10 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 10 / 10
Öğe Predicting factors affecting PISA 2015 mathematics literacy via radial basis function artificial neural network(Batman Üniversitesi, 2019-05-23) Güre Bezek, Özlem; Kayri, Murat; Erdoğan, FevziIn this study, radial basis function artificial neural network (RBFN), which is one of the of data mining methods, was employed to determine the factors affecting PISA 2015 (Programme for International Student Assessment - PISA), Mathematics literacy. Mathematics literacy scores, which were made in categorical form with three level dependent variables, 25 independent variables, and considered to have affected the dependent variables, were employed in evaluating and validating the proposed method. Also, in order to determine factors affecting PISA 2015 Mathematics literacy, information obtained from a total of 4422 students (2165 (49%) of whom were males and 2257 (51%) of whom were females) who participated the exam was used. According to the obtained results, the correct classification rate of mathematics achievement in the radial based artificial neural network model was found to be 85.2%. In addition, it is seen that the most important factor that were affecting Mathematics literacy was Turkish language success status and the other variables that were setting significance are targeted point in school life, father education level and mother education level.Öğe Derin öğrenme yöntemleri kullanılarak Diyarbakır yöresi karpuzu görüntülerinden ağırlığının tahmin edilmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2022-08-18) Kayra, Halil; Koç, SavaşBu tez çalışmasında Diyarbakır yöresinde yetişen karpuzların görüntüleri kullanılarak derin öğ-renme metotlarıyla karpuzların ağırlık tahmini yapılmıştır. Çalışmada 5000 adet karpuz görüntüsü kullanıl-mıştır. Diyarbakır yöresinde yetiştirilen karpuzların market ve semt pazarlarında fotoğrafları çekilerek bilgisayar ortamında kayıt altına alınmıştır. Toplanan karpuz görüntülerinin arka planları alındıktan sonra maskeleri Python programında yapılmıştır. Maskeler U-Net mimarisinde kullanılmak üzere eğitim dosyasına alınmıştır. Derin öğrenme yöntemlerinde evrişimli sinir ağları ile U-Net mimarisi kullanılmıştır. Görüntülerin segmentasyonu başarılı bir şekilde yapılmıştır. U-Net mimarisi %99,65 ora-nında başarılı bir şekilde karpuz görüntüsünü geometrik olarak tahmin etmiştir. U-Net modelinde elde edilen görüntülerden piksel alan metodu ile karpuzun görüntüde kapladığı alan oranı hesabı yapılmıştır. Görüntülerin boy ve en pikselleri belirlendikten sonra yapay sinir ağı ile eğitimlerine geçilmiştir. En iyi mimariyi bulmak için yapay sinir ağları 9 farklı mimari ile eğitimi yapılmıştır. En iyi mimari 4 gizli kat-mana sahip 1024 birime ayrılmış olan ve aktivasyon fonksiyonu olarak ReLU kullanılan mimari olmuş-tur. Görüntülerden elde edilen karpuz verilerinin çok katmanlı yapay sinir ağlarında eğitilmesi ile test doğruluk oranı %92,59 ve eğitim doğruluk oranı ise %94,43 bulunmuştur. Sonuç olarak oluşturulan derin öğrenme yöntemi saye-sinde 65 cm mesafede fotoğrafı çekilen karpuz görüntülerinin kaç kilo aralığında olduğu tahmin edecek bir program oluşturularak dijital tarım alanındaki çalışmalara katkıda bulunacaktır.Öğe Makine öğrenmesi algoritmaları kullanılarak 2040 yılına kadar Türkiye’nin enerji talep tahmini(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-06-09) Erdemci, Hakan; Karaman, Ömer AliNüfusun artışı ile birlikte sanayileşmenin hızla artması enerji ihtiyacını da artmıştır. Bununla birlikte ortaya çıkan bu enerji ihtiyacını karşılayabilmek için ön görülebilecek enerji tahminlerini yapabilmek için makine öğrenme algoritmaları ön plana çıkmıştır. Parçacık sürü optimizasyonu (PSO), yapay sinir ağları (YSA) ve destek vektörü regresyonu (DVR) bu algoritmalar içerisinde yer almaktadır. Bu çalışmada PSO, YSA ve DVR algoritmaları kullanılarak Türkiye’nin 2020-2040 yılları arasında elektrik enerjisi talep tahminlemesi yapılmıştır. Bu tahminleme işlemlerinin yapılabilmesi için 1980-2019 yılları arasında yıllık elektrik tüketim verileri TEİAŞ’tan (Türkiye Elektrik İletim Anonim Şirketinden), nüfus verileri TÜİK’ten (Türkiye İstatistik Kurumundan), ihracat, ithalat, gayri safi yurtiçi hâsıla (GSYH) verileri Dünya Bankası açık veri kümesinden alınmıştır. PSO, YSA ve DVR enerji talep modelleri nüfus, ihracat, ithalat, GSYH verileri kullanılarak geliştirilmiştir. Türkiye'nin sosyoekonomik durumu göz önünde bulundurularak enerji talebi üç farklı senaryoya göre düzenlenmiştir. PSO, YSA ve DVR yöntemlerinin performans sonuçlarını değerlendirebilmek için Kök Ortalama Kare Hata (KOKH), Ortalama Kare Hata (OKH) ve Ortalama Mutlak Hata (OMH) hata metrikleri ve R2 değerleri karşılaştırıldı. Hata metrik değerleri incelendiğinde YSA’nın diğer yöntemlere kıyasla daha başarılı sonuçlar verdiği söylenebilir. 1980-2019 yılları arasında gerçekleşen, bağımsız girdi parametreleri olan nüfus, ihracat, ithalat ve GSYH değerleri ile bağımlı çıktı olan enerji tüketimi arasındaki ilişki korelasyon matrisi kullanılarak incelenmiştir. Korelasyon matrisinde 0,991 değeri ile ihracat ve enerji tüketimi arasında güçlü bir doğrusal ilişki olduğu gözlemlenmiştir. Ayrıca Çoklu regresyon denklemleri oluşturulmuştur. Parametreleri (X1, X2, X3, X4) olan ithalat, ihracat, GSYH, nüfus) bazında F denklemi üzerinden tahminin performans değerlendirmesi yapılmıştır. Dört parametreyi (X1, X2, X3, X4) içeren regresyon denklemi en yüksek (0,995) R2 değerine sahip olup kapsamlı bir temsiliyete sahip olduğu anlaşılmıştır.Öğe GSM sinyal bazlı konum belirleme(Batman Üniversitesi Fen Bilimleri Enstitüsü, 2020-07-08) Demir, Ercan; Öztekin, AbdulkerimGünümüz dünyasında mobil haberleşme sistemlerine duyulan ihtiyaç ve kullanıcı sayısındaki yüksek artış beraberinde yeni nesil mobil uygulamaların geliştirilmesini de vazgeçilmez kılmıştır. Konum bilgisinin elde edilmesi en çok ilgi çeken ve önemli ölçüde gelişim gösteren alanlardan birisi olmuştur. Konum belirlemeye yönelik kullanılan servislerin amacı genel olarak kullanıcıların yaklaşık konum, hız ve zaman gibi bilgilerinin elde edilmesidir. GPS sistemi, küresel konumlandırma sistemleri arasında en fazla tercih edilen ve yüksek bir doğrulukla çalışan bir konum belirleme sistemidir. Ancak bu sistemin yüksek bir kurulum maliyeti gerektirmesinin yanı sıra, galaktik ve meteorolojik etkenler, yüksek binalar ve diğer fiziksel engellerin bulunduğu yoğun yerleşim yerlerinde ve özellikle kapalı alanlarda ciddi sinyal zayıflamaları ve kayıpları nedeniyle servis dışı kalabilmesi en büyük kısıtlarından birisidir. Bu hususlar dikkate alındığında, küresel konumlandırma sistemlerine alternatif ve tamamlayıcı olacak konumlandırma sistemlerine acil gereksinim duyulduğu görülmektedir. Bu noktada, neredeyse herkesin yaygın bir şekilde kullanmakta olduğu ve kapsama alanı gün geçtikçe artan GSM ağının altyapısından faydalanılarak konum tahmini yapılması son derece önemli bir alternatif olarak karşımıza çıkmaktadır. Kapalı alanlarda ve kötü hava şartlarında, elde edilebilecek sinyal seviyeleri açısından kıyaslandığında hücresel ağların küresel konumlandırma sistemlerinden daha avantajlı olacağı düşünülmektedir. Gerçekleştirdiğimiz bu çalışma kapsamında, mobil telefon için Android Studio ortamında geliştirdiğimiz bir mobil uygulama vasıtasıyla kapalı ve açık alanlarda ölçümlenen GSM sinyal gücü, GSM baz istasyonu ve kullanıcı konum bilgileri kaydedilerek veri setleri oluşturulmuştur. Bu verinin bir kısmı ile Matlab simülasyon ortamında oluşturulacak ağın yapay sinir ağları (YSA) metotlarından aşırı makine öğrenmesi (ELM), genelleştirilmiş regresyon sinir ağı (GRNN) ve k-en yakın komşuluk algoritması (kNN) kullanılarak eğitilmesi ve verinin diğer kısmıyla da test yapılarak yaklaşık konum tahmini gerçekleştirilmesi amaçlanmıştır. Bina içi, bina dışı ve harmanlanmış veri setleri ile yapılan testlerde, önerilen GSM sinyal bazlı konum belirleme sisteminin asgaride bir metrenin altında ve ortalamada ise 76- 216 metre aralığında hata oranlarıyla gerçek konum bilgisi elde edilebileceği gözlemlenmiştir.Öğe Farklı iklim koşulları için ışınım değerlerine dayalı güneş enerjisi potansiyelinin tahmini(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-02-20) Acet, Nergiz; Ercan, UmutHer geçen gün dünyada enerji kullanım oranı artmaktadır. Enerji; sanayi, sağlık, konut ısıtması ve aydınlatılması gibi birçok alanda yaygın olarak kullanılmaktadır. Ülkeler sağlık, eğitim, ulaşım ve üretim gibi alanlarda aktif bir şekilde enerjiye ihtiyaç duymaktadır. Enerji ihtiyacını karşılayamayan ülkeler birçok konuda olumlu yönde ilerlemeler sağlayamamaktadır. Günümüz dünyasında refah seviyesini yükseltmek için birçok ülke enerji alanına yönelmiş durumundadır. Dünyada gün geçtikçe nüfusun artması ve sanayileşmeden kaynaklı enerji açığı ortaya çıkmaktadır. Fosil kaynaklı enerjinin tükeniyor olması yeni enerji üretim yolları araştırılmasına neden olmuştur. Bu yüzden, tükenmeyen ve çevre dostu olan yenilenebilir enerjilere yönelim artmıştır. Yenilenebilir enerjilerin temel olarak ana kaynağı güneştir. Güneş enerjisinin bedava olması ve ülkemizin fazla miktarda güneş alabilen bir coğrafyada olması bizi bu konuda çalışmaya yönlendirmiştir. Bu çalışmada, yenilenebilir enerji kaynaklarından olan güneş enerjisi ışınım potansiyel tahmini hakkında araştırmalar yapılmıştır. Yenilenebilir enerji çeşitleri ve potansiyellerine değinilip, Türkiye’deki yenilenebilir enerji çeşitlerin kapasitesi açıklanmıştır. Daha sonra, güneş hakkında detaylı bilgiler verilmiştir. Çalışmanın literatür bölümünde güneş enerjisinin potansiyel tahmini ile ilgili birçok teknik ve modelle yapılan çalışmalar sunulmuştur. Güneş enerjisinden elektrik üretimi elde ediniminde en önemli unsurun o bölgenin aldığı ışınım değerleri olduğu görülmüştür. Bu nedenle, farklı iklim kuşaklarındaki İstanbul, Ottowa ve Pekin şehirlerinin 2015-2020 yılları arasındaki ışınım değerleri temel alınarak, 2021 ve 2022 yılları için aylık olarak güneş enerjisi potansiyeli ARIMA ve yapay sinir ağı ile tahminler yapılmıştır. ARIMA ve yapay sinir ağı modellerinde en uyumlu çıkan şehir İstanbul olmuştur. ARIMA ve yapay sinir ağları içinde ise üç şehirde gerçek değer ile tahmin modeli arasında en fazla benzerlik olan yapay sinir ağları metodu olmuştur.Öğe Akıllı saldırı tespit sistemleri(Batman Üniversitesi Fen Bilimleri Enstitüsü, 2021-02-17) Toprak, Hanifi; Kardaş, SüleymanBilgi ve İletişim Teknolojileri hayatımızın her alanını içine alan insanların hatta tüm canlıların ayrılmaz bir parçası haline gelmiştir. Bunun hayatımıza artarak dokunması beklenmektedir. Teknolojinin bu kadar hayatımızla iç içe geçmesi nedeni ile bunu kendi amaçları doğrultusunda kullanmak isteyenlerin ortaya çıkması da beklenendir. Teknolojinin birçok faydası bulunmaktadır. Fakat güvenlik açısından gerekli hassasiyet gösterilmemesi durumunda ise istenilmeyen sonuçlar da doğabilmektedir. Saldırganlar özellikle toplumu en çok etkileyen alanlardan olan Bankacılık, Enerji, Ulaşım gibi sistemlere sızmaya ya da kullanılmaz hale getirmeye çalışırlar. Saldırgan için motivasyon kaynağı bazen para, bazen de şan-şöhret olabilmektedir. Teknolojinin olduğu her yerde bir güvenlik problemi olduğu herkesin kabul ettiği bir gerçektir. Bundan dolayı kurumlar kendi siber olaylara müdahale ekiplerini (SOME) oluştururken topyekûn siber savaşlar için ülke çapında USOM kurulmuştur. Siber saldırı, siber suçluların bir veya daha fazla cihazı tek veya birden fazla cihaza ya da ağa karşı kullanarak başlattığı bir saldırıdır. Siber saldırı ile saldırgan, sistemleri devre dışı bırakabilir, sistemlerden veri çalabilir ya da verilerde değişiklik yapabilir. Siber saldırganlar hedef sistem (ler)e erişmek için türlü teknik ve sosyal mühendislik yollarına başvurur. Saldırı Tespit Sistemleri (Intrusion Detection Systems), olası saldırıları tespit etmekte kullanılan güvenlik bileşenlerinden biridir. STS, yapılan atakları genel olarak 3 farklı şekilde tespit etmeye çalışır. İmza Tabanlı STS: Bu saldırı tespit sisteminde, ağda oluşabilecek bir anormallik mevcut kötü yazılım veri tabanıyla karşılaştırma yapılarak tespit edilir. Anomali Tabanlı STS: Bu saldırı tespit sisteminde, kullanıcı profilleri oluşturulmaktadır. Bu profillerin dışına çıkılması durumunda sistem, yapılan işlemi saldırı olarak yorumlanmaktadır. Protokol Analizi STS: Protokol aktiviteleri profilleri çıkarılır. Şüpheli bir aktivite ile karşılaşıldığında mevcut profillerle karşılaştırılır. Karşılaştırma sonucunda saldırı olup olmadığına karar verilir. KDD’99: KDD’99 saldırı tespit sistemleri için model dizayn etmede kullanılan bir veri setidir. Bu veri seti 42 sütün ve 4.940.200 adet satırdan oluşmaktadır. Veri setinde bulunan saldırılar 4 ana kategoride tanımlanabilir: DoS: Denial-of-service, ağda bulunan bir sistem ya da cihazın sistem kaynaklarını tüketerek gerçek kullanıcılara hizmet veremeyecek duruma getirmesidir. Bu saldırı yöntemine syn flood saldırısı örnek olarak verilebilir. R2L: Bir sisteme erişim izni olmadan bağlanmaya çalışma saldırılarıdır. Bu saldırı yöntemine guessing password aldırısı örnek olarak verilebilir. U2R: Normal kullanıcı yetkisine sahip bir hesabın admin ya da root kullanıcı haklarını elde etme amaçlı yapılan saldırı türüdür. Bu saldırı yöntemine buffer overflow aldırısı örnek olarak verilebilir. Probing: Bu saldırıda saldırgan, hedef cihaz hakkında bilgi toplamaktadır. Bu bilgi; açık olan portlar, geçerli ip adresleri, üzerinde çalışan servisler, kurulu olan işletim sistemi olabilmektedir. Port scanning probing saldırılarına örnek verilebilir. Bu tezde, saldırı tespit sistemlerinde kullanılan KDD’99 veri setinde bulunan saldırılar kategorize edilerek, saldırı istatistikleri ve bu saldırılar hakkında bilgiler verilmiştir. Ayrıca denetimli öğrenme modellemelerinden olan Yapay Sinir Ağları (YSA) ve Karar Ağaç algoritmaları kullanılarak yapılabilecek bir saldırıyı gerçek zamanlı ve yüksek başarımlı tespit edecek sistem modellemeleri yapılmıştır.Öğe Derin öğrenme yöntemi ile kesici takımların sınıflandırılması ve tespiti(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-09-21) Taş, Kenan; Baday, ŞehmusGerçekleştirilen bu tez çalışmasında, tornalama işlemlerinde kullanılan ve ISO standartlarına göre C, R. S, Q vb. olarak adlandırılan takımların derin öğrenme yöntemi ile sınıflandırılması ve tahmini yapılmıştır. Bu amaçla farklı geometrik şekillere sahip kesici takım görüntüleri kullanılarak bir veri seti oluşturulmuştur. Bu veri setindeki görüntüler görüntü çoğaltma yöntemleri kullanılarak artırılmıştır. Daha sonra elde edilen bu veri setlerindeki görüntüler CNN, Xception, ResNet, LeNet, AlexNet ve GoogleNet ağ mimarileri ile kesici takım görüntüleri eğitilmiş, test edilmiş ve doğrulamaları yapılmıştır. Kesici takımların görüntüleri ISO standardında yer alan kodlara göre (C, R, S, Q vb) göre sınıflandırılmış ve görüntülerin tahmini de buna göre yapılmıştır. CNN, Xception, ResNet, LeNet, AlexNet ve GoogleNet ağ mimarileri ile eğitilen kesici takım görüntüleri doğrulama değerleri sırasıyla %91, %99, %13, %60, %97 ve %13 olarak elde edilmiştir. Bu ağ mimarilerinde en iyi sonuçları veren Xception, CNN ve AlexNet olduğu görülmüştür. ResNet, LeNet ve GoogleNet ile eğitilen görüntülerin başarı oranın düşük olduğu sonucuna varılmıştır. Sonuç olarak kesici takımların görüntüleri geliştirilen ve eğitilen derin öğrenme metodu ile değerlendirilmiştir. Böylece tornalamada ne tür bir kesici takım kullanıldığını tahmin eden ve işleme yöntemine uygun bir şekilde sınıflandırılan bir yöntem geliştirilmiştir. Bu görüntü işleme yöntemi ile kesici takımların farklı özellikleri kullanılarak sınıflandırılması ve otomasyon sistemlerinde etkin bir şekilde kullanılarak dijitalleşen sanayi alanına katkıda bulunulacaktır.Öğe Petrol ve doğalgaz faaliyetlerinde çalışanların iş kazaları açısından incelenmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-09-13) Künteş, Önder; Bezek Güre, ÖzlemTürkiye’de her yıl birçok sektörde iş kazası yaşanmaktadır. Petrol sektöründe meydana gelen iş kazalarının değerlendirilmesini amaçlayan bu çalışmada yapay sinir ağları kullanılarak kaza tahminlemesi yapılmıştır. Petrol sektöründe faaliyet gösteren bir şirkette 2020-2023 yıllarında meydana gelmiş olan 2210 adet iş kazası verileri kullanılmıştır. Çalışmada; aylık kaza verileri ile yapay sinir ağı modellemesi yapılmıştır. Çalışmada ileri beslemeli ağlardan olan Çok Katmanlı Algılayıcı Yapay Sinir ağları (ÇKAYSA) ile Radyal Tabanlı Fonksiyon Yapay Sinir Ağları (RTFYSA) kullanılmıştır. Verilerin %70’i eğitim , %30’u test verisi olarak ayrılmıştır. Analizler sonucunda; ÇKAYSA yönteminde %84.1 doğru sınıflama oranı, RTFYSA yöntemi ile %86.4 doğru sınıflama oranı elde edilmiştir. RTFYSA yönteminin ÇKAYSA yöntemine göre daha başarılı performans gösterdiği söylenebilir. Yöntemlerin iş kazalarının tahmini amacıyla kullanılması önerilmektedir.Öğe Derin evrişimli çekişmeli üretici ağlar ile yüz görüntülerinin üretimi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-02-18) Çiçekli, Nizamettin; Ertuğrul, Ömer FarukBu çalışmada ilkel insandan günümüze kadar bilginin artışı, nesiller arası aktarımı ve bu sürecin büyük veriye dönüşümü incelenmiştir. Aynı zamanda yapay zekanın tarihsel gelişimi, yapay sinir ağlarının yapısı, derin öğrenme, derin öğrenme katmanları ve derin öğrenme modelleri gibi konular ayrıntılı bir şekilde ele alınmıştır. Bunun yanı sıra görüntü oluşturma modellerinden biri olan ve derin öğrenmenin bir alt dalı olan çekişmeli üretici ağlar hakkında detaylı bilgiler sunulmuştur. Çekişmeli üretici ağların tarihsel süreci, yapılan akademik çalışmalar, gelişimi ve akademik literatüre katkıları titizlikle araştırılmıştır. Özellikle çekişmeli üretici ağların görüntü oluşturma alanında en iyi modellerinden biri olan DEÇÜA modeli ayrıntılı bir şekilde incelenmiştir. DEÇÜA modelini oluşturan üretici ağın yapısı, matematiksel yöntemleri ve deneylerde kullanılan fonksiyonları ile birlikte kayıp fonksiyonu değerleri üzerinde yoğun bir çalışma yapılmıştır. Ayrıca çekişmeli üretici ağların ikinci bileşeni olan ayırıcı ağın yapısı, işlevleri, matematiksel yöntemleri ve deneylerde kullanılan fonksiyonları detaylı bir şekilde ele alınmıştır. Deney ortamında kullanılan kütüphaneler, GPU, işlemci, dil işleme editörleri ve Google Colab ortamı dikkatlice incelenmiştir. Sentetik görüntüler üretmek için en yaygın olarak kullanılan veri setleri özenle seçilmiştir. Bu çalışmada iki farklı türde dört veri seti kullanılmıştır. İlk olarak vektör tabanlı görüntüler içeren Cartoonset10k ve Anime Face veri setleri dikkatlice seçilmiş ve detaylı bir şekilde analiz edilmiştir. İkinci olarak piksel tabanlı görüntüler içeren Animal Face ve CelebaFace veri setleri ayrıntılı bir şekilde incelenmiştir. Her bir veri seti üzerinde gerçekleştirilen deneylerde belirli aralıklarla tekrarlanan eğitim süreçleri sonucunda elde edilen 8x8 boyutundaki görüntüler aşama aşama kaydedilmiştir. Bu elde edilen en iyi görüntüler, veri setlerinde rastgele seçilen resimlerle karşılaştırılarak detaylı bir şekilde değerlendirilmiştir. Üretici ağ ile ayırıcı ağın Nash dengesine göre kayıp-kazanç değerleri, matematiksel ve grafiksel yöntemler kullanılarak elde edilmiştir.Öğe XRD’de X-ışını kırınım verilerinin yapay zekâ yöntemleri ile analizi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-10-14) Kalkan, Ali Özcan; Ertuğrul, Ömer FarukBu tezde, X-Işını Kırınımı (XRD) verilerinin yapay sinir ağları (ANN) ve k-En Yakın Komşu (kNN) algoritmaları kullanılarak analiz edilmesi incelenmiştir. XRD, kristal yapılarının belirlenmesinde yaygın olarak kullanılan güçlü bir teknik olmasına rağmen, karmaşık ve doğrusal olmayan verilerin analizi geleneksel yöntemlerle sınırlı kalmaktadır. Bu çalışmada, XRD verilerinin analizine yapay zeka temelli makine öğrenimi tekniklerinin entegre edilmesiyle, bu sınırlamaların aşılması hedeflenmiştir. Tez kapsamında, Erzurum ve çevresinden alınan volkanosedimanter kayaç örneklerinden elde edilen XRD verileri üzerinde ANN ve kNN algoritmaları uygulanmıştır. ANN, malzeme özelliklerini yüksek doğrulukla tahmin edebilmiş ve kristal yapılar arasındaki karmaşık ilişkileri etkili bir şekilde modellemiştir. KNN algoritması ise, XRD verilerinde faz ve kristal yapıların sınıflandırılmasında başarıyla kullanılmıştır. Farklı K değerleri ile yapılan deneyler, küçük K değerlerinin yerel yapılara daha duyarlı olduğunu, büyük K değerlerinin ise daha genelleştirilebilir tahminler sunduğunu ortaya koymuştur. Ayrıca, model performansını değerlendirmek için gelişmiş çapraz doğrulama teknikleri kullanılmıştır. Bu teknikler, aşırı öğrenme riskini azaltarak, modelin genelleme yeteneğini artırmıştır. Çalışmada kullanılan ANN ve kNN modelleri, faz değişimlerinin tespitinde ve kristal yapıların sınıflandırılmasında önemli başarılar elde etmiştir. Bu tez, XRD verilerinin analizinde yapay zeka temelli yöntemlerin uygulanabilirliğini göstermiş ve bu alandaki bilimsel araştırmaların daha derinlemesine ve doğru sonuçlara ulaşmasına katkı sağlamıştır.
