Lisansüstü Eğitim Enstitüsü, Elektrik-Elektronik Mühendisliği Bölümü Anabilim Dalı, Tez Koleksiyonu

Bu koleksiyon için kalıcı URI

https://hdl.handle.net/20.500.12402/4214

Listeleniyor 1 - 20 / 43

5G haberleşme sistemleri için bir anten tasarımı arayüzünün geliştirilmesi
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-01-26) Kayakökü, Ayşe Berçem; Öztekin, Abdulkerim
Günümüz telekomünikasyon teknolojilerinde 5G, yüksek hız ve düşük gecikme avantajları ile dikkat çekici bir konuma ulaşmıştır. Bu çalışma, 5G haberleşme sistemlerine yönelik anten tasarımını daha kolay ve verimli hale getirmek amacıyla MATLAB tabanlı bir araç kutusu geliştirilmesini konu almaktadır. Geliştirilen grafiksel kullanıcı arayüzü (GUI), anten tasarımında ihtiyaç duyulan temel parametrelerin hesaplanmasını ve bu tasarımla ilgili çeşitli analizlerin yapılmasını mümkün kılmaktadır. MATLAB’in sunduğu fonksiyonlar sayesinde antenin genişliği, uzunluğu, giriş empedansı gibi kritik parametreler kolayca hesaplanabilir hale getirilmiştir. Ayrıca, geliştirilen bu araç kutusu, geri dönüş kaybı, S11 kayıp analizi, radyasyon örüntüsü analizi ve hüzme genişliği gibi önemli analizleri de desteklemektedir. Bu analizler, anten tasarımında 5G sistemlerinin yüksek performans ihtiyaçlarını karşılamaya yönelik önemli veriler sunar. Bu tez çalışmasında, belirlenen tasarım kriterlerine göre anten parametreleri hesaplanmış ve analiz edilmiştir. Bu bağlamda, geliştirilen araç kutusu, anten tasarım sürecini hızlandırarak mühendis ve araştırmacıların işini kolaylaştıran bir araç olarak öne çıkmaktadır. Ayrıca, bu arayüzün, 5G teknolojilerinin sunduğu potansiyeli en üst düzeye çıkarmada önemli bir katkı sağlayacağı öngörülmektedir. Sonuç olarak, anten tasarımında zaman kazandıran ve performans optimizasyonunu destekleyen bu arayüz, 5G sistemleri için etkili bir çözüm sunmaktadır.
Tarımsal sulama sistemlerinde enerji verimliliği ve şebeke kararlılığı için d-statcom uygulaması: Modelleme, simülasyon ve performans analizi
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-01-27) Nar, Raci; Tür, Mehmet Rıda
Bu tez çalışmasında, tarımsal sulama sistemlerinde reaktif güç yönetimi ve gerilim kararlılığını artırmaya yönelik bir çözüm olarak D-STATCOM’un modeli geliştirilmiş ve performansı incelenmiştir. Çalışmada, D-STATCOM’un reaktif güç dengeleme, gerilim düzenleme ve frekans kontrolü üzerindeki etkileri MATLAB Simulink ortamında modellenmiş ve analiz edilmiştir. Tarımsal sulama sistemleri, genellikle yüksek reaktif güç talebi nedeniyle şebeke kararlılığı ve enerji kalitesini olumsuz etkileyebilen motorlar ve pompalar gibi endüktif yüklerin yoğun olduğu sistemlerdir. Bu çalışmada, D-STATCOM’un sulama fiderlerindeki reaktif güç dalgalanmalarını dengeleyerek güç faktörünü iyileştirdiği ve gerilim seviyelerini stabilize ettiği gösterilmiştir. Simülasyon sonuçları, D-STATCOM’un yük değişimlerine hızlı bir şekilde yanıt verdiğini ve sistem kararlılığını artırdığını ortaya koymaktadır.Çalışmada, D-STATCOM’un kontrol mekanizmaları detaylı bir şekilde incelenmiş, referans gerilim (Vref) ve referans akım (Iqref) değerlerine dayalı reaktif güç yönetimi başarıyla gerçekleştirilmiştir. Endüktif yüklerin neden olduğu gerilim düşüşlerinde D-STATCOM’un reaktif güç sağlayarak, kapasitif yüklerin neden olduğu gerilim yükselmelerinde ise reaktif güç çekerek gerilim profillerini stabilize ettiği tespit edilmiştir. Ayrıca, inverter çıkışındaki harmoniklerin LC filtrelerle temizlenmesi sayesinde enerji kalitesinin artırıldığı ve sistemin güvenilirliğinin sağlandığı görülmüştür. Simülasyon verileri, D-STATCOM’un devreye girdiği durumlarda, şebeke kararlılığının yaklaşık 0.1 saniye gibi kısa bir sürede sağlandığını göstermiştir. Güç faktörünün 0.7 seviyesinden 0.95 seviyesine çıkarılması ve enerji kayıplarının %15 oranında azaltılması, D-STATCOM’un tarımsal sulama sistemlerinde enerji verimliliği sağlama konusundaki etkinliğini ortaya koymaktadır. Bu çalışma, tarımsal sulama fiderlerinde reaktif güç yönetimi ve enerji kalitesinin artırılması için D-STATCOM’un önemli bir çözüm sunduğunu göstermektedir. Gelecekte, D-STATCOM’un yenilenebilir enerji kaynakları ve enerji depolama sistemleriyle entegrasyonu, bu teknolojinin daha geniş çaplı uygulamalarını destekleyebilir. Bu bağlamda, çalışma bulguları, tarımsal sulama sistemlerinde enerji verimliliği, şebeke kararlılığı ve sürdürülebilir enerji yönetimi için D-STATCOM’un kritik bir araç olduğunu kanıtlamaktadır.
Güneydoğu Anadolu Bölgesi için çok kriterli karar verme yöntemleri ile yüzer fotovoltaik sistemler için yer seçimi
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-02-14) Şen, Rıdvan; Fidan, Şehmus
Yüzer solar paneller, suyun soğutma etkisi sayesinde enerji verimliliğini artırması, buharlaşmayı azaltması ve arazi kullanımına ihtiyaç duymaması gibi avantajlar sunmaktadır. Bu sebeple dünyada ve ülkemizde yüzer solar panel uygulamalarının sayısı gün geçtikçe artmaktadır. Bu çalışma, Güneydoğu Anadolu Bölgesi'nde yer alan hidroelektrik santrallerin rezervuar alanlarına yüzer solar panellerin kurulumu için en uygun lokasyonu belirlemeye odaklanmaktadır. Çalışmada, birden fazla kriteri göz önünde bulundurarak en uygun seçeneği belirlemek amacıyla Analytic Hierarchy Process (AHP), Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), Multi – Attributive Border Approximation area Comparison ( MABAC), Characteristic Objects Method (COMET) ve Stable Preference Ordering Towards Ideal Solution method (SPOTIS) gibi çok kriterli karar verme (ÇKKV) yöntemleri kullanılmıştır. MCDM yöntemleri, kişisel kararlardan devlet politikalarına kadar geniş bir yelpazede karar verme süreçlerinde kullanılan güçlü bir araçtır. Bu yöntemler sayesinde, farklı kriterlerin önemi belirlenerek daha objektif ve tutarlı kararlar alınabilmektedir. Çalışmada, yüzer güneş santrali projelerinin başarısı için kritik öneme sahip olan güneş ışınımı, yıllık günışığı saatleri, rüzgar hızı, bölgesel kalkınma, sosyal kabul, sıcaklık, topografik yükselti, su derinliği, yerleşim birimlerine ve şebeke bağlantılarına uzaklık gibi kriterlerin ağırlıkları, uzman görüşleri ile belirlenmiştir. Bu kriterlere göre yapılan detaylı analiz sonucunda, en uygun hidroelektrik santrali seçilerek, projenin hem teknik hem de sosyal açıdan sürdürülebilirliği hedeflenmiştir.
Orman yangınlarının makine öğrenmesi ve uzaktan algılama yöntemleri kullanılarak tahmin edilmesi ve duyarlılık haritasının oluşturulması
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-01-13) Sumer, Yusuf Fırat; Acar, Emrullah
Türkiye’de orman yangınları, özellikle Akdeniz ve Ege Bölgesi’nde yaz aylarında meydana gelmektedir. İklim değişikliği, insani sebepler, bölgenin iklimsel özellikleri orman yangınlarına sebep olmakta, hem meydana geldiği yerdeki orman varlığını yok etmekte hem de ekonomik ve çeşitli çevresel sorunlara sebep olmaktadır. Bu sebeple roman yangınlarının önceden tespit edilmesi ve yangın meydana gelme potansiyeli bulunan alanların analiz edilmesi büyük önem arz etmektedir. Bu çalışmada Türkiye’de orman yangınların tespit ve tahmin edilmesi amacıyla uzaktan algılama ve makine öğrenmesi yöntemleri kullanılmıştır. Fire Information for Resource Management (FIRMS) veri setinden zamansal orman yangınlarına ilişkin veriler elde edilmiş, ECMWF Re-Analysis-5 (ERA-5), National Aeronautics and Space Administration (NASA) Global Land Data Assimilation System (GLDAS), National Aeronautics and Space Administration (NASA) Shuttle Radar Topography Mission (SRTM) veritabanlarından ise Antalya ilinin çeşitli iklim özellikleri elde edilerek yeni bir veri seti oluşturulmuştur. Veri seti, Ada Boost, Decision Tree (Karar Ağaçları), Gradient Boosting Machine (GBM), K-Nearest Neighbours (KNN), Logistic Regression (Lojistik Regresyon), Support Vector Machine (Destek Vektör Makinesi, SVM) ve Artificial Neural Network (Yapay Sinir Ağı, YSA) algoritmaları ile değerlendirilmiş ve sonuçlar Jenks Natural Breaks sınıflandırma yöntemi ile sınıflandırılarak bölgenin orman yangını duyarlılık haritalarının oluşturulması sağlanmıştır. Deneysel sonuçlara göre en başarılı algoritma Ada Boost olarak tespit edilmiştir (Sensitivity=0,93, Specificity=0,95, Accuracy=0,94, Kappa=0,88, AUC=0,99). Bu modeller Türkiye’de Akdeniz ve Ege Bölge’sinde orman yangınlarının aylık ve mevsimlik duyarlılık haritalarının oluşturulmasında kullanılabilecek, böylece orman yangınları meydana gelmeden önce gerekli önleyici tedbirler alınabilecektir.
Elektrikli araç şarj istasyonlarının ürettiği harmoniklerin aktif güç filtreleri ile azaltılması: Bir analiz ve simülasyon çalışması
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-02-17) Ertaş, Yusuf; Karaman, Ömer Ali
Artan enerji talebi nedeniyle karbon temelli yakıt rezervleri hızla tükenmekte, bu durum enerji tedarik zincirinde zorluklara yol açmaktadır. Bu nedenle, gelişmiş devletler elektrikli araç(EA) üretimini teşvik etmektedir. EA’larda kullanılan güç elektroniği devreleri doğrusal olmayan elemanlar içermekte ve bu elemanlar harmonik üretimine neden olmaktadır. Harmonikler, güç sistemi süreçlerinde bozulmaya yol açmaktadır. Harmoniklerin azaltılmasında filtreler önemli bir rol oynamaktadır. Bu hususta pasif filtrelerin çeşitli dezavantajlarından dolayı aktif filtreler ön plana çıkmaktadır. Bu tez çalışmasında elektrikli araç batarya şarj sistemlerinin neden olduğu harmoniklerin azaltılması için iki farklı paralel aktif filtre modellemesi yapılmıştır. Sabit akım şarj profiline sahip bir elektrikli araç batarya şarj modeli geliştirilmiştir. Bu modelde yapılan benzetim çalışmasında toplam harmonik bozunum (THB) değeri yüzde 19 seviyelerinde çıkmıştır. Önerilen yapay sinir ağları (YSA) kontrollü paralel aktif filtresi ile bu THB değeri yüzde 4.66 seviyelerine düşürülmüştür. Ayrıca yapılan ikinci paralel aktif filtre modelinde YSA yerine senkron referans çatı yöntemi kullanılarak THB değeri yüzde 1 seviyelerine kadar indirilmiştir. Sonuç olarak her iki paralel aktif filtre modeli ile benzetim sistemindeki THB değeri uluslararası kuruluşların belirlemiş olduğu sınır değeri olan yüzde 5’in altına düşürülerek başarılı bir sonuç ortaya koymuştur.
Uzaktan algılama ve makine öğrenmesi yaklaşımı ile Batman Çayı’nın yıllara göre su akış rejimi değişiminin incelenmesi
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-01-23) Türk, Mehmet; Acar, Emrullah
Dünya üzerinde birçok akarsu bulunmaktadır. Doğal su kaynaklarından meydana gelen akarsular arazi eğimine de uyum sağlayacak bir biçimde kendi su yollarını oluşturmuşlardır. Arazi şartlarına ve insanların araziler üzerinde meydana getirdiği değişikliklere bağlı olarak bazı bölgelerde geniş su yatakları, bazı bölgelerde ise dar su yatakları meydana gelmiştir. Aynı zamanda yağış şartlarının ve çevresel koşulların da etkisiyle bu durum yıllara göre su yataklarının değişmesine sebep olmuştur. Akarsuların su yolunun yıllara göre sabit olmaması metrekarelerce alanın ticari (tarım, sanayi, turizm vb.) anlamda değerlendirilememesine sebep olmaktadır. Bu durum devletler için de ekonomik anlamda negatif etki yaratmaktadır. Su yollarının yıllara göre değişmeyerek sabitlenmesi durumunda, tarım vb. amaçla bölgeye kazandırılacak olan alanlar, hem bölge halkının hem de devletin ekonomik anlamda kalkınmasına katkı sağlayacaktır. Bu çalışmada Batman Çayı’nın yıllara göre su yolu değişimi uzaktan algılama verileri ve farklı makine öğrenmesi teknikleri yardımıyla tespit edilmiştir. Bu değişim sebebiyle tarım vb. amaçla kullanılamayarak su yatakları içinde kalan alanların kazandırılabilmesi adına su yolunun sabitlenmesi analiz edilmiştir. Sonuç olarak su yolunun sabitlenerek yıllara göre değişmeyeceği senaryoda kazandırılacak alanın hem ülke ekonomisine hem de Batman halkına fayda sağlayacağı değerlendirilmektedir.
Uzaktan algılama yöntemi kullanarak Sentinel-1 uydu görüntülerinden makine öğrenmesi yaklaşımı ile yüksek gerilim direği tespiti
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-01-23) Sarıkaya, Hasan; Acar, Emrullah
Elektrik enerjisi, modern toplumların ekonomik ve teknolojik gelişiminde kritik bir rol oynamaktadır. Elektrik, sanayi üretimi, sağlık hizmetleri, eğitim ve iletişim gibi temel sektörlerde kesintisiz hizmet sunumunu mümkün kılarak yaşam kalitesini artırmaktadır. Elektrik enerjisinin iletilmesi, verimli enerji dağıtımı için yüksek gerilim hatları aracılığıyla gerçekleştirilmektedir. Bu hatlar, enerji iletim kayıplarını minimize ederek, enerji verimliliğini ve sürdürülebilirliğini artırır. Elektrik enerjisinin güvenli ve kesintisiz iletimi, altyapının sağlamlığı ve bakımı açısından büyük önem taşımaktadır. Bu çalışmada, uzaktan algılama ve farklı makine öğrenme teknikleri kullanarak Batman çevresindeki yüksek gerilim hattı direklerinin tespit edilmesi amaçlanmıştır. Sentinel-1 Synthetic Aperture Radar (SAR) uydusu kullanılmıştır. DY (Düşey-Yatay), DD (Düşey-Düşey) polarizasyon modları verisetini oluşturmuştur. Bu verisetleri makine öğrenmesi yöntemi türü olan gözetimli öğrenme modeline ait algoritmalar (Destek vektör makinesi, KNN, Karar Ağacı, Quadratic Discriminant, Naive Bayes) tarafından çözümlenmiştir. Sonuç olarak Destek vektör makinesi modeli ile %85.0; Quadratic Discriminant modeli ile %82.5; KNN modeli ile %82.2; Karar Ağacı modeli ile %76.8; Naive Bayes modeli ile %74.0 başarı oranı sağlanmıştır. Çalışma yapay zekâ kullanılarak yüksek gerilim direklerinin daha doğru, hızlı ve belirli periyotlarla kontrolüne olanak sağlamaktadır. Geleneksel yöntemlerin yüksek gerilim hatlarının kontrolünde zaman alıcı ve maliyetli olduğu göz önüne alındığında, bu çalışma amacı, enerji nakil hatlarının izlenmesi ve bakım süreçlerinin iyileştirilmesine katkıda bulunarak enerji altyapısının verimliliğini artırmaktır.
Hibrit öznitelik çıkarımı ve derin öğrenme yöntemleriyle ekg sinyallerinden kardiyak durumların sınıflandırılması
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-01-09) Tekin, Hazret; Kaya, Yılmaz
Kardiyovasküler hastalıklar, dünya genelinde hem gelişmiş hem de gelişmekte olan ülkelerde başlıca ölüm nedenlerinden biri olarak karşımıza çıkmaktadır. Bu hastalıklar, bireylerin yaşam kalitesini ciddi ölçüde etkilerken, sağlık sistemleri üzerinde de büyük bir ekonomik ve sosyal yük oluşturmaktadır. Erken teşhis ve doğru tanı, yalnızca hastaların yaşam sürelerini uzatmakla kalmaz, aynı zamanda tedavi maliyetlerini azaltarak toplum sağlığına önemli katkılar sağlar. Özellikle aritmiler, konjestif kalp yetmezliği (KKY) ve normal sinüs ritmi (NSR) gibi kardiyak durumların doğru bir şekilde teşhisi, bu süreçte temel bir rol oynamaktadır. Bu çalışma, çeşitli aritmiler, konjestif kalp yetmezliği (KKY) ve normal sinüs ritmi (NSR) gibi kardiyak durumların sınıflandırılmasına odaklanmaktadır. Çalışma kapsamında, çeşitli aritmi türleri, KKY ve NSR sinyallerini içeren iki farklı veri seti kullanılarak üç ayrı EKG sınıflandırma uygulaması gerçekleştirilmiştir. Bu amaçla, yenilikçi sinyal işleme yöntemleri ile derin öğrenme modelleri bir araya getirilmiş ve EKG sinyallerinin lokal ve global özelliklerini analiz etmek için ortogonal fark bir boyutlu yerel ikili desen (OD-1D-LBP), merkezden bağımsız bir boyutlu yerel ikili desen (CI-1D-LBP) ve sürekli zamanlı dalgacık dönüşümü (CWT) tabanlı motif dönüşümü (MD) yöntemleri uygulanmıştır. Çalışmanın ilk uygulamasında, OD-1D-LBP yöntemiyle KKY, atriyal fibrilasyon (AF) ve NSR sinyalleri sınıflandırılmıştır. Bu yöntemde çıkarılan öznitelikler uzun kısa süreli bellek (LSTM) ve bir boyutlu konvolüsyonel sinir ağları (1D-CNN) modelleriyle değerlendirilmiş ve en iyi sonuç %98.97 doğruluk oranı ile hibrit OD-1D-LBP+LSTM modeliyle elde edilmiştir. OD-1D-LBP+1D-CNN modeli de %98.86 doğruluk oranı ile rekabetçi bir performans sergilemiştir. OD-1D-LBP’nin, sinyallerin lokal özelliklerini belirginleştirme konusundaki başarısı, kardiyak durumların ayırt edilmesinde etkili bir araç olduğunu ortaya koymuştur. İkinci uygulamada, CI-1D-LBP yöntemi dört farklı aritmi türünün (ventriküler atım, supraventriküler atım, füzyon atımı ve tanımlanmamış aritmi) sınıflandırılmasında kullanılmıştır. Bu yöntemde elde edilen özniteliklerle LSTM, GRU ve 1D-CNN modelleri uygulanmış, CI-1D-LBP+GRU hibrit modeli %98.59 doğruluk oranıyla en iyi sonucu vermiştir. CI-1D-LBP+LSTM hibrit modeli %98.02, CI-1D-LBP+1D-CNN hibrit modeli ise %97.17 doğruluk oranına ulaşmıştır. CI-1D-LBP+GRU’nun farklı aritmi türlerini ayırt etmedeki başarısı, yöntemin güçlü bir analiz çerçevesi sunduğunu göstermektedir. Üçüncü uygulamada, motif dönüşümü ve CWT yöntemleri birleştirilmiş ve KKY, AF ve NSR sinyalleri zaman-frekans düzleminde analiz edilmiştir. Bu analiz sonucunda oluşturulan skalogram görüntüleri, DenseNet modelleri ile sınıflandırılmıştır. DenseNet169 modeli %99.31 doğruluk oranı ile en başarılı sonuçları sağlamış, DenseNet121 ve DenseNet201 modelleri ise sırasıyla %98.30 ve %98.97 doğruluk oranlarına ulaşmıştır. Motif dönüşümü ve CWT’nin entegre kullanımı, sinyallerin zaman-frekans analizinde etkili bir yöntem olduğunu kanıtlamıştır. Elde edilen sonuçlar, bu tez çalışmasında kullanılan yöntemlerin literatürdeki yaklaşımlara kıyasla üstün performans sunduğunu ve kardiyak durumların teşhisinde önemli bir yenilik sağladığını göstermektedir. Bu yöntemlerin, klinik uygulamalara entegre edilerek kardiyovasküler hastalıkların tanısında doğruluk ve güvenilirliği artırma potansiyeline sahip olduğu öngörülmektedir. Ayrıca, farklı modellerin ve veri setlerinin karşılaştırılması, bu yöntemlerin sadece bir sinyal türünde değil, farklı kardiyak durumların analizinde de genelleştirilebilir ve güvenilir bir çerçeve sunduğunu göstermiştir. Önerilen yöntemlerin ayırt edici öznitelikler çıkarma yeteneği ve derin öğrenme modelleriyle sağladığı yüksek doğruluk oranları, kardiyak sinyallerin analizine yönelik yeni standartlar belirleme potansiyeline sahiptir. Bu çalışma, kullanılan tekniklerin klinik uygulamalara entegrasyonu halinde, tanı süreçlerinin doğruluğunu ve hızını artırarak hasta bakım kalitesini iyileştirme kapasitesine sahip olduğunu göstermektedir. Elde edilen bulgular, sadece literatürdeki yaklaşımlara üstünlük sağlamakla kalmayıp, kardiyovasküler hastalıkların teşhisinde daha güvenilir ve etkili çözümler sunmaktadır.
Yapay zekâda etik
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-01-14) İnci, Kevser; Ertuğrul, Ömer Faruk
Bu tez, yapay zekâ (YZ) uygulamalarının etik bağlamında değerlendirmesini amaçlamaktadır. Yapay zekâ, hızla gelişen bir teknoloji olmasından kaynaklı birçok alanda çığır açacak şekilde yenilikler sunmaktadır. Fakat bu yenilikleri sunarken etik problemlerini de beraberinde getirmektedir. Bu çalışma, yapay zekâ uygulamalarının kullanımında ortaya çıkan etik problemleri ve çözümü için alınabilecek önlemleri sunmaktadır. Tezde, yapay zekâ uygulamalarının etik problemleri; yapay zekânın temel etik ilkeleri doğrultusunda incelenmiştir. Özellikle, yapay zekâ uygulamalarında adaletli kararlar alma, kişisel verilerin gizliliği ve korunması, üretilen algoritmaların şeffaf olması ve bu teknolojilerden doğacak sorunların sorumluluğu gibi konulara odaklanılmıştır. Araştırma, nitel bir yöntemle yürütülmüştür. Araştırma literatür taraması ile desteklenmiştir. Bu kapsamda, farklı yapay zekâ uygulamalarıyla ilgili analizler yapılmıştır ve bu teknolojilerin etik sorunları incelenmiştir. Sonuç olarak, bu tez, yapay zekâ uygulamalarının etik kullanımına yönelik yaklaşımları değerlendirilmesi ve bu alandaki uygulamaların iyileştirilmesi için öneriler sunmaktadır. Yapay zekâ uygulamalarının sorumlu bir şekilde tasarlanması ve kullanılması için etik çerçevelerin güçlendirilmesi gerektiği vurgulanmaktadır. Bu çalışma, yapay zekâ uygulamalarının ilerleyen gelişmelerinde etik ilkelerin daha fazla yer edinmesi gerektiğine dair önemli bir katkı sağlamaktadır.
Uzaktan algılama verileri kullanılarak yapay zekâ ile deprem sonrası hasar tespiti
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-12-31) Kaya, Serkan; Acar, Emrullah
Deprem meydana gelen büyüklüğe bağlı olarak oldukça yıkıcı etkilere sebep olabilmektedir. Özellikle Türkiye’de 6 Şubat 2023 tarihinde meydana gelen 7.7 ve 7.6 büyüklüğündeki depremler örnek olarak verilebilir. Hatay bu iki büyük depremden fazlasıyla etkilenmiş ve çok geçmeden 20 Şubat tarihinde 6.4 büyüklüğünde üçüncü bir deprem daha yaşamıştır. Her üç depremde çok fazla sayıda insan yaralanmış, hayatını kaybetmiş, binalar hasar görmüş veya yıkılmıştır. Depremin sebep olduğu hasarı tespit etmek ise kurtarma ve yardım faaliyetlerinin bölgeye koordineli ve hızlı bir şekilde iletilebilmesi konusunu gündeme getirmiştir. Depremlerin kısa süreli aralıklarla meydana gelmesi deprem sonrası bina hasarı tespitinin ivedilikle yapılması gerektiği gerçeğini gözler önüne sermiştir. Çalışmada, Hatay iline ait deprem sonrası uzaktan algılama yöntemi ile elde edilen Sentinel-2 uydusu tarafından çekilen görüntüler kullanılmıştır. Bu görüntülerden ulaşılan veriler makine öğrenmesi yöntemi türü olan gözetimli öğrenme modeline ait beş algoritma (destek vektör makinesi, karar ağaçları, Naive Bayes ve k-NN ve ensemble) tarafından çözümlenmiştir. K-En yakın komşuluk (KNN) modeli ile % 85.1; karar ağaçları (Decision Tree-DT) modeli ile % 81.6; destek-vektör matrisi ile %62.1; Navie Bayes modeli ile %66.8 ve Ensemble modeli ile % 86 başarı oranı sağlanmıştır. Çalışma sayesinde deprem sonrası bina hasar tespitine ait görüntü yansıma verilerinin yapay zekâya öğretilmesi ile daha hızlı sonuç elde edildiği görülmüştür. Çalışmanın amacı bu işlevin gerçekleşmesi ile yardım faaliyetlerinin koordinasyonunun hızlı bir şekilde yerine getirilmesidir.
İdeal olmayan da-da düşürücü dönüştürücüler için optimal kesir dereceli pıd denetleyici tasarımı
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-11-01) Ersalı, Cihan; Hekimoğlu, Baran
Bu çalışmada, bir ideal olmayan doğru akımdan-doğru akıma (DA-DA) düşürücü dönüştürücü için kesir dereceli oransal-integral-türev (FOPID) denetleyici tasarımı yapılmıştır. FOPID denetleyicinin kazanç parametreleri, bozucu etkiler dikkate alınarak ve arzu edilen bir sıfır desibel geçiş frekansı aralığında kısıtlama yapılarak tasarlanan özgün bir sezgisel üstü algoritma olan karşıt-tabanlı iş birliği arama algoritması ve Nelder-Mead (OCSANM) isimli algoritma tarafından elde edilmiştir. İlk defa bu çalışma ve bu çalışmadan üretilmiş yayınlar aracılığı ile literatüre kazandırılmış olan OCSANM, iş birliği arama algoritmasına (CSA) Nelder-Mead (NM) algoritması ve karşıt-tabanlı öğrenme (OBL) yöntemleri entegre edilerek elde edilmiştir. OBL, algoritmanın keşif kabiliyetini, NM ise sömürü kabiliyetini geliştirmek için eklenmiştir. Bununla birlikte FOPID denetleyicili ideal DA-DA düşürücü dönüştürücü sistemleri için herhangi bir kısıtlama dahil edilmeden tasarlanmış ve literatürde bu tezin yazıldığı tarihe kadar en yüksek performanslı algoritmalar olan geliştirilmiş açlık oyunları arama (IHGS) ve benzetimli tavlama ile geliştirilmiş Lévy uçuş dağılımı (LFDSA) algoritmaları bu çalışma için sıfır desibel geçiş frekansı kısıtı eklenerek ideal olmayan DA-DA düşürücü dönüştürücü için yeniden tasarlanmış olup önerilen algoritma ile karşılaştırılmıştır. Bu karşılaştırmalar, kutu grafiği analizi, parametrik olmayan istatistiksel testler, kıyaslama fonksiyonları analizi ve yakınsama davranışı gibi analizlerden oluşmaktadır. Bu karşılaştırmalar ile OCSANM’nin en üstün olan yaklaşım olduğu gösterilmiştir. OCSANM ve bu çalışma için yeniden tasarlanmış olan IHGS ve LFDSA algoritmaları ilk defa bu çalışmada ideal olmayan DA-DA düşürücü dönüştürücülerin denetiminde kullanılan bir FOPID denetleyiciye uygulanarak optimum denetleyici parametreleri elde edilmiştir. OCSANM tabanlı FOPID denetleyicili ideal olmayan DA-DA düşürücü dönüştürücü sistemi, CSA, IHGS ve LFDSA algoritma tabanlı sistemler ile birlikte geleneksel bir yöntem olan kutup yerleştirme (PP) yöntemi ile karşılaştırılmıştır. Bu karşılaştırmada, geçici hal ve frekans cevapları, referans gerilimi takibi, amaç fonksiyonu değerleri, ölçüm gürültüsü ve gürbüzlük analizleri incelenmiştir. Önerilen OCSANM tabanlı sistemin, IHGS, LFDSA ve PP ile karşılaştırıldığında sırasıyla %25.98, %36.71 ve %70.63 daha hızlı yükselme süresi; %14.74, %20,56 ve %78.58 daha hızlı yerleşme süresine sahip olduğu hesaplanmıştır. Ayrıca OCSANM tabanlı sistemin, mevcut yaklaşım tabanlı sistemlerden sırasıyla %38.59, %53.68 ve %67.39 daha fazla bant genişliğine sahip olduğu ölçülmüştür. Bunların yanında OCSANM, CSA, IHGS ve LFDSA algoritmalarının sağladığı optimum FOPID denetleyici parametreleri ve PP yönteminin sağladığı filtreli PID (FPID) parametreleri kullanılarak elde edilmiş ideal olmayan DA-DA düşürücü dönüştürücü sistemlerinin, işlemsel kuvvetlendiriciler (İK) ile analog devreleri gerçekleştirilmiştir. Bu devreler PSIM yazılımında tasarlanmış olup karşılaştırılan tüm yöntemler için geçici hal cevapları, yük ve giriş gerilimi değişimlerinin çıkış gerilimine etkisi ve frekans cevabı analizleri yapılmıştır. MATLAB ortamında yapılan karşılaştırmalarla uyumlu olacak şekilde en iyi sonuçların OCSANM tarafından elde edildiği gösterilmiştir. Bu bulgular, ideal olmayan DA-DA düşürücü dönüştürücü sistemleri için FOPID denetleyicilerin tasarlanmasında OCSANM algoritmasının etkinliğini doğrulamıştır. Son olarak, seçilen yaklaşım yönteminin daha verimli bir yöntem olduğunu göstermek amacıyla, FOPID denetleyicinin tam sayı dereceli hale getirildikten sonra benimsenen derece düşürme seviyesi ile farklı yaklaşım alma yöntemlerinin sistem performansı üzerindeki etkileri incelenmiştir.
Gen dizilerinin tanımlanması ve sınıflandırılması amacıyla yapay zekâ sistemlerinin geliştirilmesi
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-10-25) Çiftçi, Bahar; Tekin, Ramazan
Dünya genelinde milyarlarca virüs türü bulunmakta ve en küçük parazit varlıklar olan virüsler ciddi bir tehdit oluşturmaktadır. Virüslerin geniş çeşitliliği ve hızlı evrimi göz önüne alındığında, bulaşma dinamiklerini daha iyi anlamak ve hedefe yönelik tedavilerin geliştirilmesini kolaylaştırmak amacıyla viral türlerin ve potansiyel konakçılarının hızlı ve doğru bir şekilde sınıflandırılmasına ihtiyaç duyulmaktadır. Bu kapsamda, çalışmada patojenik tek sarmallı RNA virüslerinden oluşan ve farklı viral türler ile konakçılar içeren PhyVirus veri seti incelenmiştir. Tez, üç ana bölümden oluşmakta olup her bölüm, genetik dizilerin sınıflandırılmasına farklı bir perspektiften yaklaşmaktadır. İlk bölümde, K-Mer kodlama yöntemi ile viral aileler ve konakçılar, Random Forest, Gradient Boosting, Extra Trees ve Tam Bağlantılı Derin Sinir Ağı (FCDNN) gibi Makine Öğrenmesi ve Derin Öğrenme algoritmaları kullanılarak sınıflandırılmıştır. FCDNN yöntemiyle virüs ailelerinin %99,60 başarı oranıyla tahmin edilmesi, çalışmanın önemli sonuçlarından biridir. Konak tahmininde ise en yüksek başarı %81,53 oranıyla ExtraTrees sınıflandırıcısı ile elde edilmiştir. Gen dizilerinde K-Mer kodlamaya dayanan farklı kelime uzunluklarının, viral ailelere ve konakçılara göre sınıflandırmaya etkisi değerlendirilmiş, sınıflandırma sonuçlarına ve literatür araştırmasına dayanarak konakçılar arasındaki akrabalık, genetik benzerlikler ve evrimsel ilişkiler incelenmiştir. İkinci bölümde, gen dizilerinin grafik ve görüntü tabanlı kodlama teknikleri (FCGR, DNAWalk, Gri Ölçekli Dönüşüm) kullanılarak sınıflandırılması gerçekleştirilmiştir. Bu teknikler, bir CNN modeli (InceptionV3) ile analiz edilmiş ve Gri Ölçekli Dönüşüm yöntemi ile %99,89 olarak doğruluk oranına ulaşılmıştır. DNAWalk uygulamasında gen dizisi yörünge görüntüleri %99,14 doğruluk oranıyla sınıflandırılmıştır. FCGR uygulamasında ise k'nın 3 ile 8 değerleri arasında gerçekleştirilen kodlamalarda en yüksek doğruluk %99,85 olarak elde edilmiştir. Bu tekniklerle yapılan kodlamalar, viral aileler ve konakların daha doğru sınıflandırılmasına olanak tanımıştır. Mevcut literatür incelendiğinde, gen dizilerinin farklı kodlama yöntemleriyle bir veri seti üzerinde uygulanıp bu yöntemlerin sınıflandırma performansına etkilerinin kapsamlı şekilde analiz edildiği başka bir çalışma bulunmamaktadır. Bu tez çalışmasının, bu alandaki önemli bir boşluğu doldurarak literatüre anlamlı bir katkı sunması amaçlanmaktadır. Gen dizileri, çeşitli biyolojik ve teknik süreçlerden geçerek analiz için hazır hale getirilmektedir. Ancak bu süreçlerin herhangi bir aşamasında ortaya çıkabilecek hatalar, gen dizilerinde eksik verilere neden olabilmektedir. Literatürde sıkça tartışılan eksik veri tahmini, genellikle verilerin hizalanmış olmasını gerektiren mevcut yöntemlere dayanmaktadır. Tezin üçüncü bölümünde, eksik veri tahmin yöntemleri ele alınmış ve KNN-Imputation yöntemi için yeni bir yaklaşım geliştirilmiştir. PhyVirus veri setindeki gen dizilerinin farklı uzunlukları, mevcut eksik veri tahmin yöntemlerinin doğrudan uygulanmasını engellemiştir. Bu sorun, geliştirilen KNN-Imputation yaklaşımıyla çözülerek çalışmaya özgün bir katkı sağlanmıştır. Bu tez, genetik dizilerin kodlanması, sınıflandırılması ve eksik verilerin tahmini için yenilikçi yaklaşımlar geliştirmeyi ve bu yöntemlerin biyoinformatik araştırmalarda nasıl kullanılabileceğini ortaya koymayı amaçlamaktadır. Elde edilen sonuçlar, viral genom analizi ve sınıflandırma süreçlerine yeni metodolojik katkılar sunarak, bu alandaki bilimsel çalışmalara önemli bir referans niteliğinde olmayı hedeflemektedir.
Derin öğrenme ile ethereum fiyat tahmini
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-08-28) Yalçın, Mustafa; Ertuğrul, Ömer Faruk
Yapay zeka, hayatımızın pek çok alanına entegre olarak, günlük yaşantımızı önemli ölçüde kolaylaştırmıştır. Bu kolaylık ise her türlü alanda sağlanmaktadır. Özellikle finansal teknolojilerde, yapay zeka ve makine öğrenimi yöntemleri, kripto para piyasalarında öngörü ve analiz yapma süreçlerini dönüştürmüştür. Bu bağlamda, Ethereum gibi popüler kripto para birimlerinin fiyat tahminleri, ileri yapay zeka modelleri kullanılarak daha doğru ve güvenilir hale gelmektedir. Yatırımcılar, bu modeller sayesinde piyasa hareketlerini daha iyi anlayabilir ve daha bilinçli kararlar alabilirler. Yapay zeka tabanlı analizler, sadece yatırım stratejilerini iyileştirmekle kalmaz, aynı zamanda piyasa dalgalanmalarına karşı daha etkin risk yönetimi sağlar. Böylece, kripto para dünyasında güvenlik ve karlılık artırılarak, dijital finansal ekosistemin sürdürülebilirliği desteklenmiş olur. Bu çalışmada ise Ethereum kripto para biriminin fiyat tahmininde yapay zeka modellerinin kullanımı araştırılmaktadır. LSTM, ANN, GRU ve RNN modelleri kullanılarak, Ethereum fiyat verileri üzerinde analizler gerçekleştirilmiştir. Çalışmanın amacı, bu modellerin fiyat tahminindeki etkinliğini değerlendirmek ve kripto para piyasasındaki öngörü kabiliyetlerini ortaya koymaktır. Elde edilen bulgular, yapay zeka tekniklerinin finansal piyasalarda nasıl kullanılabileceğine dair önemli bilgiler sunmaktadır.
Makine öğrenmesi yöntemleri kullanılarak felç (inme) tespiti
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-09-13) Ateş, Hadice; Çalışkan, Abidin
Felç, beyne giden kan akışının aniden kesilmesi olarak tanımlanır. Kan akışının kesildiği bölgedeki hücreler zamanla işlevselliğini kaybederek vücudun etkilenen bölgesinde kalıcı hasara neden olabilmektedir. Felç; yaş, mesleki durum, bazı kronik rahatsızlıklar ve ailede daha önce geçirmiş olan bireylerin bulunması gibi birçok etkene bağlı olabilir. Bu etkenlerin değerlendirilmesi ve felç riskinin tahmin edilmesi maliyet ve zaman bakımından oldukça fazla olduğundan kişinin kalıcı bir hasarla karşı karşıya olma tehlikesi artmaktadır. Günümüz teknolojisinde ise Yapay Zekâ ve Makine Öğrenmesi modellerinde son noktaya bakıldığında milyonlarca veri üzerinde iyileştirme yapılarak riskin olup olmadığı konusunda karar vermek saniyeler sürmektedir. Bu çalışmada da zamandan tasarruf edilerek insan sağlığının bu tehlikeden korunması hedeflenerek Makine Öğrenmesi yöntemlerinden olan Lojistik Regresyon, K-En Yakın Komşu, Destek Vektör Makineleri ve Karar Ağaçları modelleri kullanılarak bireyin felç geçirme riski taşıyıp taşımadığının en güvenilir şekilde belirlenmesi amaçlanmıştır. Çalışma sonucunda ise veri seti üzerinde en yüksek başarı oranını elde eden yöntemin %91 ile Karar Ağaçları metodu olduğu görülmüştür. Ardından başarı oranlarına göre yöntemlerin sıralaması ise %89 oranıyla Destek Vektör Makineleri, %81 oranıyla K-En Yakın Komşu modeli ve son olarak Lojistik Regresyon metodu %75 şeklinde sonuçlanmıştır.
Beyin tümörünün derin öğrenme yaklaşımları kullanılarak tespit edilmesi
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-09-27) Aslım, Cafer; Çalışkan, Abidin
Bu yüksek lisans tezi, beyin tümörlerinin tespiti için derin öğrenme yöntemlerinin kullanımını incelemektedir. Beyin tümörleri, dünya genelinde nadir görülmelerine rağmen yüksek ölüm oranlarına sahip ciddi malignitelerdir. Erken teşhis ve doğru sınıflandırma, tedavi sürecinde hayati öneme sahiptir. Bu çalışmada, derin öğrenme yöntemlerinin, özellikle evrişimsel sinir ağlarının (ESA), beyin tümörlerinin tespiti ve sınıflandırılması üzerindeki performansı değerlendirilmektedir. Çeşitli derin öğrenme modelleri ve makine öğrenmesi algoritmaları kullanılarak, beyin tümörlerinin MRI ve BT görüntülerinden tespit edilmesi amaçlanmıştır. Çalışmada VGG19, Inception V3 ve MobileNet gibi derin öğrenme modelleri ile K-En Yakın Komşu (k-NN) ve Destek Vektör Makineleri (DVM) gibi makine öğrenme algoritmaları kullanılmıştır. Model performansları doğruluk, hassasiyet, duyarlılık, F1 skoru ve ROC-AUC gibi metriklerle değerlendirilmiştir. Elde edilen sonuçlar, derin öğrenme modellerinin beyin tümörlerinin tespitinde yüksek doğruluk ve güvenilirlik sunduğunu göstermektedir. Özellikle VGG19 modelinin diğer modellere kıyasla daha yüksek performans sergilediği tespit edilmiştir. Bu bulgular, derin öğrenme yöntemlerinin tıbbi görüntü analizi alanında etkili bir araç olabileceğini ve klinik uygulamalarda kullanılabilirliğini göstermektedir. Gelecekteki çalışmalarda, daha büyük veri setleri ve farklı derin öğrenme modelleri kullanılarak performansın daha da artırılması hedeflenebilir.
Güneş enerji santrallerinin güç kalitesi üzerine etkisinin incelenmesi
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-09-09) Obut, Naci; Tür, Mehmet Rıda
Günlük hayatta kullanılan tüm cihazların ve ekipmanların normal çalışabilmesi ve ömürlerinden kayıp vermeden performans gösterebilmeleri için belirli elektriksel sınırlamalar gereklidir ve bu sınırlamalar Enerji Kalitesi olarak tanımlanır. Enerji kalitesi, hem enerji üreticileri hem de tüketiciler için büyük önem taşır. Bu bağlamda, belirli güç parametreleri ve standartlara uyum, enerji kalitesinin yüksek seviyede tutulmasını sağlar ve bu sayede kaliteli elektrik enerjisi son kullanıcıya iletilir. Güç kalitesi parametrelerinin ölçülmesi, elektrik santrallerinde ve santrallere bağlı cihazlarda meydana gelebilecek sorunların önlenmesinde önemli bir rol oynar. Problemlerin hızlı bir şekilde tespit edilmesi, çözüme ulaşılması ve sistem arızalarının önlenmesi hayati önem taşır. Enerji santrallerinde teknik kaliteyi belirlemek amacıyla; ölçüm esasları, teknik kalite parametreleri ve sınır değerleri, teknik kalite ölçümleri, ölçüm sonuçlarının değerlendirilmesi ve gerekli işlemlerin gerçekleştirilmesi teknik kalitenin korunmasını ve sürekliliğini sağlamaktadır. Dağıtık üretim sistemlerinin şebekeye entegrasyonunda güç kalitesi kavramı belirleyici bir rol oynar ve kritik bir öneme sahiptir. Şebekeye bağlı GES (Güneş Enerji Sistemi) ve benzeri sistemler, dağıtık üretim sistemleri olarak kabul edilir. Bu tür sistemlerin entegrasyonu sırasında, gerilim dalgalanmaları, harmonik distorsiyonlar, kısa devre akım seviyesinin artması, arıza esnasında ve sonrasında ortaya çıkan davranışlar ve şebeke gerilim/frekans değişiklikleri gibi çeşitli sorunlar ortaya çıkabilir. Bu bağlamda, D-STATCOM (Dağıtılmış Statik Kompanzatör) gibi ileri teknoloji çözümleri, bu tür güç kalitesi sorunlarının etkin bir şekilde yönetilmesi için kullanılabilir. D-STATCOM, şebeke bağlantılı sistemlerde gerilim dalgalanmalarını dengeleyerek, reaktif güç kompanzasyonu sağlayarak ve harmonik distorsiyonları azaltarak şebekenin stabilitesini ve güvenilirliğini artırır. Bu nedenle, planlanan tez çalışmasında, bu entegrasyon zorlukları detaylı olarak incelenecek ve D-STATCOM gibi çözümler kullanılarak geliştirilecek öneriler ile bu sorunların üstesinden gelinmesi amaçlanacaktır.
Yapay zeka yöntemleri kullanılarak ST segment yükselmeli miyokart infarktüslü hastaların ölüm risk analizi ve tahmini
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-09-17) Özyılmaz, Bahar; Öztekin, Abdulkerim
Kalp krizi, yani akut miyokard infarktüsü (Acute Myocardial Infarction – AMI), kalbi besleyen damarların zamanla daralıp tıkanmasıyla kalp kasının bir kısmının yeteri kadar kan alamaması durumudur. Bu durumun geç fark edilmesi ve hemen müdahale edilememesi birey için ölüm ve bazı kalıcı hasarlara neden olabilmektedir. İstatistiklere bakıldığında kardiyovasküler hastalıkların neden olduğu ölümler her geçen gün daha da artmaktadır. Akut miyokart infarktüsünün en ciddi ve ölümcül türlerinden biri olan ST yükselmeli akut miyokart infarktüsü (ST-segment Elevation Acute Myocardial Infarction - STEMI) acil tanı ve müdahale gerektirir. Sağlıkta kullanılan yapay zekâ tabanlı uygulamalar yaygınlaşarak erken teşhis ve tedavinin önünü açmıştır. Modern tıpta, STEMI hastalarının doğru ve hızlı bir şekilde tanımlanarak tedavi edilmesi hayati bir öneme sahiptir. Bu süreç içerinde hastaların ölüm riskini önceden belirlemek, klinik kararların verilmesinde çok büyük rol oynamaktadır. Geleneksel risk değerlendirme yöntemleri genellikle zaman alıcı ve subjektif süreçler olup, klinik verilerin manuel olarak analiz edilmesine dayanmaktadır. Bu çalışmada, yapay zekâ yöntemlerinden makine öğrenmesi algoritmaları kullanılarak hastalarının ölüm risk analizi ve tahminlemesi yapılmıştır. Kullanılan veri seti üzerinden kalp krizi geçirenlerin parametrelerinin neler olduğu, bu parametrelerin veri seti üzerindeki dağılımı ve birbirleriyle ilişkili olduğu durumlar farklı analiz yöntemleriyle incelenip bireylerde ölüme sebebiyet açısından ne derecede etkili olduğu belirlenmiştir. Bu tezin amacı, kalp krizi geçirmiş bireylerde mortalite riskinin yapay zekâ tabanlı algoritmalar yardımıyla önceden tahmin edilmesini kolaylaştırarak hastaların erken tedavi edilmelerini sağlayacak faydalı bir hekim karar destek modeli geliştirmektir. Çalışmanın, bu yönüyle STEMI hastalarının yönetiminde klinik karar desteği sağlaması ve sağlık hizmetlerinin kalitesini artırmaya yönelik katkılar sunması beklenmektedir.
Sokak aydınlatma sistemlerinde akıllı kontrol tekniği ile enerji tasarrufu sağlama ve güç kalitesi iyileştirme
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-08-14) Bedir Mirkan, Narin; Tür, Mehmet Rıda
Günümüzde kentsel altyapı tasarımının temel unsurlarını enerji verimliliği ve sürdürülebilirlik oluşturmaktadır. Bu bağlamda, sokak aydınlatma sistemleri, enerji tüketiminin optimizasyonunda önemli bir rol almaktadır. Geleneksel sokak aydınlatma sistemleri, genellikle sabit zaman aralıklarında çalışan ve çevresel koşulları dikkate almayan statik yapılar olarak kabul edilirken, akıllı sokak aydınlatma sistemleri bu alanda önemli bir dönüşümü temsil etmektedir. Geleneksel sokak aydınlatma sistemlerinin sınırlamaları göz önüne alındığında, akıllı sistemlerin enerji tasarrufu, çevresel etkilerin azaltılması ve şehir yönetiminin iyileştirilmesi gibi birçok avantajı bulunmaktadır. Bu tez çalışmasında, Işık yayan diyot lambalar gibi esnek aydınlatma teknolojisinin geniş çapta kullanılabilirliği ve kablosuz iletişim kabiliyetinin bulunmasıyla, hızlı tepki veren, güvenilir şekilde çalışan ve enerji tasarrufu sağlayabilen akıllı sokak aydınlatma sistemlerini geleneksel aydınlatma yöntemlerine göre farklarını ortaya koymuştur. Bunula birlikte farklı teknolojiler ve sensörlerin kullanımını değerlendirmektedir. Önerilen akıllı sokak aydınlatma sistem prototipi tasarlanmış olup gerçek kentsel bir ortamda uygulanmıştır.
Meta-sezgisel algoritmaların sistem tanımlama problemlerine uygulanması
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-06-20) Zaloğlu, Metin; Fidan, Şehmus
Son yıllarda çeŞitli optimizasyon problemlerini çözmek için kullanılan meta-sezgisel optimizasyon algoritmalarının sayısında önemli artıŞlar yaŞanmıŞtır. Bu tür algoritmalar, biyolojik evrim, sürü davranıŞı, bitki büyüme süreçleri vb. gibi fenomenlerden ilham alarak tasarlanmıŞtır. Çok çeŞitli algoritmalar olmakla birlikte genetik algoritma, parçacık sürü optimizasyon algoritmaları oldukça popülerdir. Meta-heuristik algoritmalar, makine öğrenmesinde hiperparametre hesaplama, kontrolör tasarımı, finans vb. çok çeŞitli uygulama alanlarında etkin bir Şekilde kullanılmaktadır. Yapılan literatür araŞtırmalarında meta-heuristik algoritmaların sistem tanımlama problemlerine uygulanmasında önemli eksiklikler olduğu belirlenmiŞtir. Sistem tanımlama yöntemleri, sistemin giriŞ ve çıkıŞ verilerini kullanarak sistemin matematiksel modelini belirlemeye çalıŞır. Bir sistemin matematiksel modelini elde etmek genellikle zahmetli ve karmaŞık bir süreç olabilir. Bu sürecin giriŞ/çıkıŞ verilerinin analiz edilmesi yoluyla sistem tanımlama yöntemleri kullanarak aŞmak mümkündür. Bu Şekilde, sistemin davranıŞını anlamak ve optimize etmek için kullanılabilecek bir model elde edilebilir. Bu çalıŞmada, Meta-sezgisel algoritmalar, saç kurutma(hair-dryer) deney setinden alınan giriŞ/çıkıŞ verileri kullanılarak sistemin modelini elde etmek için kullanılmıŞtır. Tezde; yapay ekosistem (AEO), çiçek tozlaŞma (FPA), karınca aslanı (ALO), güve-alev (MFO), halat çekme (TWO), atom arama (ASO), beyin fırtınası (BSO), su döngüsü (WCA), mercan resifleri (CRO) ve yaŞam seçimi tabanlı algoritma (LCO) gibi çeŞitli meta sezgisel optimizasyon algoritmaları ele alınmıŞ ve sistem tanımlama problemine uygulanmıŞtır. Belirtilen algoritmaların zaman, maksimum jenerasyon, erken durdurma ve fonksiyon hesaplama sınırlılıkları ele alınmıŞ ve performansları incelenmiŞtir. Algoritmaların performanslar karŞılaŞtırıldığında AEO algoritması, diğer algoritmalara göre yüksek bir performans göstermiŞtir. Yapılan analizler sonucunda önerilen meta-sezgisel algoritmaların sistem tanımlama problemlerine kolaylıkla ve baŞarıyla uygulanabileceği görülmüŞtür.
Derin öğrenme teknikleri kullanılarak meyve ve sebzede çeşitli hastalıkların tespit edilmesi
(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-09-28) Özcan, Sevil; Acar, Emrullah
Meyve ve sebze hastalıklarının gıda güvenliği ve sürdürülebilir tarım pratikleri açısından kritik önemi bulunmaktadır. Dolayısıyla hastalıklar ürün verimini düşürmekte, kaliteyi azaltmakta ve böylece küresel gıda arzını tehdit etmektedir. Bu hastalıklar aynı zamanda biyoçeşitliliği de olumsuz etkilemekte, ekosistem dengesini bozmakta ve çiftçilerin geçim kaynaklarını zayıflatmaktadır. Bu çalışmada, derin öğrenme teknikleri kullanılarak meyve ve sebzelerde görülen hastalıkların tespiti yapılmıştır. Bu araştırma kapsamında 12 sınıfa ait 2907 adet RGB görüntüden çevrimiçi bir veri seti elde edilmiştir. Her sınıf için veri genişletme yöntemi ile veri seti 2907'den 17442’e kadar çıkarılmıştır. Meyve ve sebzelerdeki çeşitli hastalıkların tespiti için 10 katmanlı evrişimli derin ağ modeli oluşturulmuş ve ön eğitimli derin ağ mimarileri ( InceptionV3 ve ResNet50) kullanılmıştır. Elde edilen sonuçlar, en başarılı yöntemleri belirlemek için zaman ve başarı oranı açısından karşılaştırılmıştır. Sağlanan analizlerin sonuçları ayrıca tasarlanan bu gerçek zamanlı sistem ile meyve ve sebzelerde hastalık görüntülerini tespit etme ve tahminlerini bilgisayar ekranına aktarmak için gerçekleştirilmiştir.

Güncel Gönderiler