Yüksek Lisans Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/20.500.14411/23

Browse

Now showing 1 - 4 of 4

Diş Hekimliği Uygulamalarında Yapay Zeka Kullanım Niyetini Etkileyen Faktörler: Ankara İli Örneği
(2025) Alqaifi, Faten; Tengilimoğlu, Dilaver
Bilim ve teknoloji alanındaki sürekli ilerlemeler, diş hekimliğine yapay zeka (YZ) entegrasyonu yoluyla girmiş, tedavi süreçlerini kolaylaştırma, operasyonel verimliliği artırma ve klinik sonuçları iyileştirme gibi faydalar sunmuştur. Alanı devrim niteliğinde dönüştürme potansiyeline rağmen, diş hekimleri arasında YZ kullanımı sınırlı kalmakta ve bunun önünde çeşitli engeller bulunmaktadır. Bu araştırmanın iki temel amacı vardır: Ankara'daki diş hekimleri arasında yapay zeka kullanımına yönelik temel engellerin düzeyini ve yapay zekayı kullanma niyetini etkileyen faktörleri incelemek ve bu ilişkilerde yaş, cinsiyet ve önceki deneyimin düzenleyici bir rol oynayıp oynamadığını değerlendirmektir. Araştırmada, Ankara'daki çeşitli diş klinikleri ve hastanelerinde çevrimiçi anketler uygulanarak niceliksel ve kesitsel bir yaklaşım benimsenmiş ve 440 katılımcıdan oluşan bir örneklem seçilmiştir. Elde edilen bulgular, performans beklentisi, çaba beklentisi ve sosyal etkinin diş hekimlerinin YZ'yi kullanma niyetini olumlu yönde etkilediğini (küçük etki büyüklüğüyle) ortaya koyarken, YZ kaygısının daha güçlü bir olumsuz etki yarattığını göstermektedir (orta düzeyde etki büyüklüğüyle). Düzenleyici analiz, yaş, cinsiyet ve önceki deneyimin önerilen ilişkiler üzerinde anlamlı bir etkisinin olmadığını göstermiştir. Bu araştırma, mevcut sınırlı literatüre katkıda bulunmakta ve YZ entegrasyonunu kolaylaştırmak amacıyla politika yapıcılar ile diğer paydaşlar için uygulanabilir öneriler sunmaktadır. Bulgulara dayanarak, YZ kullanım niyetini etkileyen faktörler ile karşılaşılan engelleri hedef alan çeşitli stratejiler önerilmiştir. Bu stratejiler arasında düzenleyici çerçeveler, etik YZ tasarımı, YZ'nin diş hekimliğindeki destekleyici rolünün açık bir şekilde iletilmesi, YZ eğitim ve öğretiminin güçlendirilmesi, sosyal platformların kullanımı ve kullanıcı dostu YZ araçlarının geliştirilmesi yer almaktadır.
Frekans Alanında Görüntü Sınıflandırma İçin Konvolüsyonel Sinir Ağlarının Uygulanması
(2024) Dağı, Göktuğ Erdem; Gökçay, Erhan; Tora, Hakan
Bu tezde, Evrişimsel Sinir Ağları (CNN'ler) son yıllarda çeşitli görüntü işleme ve bilgisayarlı görme görevlerinde dikkate değer başarılar elde etmiştir. Geleneksel CNN'ler doğrudan uzaysal alan görüntüleri üzerinde çalışır. Bununla birlikte, Hızlı Fourier Dönüşümü (FFT) yoluyla elde edilen görüntülerin frekans alanı gösterimi, piksel değerlerinin ilişkisizleştirilmesi ve hesaplama karmaşıklığında potansiyel azalma gibi benzersiz avantajlar sunar. Bu tez, görüntü sınıflandırmasını ve tanıma doğruluğunu artırmak için FFT ile dönüştürülmüş görüntülerin CNN algoritmalarına girdi olarak kullanılmasının etkilerini araştırmayı amaçlamaktadır. Araştırma, FFT'nin teorik temellerinin ve özelliklerinin kapsamlı bir incelemesiyle başlıyor. Daha sonra CNN'ler için ön işleme ardışık düzenlerinde FFT'nin entegrasyonunu araştırıyor. Giriş görüntülerini uzamsal alandan frekans alanına dönüştürerek, CNN'lerin en önemli frekans bileşenlerine odaklanarak daha verimli öğrenebileceğini, dolayısıyla yakınsama oranlarını ve genel performansı potansiyel olarak iyileştirebileceğini varsayıyoruz. Bunun etkinliğini değerlendirmek için CIFAR-10 (Kanada İleri Araştırma Enstitüsü), MNIST (Modifiye Ulusal Standartlar ve Teknoloji Enstitüsü)-Digits ve MNIST-Fashion dahil olmak üzere çeşitli kıyaslama veri setleri kullanılarak deneyler gerçekleştirildi. yaklaşmak. FFT ile dönüştürülmüş görüntüler çeşitli CNN mimarilerine beslendi ve sonuçlar, geleneksel uzaysal alan girdileri kullanılarak elde edilenlerle karşılaştırıldı. Sınıflandırma doğruluğu, eğitim süresi ve hesaplamalı kaynak kullanımı gibi ölçümler titizlikle analiz edildi. Sonuçlar, FFT tabanlı ön işlemenin, özellikle veri kümelerinin yüksek frekanslı gürültü veya gereksiz bilgi içerdiği senaryolarda, sınıflandırma doğruluğunda iyileştirmelere yol açabileceğini göstermektedir. Ancak faydaların farklı veri kümeleri ve ağ mimarileri arasında farklılık göstermesi, FFT ön işlemenin etkililiğinin bağlama bağlı olabileceğini düşündürmektedir. Sonuç olarak bu tez, FFT ön işlemesinin CNN iş akışlarına dahil edilmesinin görüntü işleme görevlerini geliştirme konusunda umut vaat ettiğini göstermektedir. Bulgular, hem uzaysal hem de frekans alanı bilgisinden yararlanan hibrit modellerin geliştirilmesi ve FFT tabanlı tekniklerin diğer sinir ağı türlerine ve makine öğrenimi algoritmalarına uygulanması da dahil olmak üzere gelecekteki araştırmalar için yollar önermektedir. Bu çalışma, bilgisayarlı görme alanını geliştirmek için frekans alanı analizinin derin öğrenme metodolojileriyle nasıl sinerjik olarak entegre edilebileceğinin daha geniş bir şekilde anlaşılmasına katkıda bulunmaktadır.
İhracat Miktarlarının Gelişmiş Zaman Serisi Tahmini İçin Transformatör Modellerinden Yararlanma
(2024) Coşkun, Çağrı; Yıldız, Beytullah; Yazıcı, Ali
Forecasting export amounts is crucial for small and medium-sized enterprises (SMEs) to remain competitive in global markets. Traditional machine learning methods often struggle with the complexities of multiple multivariate time-series analysis, where financial data is recorded annually for each company, showing irregular fluctuations and long-term dependencies. Address these challenges, we introduce a Transformer based approach for forecasting export amounts using annually repeated financial data. The Transformer model, with its advanced attention mechanisms, outperformed Random Forest and Long Short-Term Memory (LSTM) models on our dataset, which spans nine years for each enterprise. When the number of time points in the dataset was reduced, the Transformer model exhibited a significant drop in performance. However, its performance increased notably with the use of an extended time series, clearly showing that successful and impactful results require sufficiently long, feature rich time series, enhanced by effective feature engineering. These findings indicate that Transformer models can significantly improve the accuracy of forecasting complex time series based on financial data and offer valuable insights for SMEs and policymakers.
Yapay Zeka Teknikleri Kullanılarak Bor Nitrür Kaplamalarının Modellenmesi
(2025) Küçüköztaş, Korcan; Turhan, Çiğdem; Kaftanoğlu, Bilgin
Bor nitrür (BN), yüksek ısıl iletkenlik, düşük sürtünme katsayısı ve yüksek sertlik gibi mükemmel özelliklere sahip bir seramik malzemedir. Ancak, BN kaplamalarının Fiziksel Buhar Biriktirme (FBB) süreci ile Magnetron Saçtırma (MS) tekniği kullanılarak uygulanması, süreç parametreleri ile kaplama özellikleri arasındaki karmaşık etkileşimler nedeniyle zorludur. Bu tez, altı gelişmiş makine öğrenmesi tekniğinden yararlanan Yapay Zeka (YZ) tabanlı bir çerçeve kullanılarak BN kaplama sürecinin modellenmesi ve optimizasyonuna yönelik yenilikçi bir yaklaşım sunmaktadır. Çelik numuneler, farklı kaplama parametreleri ile kaplanmış ve yüksek hassasiyetli ekipmanlarla karakterize edilmiştir. Verileri tanıyabilmek amacıyla, keşifsel veri analizi gerçekleştirilmiştir. Üç farklı kaplama özelliğini tahmin etmek üzere altı farklı mimari kullanılarak makine öğrenmesi modelleri geliştirilmiş ve regresyon değerlendirme metrikleri ile karşılaştırılmıştır. Son olarak, en başarılı modeller, yeni veri setleri üzerinde tahminlerde bulunmak amacıyla kullanılmış ve sonuçlar görselleştirilmiştir. YZ tabanlı yaklaşım, karar verme süresini azaltarak istenilen özelliklere göre en uygun parametrelerinin belirlenmesini sağlamaktadır.

Browse

Browsing Yüksek Lisans Tezleri by Subject "Artificial Intelligence"