Yazarlar
Yayınlar
- Yüksek Lisans TeziYalnız künye2026Akıllı telefon görüntüleri kullanılarak yapılardaki kırıkların otomatik tespiti
Alparslan Kiliç
Yapılardaki çatlakların/kırıkların erken ve doğru tespiti, yapı sağlığı ve bakım süreçlerinin planlanması açısından önem taşımaktadır. Bu çalışmada, akıllı telefon görüntüleri kullanılarak duvar ve köprü yüzeylerindeki çatlakların derin öğrenme yöntemleriyle otomatik olarak tespit edilmesi amaçlanmıştır. Duvar ve köprü veri setleri “çatlak” ve “çatlaksız” sınıflardan oluşmaktadır. Yerel veri seti ile SDNET2018 üzerinde evrişimli sinir ağı, dönüştürücü ve hibrit yapılardan oluşan on sekiz mimari; doğruluk, pozitif kestirim değeri, duyarlılık, özgüllük, F1 skoru, AUC ve görüntü başına çıkarım süresi bakımından karşılaştırılmıştır. Yerel deneylerde önerilen model, duvar veri setinde %98,50 ve köprü veri setinde %100,00 doğruluk sağlamıştır. Buna karşılık sıfır örnekli dış veri seti testlerinde doğruluk %52,43–%73,53 aralığına düşmüştür. Ham ortak eğitim sonrasında SDNET2018 duvar, köprü tabliyesi ve yol kaplama testlerinde sırasıyla %86,05, %81,35 ve %87,21 doğruluk elde edilmiştir; dengeli ortak eğitimde bu değerler %82,84, %80,86 ve %86,57 olarak gerçekleşmiştir. Bulgular, veri kaynağı farklılıklarının model genellemesi üzerinde belirleyici olduğunu ve çoklu alan ortak eğitimin dış veri seti başarısını artırabildiğini göstermektedir. Sonuç olarak, akıllı telefon görüntülerine dayalı çatlak/kırık tespiti afetlerde ve yapı sağlığı yönetiminde uzman değerlendirmesini destekleyen hızlı ve düşük maliyetli bir yaklaşım olarak sunulabilir.
- Yüksek Lisans TeziAçık Erişim2025Evrişimli sinir ağları tabanlı süper çözünürlük yöntemleri ile avuç izi görüntü kalitesinin iyileştirilmesi
Hüseyin Furkan Macan
Bu tez çalışması, avuç izi tanıma sistemlerinde kullanılan biyometrik görüntülerin kalitesini iyileştirmek amacıyla, derin öğrenme tabanlı süper-çözünürlük yöntemlerinin performansını incelemektedir. Literatürde yaygın olarak kullanılan GAN, DCGAN, BGAN, BEGAN ve özellikle çekişmeli otokodlayıcı (AAE) mimarileri değerlendirilmiş; elde edilen süper-çözünürlüklü çıktılar hem PSNR gibi referanslı hem de BRISQUE gibi referanssız metriklerle analiz edilmiştir. Yapılan deneylerde, AAE modeli en başarılı sonuçları verdiğinden, geliştirme süreci bu yapı üzerine odaklanmıştır. Modelin kod çözücü kısmı konvolüsyonel katmanlarla yeniden tasarlanarak 2 kat çözünürlük artırımı sağlayacak şekilde optimize edilmiş, IIT Delhi avuç içi veri seti ile eğitilmiştir. Görüntü kalitesi iyileştirme sürecinin yalnızca görsel kaliteyi değil, aynı zamanda biyometrik tanıma doğruluğunu da artırdığı yapılan testlerle ortaya konmuştur.
- Yüksek Lisans TeziAçık Erişim2024Elastic stack ve makine öğrenmesi ile IoT güvenliği: Dos saldırılarına karşı akıllı savunma sistemi
Tuğrul Yağbasan
Teknolojinin gelişmesiyle IoT cihazların kullanımı artmaktadır. Bu cihazlar, iletişim kurma ve veri toplama gibi yeteneklerle endüstriyel, sağlık, ulaşım gibi birçok alanda kullanılmaktadır. Ancak, bu cihazların artan kullanımı, siber saldırıların da artmasına neden olmaktadır. Geçmişte Mirai botnet saldırıları gibi örnekler, IoT cihazlarının güvenliğinin ne kadar kritik olduğunu göstermiştir. Bu nedenle, çalışmada Elastic Stack, makine öğrenmesi ve derin öğrenme teknolojilerinin kullanımıyla IoT cihazlarının güvenliğini artırmaya yönelik akıllı savunma sistemi geliştirilmesi amaçlanmıştır. Çalışmada Bot-IoT ve Unsw-IoT-B datasetleri kullanılarak atakların belirlenmesi üzerine yoğunlaşılmıştır. Çalışmada makine öğrenmesi yöntemlerinden random forest, Decision Tree (Information Gain), Decision Tree (Gini Index), Naive Bayes teknikleri kullanılmıştır. Derin öğrenme yöntemlerinden Lstm, Rnn ve Svm kullanılarak datasetleri üzerinde atak ve atak tipleri tespiti gerçekleştirilmiştir. Tasarlanan modelde makine öğrenmesi yöntemleriyle %0.9998 lik başarım oranları yakalanmış olup derin öğrenme yöntemleriyle %0.98 lik doğruluk oranı elde edilmiştir. Bu modelle birlikte yapay zeka destekli saldırı tespit sistemlerinin IoT cihazlarının güvenliklerinde faydalı olacağını göstermektedir.
- Yüksek Lisans TeziAçık Erişim2023Evrişimsel sinir ağı kullanılarak göğüs radyografilerinde yüksek başarımlı bölütleme yapılması ve pnömoni tespitine etkisinin incelenmesi
İlhan Aydın
Zatürre diğer adıyla pnömoni bakteriyel veya viral enfeksiyonun neden olduğu yaşamı tehdit eden akciğer hastalığıdır. Bu nedenle, hastalığın erken teşhisi ölüm oranını önemli derecede azaltmaktadır. Göğüs röntgenleri (radyografi) hastalığın teşhisinde büyük öneme sahiptir. Pnömoni teşhisinde sağlık alanındaki çalışmalar dışında, mühendislik alanında da birçok çalışma yapılmakta ve teşhis sürecini hızlandırma konusunda kolaylıklar sağlamaktadır. Bu uygulamalardan biri de derin öğrenme yöntemleri ile hastalığı teşhis etmektir. Çalışmada, Python programlama dilinde Tensorflow Kütüphanesi ve erişime açık veri setlerinden yararlanılmıştır. Veri seti olarak içinde 1-5 yaş arası çocukların göğüs röntgenlerinin bulunduğu Veriseti-1 ve bu veri setinden bir kısım görüntülerin işaretli verilerinin de bulunduğu Veriseti-2 kullanılmıştır. İki aşamalı evrişimsel sinir ağı modeli oluşturulmuştur. İlk aşamada, akciğer bölgesi işaretlenmiş Veriseti-2 üzerinde değiştirilmiş U-Net mimarisi kullanılarak bölütlemesi yapılacak Veriseti-1 görüntüleri için model oluşturulmuştur. Ayrıca çalışmanın son kısmında göğüs kafesi bölgesini tespit edebilecek bir yaklaşım önerilmiştir. Oluşturulan model Veriseti-1'de kullanılarak bölütleme yapılmıştır. Bölütleme doğruluğu (accuracy) % 98.98 olarak hesaplanmıştır. Tasarlanan evrişimsel sinir ağı modeli Veriseti-2'ye uygulanmış ve pnömoni tespitinde test doğruluk (accuracy) değeri %98.55 olarak elde edilmiştir.
- Yüksek Lisans TeziAçık Erişim2019Hisse senedi fiyatlarının makine öğrenmesi yöntemleri ve derin öğrenme algoritmaları ile tahmini
Uğur Demirel
Türkiye gibi gelişmekte olan ekonomiler açısından menkul kıymetler piyasasının fiyat tahminlerinin yapılması oldukça önemlidir, ancak piyasalarda her türlü spekülatif hareketin yaşanması bu borsalarda iniş ve çıkışların çok yüksek olmasına neden olmaktadır. Bu durum yatırımcıların hisse senedi fiyat hareketlerini tahmin edebilmelerini güçleştirmekte ve dolayısıyla yatırımlarını doğru değerlendiremedikleri için kayıplar yaşamalarına sebep olmaktadır. Bu nedenle yatırımcılar gelecekteki hisse senedi fiyatlarını doğru tahmin edebilmek için çeşitli yöntem ve metotlar kullanma ihtiyacı hissetmektedirler. Son zamanlarda bu tahminlerin elde edilmesinde makine öğrenmesi yöntemleri ve derin öğrenme algoritmaları diğer alanlarda olduğu gibi finans alanında da sıkça kullanılmaya başlanmıştır. Bu çalışmada, veri seti olarak Borsa İstanbul Ulusal-100 Endeksi (BIST 100)'de işlem gören firmaların hisse senetlerinin günlük 2. seans açılış ve kapanış fiyatlarına ilişkin Ocak 2010 ile Ocak 2019 tarihleri arasındaki veriler kullanılmıştır. Çalışmada makine öğrenmesi ve derin öğrenme ışığında bu hisse senetlerinin açılış ve kapanış fiyatlarının tahmin edilmesi amaçlanmaktadır. Bu kapsamda tahminleme modeli oluşturabilmek adına Çok Katmanlı Algılayıcılar (ÇKA) ve Destek Vektör Makineleri (DVM) gibi klasik makine öğrenimi yöntemleri ve Uzun Kısa Dönemli Hafıza (UKVH) yöntemi gibi derin öğrenme algoritmaları kullanılmaktadır. Çalışmanın sonucunda ÇKA ve UKVH ağlarının DVM'lerine göre daha tutarlı tahminler yaptığı tespit edilmiştir. Bu sonuç analizlerde gruplar arasında fark olup olmadığını gösteren çift kuyruklu t-testi analizi ile de desteklenmiştir.
