29 results
Search Results
Now showing 1 - 10 of 29
Doctoral Thesis Düşük Çözünürlüklü Görüntülerde Araç Tespiti ve Sınıflandırması İçin Birden Fazla Aşamalı Modüler Bir Yöntem(2025) Maıga, Bamoye; Dalveren, YaserAkıllı ulaşım sistemlerinde (ITS) gerçek zamanlı araç tespitinin önemi, şehir trafiğindeki araç sayısındaki sonsuz ve sürekli artışla vurgulanmaktadır. Bununla birlikte, çok çeşitli kamera kaliteleri ve çözünürlükleri, farklı görüş açıları ve zayıf aydınlatma ve olumsuz hava koşulları gibi harici ve kontrol edilemeyen değişkenlerin etkisi, doğru araç tespiti ve sınıflandırmasında birçok zorluk yaratmaktadır. Derin öğrenme tabanlı nesne algılama algoritmalarının çoğu, daha önce bahsedilen bu koşullar düşük görünürlük ve/veya düşük çözünürlüklü görüntülere neden olduğu için bu tür durumlarda zorlanmaktadır. Bu kısıtlamaların üstesinden gelmek için bu çalışma, loş ışık, kötü hava koşulları ve düşük çözünürlük gibi zorlu görüntüleme durumlarına uyarlanmış gerçek zamanlı araç tespiti ve sınıflandırması için yeni, modüler, etkili ve güvenilir bir yaklaşım önermektedir. Önerilen yaklaşım iki özel veri kümesinin oluşturulmasını içermektedir. İlk veri kümesi PASCAL VOC formatında 4.500 düşük çözünürlüklü trafik manzarası görüntüsünden oluşmakta ve transfer öğrenme yoluyla bir nesne tespit modelini eğitmek için kullanılmaktadır. İkinci veri kümesi, iki farklı sınıflandırma modelini eğitmeyi amaçlayan, her biri 100 × 100 piksel boyutlarında ve 96 dpi ve altında çözünürlüğe sahip beş araç türünün 10.000 düşük çözünürlüklü görüntüsünü içerir. Önerilen yaklaşım, son teknoloji ürünü tek aşamalı bir dedektör (SSD) olan EFFICIENTDET1'i hafif bir özel evrişimli sinir ağı (CNN) sınıflandırıcısı ve bir XGBoost sınıflandırıcısı ile entegre etmektedir. Bu kombinasyon, hem makine hem de derin öğrenme algoritmalarının güçlü yönlerinden faydalanarak tespit performansını ve sınıflandırma doğruluğunu artırır. Önerilen yaklaşımın etkinliği deneysel değerlendirme ile gösterilmiştir. Önerilen yaklaşım, 0,9323 ortalama ortalama hassasiyet (mAP) ile aynı veri kümesi üzerinde karşılaştırılabilir koşullarda geleneksel ve son teknoloji nesne algılama modellerinden belirgin şekilde daha iyi performans göstermektedir. Ayrıca, çoklu işlemin uygulandığı önerilen yaklaşım, kare başına 26 milisaniyelik bir çıkarım hızına ulaşmaktadır. Bu, son teknoloji ürünü nesne yöntemlerine kıyasla hem doğruluk hem de çıkarım hızında önemli bir gelişmeye işaret etmektedir. Önerilen yaklaşımın modüler, uyarlanabilir ve ölçeklenebilir yapısı, onu ITS'deki uygulamalar için ideal kılmaktadır. Önerilen yaklaşımın yüksek doğruluğunun yanı sıra çıkarım hızı, düşük görüntü kalitesi veya olumsuz çevresel faktörler gibi koşullar altında gerçek zamanlı uygulamalar için etkili ve operasyonel bir seçenek haline getirmektedir. Sonuç olarak, önerilen yaklaşım, zorlu durumlarda daha güvenli ve daha etkili ulaşım yönetimi sağlayabileceğinden, derin öğrenme tabanlı araç algılama alanında büyük bir potansiyele sahiptir. Bu bulgular, verimli bir nesne algılama modelinin çok işlemli bir mimaride özel sınıflandırıcılarla birleştirilmesinin, gerçek zamanlı araç algılamada gelecekteki araştırmalar için umut verici bir yönü temsil ettiğini göstermektedir.Doctoral Thesis Düşük Çözünürlüklü Görüntülerde Araç Tespiti ve Siniflandirmasi için Birden Fazla Aşamali Modüler Bir Yöntem(2025) Maiga, Bamoye; Dalveren, YaserAkıllı ulaşım sistemlerinde (ITS) gerçek zamanlı araç tespitinin önemi, şehir trafiğindeki araç sayısındaki sonsuz ve sürekli artışla vurgulanmaktadır. Bununla birlikte, çok çeşitli kamera kaliteleri ve çözünürlükleri, farklı görüş açıları ve zayıf aydınlatma ve olumsuz hava koşulları gibi harici ve kontrol edilemeyen değişkenlerin etkisi, doğru araç tespiti ve sınıflandırmasında birçok zorluk yaratmaktadır. Derin öğrenme tabanlı nesne algılama algoritmalarının çoğu, daha önce bahsedilen bu koşullar düşük görünürlük ve/veya düşük çözünürlüklü görüntülere neden olduğu için bu tür durumlarda zorlanmaktadır. Bu kısıtlamaların üstesinden gelmek için bu çalışma, loş ışık, kötü hava koşulları ve düşük çözünürlük gibi zorlu görüntüleme durumlarına uyarlanmış gerçek zamanlı araç tespiti ve sınıflandırması için yeni, modüler, etkili ve güvenilir bir yaklaşım önermektedir. Önerilen yaklaşım iki özel veri kümesinin oluşturulmasını içermektedir. İlk veri kümesi PASCAL VOC formatında 4.500 düşük çözünürlüklü trafik manzarası görüntüsünden oluşmakta ve transfer öğrenme yoluyla bir nesne tespit modelini eğitmek için kullanılmaktadır. İkinci veri kümesi, iki farklı sınıflandırma modelini eğitmeyi amaçlayan, her biri 100 × 100 piksel boyutlarında ve 96 dpi ve altında çözünürlüğe sahip beş araç türünün 10.000 düşük çözünürlüklü görüntüsünü içerir. Önerilen yaklaşım, son teknoloji ürünü tek aşamalı bir dedektör (SSD) olan EFFICIENTDET1'i hafif bir özel evrişimli sinir ağı (CNN) sınıflandırıcısı ve bir XGBoost sınıflandırıcısı ile entegre etmektedir. Bu kombinasyon, hem makine hem de derin öğrenme algoritmalarının güçlü yönlerinden faydalanarak tespit performansını ve sınıflandırma doğruluğunu artırır. Önerilen yaklaşımın etkinliği deneysel değerlendirme ile gösterilmiştir. Önerilen yaklaşım, 0,9323 ortalama ortalama hassasiyet (mAP) ile aynı veri kümesi üzerinde karşılaştırılabilir koşullarda geleneksel ve son teknoloji nesne algılama modellerinden belirgin şekilde daha iyi performans göstermektedir. Ayrıca, çoklu işlemin uygulandığı önerilen yaklaşım, kare başına 26 milisaniyelik bir çıkarım hızına ulaşmaktadır. Bu, son teknoloji ürünü nesne yöntemlerine kıyasla hem doğruluk hem de çıkarım hızında önemli bir gelişmeye işaret etmektedir. Önerilen yaklaşımın modüler, uyarlanabilir ve ölçeklenebilir yapısı, onu ITS'deki uygulamalar için ideal kılmaktadır. Önerilen yaklaşımın yüksek doğruluğunun yanı sıra çıkarım hızı, düşük görüntü kalitesi veya olumsuz çevresel faktörler gibi koşullar altında gerçek zamanlı uygulamalar için etkili ve operasyonel bir seçenek haline getirmektedir. Sonuç olarak, önerilen yaklaşım, zorlu durumlarda daha güvenli ve daha etkili ulaşım yönetimi sağlayabileceğinden, derin öğrenme tabanlı araç algılama alanında büyük bir potansiyele sahiptir. Bu bulgular, verimli bir nesne algılama modelinin çok işlemli bir mimaride özel sınıflandırıcılarla birleştirilmesinin, gerçek zamanlı araç algılamada gelecekteki araştırmalar için umut verici bir yönü temsil ettiğini göstermektedir.Doctoral Thesis Düşük Çözünürlülüklü Görüntülerde Araç Tespiti ve Sınıflandırması İçin Birden Fazla Aşamalı Modüller Bir Yöntem(2025) Maiga, Bamoye; Dalveren, YaserAkıllı ulaşım sistemlerinde (ITS) gerçek zamanlı araç tespitinin önemi, şehir trafiğindeki araç sayısındaki sonsuz ve sürekli artışla vurgulanmaktadır. Bununla birlikte, çok çeşitli kamera kaliteleri ve çözünürlükleri, farklı görüş açıları ve zayıf aydınlatma ve olumsuz hava koşulları gibi harici ve kontrol edilemeyen değişkenlerin etkisi, doğru araç tespiti ve sınıflandırmasında birçok zorluk yaratmaktadır. Derin öğrenme tabanlı nesne algılama algoritmalarının çoğu, daha önce bahsedilen bu koşullar düşük görünürlük ve/veya düşük çözünürlüklü görüntülere neden olduğu için bu tür durumlarda zorlanmaktadır. Bu kısıtlamaların üstesinden gelmek için bu çalışma, loş ışık, kötü hava koşulları ve düşük çözünürlük gibi zorlu görüntüleme durumlarına uyarlanmış gerçek zamanlı araç tespiti ve sınıflandırması için yeni, modüler, etkili ve güvenilir bir yaklaşım önermektedir. Önerilen yaklaşım iki özel veri kümesinin oluşturulmasını içermektedir. İlk veri kümesi PASCAL VOC formatında 4.500 düşük çözünürlüklü trafik manzarası görüntüsünden oluşmakta ve transfer öğrenme yoluyla bir nesne tespit modelini eğitmek için kullanılmaktadır. İkinci veri kümesi, iki farklı sınıflandırma modelini eğitmeyi amaçlayan, her biri 100 × 100 piksel boyutlarında ve 96 dpi ve altında çözünürlüğe sahip beş araç türünün 10.000 düşük çözünürlüklü görüntüsünü içerir. Önerilen yaklaşım, son teknoloji ürünü tek aşamalı bir dedektör (SSD) olan EFFICIENTDET1'i hafif bir özel evrişimli sinir ağı (CNN) sınıflandırıcısı ve bir XGBoost sınıflandırıcısı ile entegre etmektedir. Bu kombinasyon, hem makine hem de derin öğrenme algoritmalarının güçlü yönlerinden faydalanarak tespit performansını ve sınıflandırma doğruluğunu artırır. Önerilen yaklaşımın etkinliği deneysel değerlendirme ile gösterilmiştir. Önerilen yaklaşım, 0,9323 ortalama ortalama hassasiyet (mAP) ile aynı veri kümesi üzerinde karşılaştırılabilir koşullarda geleneksel ve son teknoloji nesne algılama modellerinden belirgin şekilde daha iyi performans göstermektedir. Ayrıca, çoklu işlemin uygulandığı önerilen yaklaşım, kare başına 26 milisaniyelik bir çıkarım hızına ulaşmaktadır. Bu, son teknoloji ürünü nesne yöntemlerine kıyasla hem doğruluk hem de çıkarım hızında önemli bir gelişmeye işaret etmektedir. Önerilen yaklaşımın modüler, uyarlanabilir ve ölçeklenebilir yapısı, onu ITS'deki uygulamalar için ideal kılmaktadır. Önerilen yaklaşımın yüksek doğruluğunun yanı sıra çıkarım hızı, düşük görüntü kalitesi veya olumsuz çevresel faktörler gibi koşullar altında gerçek zamanlı uygulamalar için etkili ve operasyonel bir seçenek haline getirmektedir. Sonuç olarak, önerilen yaklaşım, zorlu durumlarda daha güvenli ve daha etkili ulaşım yönetimi sağlayabileceğinden, derin öğrenme tabanlı araç algılama alanında büyük bir potansiyele sahiptir. Bu bulgular, verimli bir nesne algılama modelinin çok işlemli bir mimaride özel sınıflandırıcılarla birleştirilmesinin, gerçek zamanlı araç algılamada gelecekteki araştırmalar için umut verici bir yönü temsil ettiğini göstermektedir.Doctoral Thesis mmDalga Radar Kullanarak Drone Sürülerinin İSAR Görüntülenmesi(2025) Çoruk, Remziye Büşra; Aydın, Elif; Kara, AliTeknolojide drone ve drone sürülerinin kullanımının artmasıyla birlikte, anti-drone teknolojilerinin kullanımı önemli ölçüde artmıştır. Ancak, sınırlı görüş alanına sahip senaryolarda drone ve drone sürülerinin tespiti literatürde kalıcı bir zorluk olmaya devam etmektedir. Bu tez, milimetre dalga (mmWave) frekans bantlarında yeniden oluşturulan drone sürülerinin Ters Sentetik Açıklıklı Radar (ISAR) görüntülerinin, oluşumlarına, boyutlarına ve yük yapılandırmalarına göre sınıflandırılmasına odaklanmaktadır. Drone sürülerinin ISAR görüntüleri, ANSYS Yüksek Frekanslı Yapısal Simülatör (HFSS) elektromanyetik simülasyon yazılımı kullanılarak üretilmiştir. Sürü yapıları, quadcopter dronlar kullanılarak modellenmiş ve oluşum tipleri, çizgi, çarpı, kare ve üçgen gibi temel geometrik şekillerle tasarlanmıştır. Sürülerdeki dronlar, orta, küçük ve mini olmak üzere üç boyutta kategorize edilmiştir. Ek olarak, yük dronları sürü yapılandırmalarına dahil edilmiştir. Yüksek çözünürlüklü ISAR görüntüleri elde etmek için radar ve simülasyon parametreleri optimize edilmiştir. Veri setini genişletmek için, ISAR görüntüleri çeşitli bakış açılarında (0° ila 350° arasında 10° artışlarla) oluşturulmuştur. ISAR görüntüleri kullanılarak sürü oluşumu tiplerinin belirlenmesi, görüntü tanıma aşamasında bir Evrişimsel Sinir Ağı (CNN) aracılığıyla gerçekleştirildi. Bunu takiben, nesne algılama aşamasında Sadece Bir Kez Bak (YOLO) algoritması kullanılarak drone boyutu ve yük tespiti gerçekleştirildi. Bu tezde elde edilen sonuçlar oldukça ümit vericidir. Genişletilmiş bir veri seti ve tespit algoritması sunarak, bu çalışma literatüre önemli katkıda bulunmaktadır.Doctoral Thesis Elektrikli Otomobillerdeki Li-ion Bataryaların Termal Davranışının Tahmin Edilmesi(2024) Berbecı, Bernardo Jose Azuaje; Ertan, Hulusi BülentElektrikli araçların popülaritesi artmaya devam ettikçe, lityum-iyon bataryalar (LIBs) üzerindeki araştırma çabaları da yoğunlaşmaktadır. LIB'lerdeki termal kaçak (TR), bu yüksek enerji yoğunluklu pillerin güvenli çalışması için henüz üstesinden gelinmemiş ciddi bir endişe kaynağıdır. EV'nin bataryası kritik bir bileşendir ve arızaya en duyarlı bileşen olarak kabul edilir. LIB arızalanırsa, elektrikli araç hareketsiz hale gelir. Aşırı ısınma ve TR, elektrikli aracın çalışma koşullarından, soğutma sistemindeki bir arızadan veya bazı LIB'lerdeki hatalı çalışmalardan kaynaklanabilir. TR'yi tahmin etmek ve yolcuları uyarmak, elektrikli araçlarda TR kaynaklı LIB arızasından kaynaklanan yaralanmaları azaltmak için kritik öneme sahiptir. Bu tez çalışması, voltaj değişimini, ısı üretimini, sıcaklık artışını ve birLIB'nin çalışma koşulları altında (şarj-deşarj) TR'ye yol açan süreci tahmin etmek için güvenilir bir model önermektedir. Böyle bir model, TR'ye karşı daha dirençli batarya paketleri tasarlamak veya bir batarya paketinin tehlikeli koşullar altında nasıl performans göstereceğini değerlendirmek için kullanılabilir. Bu tezde benimsenen yaklaşım, LIB'nin çok katmanlı bir elektrokimyasal-termal modelinin sayısal analizine dayanmaktadır. Bu kapsamda, ilk olarak modelin geliştirilmesi (Newman ve Hatchard'ın modellerinin entegre edilmesi) ele alınmaktadır. Bu sayısal modelden doğru sonuçlar elde etmek için bir LIB'nin parametrelerinin ayarlanması ve tezdeki yaklaşımın ayrıntıları sunulmuştur. Çeşitli LIB'ler üzerinde deneyler gerçekleştirilmiş ve TR de dahil olmak üzere çeşitli çalışma koşulları altında voltaj ve yüzey sıcaklığı değişimleri ölçülmüştür. Test edilen LIB için voltaj ve sıcaklık ölçümleri, önerilen modelden elde edilen sayısal tahminlerle karşılaştırılmıştır. Önerilen yaklaşımın doğruluğunu kanıtlayan deneysel sonuçlarla mükemmel bir uyum gözlemlenmiştir. Daha sonra, TR başlangıcını tetikleyen koşulları araştırmak ve tanımlamak için önerilen model kullanılarak iki kapsamlı vaka simülasyonu seti gerçekleştirilmiştir. İlk vaka simülasyonu setinde sabit bir çalışma akımı koşulu ve açık hava ortam sıcaklığı varsayılmıştır. İkinci vaka simülasyonu seti, soğutma sistemi arızası durumunda LIB'nin termal tepkisini tahmin etmek için batarya paketinin ortam sıcaklığını da içeren gerçekçi elektrikli araç çalışma koşullarını dikkate almıştır. Bu tezdeki yaklaşım birkaç dakika içinde sonuç verecek şekilde yapılandırılabilir. Tezde ayrıca, geliştirilen yaklaşımın çalışma koşulları sırasında bir TR uyarısı oluşturmak veya bir tehlike meydana gelmeden önce bir LIB'nin çalışma modunu değiştirmek için nasıl kullanılabileceği tartışılmaktadır.Doctoral Thesis Emitörlerin Pasif Konumlandırılmasında Çok Yollu Saçılmaların Kullanımı(2016) Dalveren, Yaser; Kara, AliBu tez, ada ve kıyı bölgelerindeki radar emitörlerinin çok yollu saçılımdan yararlanarak pasif konumlandırılmasına hitap etmektedir. Çalışmadaki fikir, Coğrafik Bilgi Sistemi (CBS) ile çok yollu saçılan sinyallerin yapay sensör olarak kullanılmasına dayalıdır. Böylece, tek sensör, tipik olarak Elektronik Destek (ED alıcı, ile pasif konumlandırma elde edilebilmektedir. Önerilen yöntem, düzensiz araziler üzerindeki muhtemel çok yollu saçılma merkezlerinin kestirimi ile başlamaktadır. Bunu yapmak için, çok yollu saçılmış darbeler ve direk yol ile ED alıcıları tarafından alınmış darbelerin geliş açısı (GA) ve varış zaman (VZ) bilgilerine ihtiyaç vardır. O halde, ele alınan problem klasik varış zaman farkları (VZF) temelli tekniklerin kolayca uygulanabileceği çoklu sensör konumlandırma problemine dönmektedir. Fakat, çok yollu saçılım düzensiz araziler üzerindeki dağınık bileşenleri kapsadığı için, yapay sensör olarak kullanılacak saçılma merkezlerinin konumunda yüksek derecede bir belirsizlik olacaktır. Açıkçası bu durum yüksek konumlandırma hatasına yol açmaktadır. Bu hatayı azaltmak için belirsizlik bölgelerinin bölütlendirilmesi önerilmektedir ve sonrasında radyo dalga yayılımı ilkeleri muhtemel saçılma merkezlerinin konumunu kestirebilmek için uygulanmaktadır. Muhtemel saçılma merkezlerinin konumu belirlendiğinde, ağırlıklandırılmış ortalama yöntemi radar emitörünün konumunu kestirmek için kullanılmaktadır. Basitleştirilmiş bir iki boyuttaki bir model ile ilgili simülasyon sonuçları sunulmaktadır.Doctoral Thesis Yerdurağan Yörüngeli ve Yerdurağan Yörüngeli Olmayan Uydu Ağlarının Birlikte Varlığı için Uygun Dışlama Bölgesi Tahmini(2022) Öztürk, Faik; Aydın, Elif; Kara, AliBu tezde, ekvator bölgesinde tipik bir Alçak Yörünge takımuydusu (AYT)'ndan Yerdurağan Yörünge (YDY) uydularının yer istasyonlarına yönelik, uyduların bir arada çalışması sebebiyle ortaya çıkabilecek enterferans, dışlama bölgesi daraltılarak analiz edilmektedir. Bu amaçla, Genetik Algoritma (GA) kullanılarak, AYT haberleşme linkinin dışlama açı minimizasyonu ve bant genişliği kullanımına dayalı baskın olmayan çözüm seti elde edilmesi için çok amaçlı bir optimizasyon problemi (ÇOP) tanımlanmıştır. 100 Mbps ve 200 Mbps veri hızlarında, başlangıç noktasına kıyasla dışlama açısının sırasıyla % 21.3 ve % 19.6'ya kadar azaltılabileceği gösterilmiştir. AYT iletişim sistemi için önerilen optimum operasyonel link parametre ayarlaması için sonuçlar incelendiğinde, YDY uydu sistemine yönelik enterferans riski en aza indirilmekte ve yeterli servis kalitesi temin edilmektedir. Bu çalışmada ayrıca bir arada var olan Yerdurağan Olmayan Yörünge (YDOY) ve YDY sistemleri için enterferans azaltma yöntemlerinin analizi ve karşılaştırmalı değerlendirmesi tartışılmaktadır. Bunun için, Uzaysal Izolasyon (UI), Güç Kontrolü (GK) ve Uzaysal Izolasyon Tabanlı Link Uyarlaması (UITLU) metodolojilerinin niceliksel performans değerlendirmesi yapılmıştır. UI ve GK teknikleri ile karşılaştırıldığında, UITLU tekniğinin dışlama açısı metodolojisini daha etkin bir şekilde kullandığı gösterilmektedir. Çeşitli operasyonel koşullarda, GK yöntemi ve UITLU yöntemi birlikte uygulandığında ise, Dışlama Açısı (DA), 100 Mbps veri hızı için % 8'e, 200 Mbps veri hızı için % 8.5'e kadar düşürülebilmektedir. Bu çalışmada sunulan performans değerlendirmesi, uydu operatörüne veya karar vericiye, farklı yörünge uydularının bir arada operasyonu sebebiyle ortaya çıkabilecek enterferansın önlenmesi için uygulanacak enterferans önleme stratejisini belirlemede yardımcı olmaktadır.Doctoral Thesis Kubernetes Yönetimindeki Konteynerleştirilmiş Edge Ağlarında Dağıtılmış Hizmet Dışı Bırakma (DDOS) Saldırılarının Azaltılmasına Doğru(2025) Köksal, Sarp; Dalveren, Yaser; Çatak, Ferhat ÖzgürBeşinci Nesil (5G) teknolojisinin, Nesnelerin İnterneti (IoT) olarak bilinen milyarlarca cihaza bağlantıya olanak vermesi bekleniyor ve Mobil Sınır Bilişim (MEC) bu teknolojinin ana yapı taşı olacak. Ancak IoT cihazları ve uç ağları, kaçınılmaz olarak çeşitli siber saldırı türlerinin ana hedefi olacaktır. En yaygın olanı, Dağıtılmış Hizmet Reddi (DDoS) saldırıları olarak bilinir. DDoS saldırıları, hedef sisteme çok sayıda paket göndererek kaynaklarını tüketmeyi amaçladığından, genellikle IP tabanlı ortamlarda etkili olur. Yazılım Tanımlı Ağ (SDN) ve Ağ Fonksiyonları Sanallaştırması (NFV), 5G ağlarının uygulama katmanında DDoS saldırılarının yoğun olması beklenen yerlerdir ve bu iki teknoloji, IoT ve Uç Ağları için kilit kolaylaştırıcı olacaktır. Kubernetes gibi konteyner tabanlı sanallaştırma platformları, uç ağlarda Kubernetes'in daha hafif ve çevik platformlar sunabilmesi nedeniyle giderek daha popüler araçlar haline gelmektedir. IoT cihazları en kritik atak hedeflerden biridir çünkü çok fazla cihaz birbirine bağlıdır ve bir saldırının birbirine yayılması çok kolaydır. Buna ek olarak, uç cihazların ve sunucuların sınırlı kaynak kapasitelerine sahip olmaları da bu saldırılara karşı daha kolay hedef olmalarını sağlar. Bu nedenle, uç ağlarda DDoS atakları için güvenlik sistemlerine ihtiyaç vardır. Bu tez çalışmasında, konteyner tabanlı bulut platformlarının Uç Ağlarda dinamik ve otomatik kaynak yönetimi yetenekleri kullanılarak bu DDoS saldırılarına karşı nasıl kullanılabileceğinin araştırılması amaçlanmaktadır.Doctoral Thesis Sinaptik Olarak Kuple Edilmiş Hodgkin-huxley Nöronlarının Geri Beslemeli Denetimi(2021) Zargoun, Abobakar; Doruk, Reşat ÖzgürBir çift özdeş Hodgkin-Huxley nöron modeli, bir boşluk kavşağı (elektriksel sinaps) vasıtasıyla kuple edilmektedir. Bu nöronlar, harici bir akım tarafından uyarılırlar. Sistem doğrusal olmayan bir elektrik devresi, sinaptik boşluk ise bir elektriksel iletkenlik olarak modellenmektedir. Sistemin tamamı doğrusal olmayan çok girişli, çok çıkışlı (MIMO) bir yapı olarak karşımıza çıkar. Çatallanma teorisini ve MATLAB tabanlı MATCONT adlı paket yazılım kullanılmak suretiyle çatallanmaya yol açan nöron parametrelerini izlenmekte olup söz konusu koşullar belirlenerek kayıt altına alınmaktadır. Bu çalışmada küple edilmiş Hodgkin-Huxley modelinin parametreler, ve sinaptik iletkenliğin seçilen farklı değerleri için ayrı ayrı incelemeler yapılmıştır. Sinaptik iletkenliğin ve nöronların parametrelerinin değişik değerleri için çatallanmalar MATCONT kullanılarak incelenmiştir. Daha sonra, çatallanma olgusundan kaynaklı olduğu zar potansiyeli salınımlarını söndürmek için ikinci dereceden arındırma süzgeci tabanlı denetleyiciler kullanılmıştır. Bu denetleyici mevcut çatallanmaları kontrollü elektrik akımı uygulayarak denetim altına almaktadır. Döngünün tamamlanabilmesi için süzgeç çıkışının bir kazanç ile işlenmesi gerekmektedir. Bunun için izdüşümsel denetim yöntemi kullanılmaktadır. Bu yöntem tam durum geri beslemeli doğrusal karesel denetleyiciyi (LQR) süzgeç çıkışından geri besleme yaparak yaklaşık olarak elde etmeyi hedefler. Arındırma süzgeçleri yalnızca zar potansiyellerini işler ve izdüşümsel denetim süzgeç çıkışını bir kazanç yoluyla nörona bir akım enjeksiyonu olarak uygulanmasını sağlar.Doctoral Thesis Makine Öğrenmesi Kullanılarak Geliştirilmiş Çok Yollu Yayılım Yöntemiyle Radarların Konumlandırılması(2024) Imran, Md Abdullah Al; Dalveren, Yaser; Kara, AliBu tezin amacı, Elektronik Destek Tedbirleri (ESM) sistemlerinde, özellikle engebeli arazilerde, tek bir alıcı kullanarak radar yayıcılarının pasif olarak konumlandırılması için önerilen bir yaklaşımın uygulanabilirliğini değerlendirmektir. Gerçekçi senaryolardan elde edilen gerçek verilere uygulandığında bu yöntemin doğruluğuna ilişkin ampirik kanıtların olmaması, pratik ortamlarda gerçek bir endişe yaratmaktadır. Bunu ele almak için, yöntemin pratikte uygulanmasını sağlamak üzere isabetli bir ışın izleme (RT) algoritması kullanılmaktadır. Daha sonra, yüksek çözünürlüklü sayısal arazi yükseklik verilerinin (DTED) toplanmasına ve radar yayıcılarıyla ilişkili gerçekçi lokalizasyon zorluklarının dikkate alınmasına yardımcı olan bir coğrafi bilgi sistemi (GIS) haritası kullanılarak gerçekçi senaryolar oluşturulmuştur. Daha sonra, yerelleştirme yönteminin etkinliğini değerlendirmek için simülasyonlar gerçekleştirilmiştir. Sonuç olarak, yöntemin performansı Elektronik Harp (EH) bağlamında pratik uygulaması için doğrulanarak önemli bir dönüm noktasına ulaşılmıştır. Kullanılan yöntemin doğal özellikleri nedeniyle, önerilen yaklaşım hesaplama karmaşıklığından muzdariptir. Hesaplama verimliliğini artırmak amacıyla, önerilen yöntem için Makine Öğrenimi (ML) tabanlı bir yaklaşım getirilmiştir. Önerilen ML çerçevesi önceden bilinen operasyonel ortamdan elde edilen Yol Kaybı, sensör grubunun Geometrik Hassasiyet Seyreltmesi (GDOP), ve Ortalama Kare Hata (MSE) performans ölçütü gibi faydalı özellikler gerektirir. Bu tür veri odaklı bir yaklaşımın performansı veri kümesinin genişliğine bağlı olduğundan, Ege Denizi adalarından motive edilmiş sözde gerçekçi arazi görünümü modelleri oluşturmak için özgün bir teknik geliştirilmiştir. Üç makine öğrenimi modeli: Kademeli Doğrusal Regresyon, Karar Ağacı ve Sinir Ağları eğitilmiş ve bir lokalizasyon algoritmasında kullanılacak en uygun sensör gruplarını tahmin etmek için veri kümeleri üzerinde test edilmiştir. Sonuçlara göre, Karar Ağacı modelinin en yüksek tahmin doğruluğuna ulaşabildiği görülmüştür. Ayrıca, önerilen yaklaşımın performansı lokalizasyon doğruluğu ve hesaplama hızı açısından değerlendirilmiştir. Kestirim doğruluğunu değerlendirmek için MSE'nin yanı sıra Dairesel Hata Olasılığı (CEP) ve Küresel Hata Olasılığı (SEP) da kullanılmıştır. Elde edilen sonuçlardan, önerilen yaklaşımın hesaplama açısından verimli olduğu ve uygulama öncesinde operasyonel ortamın bilinmesi koşuluyla EH bağlamında uygulanabilir olduğu sonucuna varılmıştır.
- «
- 1 (current)
- 2
- 3
- »