2 results
Search Results
Now showing 1 - 2 of 2
Master Thesis Kolektif Derin Öğrenme ve Transfer Öğrenme Yoluyla Mahsul ve Meyve Sınıflandırması(2023) Daşkın, Zeynep Dilan; Khan, Muhammad UmerSon yıllarda yapılan teknolojik gelişmeler, tarım sektörünü hızlı bir şekilde yeniden şekillendirerek, daha önce kullanılmakta olan geleneksel metotlarda devrim yaratıyor ve insanlık için daha sürdürülebilir ve üretken bir geleceğin yolunu açıyor. Tarım sektörü, makine öğrenmesi, sensor ve mekanizmaları kullanarak otomatikleşirken, aynı zamanda verimlilik artımı, kaynak yönetimi ve mahsul sağlığı açısından da köklü bir değişim yaşıyor. Bu tez çalışmasında, son teknoloji makine öğrenimi tabanlı görüntü işleme teknikleri ve algoritmaları kapsamlı bir şekilde araştırılmış ve analiz edilmiştir. Amaç, çeşitli mahsulleri, meyveleri ve sebzeleri doğru bir şekilde tespit eden, tanımlayan ve sınıflandıran sağlam metodolojiler geliştirmektir. Nihai hedef, gelişen tarımsal otomasyon endüstrisine önemli ölçüde katkıda bulunmak, süreçleri kolaylaştırmak ve tarım sektöründe verimliliği arttırmaktır. Gerçek yaşam koşullarına en yakın sonuçları elde etmek için, yazarların kendi oluşturduğu mahsul veri kümeleri bu araştırma boyunca önerilen algoritmalara entegre edilmiş ve kullanılmıştır. Bu çalışma sırasında kullanılan mevcut Evrişimsel Sinir Ağları algoritmaları AlexNet, GoogleNet, InceptionV3, SqueezeNet, DenseNet ve VGG-16'dır. Bu çalışmada, doğruluk, kayıp, F1-skoru, tahmin, kesinlik ve duyarlılık olmak üzere genel değerlendirme metriklerinin performansını yükseltmek için çeşitli gelişmiş algoritmalar araştırılmış ve incelenmiştir. Özellikle, tarımsal otomasyon sisteminin etkinliğini ve güvenilirliğini arttırmayı amaçlayan Kolektif Öğrenme ve Öğrenme Aktarımı adlı iki metot tanıtılmış ve kapsamlı bir şekilde analiz edilmiştir. Çalışmanın sonuçları, önerilen algoritmaların tarım endüstrisinde son derece etkili olduğunu ve istenen sonuçları benzersiz bir doğruluk ve hassasiyetle sunma yeteneklerini kanıtlamaktadır. Bu sonuçlar, bu algoritmaların operasyonel verimliliği önemli ölçüde arttırma, kaynak tahsisini optimize etme ve gelecek için tarımsal otomasyonda sürdürülebilir uygulamaları teşvik etme gibi potansiyellerini de göstermekte ve teyit etmektedir.Master Thesis Sağlık Tahmininde Optimizasyon Tekniklerinin Kullanılması(2020) Malık, Muhammad Sufyan; Yazıcı, Ali; Yazıcı, Ali; Yazıcı, Ali; Khan, Muhammad Umer; Software Engineering; Software EngineeringGünümüz dünyasında modern teknolojinin kullanımı tıp bilimi alanında birçok gelişme sağlamıştır. Yine de, tüm ilerlemelerle birlikte, çoğu hastalığın tanı ve tedavisi zor bir görev olarak kabul edilmektedir. Diyabet rahatsızlığı, erken evrelerinde tanıyı araştırmak yerine semptomlarla mücadele için daha fazla çalışılmıştır. İnsülin ve insülin emisyon eksikliğine direnç kombinasyonu tip-2 diyabet üretir. Tip-2 yüksek nüfuzludur ve hala artmaktadır. Bununla birlikte, DMT2'nin tanımlanması bir ikilemdir. DMT2 erken bir aşamada tanımlanabilirse, daha az önleyici tedbirler gerekli olacaktır ve kişi yine de sağlıklı ve kaygısız bir yaşam sürdürebilir. Veri madenciliği teknikleri kullanan birçok sağlık kehanet sistemi yerleşik sağlık segmentleri vardır. Optimizasyon teknikleri de daha kesin ve verimli sonuçlar sağlayabilir. Bu çalışmada, sınıflandırma doğruluğunu ve SVM, DT, LR gibi mevcut sınıflandırıcılar arasındaki karşılaştırmayı bulmak için dışbükey optimizasyonda En Küçük kare, Karesel programlama ve Lagrangian Yöntemi kullanılmıştır. Bu araştırma, optimizasyon tekniklerinin sağlık hastalığını öngörmek veya teşhis etmek için kullanılabileceğini ve diğer sınıflandırıcılara göre daha iyi sonuçlar verebileceğini göstermektedir. Anahtar Kelimeler: Makine Öğrenmesi, Optimizasyon Teknikleri, Doğrusal Programlama, En Küçük Kareler Yöntemi, İkinci Derece Programlama, Lagrange Yöntemi, Şeker hastalığı