6 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 6 / 6
Öğe Sera gazı emisyonu hesaplamalarında yapay zekâ uygulamaları(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-08-07) Ertuğrul, Serkan; Sezgin, NecmettinKüresel ısınmayı tetikleyen sera gazları, doğal etmenlerin yanı sıra insan kaynaklı faaliyetlerden de kaynaklanmaktadır. Fosil yakıtların kullanımıyla ortaya çıkan sera gazları emisyonu, küresel ısınmada önemli bir etkendir. Özellikle karbondioksit, küresel ısınma üzerinde en güçlü etkiye sahiptir; çünkü sıcaklığı emen bir gaz olarak, etkisi son derece büyük ölçüdedir. Küresel anlaşmalar, özellikle Paris Anlaşması gibi, insan faaliyetlerinin azaltılması ve net sıfır emisyon hedeflerinin benimsenmesi yönünde önemli adımlar atmıştır. Bu bağlamda, tüm ülkelerin sürdürülebilir ve gerçekçi programlar uygulayarak sera gazı emisyonlarını azaltma hedeflerine ulaşmaları beklenmektedir. Finansal, ekonomik ve insani gelişmişlik göstergeleri, nüfus, ormansızlaştırma ve enerji tüketimi gibi verileri kullanarak, bazı ülkelerde gelecekteki sera gazı emisyon seviyelerini hesaplamak için makine öğrenimi yöntemleri kullanılmıştır. Bu çalışmada, sera gazı emisyonlarının azaltılması hedefine ulaşmak için MATLAB programı aracılığıyla uzun kısa dönem bellek (LSTM) ve hibrit CNN-RNN modeli gibi derin öğrenme yöntemleri kullanılarak karşılaştırmalar yapılmıştır. Ayrıca, zaman serisi verileri için NARX modellemesi ile elde edilen tahminlerle LSTM modellemesi sonuçları karşılaştırılarak gelecekteki sera gazı emisyonları tahmin edilmiştir. Bu çalışma ayrıca, ülkelerin sera gazı emisyon azaltma hedeflerine ulaşmaları için farklı verileri göz önünde bulundurarak sürdürülebilir programlar geliştirmelerine kolaylık sağlaması beklenmektedir.Öğe İşaret dilinin derin öğrenme yöntemleriyle metin haline dönüştürülmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-02-27) Çiftçi, Melek Ece; Tekin, Ramazanİşitme ve duyma engelli bireyler, çevreleriyle iletişim kurarken ciddi zorluklar yaşamaktadırlar. Bu tez, gerçek zamanlı işaret dili tanıma sistemi ile bu soruna çözüm getirmeyi hedeflemektedir. Çalışma kapsamında, literatürde sıkça rastlanan 17 kelimeden oluşan bir veri seti, 5 denek tarafından özel olarak hazırlanmıştır. MediaPipe kitaplığındaki insan poz tahmin sistemi kullanılarak, kelimelerin anahtar noktaları başarıyla çıkarılmıştır. Bu anahtar noktalar, derin öğrenme modellerinden LSTM mimarisi ile sınıflandırılmıştır. Çalışma kapsamında kişi bağımlı ve kişi bağımsız iki ayrı uygulama yapılarak test veri seti üzerinde sırasıyla %94,71 ve %87,65 oranında doğruluk elde edilmiştir. Bu önerilen sistemin, işitme ve konuşma engelli bireylerin günlük iletişimlerini iyileştirmek adına literatürdeki diğer çalışmalara kıyasla yeterli seviyede performansa sahip bir çözüm ortaya konulduğu değerlendirilmektedir.Öğe Derin öğrenme ile Türkçe ses işaretlerinden rakam tanıma(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-02-14) Eroğlu, Abdullah; Kaya, YılmazIn today's rapidly advancing technological landscape, speech-based recognition systems play a crucial role in various fields. Sound, beyond being a fundamental means of communication among indi-viduals, serves as a critical factor in applications such as automation, security, and user experience. The effective utilization of sound in digital environments is made possible, particularly through the develop-ment of speech recognition technologies. These technologies have the capability to analyze sound sig-nals, comprehend spoken language, and perform various tasks. Digital digit classification, particularly, constitutes a significant application area for these speech recognition technologies. Digital digit classifica-tion involves the development of systems that can accurately recognize and distinguish digital digits obtained from sound signals. This has a wide range of potential applications, from telecommunication systems to voice command systems and from speech-based security applications to various industrial and commercial applications. In this context, the importance of speech-based digital digit classification spans from everyday life to industrial applications. This study aims to contribute to technological ad-vancements in this field by evaluating different machine learning models used in the process of digital digit classification from sound signals. SVM, LSTM, and CNN models were assessed for digital digit clas-sification from sound signals, with the CNN model achieving the highest success rate at 81.94% in the 80-20 training-test ratio. The CNN model demonstrated high performance, particularly achieving a 98.2% success rate for the digit "Six (6)." Different success rates were observed among other digits, with high performance for "One (1)" and "Nine (9)" but lower success rates for "Three (3)," "Four (4)," and "Eight (8)." In the scope of the study, evaluations conducted under different training-test ratios revealed that the LSTM model exhibited the highest success at a 50-50 training-test ratio. SVM achieved its highest suc-cess rate at an 80-20 training-test ratio. However, overall, deep learning models, specifically LSTM and CNN, outperformed SVM, indicating that these numerical results highlight the effective use of deep learn-ing models, especially in sound-based digital recognition applications.Öğe Derin öğrenme ile ethereum fiyat tahmini(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-08-28) Yalçın, Mustafa; Ertuğrul, Ömer FarukYapay 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.Öğe Hibrit öznitelik çıkarımı ve derin öğrenme yöntemleriyle ekg sinyallerinden kardiyak durumların sınıflandırılması(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-01-09) Tekin, Hazret; Kaya, YılmazKardiyovasküler 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.Öğe Yapay zekâ tekniklerini kullanarak rulmanlarda arıza ve kalan faydalı ömür tahmini(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-03-05) Akcan, Eyyüp; Kaya, YılmazBu tez, endüstriyel makinelerin kritik bileşenlerinden biri olan rulmanların arıza teşhisi ve ömrü tahmini konularında yenilikçi yaklaşımlar sunmaktadır. Rulmanların arızalanması, makine performansında ciddi kayıplara ve yüksek ekonomik maliyetlere yol açabileceği için, bu alandaki erken teşhis ve ömür tahmin çalışmaları büyük bir önem taşımaktadır. Çalışmada, rulman arızalarının teşhisi için lazer ışını kullanarak yapay hatalar oluşturulmuş ve bu hatalar farklı hız ve yük koşullarında detaylı titreşim analiziyle incelenmiştir. Entropi tabanlı 18 farklı yöntemle öznitelikler çıkarılmış ve söz konusu öznitelikler Ekstrem Öğrenme Makinesi (ELM) modeli ile sınıflandırılmıştır. Özellikle Fuzzy Entropi ve Slope Entropi yöntemleri, sırasıyla %98.48 ve %100 doğruluk oranlarıyla yüksek performans sergilemiştir. Önerilen yöntem, literatürdeki diğer modern yaklaşımlarla karşılaştırıldığında üstünlük göstermiştir. Çalışmanın bir diğer önemli kısmı, MM-1D-LBP yöntemi ile öznitelik çıkarımı ve 1D-CNN-LSTM tabanlı hibrit bir model kullanılarak rulman arızalarının tahmin edilmesidir. Bu yöntemle %99.31 ile %99.65 doğruluk oranları elde edilmiştir. Literatürde sıklıkla kullanılan GRU ve LSTM tabanlı modellerle kıyaslandığında, önerilen yaklaşım daha yüksek doğruluk sunmuş ve özellikle karmaşık arıza tiplerinin sınıflandırılmasında başarılı olmuştur. Rulman ömrü tahmini kapsamında, 1D-TP ve LSTM modellerinin birleştirildiği bir yöntem geliştirilmiş ve bu yöntem, Pronostia platformundaki veri setleri üzerinde test edilmiştir. Titreşim sinyallerine dayalı olarak yapılan analizlerde, Bearing3_3 senaryosunda RMSE=0.0470 ve Score=0.6360 gibi düşük hata ve yüksek performans değerleri elde edilmiştir. Önerilen model, literatürdeki diğer yöntemlere kıyasla daha düşük hata oranları ile öne çıkmaktadır. Örneğin, Bi-LSTM (RMSE=0.2300) ve Relief-SVM (RMSE=0.2500) gibi yöntemlere kıyasla, önerilen 1D-TP+LSTM modelinin RMSE değeri 0.2074 olarak kaydedilmiş ve daha iyi bir tahmin doğruluğu sağlanmıştır. Sonuç olarak, bu çalışma, entropi tabanlı ELM ve 1D-TP+LSTM gibi yenilikçi yöntemlerle hem arıza teşhisi hem de ömür tahmini alanlarında önemli katkılar sunmaktadır. Geliştirilen modeller, endüstriyel bakım süreçlerinde daha hızlı, güvenilir ve düşük maliyetli çözümler sağlamaktadır. Çalışma bulguları hem akademik literatüre hem de endüstriyel uygulamalara değerli bir referans oluşturmaktadır. Gelecekte, farklı veri setleri ve çalışma koşullarında modelin genelleme kapasitesinin artırılması ve entropi yöntemlerinin çeşitlendirilmesi, önerilen yaklaşımların etkinliğini daha da artırabilir.
