16 results
Search Results
Now showing 1 - 10 of 16
Master Thesis Yapay Sinir Ağı ile Meme Kanseri Tahmin(2016) Alhasadi, Aymen; Özçelik, ErolMeme kanseri dünyada kadınlar arasında başlıca ölüm nedeni olarak yer almaktadır. Bu çalışmanın amacı, ameliyat sonrası meme kanseri tekrarını tahmin eden gürbüz bir yöntem bulmaktır. Bu çalışmada 194 örnek içeren Wisconsin Prognostik Meme Kanseri veritabanı kullanılmıştır. Meme kanseri ile ilgili gerçek veriler içerdiği için bu veritabanı seçilmiştir. Bu tezde, meme kanseri tahminini için çok katmanlı perceptron ve genelleştirilmiş regresyon sinir ağı işe koşulmuştur. Yapay sinir ağları ile ulaşılan sonuçlar ayrıca destek vektör makinesi ile elde edilenlerle karşılaştırılmıştır. En iyi sonuç, genelleştirilmiş regresyon sinir ağı yöntemi kullanıldığında bulunmuştur. Sonuçlar ve gelecek çalışmalar tartışılmıştır.Master Thesis Derin öğrenme ile orman yangını tespiti(2024) Özel, Berk; Khan, Muhammad UmerYangın algılama sistemleri can güvenliği ve maddi hasarın en aza indirilmesi açısından kritik öneme sahiptir. Bu tür sistemlerin hayati önem taşıdığı alanlardan biri de orman yangınlarıdır. Son yıllarda büyüklük, süre ve tahribat açısından rekor sayıda orman yangını yaşandı. Duman veya ısı sensörleri gibi geleneksel yangın algılama yöntemlerinin sınırlamaları vardır ve bu da ileri teknolojilere dayalı yenilikçi yaklaşımların ortaya çıkmasına neden olur. Bu tez, orman yangını tespiti için bir derin öğrenme modeli olan ResNet ile birlikte Batch-Instance Normalizasyonunun uygulanmasını incelemektedir. Çalışma, Batch-Instance Normalizasyonunun performansını diğer normalleştirme yaklaşımlarıyla karşılaştırmaktadır. Bu çalışmada modelin eğitimi için orman yangını veri seti kullanılmıştır. Bu veri seti 4609 görsel içermektedir. Bu görseller 2120 Yangın, 2499 yangın içermeyen görselden oluşmaktadır. ResNet modeli sekiz farklı optimize edici ile test edilmiş ve en iyi sonuçları veren ile eğitilmiştir. Deneyler, normalizasyon tekniklerinin ve optimize edicilerin yangın tespitinin doğruluğu üzerindeki etkisini değerlendirmektedir. Sonuçlar, tek üstel düzeltmeyle Batch-Instance Normalizasyonunun modelin doğruluğunu önemli ölçüde artırdığını göstermektedir. Deneyde model, 96.14% F1 skoruna, 96.56% doğruluğa ve 99.49% kesinlik değerlerine ulaşmıştır. Diğer yaklaşımlardan minimum %1 doğruluk farkı, %0,6 F1 skor farkı, %1,05 kesinlik farkı elde edilmiştir. Derin öğrenmenin yeteneklerini Batch-Instance Normalizasyonunuyla birleştirmek, orman yangını tespiti için umut verici ve etkili bir çözüm ortaya koydu.Master Thesis Yapay Sinir Ağına Karşı Bulanık Mantığa Dayalı Öğrenci Başarıtahmini(2021) Al-khafajı, Mustafa; Eryılmaz, MeltemE-öğrenme şu anda birinci sınıftan lisansüstü sınıflara kadar eğitim sürecinin tüm aşamalarında büyük önem taşımaktadır. Bunun sebepleri başında e-öğrenmenin öğrencilere kolay anlaşılır etkileşimli bir grafik ortam sağlaması ve her an ulaşılabilir olması gelmektedir. Bu çalışmada, E-öğrenme Yönetim Sistemini kullanan bir ortamda sınava giren öğrencilerin başarılarının tahmini için hem sinir ağı hem de bulanık mantık içeren yapay zeka teknikleri kullanılmıştır. Bu çalışmada kullanılan veri seti bir Irak mühendislik kolejinden alınmıştır ve bilgisayar bilimi dersine kaydolan 200 öğrencinin verileri kullanılmıştır. Veriler cinsiyet, yaş, indirilen kaynaklar, görüntülenen videolar, tartışma sohbetine katılım, 1. ara sınav puanı, 2. ara sınav puanı, final sınav puanı olarak sınıflandırılmıştır . Kullanılan yapay sinir ağının türü, desen sinir ağıdır. Levenberg-Marquardt'ın algoritması sinir ağlarını eğitmek için kullanılmıştır. Bulanık mantık için Sugeno bulanık çıkarım sistemi kullanılmıştır. Çalışma sonuçları umut verici ve anlamlıdır, çünkü sonuçlar öğrenme sistemine daha fazla zaman harcayan öğrencilerin en yüksek başarı oranına sahip olduğunu göstermiştir. Çalışmada sinir ağı kullanıldığında test sonuçların doğruluğu % 73 olarak kaydedilmiştir. Bulanık mantık kullanıldığında ise doğruluk sonuçlarının ortalama yüzdesi% 88 olarak bulunmuştur.Çalışmanın sonucu bulanık mantığın başarı tahmin yüzdesinin daha yüksek olduğunu göstermektedirDoctoral Thesis 3 Boyutlu Vücut ve Yüz Görüntülerinden Yaş ve Cinsiyet Tahmini(2018) Çamalan, Seda; Şengül, Gökhan; Çamalan, Seda; Şengül, Gökhan; Çamalan, Seda; Şengül, Gökhan; Computer Engineering; Information Systems Engineering; Computer Engineering; Information Systems Engineeringİnsanlardan elde edilen biyometrik veriler, insanlar ve çevre hakkında birçok bilgi sağlar. Bu bilgi ulaşım alanları (otobüs, vapur, demiryolu, vb), alışveriş merkezleri, kamu alanları, spor merkezleri, müzeler, süpermarketler, kütüphaneler, vb. gibi birçok alanda kullanılabilir. Birçok alanda dikkate alınan biyometrik veriler cinsiyet, ırk, boy, kilo, göz ve saç rengidir. Bu tez çalışmasında, insanların biyometrik verilerinden yaş aralığını ve cinsiyetlerini tahmin eden bir görüntü işleme tabanlı kombine sistem geliştirilmiş ve bir yazılım aracı haline getirilmiştir. Yüz görüntülerini elde etmek için standart RGB kamera kullanılırken vücut bilgilerini elde etmek için 3D kamera kullanılmaktadır. İnsanların cinsiyet ve yaşını tahmin etmek için istatistiksel örüntü tanıma algoritmaları, derin öğrenme ve yapay sinir ağı tabanlı yaklaşımlar kullanılmıştır. İstatistiki metotlar olarak, LBP ve HOG metotları, özniteliklerin elde edilmesi için yüz görüntülerine uygulanmakta, daha sonra KNN ve SVM sınıflandırıcılar, cinsiyet ve yaş tahmini için kullanılmaktadır. İnsanların yaşını tahmin etmek için yapay sinir ağı da kullanılmıştır ve istatistiksel yöntemler ile yapay sinir ağları arasındaki karşılaştırmalar yapılmıştır. Yaş aralığı tahmini için yüz görüntülerinden istatistiksel yöntemler ile en iyi doğruluk %40,1 olarak elde edilmiştir. CNN derin öğrenmelerinden elde edilen en iyi doğruluk oranı ise %59.1'dir. Yaş ve cinsiyet tahmini için 3D vücut bilgisi de kullanılmıştır. Yapay sinir ağları ile 3D vücut bilgilerinin sınıflandırılması sonucu cinsiyet tahmini başarımı oranını %99,26'ya ve yaş tahmini % 99.41'e yükseltilmiştir. Üst vücut ve alt vücut kısımlarının da insanların yaşının ve cinsiyetininin tahmini için kullanılabileceği değerlendirilmiş ve deneysel çalışmalar yapılmıştır.Master Thesis Frekans Alanında Görüntü Sınıflandırma için Konvolüsyonel Sinir Ağlarının Uygulanması(2024) Dağı, Göktuğ Erdem; Gökçay, Erhan; Tora, HakanBu 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.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.Article Citation - WoS: 10Citation - Scopus: 12A Study of Load Demand Forecasting Models in Electricity Using Artificial Neural Networks and Fuzzy Logic Model(Materials & Energy Research Center-merc, 2022) Al-ani, B. R. K.; Erkan, E. T.Since load time series are very changeable. demand forecasting of the short-term load is challenging based on hourly, daily, weekly, and monthly load forecast demand. As a result, the Turkish Electricity Transmission Company (TEA) load forecasting is proposed in this paper using artificial neural networks (ANN) and fuzzy logic (FL). Load forecasting enables utilities to purchase and generate electricity, load shift, and build infrastructure. A load forecast was classified into three sorts (hourly, weekly and monthly). Over time, forecasting power loads with artificial neural networks and fuzzy logic reveals a massive decrease in ANN and a progressive increase in FL from 24 to 168 hours. As illustrated, fuzzy logic and artificial neural netANorks outperform regression algorithms. This study has the highest growth and means absolute percentage error (MAPE) rates compared to FL and ANN. Although regression has the highest prediction growth rate, it is less precise than FL and ANN due to their lower MAPE percentage. Artificial Neural Networks and Fuzzy Logic are emerging technologies capable of forecasting and mitigating demand volatility. Future research can forecast various Turkish states using the same approach.Master Thesis Doku ve Şekil Bazlı Özellikler Kullanarak Yüz İfadesi Tanımlama(2016) Gül, Nuray; Tora, HakanSon zamanlarda, yüz ifadesi tanıma sistemleri (YİT), insan-makine etkileşimi uygulamaları (İME) için önemli bir role sahip olmuştur. Mevcut olan birçok sistemde, bir his tanımlanırken ya tüm yüze ait özellikler ya da yüzün bazı bölgelerine ait özellikler birleştirilerek kullanılmıştır. Bu çalışma ise her duygu tanımlanırken sadece bir uygun bölgenin kullanılmasını önermektedir ve böylece bu bölgelerin ayrı ayrı hisler üzerindeki etkilerinin ne olduğunu göstermeyi amaçlamaktadır. Sunulan tasarımda, Şaşkın ve Mutlu hislerinin ağız bölgesinin şekil özellikleri kullanılarak, diğer taraftan Korku, Öfke ve İğrenme hislerinin göz bölgesinin doku özellikleri kullanılarak tanımlanması hedeflenmiştir. Bu sebeple Fourier Tanımlayıcıları (FT) ve Yerel İkili Örüntüler (YİÖ) özellik vectörleri olarak çıkarılmış ve bu özellikler Yapay Sinir Ağları (YSA) kullanılarak sınıflandırılmıştır. Sistem, genişletilmiş Cohn-Kanade Veritabanı (CK+) üzerinde eğitilmiş ve tüm sistem için yaklaşık %88,9 başarım oranı elde edilmiştir.Article Citation - WoS: 9Citation - Scopus: 11Using Deep Learning Approaches for Coloring Silicone Maxillofacial Prostheses: a Comparison of Two Approaches(Wolters Kluwer Medknow Publications, 2023) Kurt, Meral; Kurt, Zuhal; Isik, SahinAim: This study aimed to compare the performance of two deep learning algorithms, attention-based gated recurrent unit (GRU), and the artificial neural networks (ANNs) algorithm for coloring silicone maxillofacial prostheses. Settings and Design: This was an in vitro study. Materials and Methods: A total of 21 silicone samples in different colors were produced with four pigments (white, yellow, red, and blue). The color of the samples was measured with a spectrophotometer, then the LFNx01, aFNx01, and bFNx01 values were recorded. The relationship between the LFNx01, aFNx01, and bFNx01 values of each sample and the amount of each pigment in the compound of the same sample was used as the training dataset, entered into each algorithm, and the prediction models were obtained. While generating the prediction model for each sample, the data of the corresponding sample assigned as the target color were excluded. LFNx01, aFNx01, and bFNx01 values of each target sample were entered into the obtained models separately, and recipes indicating the ratios for mixing the four pigments were predicted. The mean absolute error (MAE) and root mean square error (RMSE) values between the original recipe used in the production of each silicone and the recipe created by both prediction models for the same silicone were calculated. Statistical Analysis Used: Data were analyzed with the Student t-test (alpha=0.05). Results: The mean RMSE values and MAE values for the ANN algorithm (0.029 & PLUSMN; 0.0152 and 0.045 & PLUSMN; 0.0235, respectively) were found significantly higher than the attention-based GRU model (0.001 & PLUSMN; 0.0005 and 0.002 & PLUSMN; 0.0008, respectively) (P < 0.001). Conclusions: Attention-based GRU model provided better performance than the ANN algorithm with respect to the MAE and RMSE values.Doctoral Thesis Yapay Sinir Ağları ve Bulanık Mantık Yöntemleri Kullanarak Yük Talep Tahmini(2022) Al-anı, Barq Raad Khashea; Erkan, Turan ErmanBu çalışma, Türkiye veya 2017 ve 2018'deki saatlik elektrik yüklerini tahmin etmek için yük talep verilerini tahmin etmek için yapay sinir ağları (YSA) ve bulanık mantığın (FL) kullanılmasını önermektedir. 2017-2018 yılları için EPİAŞ verilerine dayalı saatlik elektrik yükü olarak Gerçek Zamanlı Tüketimi kullandık. Yük tahmini, iki makine öğrenme tekniği kullanılarak gerçekleştirilmiştir: YSA ve bulanık mantık FL. Öngörülen veriler, bir grafik üzerinde çizilerek gerçek verilerle karşılaştırıldı. Bu çalışmada, Türkiye'nin güç sistemlerinde yük tahmini talebini optimize etmek için YSA ve FL yöntemleri kullanılmıştır. Daha iyi bir görselleştirme modeli elde etmek için ilk ve son 200 saat YSA üzerinde çizildi ve her alandan saatlik tahminler eklenerek Türkiye için genel tahmini saatlik yük hesaplandı. 2017 yılı minimum ve maksimum okumaları 18851,35 MWh ve 47062,40 MWh, ortalama ve standart sapma okumaları ise 33102,19 Mwh ve 4968,67 MWh'dir. Sonuç olarak, bu modellerin karşılaştırılması, tümü farklı yük modelleri ve kökenleri olan yükü tahmin etmek için kullanıldı. Seriler yıl boyunca durağandır ve Ağustos ayı boyunca zirve yapar. 2017 ve 2018 için FL için MAPE değerleri sırasıyla 3.7986094 ve 5.28635983'tür ve bu çok iyidir ve yüksek doğru tahmin sonuçlarına düşer. FL'nin her iki yıl için YSA'dan daha iyi bir tahmin verdiği sonucuna varılabilir. Elektriksel tepe azaltma, enerji talebini yönetmek için herhangi bir planın hayati bir bileşenidir ve elektrik yükünün tahmini, enerji talebi yönetimi hedeflerini karşılamak için tepe yük talebi azaltmalarının planlanmasına yardımcı olur. FL'nin bize her iki yıl için YSA'dan daha iyi bir tahmin verdiği sonucuna varılabilir. Ev, enerji yönetimi araştırması, bu çalışmada önerilen yeni yük tahmin modellerinden faydalanacaktır.
