemleri doğrulayamayacak bir formata sahip olması ölçeklenebilirliği artırır. Önerilen mimari, YDG sayesinde, merkezi aracıları ortadan kaldırarak, paralel ve ölçeklenebilir yol hesaplamasını sağlayacaktır. YDG mimarisinde bulunan düğümlerin her biri, işlem ve veri girişini, defter bütünlüğünü ve güvenliğini kriptografik teknikler kullanarak sağlayacaktır. Ayrıca yapının kontrol, veri, uygulama düzleminin birbirinden ayrı olduğu Yazılım Tanım Ağ modeli ile desteklenmesi sistemin esnekliğini, ölçeklenebilirliğini olumlu yönde etkiler .Oluşturulacak YDG tabanlı mimari tedarik zinciri yönetimi, Nesnelerin Interneti (IoT) ve merkezi olmayan finans platformları, vb. uygulamalarda eş zamanlı olarak işlemlerin yapılmasına olanak sağlayacaktır.
Yazılım tanımlı çoklu ağlarda makine öğrenmesi ve blok zinciri ile geliştirilmiş servis kalitesi destekli yönlendirme mimarisi
Geleceğin ağlarının ana görevi, mümkün olduğunca entellektüelleştirme, etkinleştirme ve özelleştirme için akıllı ağ oluşturma mimarileri oluşturmaktır. Yazılım Tanımlı Ağlar (YTA) oluşturma teknolojisi, geleneksel ağ mimarisinde kontrol düzlemi ile veri düzlemi arasındaki sıkı bağlantıyı kırarak ağ kaynaklarının kontrol edilebilirliğini, güvenliğini ve ekonomisini gerçeğe dönüştürür. Yapay zekanın yöntemlerinden biri olan makine öğrenimi, YTA mimarisiyle birleştiğinde ağ kaynak yönetimi, uçtan uca yol planlama, trafik programlama, arıza teşhisi veya ağ güvenliği gibi alanlarda etkin olmaktadır. Günümüz ağ mimarisindeki cihaz sayılarının hızla artışı, güvenlik, gizlilik, hizmet sağlama ve ağ yönetimi gibi operasyonların merkezi bir kontrol sistemi ile yapılmasını zorlaştırmaktadır. Bu nedenle, merkezi olmayan ağ yönetiminin güvenli, akıllı ve verimli olabilmesi için blokzinciri ve makine öğreniminin birlikte kullanımı akademik çalışmalarda ve endüstriyel uygulamalarda ilgi görmektedir. YTA, geleneksel ağlara göre yazılım ile yönetildiğinden kontrolü daha kolaydır. Bu ağlarda, blokzincir işlem hacmini artırmak ve ortalama blok oluşturma süresini azaltmak gibi blokzincir teknolojisi ile ilgili literatürde farklı makine öğrenme teknikleri kullanılmıştır. Bu çalışmanın amacı, Pekiştirmeli Öğrenme (PL) modellerinin yardımıyla blokzinciri ile servis kalitesi destekli uçtan uca çoklu ağlarda yol bulma mimarisinin oluşturulmasıdır.
Derin öğrenme tabanlı segmentasyon modellerinin pankreas görüntüleri üzerinde karşılaştırmalı analizi
Pankreas, özellikle lipaz enzimiyle besinlerdeki yağı parçalayan ve diğer birçok hormonal görevi de olan vücudun hayati organlarından biridir. Endokrin işlevindeki rolü, hormonlar üreterek kan şekeri seviyelerini kontrol etmektir. İnsülin belki de en önemli örnektir ve ayrıca sindirim sisteminin bazı bölgelerinde normal hormon salınımını sağlar. Bu iki işlev bir arada iyi gitmediğinde ciddi sağlık sorunları ortaya çıkabilir. Pankreas patolojileri kanser, diyabet, pankreatit, hormonal düzensizlik veya sindirim sorunlarıdır. Çoğu pankreas bozukluğu yaşamı tehdit edici olduğundan, hekimler tarafında öncelik verilen tetkikler arasında. Pankreas hastalıklarının tespitinde ilk olarak kan ve idrar testleri yapılır. BT (Bilgisayarlı Tomografi), MRG (Manyetik Rezonans Görüntüleme), EUS (Endoskopik Ultrasonografi) gibi ek görüntüleme teknikleri, hastanın ihtiyaç duyması durumunda daha ileri incelemeler için kullanılır. Bu teknikler, pankreasın yapısını ve işlevini ayrıntılı olarak incelemek için kullanılır. Pankreas görüntüleri üzerinde tanımlama ve hatlarının belirlenmesi işlemlerine "pankreas segmentasyonu" denir. Segmentasyon süreci, doğru pankreas değerlendirmesi için gereklidir. Pankreas, bir kişiden diğerine büyük ölçüde boyut ve şekil açısından farklılık gösterir. Manuel segmentasyon zaman alır ve tüm hekimler için aynı şekilde çalışmaz. Bu görev deneyim gerektirir ve uzun, zahmetli bir süreç olabilir. Segmentasyon sürecinde hekime ön değerlendirme olarak segmente edilmiş bir görsel sunmak, değerlendirme sürecinin hızlanmasına ve hekimin dikkatinin daha uzun süre korumasına destek olacaktır. Son yıllarda, bu zorlu sorunları çözmek ve daha doğru sonuçlar elde etmek için derin öğrenme tabanlı organ segmentasyon yöntemlerine ilgi artmıştır. Derin öğrenme, teşhis verileri ve tıbbi görüntülerin yüksek doğruluk oranlarıyla sınıflandırılması gibi işlemlerde detay seviyesini artırmak için yüksek potansiyelli makine öğrenimi uygulaması olduğunu kanıtlamıştır. Derin Öğrenmeye dayalı mevcut segmentasyon teknikleri, insan çabasına kıyasla daha iyi tutarlılık ve hız sunarak burada yaygın olarak uygulanmaktadır. Bu çalışmada kamuya açık veri seti kullanılarak pankreas segmentasyonu için iki ayrı çalışma gerçekleştirilmiştir. Birinci çalışmada U-net ve V-net mimarileri karşılaştırılmıştır. Veri seti eğitim için %80 ve doğrulama için %20 olarak ayrılmıştır. Elde edilen bulgularda U-net mimarisi doğrulama duyarlılığı 99.78 eşitti ve 0.041 doğrulama kaybı elde ettik. V-net mimarisinin doğrulama duyarlılığı 99.75, doğrulama kaybı 0.046 olarak elde edilmiştir. İkinci çalışmada aynı veri seti eğitim için %80, doğrulama için %10 ve test için %10 olarak ayrılmış ve U-net, V-net, Dikkat tabanlı U-Net3B, TransU-Net3B, SwinU-Net3B ve FocalU-Net3B derin öğrenme mimarileri karşılaştırılmıştır. Elde edilen bulgularda Dice skoru; U-net 86.55, V-net 82.09, Dikkat tabanlı U-Net3B 85.47, TransU-Net3B 85.28, SwinU-Net3B 85.63, ve FocalU-Net3B için 84.55 olarak elde edilmiştir. Mimarilerin yüksek doğruluk oranları, derin öğrenme yaklaşımlarının pankreas segmentasyonunda başarılı olduğunu kanıtlamaktadır. Pankreas segmentasyonu, özellikle pankreas hastalıkları için cerrahi bağlamda son derece önemlidir. Cerrahi, pankreas kanseri gibi ölümcül hastalıkların tedavisinde en etkili yöntemlerden biri olarak kabul edilir. Ancak cerrahi sırasında başarılı olmak için pankreasın doğru bir şekilde belirlenmesi, hasta ve hekimler açısından çok önemlidir. Sadece cerrahi müdahale için değil, aynı zamanda hastalık tedavisinin değerlendirilmesi ve tedavinin etkinliğinin analizi için de hekimler açısından önemlidir. Bu nedenle, teşhis ve tedavide hem hız hem de doğruluk açısından segmentasyonun doğruluğu ve hızı esastır. Hastanın bakış açısından hastalığın teşhisinde büyük önem taşıdığı not edilmelidir. Bu süreçlerdeki hataların giderilmesini kolaylaştıran derin öğrenme algoritmalarına dayalı bu metodolojiler, hastalıkların daha erken ve daha doğru bir şekilde tespit edilmesine yardımcı olur.
Trafik sayımı lokasyon problemi için yeni çözüm yaklaşımları
Trafik sayımı, trafik akışını izlemek ve belirli bir süre boyunca bir istasyondan geçen araç nüfusunu ölçmek için kullanılır. Bu sayım bilgileri daha sonra başlangıç-varış seyahat tahmini yapmamızı ve böylece bir ulaşım ağında daha iyi uzun vadeli planlamaya sahip olmamızı sağlar. Ancak bu süreç çok fazla zaman, yatırım ve iş gücü gerektirebilir. Birçok araştırmacı, daha gerçekçi başlangıç-varış seyahat tahmini amacıyla mevcut kaynakların (örneğin emek, zaman, para) optimum kullanımına odaklanmaktadır. Bu nedenle, yönetici veya karar verici, trafik sayım istasyonlarının konumunu, başlangıç-varış çiftleri arasındaki seyahatlerin nasıl gerçekleştiği hakkında bilgi toplayacak şekilde seçer. Konumlama çabasının maliyetini en aza indirirken (yani, minimum sayma istasyonu sayısını bulma), sayım istasyonlarının en uygun yerini bulmayı amaçlayan bu problem literatürde trafik sayımı lokasyon problemi olarak bilinir. Trafik sayımı lokasyon problemleri literatüründe iki temel sorun ortaya çıkmaktadır. (1) Mevcut kesin çözüm yöntemleri düşük hesaplama performansına sahiptir ve bu nedenle yalnızca bir dizi küçük veya orta ölçekli ağa uygulanabilir. (2) Çözülebilecek sınırlı ağ kümesi, bu alandaki yeni sezgisel yöntemlerin etkinliğini değerlendirmek için kullanılabilecek ölçüt kümesini tam olarak kısıtlar. Bu tezin motivasyonu, her iki sorunun çözümünde iyileştirme yapmanın, bu sorunların bir devletin veya ajansın kaynaklarını etkin bir şekilde yönetmek gibi önemli yönetsel kaygıları ele alan büyük, gerçek hayat durumlarına uygulanmasına olanak sağlamada önemli bir adım olduğudur. Bu bağlamda, çalışmamız, tüm başlangıç-varış yolculuk çiftlerinin bağlantısını kesmeyi amaçlayan yeni ve etkili Tamsayı Programlama modelleri sunmaktadır. Tüm potansiyel yolların üretilmesine ihtiyaç duymadan başlangıç-varış çiftlerini izleyebilen bu çalışmadaki önerilen modellerin, iyi bilinen ulaşım ağları üzerinde test edilen kapsayıcı hesaplama deneylerimize göre problemi çözmek için gereken süreyi büyük ölçüde azalttığını gözlemlenmiştir. Bu nedenle, bu tezde önerilen modeller, kısa sürede en uygun çözümü geri getirmenin yanı sıra izlenebilirlik nedeniyle, trafik sayımı lokasyon problemi literatüründeki önemli boşluğu doldurmaktadır.
Konveyör bant üzerinde yapay zekâ tabanlı balık sınıflandırma
Günümüzde yapay zekâ teknolojilerinin gelişimi, birçok sektörde olduğu gibi balıkçılık alanında da çeşitli sorunlara çözüm sunmaktadır. Balıkçılık sektöründe, aynı anda yakalanan farklı türdeki balıkların manuel olarak sınıflandırılması hem zaman alıcıdır hem de hata payı yüksektir. İnsan eliyle yapılan bu sınıflandırma işlemleri, balık türlerinin doğru tespit edilememesine ve dolayısıyla verimliliğin düşmesine neden olmaktadır. Bu durum, maliyet artışı ve kalite kontrolünde sorunlar yaratmakta, sınıflandırma sürecinin otomatikleştirilmesi gerekliliğini ortaya koymaktadır. Bu çalışmada, hareketli bir konveyör üzerinde ilerleyen balıkların görüntüleri alınarak, bu görüntülerden elde edilen verilerle yapay zekâ tabanlı nesne tespiti ve sınıflandırma işlemleri gerçekleştirilmiştir. Çalışma kapsamında üç farklı balık türüne ait toplam 3915 görüntü toplanarak özel bir veri seti oluşturulmuştur. Görüntü işleme ve nesne tanıma alanında güçlü bir performans sergileyen YOLO algoritmasının son sürümleri olan YOLOv8, YOLOv10 ve YOLOv11 modelleri bu çalışmada kullanılmıştır. Modellerin ortalama mAP50-95 performans değerleri sırasıyla YOLOv8 için %77.7, YOLOv10 için %78.9 ve YOLOv11 için %79.4 olarak elde edilmiştir. Elde edilen sonuçlar, YOLO algoritmalarının balık türlerinin otomatik sınıflandırılmasında yüksek doğruluk ve hız sunduğunu göstermektedir. Bu sistemin uygulanmasıyla birlikte insan müdahalesine olan ihtiyaç azalmakta, sınıflandırma süreci daha tutarlı ve ekonomik hale gelmektedir.
Dijital sürdürülebilirlik perspektifinden tekstil üretiminde bir BT yatırım değerlendirme çerçevesi
The textile industry, one of Türkiye's and the world's leading and most significant industries, is undergoing an intensive digitalization process driven by the need to enhance competitiveness through operational efficiency, social compliance, and sustainability requirements. This paper presents a comprehensive assessment framework to evaluate IT (Information Technologies) investments in textile production from a digital sustainability perspective. The framework structured around eight key criteria: technological infrastructure, cost, data security, strategic fit, organizational culture, management support, environmental impact, incentives and policies. Each main criterion is further broken down into sub-criteria to facilitate a systematic and detailed analysis. The evaluation applied on nine IT investment alternatives: Internet of Things (IoT), Digital Twin(DT), Enterprise Resource Planning ERP) Systems, Image Processing (IP), Energy Management Systems (EMS), Manufacturing Execution Systems (MES), Smart Logistics and Inventory Management (SL/IM), Block-chain (BC), and Augmented Reality and Virtual Reality Applications (AR/VR) across eight criteria and twenty-two sub-criteria. To address the uncertainties inherent in decision-making processes, Spherical Fuzzy Logic integrated with AHP and TOPSIS are employed. This hybrid approach combines expert opinions and industry insights, providing a robust and flexible prioritization process under complex, real-world conditions. Preliminary findings indicate that the proposed framework not only helps decision- makers in selecting the most suitable IT solutions for digital transformation but also supports sustainable development in the textile industry by balancing economic, environmental and social objectives. Although the primary focus is on Türkiye's textile industry, the adaptable nature of the framework supports its application in a variety of industries and international environments. Future research directions and potential limitations of the study are discussed, paving the way for further improvements and empirical validation.
Nesnelerin interneti bazlı uç bulut sistemleri için konteyner taşıma yaklaşımı
The increasing demand for edge computing and the rise of cloud systems have led to the need for efficient resource management and workload distribution across edge and central cloud environments. Containerization has emerged as a popular solution for application deployment and management due to its lightweight and portable nature. However, migrating containers between edge and cloud environments horizontally and vertically poses challenges in terms of network latency, resource constraints, and service availability. This research project aims to develop a container migration approach specifically tailored for edge-cloud systems. The objective is to design and implement a mechanism that enables seamless and efficient container migration between edge devices and cloud infrastructure. By leveraging the advantages of both edge and cloud computing, it will be possible to allocate resources dynamically based on workload demands and optimize the overall system performance. Key aspects of this project include investigating the challenges and requirements of container migration in edge-cloud systems, designing an efficient migration mechanism that considers network latency, resource availability, and service continuity, evaluating the performance and reliability of the migration approach under various scenarios and workloads, analyzing the cost-effectiveness and resource utilization of the proposed solution compared to traditional deployment models, and developing strategies for load balancing, fault tolerance, and workload optimization to enhance the overall system efficiency. This project aims to provide insights into the feasibility and benefits of container migration in edge-cloud systems. The findings will contribute to the development of more efficient resource management strategies and enable the seamless deployment and migration of containers across edge and cloud environments.
Akıllı kentsel sahne analizi için derin öğrenme mimarileri
Smart city analysis becomes an emerging field in autonomous urban life problems. Image semantics is a complex problem where the image classification, the semantic segmentation and the object detection subroutines are staged in a cascade framework through spatio-temporal datasets. Urban scene analysis has been coupled in several applications such as aviation, robotics, city security, autonomous vehicles, and mass transport. The initial problem of an urban scene is characterized as the pursuit of discrete 2D-3D movements on the streets of a city. Therefore, an accurate segmentation of the scene is required to minimize the spatial gap in the scene. The complete framework provides critical decision-making tools to protect the human beings and the moving objects. To prevent the accidents, new generation autonomous systems turn on their real time sensors to monitor all possible movements in a street. The task of semantic segmentation is to label every pixel including the background into a semantic class. The object detection locates the presence of objects with a bounding box and types or classes of the located objects in an image. Therefore, the detection requires the invariant representations whereas the segmentation needs the equivariant representations. The instance segmentation contains these two tasks: object detection and semantic segmentation. This thesis is composed of the instance segmentation of base objects through Cityscapes dataset. YOLACT deep learning architecture has been applied on high resolution images. The method has been found fast as it requires one stage segmentation. The quality of the masks was better for the large-scale objects.
Akıllı tarım uygulamaları
With climate change, global warming and population growth, agricultural problems grew and product sustainability came under risk with classical agriculture. For this reason, digitalization has been directed in agriculture. It has been an effective approach that provides critical advantages to producers to make agriculture more sustainable. The main purpose of digitalization in agriculture is optimizing complex agricultural systems by applying information and data technologies. The basis of smart agriculture is the IoT technologies. However, the focus of smart agriculture is accessing data such as temperature and humidity in real time and processing collected data in useful way. The processing of data collected by using different sensors with machine learning is making the collected information meaningful and usable. The purpose of my project is instantly observing the temperature and humidity values collected through sensors, determining the optimum values suitable for agriculture and taking action as soon as the threshold point is exceeded. So DHT11 sensor, ESP8266 and Google Cloud are used for this. Today, cloud technologies provide effective solutions for real-time monitoring collected data from devices and machines. Different types of gateways are used transfering the collected data to cloud platforms. Here mosquitto was used as the MQTT server for the performance analysis. Near this machine learning methods used detecting disease in grown lettuce leaves. Detection of plant diseases is one of the most applied developments in agriculture determining whether the plant's leaves are healthy or ill. For this the data were preprocessed by image processing techniques using machine learning algorithm.
RFM segmentasyonu ile bir hibrit öneri sistem uygulamasi
A recommendation system is a type of information filtering system established to suggest items or content to users based on their preferences and behavior by using data analysis techniques. The system is designed to predict what users might like based on their past interactions with the system or other users like them. To build a recommendation system, commonly used data analysis techniques are collaborative filtering, content-based filtering, and hybrid filtering. Collaborative filtering analyzes the past behavior of users and the items they have interacted with to identify patterns and similarities between users. Content-based filtering uses similar items, such as type or keywords, that the items have their own characteristics. Hybrid filtering combines these two approaches to provide more accurate recommendations. To implement a recommendation system, data is collected from various sources such as user ratings, user behavior, user demographics, and item characteristics. This data is then analyzed to identify patterns and relationships between users and items, and the results are used to suggest personalized recommendations to users. Overall, recommendation systems are a powerful tool for businesses to increase user engagement and improve customer satisfaction by providing personalized and relevant recommendations to users. Many online service providers use a recommendation system to assist their customers' decision- making by generating recommendations. Accordingly, this thesis proposes a new recommendation system for tourism customers to make online reservations for hotels with the features they need, saving customers time and increasing the impact of personalized hotel recommendations. This new system combined collaborative and content-based filtering approaches and created a new hybrid recommendation system. Two datasets containing customer information and hotel features were analyzed by Recency, Frequency, Monetary (RFM) method in order to identify customers according to their purchasing nature. The main idea of the recommendation system is to establish correlations between users and products and make the decision to choose the most suitable product or information for a particular user. As a result of the exponential growth of online data, this vast amount of information for use in the tourism industry can be leveraged by decision-makers to make purchasing decisions. Filtering, prioritizing, and beneficially presenting relevant information reduces this overload. There are following three main ways that recommendation systems can generate a recommendation list for a user; content-based, collaborative-based, and hybrid approaches. This thesis describes each category and its techniques in detail. RFM Analysis is used to identify customer segments by measuring customers' purchasing habits. It is the process of labeling customers by determining the Recency, Frequency, and Monetary values of their purchases and ranking them on a scoring model. Scoring is based on how recently they bought (Recency), how often they bought (Frequency), and purchase size (Monetary). Experimental results show that the accuracy of behavior analysis using Manhattan distance- based hybrid filtering is greatly improved compared to collaborative and content-based algorithms.
Döngüsel tedarik zincirleri: Toplam gıda endüstrisinde bozunmuş ürün tespiti için bir IoT uygulaması
Today, majority of food created is wasted rather than consumed, which has a negative impact on worldwide hunger and the economy. Improvements to aggregate supply chains are at the forefront of the actions needed to meet these problems. One of such improvements noted in this research was aggregate food storage. ESP8266 Microcontroller, along with DHT11 temperature and humidity sensor and MQ3 alcohol sensor, is used to measure the storage conditions of fruit products. Data gathered is sent to AWS-Cloud-Computing-Service via MQTT protocol and is stored in databases using rules defined. As result, the sensor data in the database is examined using AWS IoT Analysis. As temperature rises, crops begin to decompose. Accordingly, a rule in cloud is defined to fire with out-of-range measurements, and AWS Simple Notification Service is triggered to send ambient readings to user via SMS and e-mail. Convolutional Neural Network model was developed to classify fruits based on their variety and freshness using binary and multiclass classification. Models was first taught using images of 1693 fresh apples, 1581 fresh bananas, 1466 fresh oranges, 2342 rotten apples, 2224 rotten bananas, and 1595 rotten oranges and tested with images of 395 fresh apples, 381 fresh bananas, 381 fresh oranges, and 388 rotten apples, 601 rotten bananas, and 530 rotten oranges over 50 epochs. Binary model had 99.15% training and 97.59% testing accuracy whereas multi class model had training accuracy of 99.59% and testing accuracy of 98.99%.
Çalışanların eğitim ağının karmaşık ağ analizi
The advances in technology and data science affect many fields positively. One of these fields is education. Learning analytics have the potential to develop new ways of achieving excellence in teaching and learning. The companies try to use learning analytics techniques for their employees' education and aim to improve employee performance. The education data sets of Softtech employees are used in this study. Softtech is a software company in Turkey, and those data sets include different types of technical, non-technical, online, and offline education. All data sets are combined, and an employee network is created by connecting employees via education. In this study, complex network analysis, dynamic and static network analysis, link prediction, and machine learning techniques are applied with the aim of creating an education recommendation system. The study initially began with community detection in dynamic networks. During the application phase, it was concluded that due to the changes caused by the impact of the COVID-19 pandemic in the data, it was not suitable for community detection in dynamic networks. Therefore, it was decided to proceed with the link prediction method in the study. But the network is extensively examined as a dynamic network. In method section, all the methods used in the study are explained in detail. Firstly, information about how dynamic and static networks are generated is provided. Subsequently, information regarding the analysis of all micro, macro, meso, and time series required for the analysis of a complex network is shared. Descriptions of all the parameters used in the analyses are provided. After the information about network generation and analysis, a literature review on link prediction methods is shared. Afterwards, information regarding machine learning algorithms to be used for link prediction and performance evaluation metrics for these algorithms are shared. Finally, the method stage is completed by creating a template for machine learning-based link prediction for the education network of employees. When it comes to the application part, dynamic networks are firstly created. These dynamic networks are analyzed using the methods described in the method section, and the results are shared. There is data available for a period of 5 years, from January 2017 to December 2021. These data sets are separated on a monthly basis to create dynamic networks. At the end, a total of 59 monthly network files are obtained. Networks are generated from each network file. The connections between employees in relation to their education and the evolution of these connections are visualized on a monthly basis. Visuals from the year 2017 are shared to provide an idea. Sequentially, macro, micro, and meso analyses are conducted for each network. Based on these analysis results, the node counts, link counts, network structures, centrality measures, and community structures of each network are visualized. Information such as the node with the highest degree, the node with the highest betweenness centrality, and the nodes belonging to the same community can be accessed from these visualizations. Some of this information is shared to provide an idea. In the time series analysis section, each parameter is examined over time, and it is checked whether predictions can be made for the future. The impact of the COVID-19 pandemic is evident here. During the quarantine period, all employees work from home, resulting in an increase in the number of employees receiving education (node count) and the number of education sessions (link count) during the COVID-19 pandemic. Due to the lack of a regular distribution, successful results are not observed in terms of prediction. Additionally, the sudden decrease in the number of nodes (employees receiving education) in August 2018 indicates a period of mandatory collective leave. After analyzing and examining the data, the link prediction process is initiated. After explaining the raw data, the newly created education dictionary, and the newly generated static network structure, link prediction methods are applied in sequence. A total of 15 different link prediction methods are applied. Data until 2021 is used as training data, and data for 2021 is used as test data. These operations are performed using both training and test data. The output file contains 15 attributes corresponding to 15 methods. The output file also includes a label attribute indicating whether there is a connection between nodes in the network. Some of the connection prediction results are shared for illustrative purposes. Ultimately, two separate output files are generated, one for the training data and one for the test data, with 21 columns and 222778 rows each. The output files generated in the previous step are used as input files in the machine learning step. Prediction is being attempted using machine learning algorithms such as XGBoost, gradient boosting, random forest, logistic regression, support vector machines, and multilayer perceptron. Accuracy, precision, recall, and F1 score values are being examined to compare the accuracy of the models. The results of these values are shared in tables. Different preferences can be made for the model, but generally, support vector machine seems to be more preferred due to its consistency. All of its values are greater than 98%. The results indicate that the machine learning-based connection prediction method can be used in our study. It is observed that it is applicable to our data, and the results are usable. The subject of how to improve it is addressed. In the next stage, education information can also be recorded on the connections. The strength of the connection can be considered based on the number of shared education received. It is possible to advance and improve the study with different methods.
Mikroişletme organizasyon yapısı türü perspektifinden, BSU kullanarak yapay zekanın sürdürülebilirlik üzerindeki iş etkilerine ilişkin önerilen bir değerlendirme çerçevesi
The increasing incorporation of Artificial Intelligence (AI) into corporate structures demands a thorough investigation of the implications for sustainability, especially in the complex environment of micro-enterprises. This study aims to provide a comprehensive assessment framework designed for examining the complex interactions between AI implementation and sustainability results, with a particular emphasis on the organizational structures characteristic of micro-enterprises. In order to acknowledge and account for the inherent uncertainties and imprecisions that characterize sustainability indicators in this dynamic setting, the proposed approach leans on fuzzy intuitionistic extensions. With a primary focus on sustainability issues, this study attempts to close current gaps in the academic discussion by offering a methodologically valid approach to evaluate the complex business implications of AI integration in the particular microenterprise environment. By utilizing fuzzy intuitionistic logic, the framework takes into account the natural desires and errors that come with sustainability metrics. This allows for a more realistic and nuanced representation of the complex relationships that exist between AI technologies and the organizational structures that are essential to micro-enterprises. Important components of the suggested assessment system include defining relevant sustainability aspects, creating fuzzy intuitionistic indicators relevant to micro-enterprises, and including a strict assessment process. By systematically utilizing this paradigm, our research aims to provide insightful information about the possible benefits and difficulties associated with implementing AI in micro-enterprises, so contributing to a more nuanced understanding of the technology's implications for sustainable business practices. The expected results of this study will provide fundamental information for later academic investigations and guide policy decisions intended to promote ethical and sustainable AI adoption in the microenterprise space.
Kablosuz sinyalleri kullanarak duygu tanıma
Emotion recognition is a critical aspect of human-computer interaction and affective computing, with applications ranging from personalized user interfaces to mental health monitoring. This study explores the performance of various machine learning algorithms for emotion recognition using physiological signals obtained from subjects under diverse experimental conditions. The methodology involves conducting a series of carefully designed experiments to collect physiological data from participants. These experiments vary in environmental conditions, including distance from the transmitter and receiver, heart rate variability, and subject posture. Several machine learning algorithms are evaluated in the study and the performance of these algorithms is assessed using various metrics. The results of the experiments demonstrate significant variations in algorithm performance across different experimental conditions. Through comparative analysis, Random Forest emerges as the top-performing algorithm, consistently achieving the lowest MAE values across experiments. However, SVM also demonstrates competitive performance, especially in scenarios involving high heart rates. These findings underscore the importance of algorithm selection and optimization in achieving accurate emotion recognition in real-world applications. In conclusion, this study provides valuable insights into the performance of machine learning algorithms for emotion recognition using physiological signals. By understanding how different factors influence algorithm performance, researchers and practitioners can develop more effective emotion recognition systems for a wide range of applications, including healthcare, human-computer interaction, and affective computing.
Sezgisel bulanık küme kullanılarak Z kuşağı işgücü perspektifinden kurumsal kültürün sürdürülebilirliğini etkileyen öncelikli çalışan bağlılığı alanlarının tespiti
This article addresses issues affecting corporate culture sustainability, such as high turnover rates and declining employee commitment observed with the entry of Generation Z (Gen-Z) into the workforce. Given the increasing importance of corporate culture sustainability in the business world, understanding these issues and developing effective solutions has become critical, leading human resources professionals to conduct studies in this field. In this context, this research, conducted using data analysis methods, focuses on accurately identifying the challenges that arise during the integration of Gen-Z into the workplace. The main objective of the study is to determine the primary causes behind the increased turnover rates and decreased employee commitment in the workplaces of the younger generation compared to the past. The research concentrates on consistent changes that organizations can make to overcome these issues. The research findings will identify organizational culture type that should be chosen and key areas contributing to the reduction in employee commitment from the perspective of the young workers. The results will contribute to the literature by providing strategic recommendations that focus on improving corporate culture sustainability. These outcomes will guide the business world in facilitating the integration of Gen-Z in-to the workforce and help companies take steps toward creating a sustainable work environment.
E-ticarette satın alma kararlarını etkileyen faktörlerin özellik önemi metodları ile tespiti ve metodların kıyaslanması
Online retail enterprises engage in two primary activities to foster revenue generation and thrive in the market. The initial focus involves augmenting user traffic to the online shopping platform, followed by the subsequent task of converting this traffic into tangible revenue. Marketing endeavors are dedicated to attracting customers to online shopping platforms, often incurring substantial costs. Given the financial implications of obtaining traffic, it becomes imperative to not only draw users but also incentivize them to make purchases on the platform. Consequently, comprehending the pivotal factors influencing customer purchase decisions is crucial for online shopping platforms. This study aims to scrutinize the factors shaping consumer purchase decisions by utilizing an illustrative case from an e-commerce platform. The objective is to ascertain the most influential factor among various possibilities, such as traffic source types (Google, campaign, direct, etc.), customer persona or segment, types of pages or components visible on the platform, product placement on the page, customer participation in campaigns or discounts, product review scores and counts, and whether the product was recommended by the platform's recommendation system. Throughout the data collection phase, performance issues will be addressed through SQL optimization and other techniques. Additionally, data quality concerns will be rectified to ensure uniform and reliable results. Subsequently, statistical methods, supervised machine learning, and deep learning approaches will be employed on the data to derive feature importance values. These values will illuminate which factors play the most decisive role in customer purchase decisions. Finally, the study will compare and evaluate the performances of seven methods, presenting a comprehensive examination unprecedented in the existing literature in terms of methodological diversity.
Otomatik makine öğrenimi yöntemlerini kullanarak anomali tespit çerçevesi oluşturma
In terms of both research academic and general purposes, the importance of machine learning techniques is undeniable. However, these methods rely heavily on manual intervention for data refinement and parameter optimization, posing a challenge for researchers of varying levels of expertise. This reliance creates significant barriers for users with varying expertise levels, as existing frameworks struggle to manage diverse data types—structured, unstructured, and semi-structured—thereby compromising effective anomaly detection and limiting comprehensive data analysis. This thesis introduces an Automated Machine Learning (AutoML) framework designed for robust outlier detection across multiple data structures. Unlike traditional AutoML systems that necessitate some pre-classification of data or manual algorithm selection, this framework autonomously classifies datasets, discerns their characteristics, and directs them through a tailored pipeline to apply suitable outlier detection algorithms. This end-to-end automation is rare in the realm of outlier detection and represents a significant advancement. The framework's core functionality includes an automatic classification of datasets into categories like spatial, time-series, and dimensional statistical, based on intrinsic characteristics. This classification informs tailored preprocessing techniques that enhance data quality for effective outlier detection. For example, spatial datasets undergo geospatial transformations, while time-series data are adjusted for seasonality. The framework was tested across 100 diverse datasets from fields including finance, healthcare, and social media. It demonstrated a reduction in processing time and anincrease in precision, with a maintained recall rate exceeding 85 percent across majority of datasets. Additionally, the framework dynamically selects outlier detection algorithms based on the data type, enhanced by a meta-learning component that utilizes historical data to optimize algorithm selection. An early stopping mechanism conserves resources by halting processing once performance thresholds are met, ensuring efficiency and scalability. Overall, this paper contributes a novel and versatile framework that streamlines the outlier detection process, offering a systematic approach similar to an AutoML system. It paves the way for enhanced efficiency and effectiveness in outlier detection tasks across different domains and datasets. Furthermore, the integration of outlier detection mechanisms within this enhanced data environment is anticipated to yield faster identification of irregularities without compromising accuracy or reliability. The framework aims to accelerate the detection process and increasing the efficiency of outlier identification tasks. The comprehensive evaluation across diverse datasets seeks to showcase the framework's adaptability and consistent performance, validating its ability to automate outlier detection across varying data types and scenarios. The successful demonstration of this framework would mark a substantial step in simplifying and refining outlier detection processes in data analysis across multiple domains and datasets.
Otomobil satışı yapan alışveriş sitelerinin bulanık çok kriterli karar verme yöntemleri kullanılarak E-S-QUAL'e dayalı değerlendirilmesi
E-S-QUAL, internet hizmet kalitesinin ölçülmesinde kullanılan bir hizmet kalitesi ölçeği olup, tüketici ve web siteleri arasındaki etkileşimi "sistem etkinliği", "sistem uygunluğu", "işlem gerçekleştirme yetisi" ve "gizlilik" boyutları ile değerlendirir. Sistem etkinliği, bir web sitesine erişmenin ve onu kullanmanın kolaylığını ve hızını ifade eder. Sistem uygunluğu, web sitesinin teknik işlevselliğini ifade eder. İşlem gerçekleştirme yetisi, web sitesinin sipariş teslimatı ve ürünün mevcut olma durumu ile ilgili vaatlerinin ne ölçüde yerine getirildiğini ifade eder. Son olarak gizlilik, bir web sitesinin güvenli olma derecesini ve müşteri bilgilerinin korunmasını ifade eder. E-S-QUAL yöntemi hizmet kalitesini ölçen ve uygulayıcılara organizasyonlarındaki hizmet kalitesinin seviyesi hakkında ipuçları veren önemli bir yaklaşım olarak dikkat çekmektedir. Ancak müşterilerin düşüncelerini değerlendirirken aralıklı ölçek kullanıldığı için objektif ölçümler yapmakta eksik kalmaktadır. Bulanık kümeler bu eksikliğin giderilmesinde önemli katkılar sunmaktadır. Ülkemizde ve dünyada özellikle pandemi sonrası 2. el online binek ve hafif ticari araç pazarında yaşanan büyüme bu sektörün hizmet kalitesine duyulan ilgiyi artırmıştır. Yapılan bu çalışmada, müşteriler açısından e-ticaret sektöründe yer alan otomobil satışı yapan öncü alışveriş sitelerinin performansları E-S-QUAL kriterleri bazında bulanık çok kriterli karar verme yöntemlerinden Pisagor bulanık Analitik Hiyerarşi Prosesi (AHP) ve Pisagor bulanık İdeal Çözüme Benzerlik Bakımından Sıralama Performansı Tekniği (TOPSIS) ile değerlendirilmiştir. E-S-QUAL ve bulanık çok kriterli karar verme tekniklerinin entegre edilmesi ile, hizmet kalitesi ölçümünde belirlenen kriterlerin ağırlıklandırılması ve önem düzeylerine göre sıralanarak daha kapsamlı bir hizmet kalitesi değerlendirmesinin yapılması sağlanmıştır. Müşterilerin kalite beklentilerini değerlendirmek üzere belirlenen kriterler, otomobil satışı konusunda uzman kişilerin görüşleri alınarak ağırlıklandırılmıştır. Ayrıca Türkiye'nin önemli otomobil satışı yapan alışveriş siteleri, bu siteleri daha önce deneyimlemiş aynı uzmanların değerlendirmelerine göre kıyaslanarak hizmet kalitelerine göre sıralanmıştır.
Bir ankastre fabrikasında sipariş gecikmelerinin tip-2 bulanık kural tabanlı hata türü ve etkileri analizi ile incelenmesi
İşletmeler, günümüz rekabet koşullarında ayakta kalabilmek için ürün ve hizmet kalite seviyelerini sürekli olarak iyileştirme arayışı içindedir. Vaktinde karşılanamayan her talep müşteri memnuniyetsizliğine, problemin çözülmeyip tekrarlanması durumunda ise müşteri kayıplarına sebep olabilmektedir. Hata Türü ve Etkileri Analizi (HTEA) (Failure Mode and Effects Analysis-FMEA) olası veya bilinen hataların risklerini tanımlayan ve bu risklere göre hata türlerini önceliklendiren bir tekniktir. Bu teknik hataların oluşmadan veya müşteriye ulaşmadan önlenmesi prensibine dayandığından, önleyici bir teknik olarak yaygın bir şekilde kullanılmaktadır. HTEA'da hataların ortaya çıkma olasılığına, ortaya çıktığı durumlarda müşteri üzerindeki etkisini gösteren şiddetine ve saptanabilirliğine göre hataları sıralamak ve bu sıralamaya göre iyileştirme aksiyonu alarak kalitesizlik kaynaklı iç ve dış başarısızlık maliyetlerini azaltmak amaçlanmaktadır. Bu çalışmada bir ankastre firmasındaki siparişlerin müşterilere geç teslimatı problemi, AIAG (Automotive Industry Action Grup) & VDA (Verband Der Automobilindustrie) tarafından 2019 yılında yayınlanan kılavuza göre aksiyon önceliğini belirleyerek hata türlerini sıralayan Proses HTEA (P-HTEA) formu esas alınarak analiz edilmiştir. HTEA'da olasılık, şiddet ve saptanabilirlik dereceleri dilsel ifadelere dayandığı için bulanık mantık yaklaşımından yararlanılmıştır. MATLAB Fuzzy Logic Designer kullanılarak Tip-1, Tip-2 ve Aralık Tip-2 bulanık kümeleri için hesaplamalar yapılmış ve sonuçlar karşılaştırılmıştır. Yapılan analizler sonucunda farklı önceliklendirmeler elde edildiğinden, ortak bir öncelik sıralaması elde etmek üzere gri ilişki analizinden yararlanılmıştır. Elde edilen sıralama, sipariş gecikmelerinden hammadde ve yarımamül stok sapmalarının öncelikli olarak sorumlu olduğuna işaret etmiştir.
Stratejik yönetim modeli olarak sürdürülebilirlik dengeli hedef kartı ve bir işletmede uygulanması
Teknolojinin gelişmesi ile küreselleşen dünyada işletmeler daha rekabetçi bir ortamda varlıklarını sürdürmeye çalışmaktadır. Bu rekabetçi ortamda fark yaratmak isteyen işletmelerin modern yönetim sistemlerini benimsemesi ve yürüttükleri süreçlerin performansını ölçerek izlemeleri şarttır. Maddi ve maddi olmayan varlıkların birbirleriyle ilişkilerini inceleyen ve bir performans yönetim aracı olarak ortaya çıkan Dengeli Hedef Kartı (DHK), işletme stratejisini görünür hale getirmekte ve bu özelliğinden dolayı stratejik yönetim modeli olarak anılmaktadır. Sürdürülebilirlik kavramı ise günümüzde çevresel ve sosyal duyarlılığın bir göstergesi olarak işletmeler tarafından benimsenmektedir. Sürdürülebilirlik boyutu, dengeli hedef kartında müşteri, içsel süreçler ve öğrenme gelişme boyutları gibi gayrı maddi varlıklar arasında yerini almakta ve önemini artırmaktadır. Bu çalışmada dengeli hedef kartı yöntemi tanımlanmış, stratejik yönetim modeli olarak hangi yönleriyle ele alındığı açıklanmıştır. Çıkış noktasında belirlenen dört boyut (finansal, müşteri, içsel süreçler, öğrenme ve gelişme) haricinde sürdürülebilirlik boyutunun yönteme dahil edilmesi sürecinden bahsedilmiştir. Literatürde yeni yer almaya başlayan görüntü bulanık AHP ile dengeli hedef kartında yer alan boyutlar, stratejik amaçlar ve kritik başarı faktörlerinin ağırlıklandırılması amaçlanmıştır. Bir cam işleme işletmesinde öncelikle dengeli hedef kartı çerçevesi stratejik amaçlar, boyutlar ve kritik başarı faktörleri belirlenerek çizilmiş, ardından PF-AHP yöntemi ile amaç, boyut ve kritik başarı faktörlerinin ağırlıkları bulunmuştur. Belirlenen göstergelerin performansı OMAX (Objective Matrix) yöntemi ile puanlandırılmış ve bu puanlar ağırlıklar ile birleştirilerek şirket için bir performans puanı hesaplanmıştır. Ayrıca şirketin hedeflerini gerçekleştirme başarısının ölçümü için de bir hesaplama yöntemi geliştirilerek hedef gerçekleştirme puanı hesaplanmıştır. Hesaplanan bu puanlar doğrultusunda şirketin performansı yorumlanmış ve iyileştirme için önerilerde bulunulmuştur.
Dağıtık istemci kontrollü akıllı sulama robotu
Bilim ve teknoloji alanında her geçen gün yeni gelişmeler yaşanmaktadır. Bu gelişmelerle birlikte insanların yaşam standartları iyileşmeye devam etmekte ve konfor anlayışları da değişmektedir. Geçmişte insan eliyle yapılan bir çok işlem yeni teknolojilerin insanlığa sağladığı imkanlar sayesinde artık akıllı sistemler aracılığı ile yapılmaktadır. Bu çalışmada kapalı ortamlarda (evler, AVM'ler, seralar vb.) kullanılabilecek robotik sulama sistemi yapılmıştır. İçerik, toprağın nemini nem sensörü ile tespit ederek veri toplayan ve bilgiyi anlamlı bir veriye dönüştürmek için o bilgininin işlenmesinin gerçekleşeceği devreyi içermektedir. Çoklu istemcilerde bulunan sensörler yardımı ile elde edilen veriler sulama robotunun yapay zekası tarafından değerlendirilerek bilgiyi anlamlı bir veriye dönüştürmekte ve bu sayede sulama işlemi gerçekleşmektedir. Çoklu istemci ve robottan oluşan bu sistem sulama işlemini gerçekleştirebileceği gibi suda çözünen bitki besin maddelerini, sıvı formda ki tarımsal ilaçların da bitkilere verilmesini sağlayacaktır.
Elektroensefalografi işaretlerinin makine öğrenme tabanlı sınıflandırılmasında en iyi öznitelik seçiminin araştırılması
Anksiyete, üretkenliği ve yaşam kalitesini etkilediği kadar insan yeteneklerini ve davranışlarını da etkiler. Depresyon ve intiharın ana nedeni olarak kabul edilebilir. Günümüzde klinisyenler anksiyete bozukluklarını teşhis etmek için belirli kriterler kullanılmaktadır. Anksiyete tespitinin karmaşık görevini yerine getiren, invaziv olmayan güvenilir tekniklere ihtiyaç vardır. Bu çalışma, elektroensefalografi (EEG) sinyallerini analiz ederek ikili ve dörtlü sınıfları daha az EEG kanalı ve öznitelik sayısı kullanarak sınıflandırmayı amaçlamıştır. 23 kişinin 14 kanallı EEG sinyalini içeren DASPS veri tabanı kullanılmıştır. EEGLAB kullanarak 14 kanaldan 4 kanal seçilmiştir. Öznitelik çıkarımı için dalgacık dönüşümü, fourier dönüşümü ve istatistiksel yöntemler kullanılmıştır. MATLAB sınıflandırma öğrenicisi araç kutusundaki 4 farklı yöntem ile sınıflandırma yapılmıştır. En yüksek doğrulukta oranları, ikili sınıflandırmada %68,3 doğrulukta destek vektör makinesi, dörtlü sınıflandırmada %61 doğrulukta destek vektör makinesi ile elde edilmiştir.
Kararsız bulanık çkkv yaklaşımı ile e-atık toplama kutuları için CBS tabanlı yer seçimi
Teknolojinin gelişimine ve farklı alanlara yayılmasına bağlı olarak teknolojik alet kullanımı son yıllarda hızla artmaktadır. Kullanım ömrünü tamamlayan teknolojik aletler ise elektronik atık adı verilen atık türünün çoğalmasına sebep olmaktadır. İçerdikleri zararlı maddeler sebebiyle geri dönüşümü veya bertarafı yetkili kuruluşlar tarafından kontrollü şekilde yapılamadığı takdirde e-atıklar havaya, toprağa ve suya karışarak insan sağlığını tehdit etmektedir. Bunun yanı sıra e-atıklar içerdikleri değerli madenler sebebiyle geri dönüşümü ile ekonomiye katkı sağlamaktadır. Resmi Gazete'de yayımlanan Atık Elektrikli ve Elektronik Eşyaların Kontrolü Yönetmeliğince bu atıklar 6 grupta incelenmektedir. Bu çalışmada Çevre, Şehircilik ve İklim Değişikliği Bakanlığı tarafından, 3. ve 4. kategoride yer alan elektrikli ve elektronik atıkların toplanmasında 2015 yılında yetkilendirilmiş kuruluş olan Türkiye Bilişim Sanayicileri Derneği'nin sorumlu olduğu e-atık kutuları için Samsun iline bağlı Atakum ilçesinde en uygun yerin belirlenmesi amaçlanmaktadır. Bu doğrultuda öncelikle alanında uzman beş kişinin desteği ve literatürdeki çalışmalar doğrultusunda e-atık kutularının konumlandırılmasında önem arz eden dokuz kriter belirlenmiştir. Ardından bu kriterler Kararsız Bulanık SWARA yöntemi ile ağırlıklandırılmıştır. Sonrasında Coğrafi Bilgi Sistemleri (CBS) yardımıyla veri setleri oluşturulup, her bir kriter için haritalar elde edilmiştir. Haritalar oluşturulurken Öklid Mesafe Analizi ve Kernel Yoğunluk Analizi kullanılmıştır. Akabinde haritalar 0 ile 1 arasında normalize edilmiş ve kriter ağırlıkları dikkate alınarak ağırlıklı toplam yöntemi ile uygunluk haritası oluşturulmuştur. Bu harita ile e-atık toplama kutuları için alternatif noktalar elde edilmiştir. Elde edilen alternatif noktalar TOPSIS yöntemi ile sıralanmış ve son aşamada kriter ağırlıklarındaki değişimin alternatiflerin sıralamasını nasıl etkilediğini görebilmek adına iki farklı senaryo ile duyarlılık analizi yapılmıştır.
Küresel bulanık karar verme yaklaşımı ile Türkiye'deki illerin yaşam endeksleri açısından değerlendirilmesi
Yaşamın değerlendirilmesinde refah ölçümü kavramı önemli bir olgudur. Refahın ölçümüyle bireylerin ve toplumların gelişmişliklerini değerlendirmek için bir ölçek oluşturulmaktadır. Önceleri, refahın artırılması yalnızca ekonomik büyümeyle ilişkilendirilmiştir. Değişen dünya koşulları, ekonomik büyümenin yanı sıra doğal çevre ve bireylerin temel ihtiyaçlarının karşılanmasının da dikkate alınmasını sağlayarak çok boyutlu çalışmaların gelişmesine yardımcı olmuştur. Çok boyutlu değerlendirme çalışmaları sürdürülebilir kalkınma kavramının ortaya çıkmasıyla hız kazanmıştır. Bu kavramla yaşam; sosyal, ekonomik ve çevresel boyutlarda ulusal ve uluslararası çalışmalarla değerlendirilmeye başlanmıştır. Uluslararası çalışmalar kapsamında Ekonomik İşbirliği ve Kalkınma Teşkilatı (Organisation for Economic Co-Operation and Development-OECD) 2011 yılında Daha İyi Yaşam Endeksi (DİYE) olarak adlandırılan kapsamlı bir endeks geliştirmiştir. Ülkemizde de Türkiye İstatistik Kurumu (TÜİK) ulusal düzeyde çalışmalar kapsamında 2015 yılında 11 boyut ve 41 göstergeden oluşan illerde yaşam endeksi çalışmasını gerçekleştirmiştir. Yaşam endeksi çalışmasında boyutlar ve göstergeler hiyerarşik olarak eşit ağırlıklandırılarak genel endeks elde edilip iller sıralanmıştır. Bu çalışmada, yaşam endeksi verilerindeki 11 boyut kriter olarak dikkate alınarak önem ağırlıklarının belirlenmesi ve illerin yaşam endeksleri açısından sıralanması amaçlanmıştır. Kriterler sürdürülebilir kalkınmanın sosyal, ekonomik ve çevresel boyutları açısından gruplandırılarak değerlendirilmiştir. Değerlendirme için farklı meslek gruplarına mensup beş kişiden uzman ekip oluşturulmuştur. Küresel Bulanık Analitik Hiyerarşi Prosesi (KB-AHP) yöntemiyle değerlendirmeler yapılarak kriter ağırlıkları elde edilmiştir. Kriterlere ilişkin değerlendirmelerde sosyal boyutun ekonomik ve çevresel boyuta göre daha önemli olduğu görülmüştür. Sosyal boyutta eğitim kriterinin diğer kriterlere göre; ekonomik boyutta ise gelir ve servet kriterinin çalışma hayatı kriterine göre daha yüksek öneme sahip olduğu gözlemlenmiştir. Elde edilen ağırlıklar kullanılarak CoCoSo ve TOPSIS yöntemleriyle illerin sıralamaları yapılmıştır. CoCoSo yöntemine göre ilk sıradaki il Isparta olurken, TOPSIS yönteminde ilk sırada İstanbul yer almıştır. Son olarak duyarlılık analizi ile nihai sıralamanın esnekliği değerlendirilmiştir.
Gıda güvenliğinin sağlanmasında görüntü işleme uygulaması
Gıda güvenliği yönetiminin etkin bir şekilde sağlanmasının temelinde iyi hijyen uygulamaları bulunmaktadır. Gıda işletmecileri, iyi hijyen uygulamaları için kimyasal, biyolojik ve fiziksel nedenlerden kaynaklı her türlü bozulma ve bulaşmaya sebep olan etkenin farkında olmalı ve tüketicinin sağlığını korumak için gerekli önlemleri alarak gıda hijyenini sağlamalıdır. Gıda hijyeninin sağlanarak gıda kaynaklı sorunların önlenmesinde temizlik ve sterilizasyon, atık yönetimi, ekipman bakımı ve kontrolü, personelin kişisel hijyeni gibi iyi hijyen uygulamaları yer almaktadır. Bu kapsamda personelin kişisel koruyucu ekipman (KKE) kullanımı gıda güvenliğini sağlama hususunda başvurulan temel önleyici tedbirler arasında ele alınmaktadır. Tüm personelin hijyen açısından işe uygunluğunu temin etme yönetimin sorumluluğundadır. Yemek hazırlık ve servis alanlarında önlük, eldiven, şapka ve maske gibi KKE'lerin personel tarafından kullanımı süreklilik esasına dayandırılmalıdır. İnsanların çoğu kontrol edildiğini bildiğinde kurallara uyma konusunda daha fazla özen gösterdiğinden bu konuda personel takibi önem arz etmektedir. Ancak söz konusu takibin sürekliliği zor olup, kimi zaman ekstra iş yükü getirebilmektedir. Yapay zekanın gelişmesiyle birlikte görüntü işleme uygulamaları, otomatik ve süreklilik esasına dayalı kontrolün gerçekleştirilmesinde büyük fayda sağlamaktadır. Tez çalışması kapsamında, restoran mutfaklarında gıdaların hazırlık ve pişirme aşamalarında gıda güvenliği ve hijyenini sağlamak için personel tarafından KKE kullanımı ile ilgili uygunsuzlukların görüntü işleme teknolojisi kullanılarak tespit edilmesi hedeflenmiştir. Bunun sağlanması için gerçek zamanlı, hızlı işlem gücüne ve yüksek doğruluk oranlarına sahip derin öğrenme tabanlı Yolo algoritması tercih edilmiştir. Çalışmada maske, üniforma, eldiven ve şapka gibi gıda sektöründe kullanılan KKE'ler farklı epoch sayılarında Yolov5, Yolov8 ve Yolov9 nesne tespit algoritmaları kullanılarak tespit edilmiştir. En iyi sonuçlar Yolov9 algoritması kullanılarak elde edilmiş olup %88,5 kesinlik, %90,9 duyarlılık, %92,7 mAP değerine ulaşılarak yüksek bir başarı sağlanmıştır.