Fen Bilimleri Yüksek Lisans Tezleri / Master Degree

Permanent URI for this collectionhttps://hdl.handle.net/11452/22

Browse

Now showing 1 - 20 of 22

Bilgisayarlı tomografi görüntüleri üzerinde Covid-19 enfeksiyonu için evrişimli sinir ağı mimarileri ve ilgi blokları ile bölütleme
(Bursa Uludağ Üniversitesi, 2023-12-08) Ekmekci, Alper; Öztürk, Ceyda Nur; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0009-0008-5989-675X
Günümüzde gelişen yapay zeka teknolojileri ile birlikte medikal alanda yaygınlıkla kullanılan bilgisayarlı tomografi (BT), manyetik rezonans (MR) ve ultrason (US) cihazlarıyla edinilen görüntüler üzerinde hastalık tespiti, teşhisi ve takibi yapmak mümkün hale gelmiştir. Bu tezde Covid-19 virüsüne yakalanmış olan hastalar için çekilmiş akciğer BT görüntülerine yansıyan enfeksiyonların çeşitli görünümleri ve sınıflandırılmaları incelenmiştir. Aynı zamanda medikal görüntü bölütleme alanında yaygınlıkla kullanılan evrişimli sinir ağı mimarileri ile ilgi bloklarının bu mimarilere olan katkısı araştırılmıştır. Halka açık bir veri setindeki örnek akciğer BT görüntülerinde akciğer bölütlemesi ve enfeksiyon teşhisi yapabilmek için U-Net ve ilgi U-Net mimarileri ile deneysel çalışmalar yapılmıştır. 870 BT görüntüsü ile model eğitimi gerçekleştirilmiş, 186 BT görüntüsü ile model geçerlenmiş ve 186 BT görüntüsü üzerinde de test edilmiştir. En başarılı U-Net ve ilgi U-Net modellerinin ortalamada sırasıyla %76 ve %77 Dice ölçütü değeriyle enfeksiyon bölütlemesini gerçekleştirdiği ve her iki modelin de %85 Dice ölçütü değeriyle akciğer bölütlemesini başardığı gözlemlenmiştir. Sonuçta ilgi UNet modelinin enfeksiyon bölütlemesi probleminde sadece U-Net modelinin kullanımından daha etkin olduğu ve dolayısıyla akciğerde hastalık teşhis sistemleri için daha uygun bir altyapı oluşturacağı anlaşılmıştır.
Deep learning based autonomous vehicle systems
(Bursa Uludağ Üniversitesi, 2019) Aki, Koray; Dirik, Ahmet Emir; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0002-3661-3058; 0000-0002-6200-1717
Makine öğrenmesi (Machine Learning) ve özellikle derin öğrenme (Deep Learning) alnındaki gelişmeler pek çok farklı alanda ve özellikle de karmaşık problemlerin çözümü gibi birçok uygulamanın geliştirilmesine olanak sağlamaktadır. Makine öğrenmesi otomotiv endüstrisi üzerinde ve sürücüsüz araçların geliştirilmesinde büyük bir etkiye sahiptir. Sürücüsüz araç, insan müdahalesi olmadan kendi kendine hareket edebilen bir araçtır. Son yirmi yılda, sürücüsüz araçlar askeri, lojistik ve endüstriyel üretimdeki potansiyel uygulamaları ile hem akademiden, hem de endüstriden büyük ilgi görmeye başlamıştır. Sürücüsüz araçların geliştirilmesi, ölüm sayısını ve günümüz trafiğinin çevresel etkilerini azaltmak gibi birçok konuda toplumsal fayda sağlamaktadır. Sürücüsüz araç herhangi bir insan etkileşimi olmadan kendi kendini yönlendirebilmektedir. Sürücüsüz araçlar navigasyon için GPS, çarpışmaları önlemek için sensörler ve nesne tespit etmek için kameralar gibi çeşitli teknolojiler kullanmaktadırlar. Derin öğrenme ve PID kontrol ile otonom sürüş yapılabilmektedir. Bu tez çalışmasında simülasyon ortamında sürücüsüz araç eğitimi gerçekleştirilmiştir. Aynı zamanda PID kontrol ile aracın otonom hareket etmesi sağlanmış ve derin öğrenme ile eğitilen aracın otonom hareketi ile PID kontrol ile otonom hareket eden aracın performansları karşılaştırılmıştır.
Derin öğrenme algoritmalarında eğitim örneklerini derecelendirmenin etkisinin araştırılması
(Bursa Uludağ Üniversitesi, 2022-02-28) Karaköse, Kaan; Bilgin, Metin; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0002-4136-7592
Son yıllarda, derin sinir ağları, özellikle bilgisayarla görme görevleri için hem endüstri hem de akademide başarılı olmuştur. İnsanlar ve hayvanlara bilgiyi rastgele sunmak yerine aşamalı olarak daha fazla kavram ve karmaşık olanları gösteren anlamlı bir düzende sunulduğunda çok daha iyi öğrenebilirler. Bu tür eğitim stratejilerini yapay sinir ağları bağlamında kullanımına “Müfredat Öğrenme” denmektedir. Bu çalışmada, örneklerin derecelendirilmesi ve yapay sinir ağları ile kullanımından oluşan müfredat öğrenme için yeni bir yaklaşım sunulmuştur. Çalışmamızda CIFAR-10 ve CIFAR-100 eğitim kümesiyle önceden eğitilmiş öğretmen modelinin (Xception modeli) son altı katmanı eğiterek eğitim kümesine ait gizli bilgilerin ağırlıklarda tutulması sağlanmıştır. Model damıtma yöntemleriyle, her bir örnek için oluşacak katman çıktılarını örnek ve örneğe ait etiket bilgilerini bir işleme tabi tutarak her bir örnek için bir zorluk derecesi üretilmiştir. Örnek ve modelin aynı boyutta ayarlanmış sondan bir önceki katman çıktısıyla arasındaki ilgileşim (korelasyon) örnek kaybını, model damıtma kullanarak örneğin etiket bilgisi ve modelin son katman çıktısıyla oluşan çapraz entropisi ile etiket kaybı hesaplanmaktadır. Bu zorluk derecelerini kullanarak oluşturduğumuz 4 farklı sıralama yöntemli ile çok daha küçük bir model eğitilmiştir. Gelişigüzel karıştırılmış verilerle eğitilen öğrenci modelinin doğruluk değeriyle sunduğumuz dört farklı yöntemden ikisi ile oluşturulan sıralama ile eğitildiğinde oluşan doğruluk değerinin her bir devir için daha iyi sonuç verdiği tespit edilmiştir. Öğrenci modeli için doğruluk değerinin anlamlı olabilmesi için her bir durum için on kez çalıştırarak ortalama doğruluk değerleri kullanılmıştır. Her iki veri kümesi için başarı gösteren sınıf bazlı küçükten büyüğe (SBKB) ve sınıf bazlı büyükten küçüğe (SBBK) yöntemleri ile sistem başarısını arttırmak mümkündür. Küçük cihazlarda (mikroişlemciler, mobil telefon vb.) sunduğumuz bu yöntemler kullanılabilir ve daha az işlem gücüne sahip cihazlar ve küçük modeller için iyileştirmeler gözlenebilir.
Derin öğrenme ile beklenti tabanlı duygu analizi
(Bursa Uludağ Üniversitesi, 2023) Turan, Melek; Bilgin, Metin; Duran, Ali; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0002-1873-4980
Bu çalışmada, Türkçe metinlerdeki, belirli öğeler veya unsurları baz alarak, duygusal ifadelerin otomatik tahminlenmesine dayanmaktadır. Bu tekniğin, marka yönetimi, müşteri hizmetleri, reklamcılık ve diğer birçok alanda önemli bir rol oynaması hedeflenmektedir. Türkçe için yapılan beklenti tabanlı duygu analizi çalışmaları henüz sınırlıdır. Bu durum, Türkçe metinlerdeki duygusal ifadeleri tespit etmek için kullanılan yöntemlerle, Türkçe dilinin özelliklerini dikkate alarak etkili sonuçlar üretmeyi önemli kılmaktadır. Çalışmada, belirteç sınıflandırma ve duygu sınıflandırma olmak üzere iki ayrı yöntem kullanılmıştır. Belirteç sınıflandırma yöntemi için, Türkçe için önceden eğitilmiş BERT, ConvBERT, ELECTRA, DeBERTa, DistilBERT olmak üzere 5 farklı modelin karşılaştırmalı analizi gerçekleştirilmiştir. Belirteç sınıflandırma yöntemi ile metinlerdeki ayırıcı unsurların tespit edilmesi, bu unsurların temsil ettiği kategorilerin belirlenmesi sağlanmıştır. Duygu sınıflandırma için önceden eğitilmiş sıralı sınıflandırma modellerinden BERT, ConvBERT, ELECTRA, DistilBERT olmak üzere 4 farklı model kullanılmıştır. Pozitif, negatif ve nötr sınıflarından oluşan restoran (Pontiki vd., 2016) verileri ile eğitim gerçekleştirilmiştir. İki yöntem bir arada kullanarak tasarlanan arayüzde, girdi olarak verilen metin için ilk olarak, belirteç sınıflandırma ile belirteçler seçilmekte, seçilen belirteçler ait olduğu kategoriye göre sınıflandırılmakta, son olarak kategoriye ait duygu sınıfı sıralı sınıflandırma modelleri aracığı ile sunulmaktadır. Eğitimler sonucunda, modeller F1-skor, kesinlik, duyarlılık, doğruluk metriklerine göre değerlendirilmiştir.
Derin öğrenme tabanlı konuşma tanıma sistem tasarımı
(Bursa Uludağ Üniversitesi, 2021) Korcuklu, Burak; Dirik, Ahmet Emir; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0002-9820-4444
Doğal dil işleme, bilgisayarların, doğal yazı veya konuşma dilini nasıl anlayabileceğini ve manipüle edebileceğini çözümleyen araştırmalardan ve uygulamalardan oluşmaktadır. Konuşma işleme ise konuşma sinyalleri ve sinyal işleme yöntemlerini barındıran doğal dil işlemenin bir alt alanıdır. Konuşma sinyalleri çoğunlukla dijital gösterimleri üzerinden işlenerek farklı yöntemler ile yazı diline çevrilmektedir. Genellikle eğitim ve test aşamalarından oluşan bu süreç, eldeki etiketli veriler kullanılarak modeli eğitmek ve farklı etiketli veriler ile eğitilen modelin tutarlılığının ölçülmesini kapsamaktadır. Tarih boyunca birçok araştırmacı konuşulan dili yazıya dönüştürmek için farklı yaklaşımlar ve yöntemler geliştirmişlerdir. Günümüzde özel firmaların geliştirdikleri çevrimiçi konuşma tanıma modelleri birçok çalışma alanında kullanılmaktadır. Geliştirilen bu modeller Saklı Markov Modeli (HMM), yapay sinir ağları, gürültü temizlemek için kullanılan algoritmalar, derin öğrenme algoritmaları ve fonem sözlüklerinin bir arada kullanılmasıyla gerçekleştirilmektedir. Bu modellerin kullanımı akıllı ev sistemleri, otomotiv, askeriye, sağlık gibi çeşitli alanlarda gün geçtikçe artmaktadır. Kullanılan modellerin çoğunlukla çevrimiçi çalışması, kullanıcı tarafından yeni geliştirmelere izin vermemesi ve yetersiz dil desteği sebebiyle hala geliştirilmesi gereken birçok yanı bulunmaktadır. Bu tezde iki farklı doğal dilden yazıya dönüşüm modeli oluşturulmuştur. İlk model geleneksel yöntemlere alternatif olarak geliştiricinin işlem yükü ve karmaşıklığı daha az olan uçtan uca derin öğrenme yöntemi ile; ikincisi ise geleneksel yöntemlerle ön işlemeli bir süreç izlenerek gerçekleştirilmiştir. Bu modellerin konuşmacı bağımlılığı, veri seti boyutu, eğitim süresi gibi farklı koşullardaki başarıları saptanmaya çalışılmıştır. Ayrıca her iki modelin eğitim ve test aşamaları için gerekli veri setini oluşturmak amacıyla kullanıcılardan etiketli veri toplanabilecek ağ tabanlı bir yazılım geliştirilmiştir.
Derin ögrenme tabanlı nesne takibi
(Bursa Uludağ Üniversitesi, 2019-09-18) Başarır, Bilen; Dirik, Ahmet Emir; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0002-6459; 0000-0002-6200-1717
Bu tezde, derin ögrenme tabanlı SSD (Single Shot Multibox Detector) algoritmasını kullanarak, hareket eden kisileri takip eden ve bir lazer isaretçi ile hareket eden kisiye nisan alan bir sistemin tasarlanması ve gerçeklenmesi amaçlanmaktadır. SSD yöntemi nesne tespit konusunda literatürdeki en basarılı yöntemlerden biridir. Gelistirilen sistemin nisangahının yatay ve dikey hareketleri 2 adet adım motoru ile kontrol edilmektedir. Gelistirilen sistemim performansı ve isabetli vurus istatistikleri deneysel testlerle ölçülmüstür. Bulunan sonuçlar gerçek zamanlı olarak bilgisayar ortamında kaydedilerek akabinde sonuçlar istatistik olarak yorumlanmıstır.
Derin öğrenme tabanlı oftalmoloji görüntülerinde veri analizi ve güvenliği
(Bursa Uludağ Üniversitesi, 2022-09-02) Şen, Caner; Özcan, Gıyasettin; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0001-5405-8214
Oftalmolojik hastalıkların zamanında teşhisi yapılmadığında ve tedavisi olunmadığında körlüğe kadar giden sonuçlar ortaya çıkmaktadır. Birçok çalışma, erken tedavinin görmeyi tehdit eden bu hastalıklara yakalanılmasının önüne geçildiğini göstermiştir. Örneğin diyabetik retinopati hastalığı dünyadaki şeker hastalarının %80’ini etkilemektedir ve ikinci en büyük körlük nedenlerindendir. Katarakt ise genelde yaşa bağlı bir hastalık olduğu gibi zamanla görme bulanıklığını artırarak hastanın görüşünü engeller. Bu çalışmada oftalmolojik hastalıkların tespiti için derin öğrenme mimarileri kullanılmıştır. Böylece otomatik tespit sistemleri geliştirilerek sağlık hizmetlerinin hızlanması ve uzmanlara yardımcı olunması amaçlanmıştır. Bu amaçla oluşturulan modellerin yüksek doğruluğa sahip olmaları gerekmektedir. Tez kapsamında, oftalmolojik hastalıklardan diyabetik retinopati ve kataraktın tespiti üzerine çalışılmıştır. İnsan retinasına ait bu oftalmolojik hastalıkları tespit etmek için; hastalıklı görüntü veri setleri üzerinde görüntü ön işleme, derin öğrenme ve transfer öğrenimi gibi yöntemlerle modeller geliştirilmiştir. Geliştirilen modeller ile, literatüre katkı sağlayan oranda yüksek sınıflandırma başarısı elde edilmiştir. Diyabetik retinopati için oluşturulan en iyi modelin 5 sınıflandırma ile %96,6 doğruluk oranına ve katarakt için oluşturulan en iyi modelin 2 sınıflandırma ile %97,2 doğruluk oranına ulaştığı ölçülmüştür. Elde edilen doğruluk oranları literatüre katkı sağlamaktadır. Yapılan analizlerde, transfer öğrenimi yönteminin klasik derin öğrenme yöntemlerinden en az %2 olmak üzere daha iyi bir sınıflandırma yapabildiği görülmüştür. Her hastalık için oluşturulan en iyi modeller, uzmanlar tarafından kullanılmak üzere bir web arayüzü ortamında kullanıma sunulmuştur. Bir sonraki aşamada web arayüzünde toplanan verilerin güvenlik gereksinimleri dikkate alınmıştır. Bu doğrultuda sunucuda saklı veriler, literatürde belirtilen en güvenilir algoritma ile şifrelenmekte olup hasta verisi gizliliği hedeflenmiştir. Bu sayede verilerin siber ortamda güvenilir şekilde saklanması sağlanmıştır.
Derin öğrenme tabanlı şeffaf nesne tanıma
(Bursa Uludağ Üniversitesi, 2020-08-10) Mutludoğan, Korhan; Bilgin, Metin; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0002-2387-0944
Gelişen teknoloji ve yapay zekâ algoritmalarıyla birlikte nesne tanıma uygulamaları hayatımızın içinde yerini almaya başlamıştır. Günlük hayatımızda plaka tanıma, optik karakter tanıma gibi uygulamalar artık hayatımızın vazgeçilmezi haline gelmiştir. Günümüzde devam eden teknolojik gelişmelere paralel olarak güvenlik kameralarından şüpheli durum tespiti veya otonom araçlar gibi yakın gelecekte hayatımızla iç içe olacak teknolojilerin gelişimi hızla artmaktadır. Nesne tanıma alanında gerçekleştirilen çalışmalar genel olarak şeffaf olmayan nesneler üzerinedir ve şeffaf nesnelerle ilgili çalışma sayısı çok sınırlı kalmaktadır. Oysa çevremizde şeffaf olmayan nesneler kadar şeffaf nesneler de bulunmaktadır ve şeffaf nesnelerin tanınması da önem taşımaktadır. Şeffaf nesne tanımanın, yakında hayatımızın içinde yer alacak robotların çevresini algılamasına ve geri dönüşüm tesislerindeki nesnelerin ayıklanma sürecine katkısı olacaktır. Bu çalışmada, şeffaf ve şeffaf olmayan bardaklardan oluşan bir veri kümesi ile eğitilen bir sistem vasıtasıyla bardakların şeffaflığı tespit edilmeye çalışılmıştır. Önerilen sistemin geliştirilmesinde son zamanlarda tanıtılan yeni bir derin öğrenme yaklaşımı olan kapsül ağları kullanılmıştır. Elde edilen sonuçların karşılaştırılabilmesi için, aynı veri kümesi LeNet, AlexNet ve ResNet modelleri üzerinde çalıştırılmıştır. Çalışmanın sonuçları değerlendirildiğinde kapsül ağlarının, sınıflandırma doğruluğunda, kullanılan diğer derin öğrenme yöntemlerinden daha iyi sonuçlar elde ettiği görülmüştür. Sınıflandırma doğruluğuna göre diğer yöntemler AlexNet, ResNet ve LeNet şeklinde sıralanmıştır. Çalışma sonucunda kapsül ağlarının şeffaf nesne tanıma probleminde kullanılabileceği ve mevcut yöntemlerden daha yüksek doğruluk oranlarına ulaştığı görülmüştür.
Diagnosing cancer using the fractal analysis method
(Bursa Uludağ Üniversitesi, 2023-10-30) Fareed, Syeda Uneeza; Kırcı, Pınar; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı
Cancer is a prevalent and potentially life-threatening disease that necessitates accurate and timely diagnosis. Recently, there has been increasing interest in leveraging ultrasound diagnostic technology to identify and classify benign and malignant nodules. This advancement is particularly significant as it can help spare patients with benign nodules from undergoing unnecessary and invasive needle biopsy procedures, reducing patient discomfort and healthcare costs. In the light of these considerations, this study aimed to investigate the effectiveness of fractal analysis in differentiating between benign and malignant thyroid nodules during ultrasonography. Fractal analysis holds promise as a potential tool to enhance diagnostic accuracy by assessing the complex structural patterns present within the thyroid nodules. The fractal analysis box-counting technique was performed on normal, benign and malignant ultrasound images of the Thyroid Digital Image Database and Breast Ultrasound Image Dataset. The Mann-Whitney U test was performed to check if the fractal dimensions belonging to malignant and benign categories differed significantly. When comparing the malignant and benign datasets using the Mann-Whitney U test, a result of "significantly different" (p<0.0032) was found. In addition, features including fractal dimension and logarithm (box counts) were used to train machine learning models like KNN, ANN and DT to extend the results. For better comparison, Fourier transform was applied to the ultrasound images and features were used to train machine learning models. The accuracy rates of the models trained on fractal features and fourier features were comparable. The findings indicate that the fractal dimension serves as a valuable characteristic for distinguishing between different types of thyroid and breast nodules. Moreover, studying the fractal properties of the B-mode ultrasound images can offer a dependable reference for identifying and categorizing cancerous tissues during the process of ultrasound diagnosis.
Ev otomasyon sistemleri için güvenlik ve gizlilik odaklı ağ geçidi tasarımı
(Bursa Uludağ Üniversitesi, 2020) Kaşif, Ahmet; Toğay, Cengiz; Levi, Albert; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı
Nesnelerin İnterneti (IoT) teknolojisi son yılların en popüler araştırma konularından olup günümüzde sağlık, ulaşım ve eğitim gibi birçok alanda kullanılmaktadır. Bu alanlardan biri olan ev otomasyon sistemleri de IoT’nin yaygınlaşması ile insan hayatında daha çok yer etmeye başlamıştır. IoT’de kullanılan cihazların iletişim protokolleri ve mesaj içerikleri açısından çeşitli ve birbirleri ile uyumsuz olması, donanım kaynaklarının çoğu zaman yetersiz olması sebebiyle güvenlik, gizlilik ve birlikte çalışabilirlik alanlarında sorunlar oluşmaktadır. Sunulan tezde, I) farklı protokolleri kullanan cihazlar arasındaki iletişim probleminin çözülmesi, II) mesaj içeriklerinin gönderici bazında anomali açısından değerlendirilmesi, III) alıcıya uygun hale getirilmesi (anonimleştirme, zenginleştirme ve fakirleştirme), IV) cihazların sadece tanımlı oldukları amaçlar dahilinde dünya ile iletişim kurmasının sağlanması, V) cihazın internetteki ya da aynı ağdaki bir cihaza saldırmasının engellenmesi ve VI) cihazların güncelleme operasyonlarındaki zayıflıkların giderilmesi konularında bir çözüm sunulmaktadır. Bu kapsamda geliştirdiğimiz platform, sunucu, kullanıcı arayüzü olarak bir Android uygulaması ve bir ağ geçidinden meydana gelmektedir. Ağ geçidinde, aracı (broker), kural tabanlı mesaj işleme uygulaması, IP tabanlı kısıtlama ve çoklu SSID yaklaşımları birlikte uygulanmıştır. Platform sayesinde farklı üreticilere ait cihazlar birlikte çalışırken ele geçirilmiş ya da beklendiği gibi çalışmayan bir cihazın bulunduğu ortamdaki diğer cihazlara ya da internetteki bir hedefe atakta bulunmaları engellenmiştir.
Evrişimli sinir ağı özelliklerine dayanan korelasyon filtreleme ve veri ilişkilendirme ile çoklu nesne takibi
(Bursa Uludağ Üniversitesi, 2021-07-28) Arslan, Elnura; Öztürk, Ceyda Nur; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0002-7999-0072
Nesne takibi art arda görüntüler içerisinde nesne tespitine ihtiyaç duyulmaksızın nesne konumlarının belirlenmesini sağlar. Çekirdek korelasyon filtresi Fourier uzayında hızlı ve etkili nesne takibini gerçekleştirmektedir. Evrişimli sinir ağlarının ürettiği derin özelliklerin korelasyon filtresi ile kullanımı takip başarısını arttırmaktadır. Bu tez kapsamında üç farklı deney çalışması yapılmıştır. İlk çalışmada OTB-100 veri seti üzerinde farklı nesne takibi yöntemlerinin performans karşılaştırması gerçekleştirilmiştir. İkinci çalışmada çekirdek korelasyon filtresi için farklı görünüm modellerinin takip başarısına etkisi analiz edilmiştir. Üçüncü çalışmada ise 2D MOT 15 veri seti üzerinde yayaların tespit edilmesi, takip edilmesi, takip ve tespit edilen yayaların ilişkilendirilmesi denenmiştir. Yayaların tespit edilmesi için Yolo kullanılmıştır. Tespit edilen yayaların takip edilmesi için ise yönelimli eğimlerin histogramı (histogram of oriented gradients - HOG) tabanlı çekirdek korelasyon filtresi çalıştırılmıştır. Yayaların ilişkilendirilmesi için derin özellikler, renk histogramı ve çevreleyici kutulardan faydalanılmıştır. Yöntemlerin tekli nesne takip performansı başarı, kesinlik ve saniye başına düşen çerçeve ölçütleri ile çoklu nesne takip performansı ise tespitlerin hata oranı birleşimi ve kimlik değişim sayısı gibi ölçütler ile hesaplanmıştır. Sonuçlar göstermiştir ki çekirdek korelasyon filtresi derin özellikler ile birlikte kullanıldığında nesne takibi başarısı artmaktadır. Evrişimli sinir ağlarının daha çok son katmanlarından oluşturulan görünüm modelleri nesne takibini etkin kılmaktadır. Çekirdek korelasyon filtresi HOG özellikleri ile kullanıldığında gerçek zamanlı nesne takibi mümkün olmaktadır. Çoklu nesne takibinde derin özellikler ile yayaların ilişkilendirilmesi kimlik bilgilerinin değişim miktarını azaltmaktadır.
Füzyon tabanlı hibrit sis kaldırma
(Bursa Uludağ Üniversitesi, 2023-02-28) Arabalı, Bahadır; Fidanboylu, Kemal; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0002-1485-3149
Dış mekânlarda elde edilen dijital görüntüler, atmosfer içerisinde oluşan sis nedeni ile önemli olan detayların, nesnelerin, renklerin bozulmasına veya kaybolmasına sebep olabilir. Görüntülerdeki sis kaynaklı bozulmaların düzeltilmesine, ilgi alanlarının ortaya çıkartılmasına ve sisin görüntü içinden çıkarılmasına sis kaldırma (haze removal, fog removal) denir. Bu amaçla geliştirilmiş olan filtre tabanlı Dark Channel Prior (DCP) algoritması sis kaldırma algoritmaları içerisinde önemli bir yere sahiptir. DCP algoritması, sis içermeyen dış sahne görüntülerinin farklı renk kanallarında çok düşük piksel yoğunluğu değerleri olduğu gözlemine dayanmaktadır. Bu algoritma ile görüntüdeki sis için bir yama oluşturulur ve görüntü içerisindeki sis kaldırabilir veya azaltılabilir. Pozlama füzyonu algoritmalarının önemli ve yaygın olarak kullanılan örneklerinden biri ise Exposure Fusion algoritmasıdır. Bu algoritma, farklı pozlama seviyelerinde yakalanan görüntüyü doygunluk ve kontrast değerlerine göre ağırlıklandırır ve gerçekleştirdiği füzyon işlemi ile imgenin pozlama seviyesini düzeltir. Bu tez kapsamında, Dark Channel Prior ve Exposure Fusion algoritmaları beraber kullanılarak, görüntü içerisinden sis kaldırma işlemi daha başarılı bir şekilde gerçekleştirilmiştir. Böylelikle, sis kaldırma işleminden sonra yapısal olarak daha az bozulmuş, daha doğal ve ilgi alanları sis görüntüsünden arındırılmış görüntüler elde edilmiştir. Geliştirilen yaklaşım, sis içeren imgenin ilk olarak pozlanmasının düzeltilmesi, daha sonra ise pozlaması düzeltilmiş imgenin DCP algoritması ile sis kaldırma işlemine alınmasını içermektedir. Bu sayede, DCP algoritmasının sis kaldırma başarımı arttırılmıştır. Önerilen yaklaşım, sis içeren imgelerden oluşan O-Haze veri tabanı içindeki imgeler ile test edilmiş ve sonuçlar farklı performans metrikleri ile karşılaştırılmıştır.
Görsel soru cevaplama probleminde bağlamsal vektörlerin performans analizi
(Bursa Uludağ Üniversitesi, 2022-05-13) Hakdağlı, Özlem; Bilgin, Metin; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0002-3637-4309
Görsel soru cevaplama (GSC) çalışmaları, görsel imgeleri anlamlandırmanın yanında tutarlılık sağlamayı hedeflemektedir. GSC problemi, görsel bir imge ile bu imgeye sorulan soru arasındaki bağlantıyı ele almaktadır. Ele alınan bağlantının yorumlanması ve çözümlenmesi, sorulan soruya beklenen cevabın görsel içerisinden elde edilmesini sağlar. Çözümleme işlemini gerçekleştirmek için görsel imgelerin matematiksel düzlemde temsil edilmesi gereklidir. Bu temsiller vektör olarak adlandırılır. Görsel vektörlerin elde edinimi aşamasında, bu çalışmada ImageNet verisi ile eğitilmiş olan Xception ve Inception-Resnet-V2 modelleri kullanılmıştır. Modeller derin konvolüsyonel ağlara ve tekrarlayan katman yapısı sayesinden görsel veriden yüksek doğruluk ile vektör temsili elde edilmektedir. Görsel vektör temsili, GSC problemi için yeterli değildir. Görsele sorulan sorunun matematiksel düzlemde temsili gerekmektedir. Metinsel verilerin temsili diğer adı ile kelime gömmeleri, ön eğitimli modeller olan Word2Vec, Kelime Temsili için Global Vektörler (Global Vectors for Word Representation, GloVe) ve FastText yöntemleri ile anlamsal bağlamdan bağımsız şekilde elde edilmektedir. Transformatörlerden Çift Yönlü Kodlayıcı Temsilleri (Bi-directional Encoder Representations from Transformers, BERT), inşa edilmiş olduğu çok başlı ilgi yapısı ile kelimelerin arasındaki alt bağlamı öğrenmekte ve temsil etmektedir. Bu çalışma ile sorulan sorunun anlamsal bütünlüğünü güçlendirmek için BERT bağlamsal vektörleri uyarlanmıştır. Çalışmanın sonuçları değerlendirildiğinde BERT yöntemi; Word2Vec, GloVe ve FastText yöntemlerinden daha yüksek doğruluk oranlarına ulaştığı görüldü. Böylelikle, literatüre yeni girmiş olan BERT bağlamsal vektörleri yönteminin GSC problemindeki başarısı gösterilmiştir.Görsel soru cevaplama (GSC) çalışmaları, görsel imgeleri anlamlandırmanın yanında tutarlılık sağlamayı hedeflemektedir. GSC problemi, görsel bir imge ile bu imgeye sorulan soru arasındaki bağlantıyı ele almaktadır. Ele alınan bağlantının yorumlanması ve çözümlenmesi, sorulan soruya beklenen cevabın görsel içerisinden elde edilmesini sağlar. Çözümleme işlemini gerçekleştirmek için görsel imgelerin matematiksel düzlemde temsil edilmesi gereklidir. Bu temsiller vektör olarak adlandırılır. Görsel vektörlerin elde edinimi aşamasında, bu çalışmada ImageNet verisi ile eğitilmiş olan Xception ve Inception-Resnet-V2 modelleri kullanılmıştır. Modeller derin konvolüsyonel ağlara ve tekrarlayan katman yapısı sayesinden görsel veriden yüksek doğruluk ile vektör temsili elde edilmektedir. Görsel vektör temsili, GSC problemi için yeterli değildir. Görsele sorulan sorunun matematiksel düzlemde temsili gerekmektedir. Metinsel verilerin temsili diğer adı ile kelime gömmeleri, ön eğitimli modeller olan Word2Vec, Kelime Temsili için Global Vektörler (Global Vectors for Word Representation, GloVe) ve FastText yöntemleri ile anlamsal bağlamdan bağımsız şekilde elde edilmektedir. Transformatörlerden Çift Yönlü Kodlayıcı Temsilleri (Bi-directional Encoder Representations from Transformers, BERT), inşa edilmiş olduğu çok başlı ilgi yapısı ile kelimelerin arasındaki alt bağlamı öğrenmekte ve temsil etmektedir. Bu çalışma ile sorulan sorunun anlamsal bütünlüğünü güçlendirmek için BERT bağlamsal vektörleri uyarlanmıştır. Çalışmanın sonuçları değerlendirildiğinde BERT yöntemi; Word2Vec, GloVe ve FastText yöntemlerinden daha yüksek doğruluk oranlarına ulaştığı görüldü. Böylelikle, literatüre yeni girmiş olan BERT bağlamsal vektörleri yönteminin GSC problemindeki başarısı gösterilmiştir.
Heterojen filo üzerinde araç rotalama probleminin melez yaklaşımla uyum temalı çözümü
(Bursa Uludağ Üniversitesi, 2020-11-05) Bulut, Nisanur; Bilgin, Metin; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0002-9282-5960
Günümüz lojistik uygulamalarında çeşitlenen müşteri talepleri ve belirlenen yasal zorunluluklar sebebiyle araç rotalama işleminin kısıtları çeşitlenmiş ve rotalama karmaşıklığı giderek artmıştır. Firmalar müşteri teslimatlarını gerçekleştirirken düşük maliyetli ancak değişen koşullara uyum sağlayacak esnek ve kalıcı çözümlere ihtiyaç duymaktadır. Bu çalışmada farklı tipte taşınma ihtiyaçları oldukları bilinen müşteri taleplerinin, farklı kapasite ve özelliklerde araçlar içeren heterojen filo kullanılarak karşılanmasıyla ortaya çıkan tek depolu sıkı zaman pencereli heterojen filolu araç rotalama problemi ele alınmıştır. İptal edilen müşteri talepleri, kapanan yollar veya arızalanan araçların olması gibi çeşitli durumlarda yeni çözümler üretebilen hiyerarşik yapıda üç aşamalı bir karar destek sistemi tasarlanmıştır. Birinci aşamada müşteri talepleri en kısa yol mesafesine sahip olacak şekilde tavlama benzetimi algoritması kullanılarak gruplandırılmıştır. Bu gruplama yapılırken, her grubun toplam yol mesafesinin dengeli olması yani eşit olması hedeflenmiştir. İkinci aşamada araç atama modellemesi kullanılmıştır. Birinci aşamada gruplanan müşteri talepleri uygun tip ve özelliklerdeki araçlarla eşleştirilmiştir. Bu eşleştirme işlemi yapılırken problem kısıtlarına uygun optimal çözüm genetik algoritma yardımıyla araştırılmıştır. Üçüncü aşamadaysa ikinci aşamada bulunan optimal çözüm üzerinde lineer düzeltme yapılarak çözümün kalitesi artırılmaya çalışmıştır.
Hiperspektral görüntülerde derin öğrenme yaklaşımının sınıflandırma başarımı üzerine etkisi
(Bursa Uludağ Üniversitesi, 2019-07-16) Ortaç, Gizem; Özcan, Gıyasettin; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0003-1228-9852; 0000-0002-1166-5919
Hiperspektral sensörlerin gelişimiyle beraber hiperspektral görüntüleme uzaktan algılama alanında oldukça ilgi çeken bir konu haline gelmiştir. Görüntülenen yüzey materyallerinden yansıyan enerjinin dar ve bitişik çok sayıda dalga boyunda ölçüm yapılmasını sağlayan hiperspektral görüntüleme, oldukça yüksek boyutta ve birbiriyle ilişkili veri elde edilmesini sağlamaktadır. Bu verilerin saklanması, işlenmesi ve yorumlanması; hesaplama karmaşıklığı ve işlem yükü sebebiyle oldukça zordur. Bu nedenle hiperspektral verilerin sınıflandırılmasında geleneksel olarak ön işlem aşamasında boyut indirgeme yöntemleri uygulanmaktadır. Bununla birlikte geleneksel sınıflandırıcılar ve boyut indirgeme yöntemleri spektral boyutta zorlu bir işlemdir ve ayırt edici özniteliklerin çıkarımında yetersiz kalmaktadır. Aynı zamanda kesin bir sınıflandırıcı ve boyut indirgeme yöntemi seçim yöntemi de bulunmamaktadır. Son yıllarda ise derin öğrenme yöntemleri kullanılarak hiperspektral verilerin alt uzaya indirgenmeden daha gürbüz, uyarlanabilir ve ham verilerden çıkarılan öznitelikler ile sınıflandırılması oldukça dikkat çekici bir yaklaşım olmuştur. Hiperspektral görüntülerin derin öğrenme yöntemlerinden özellikle evrişimsel sinir ağları ile sınıflandırımı umut vadedici sonuçlar sağlamaktadır. Tez kapsamında, yaygın olarak tercih edilen hiperspektral veri setleri kullanılarak uzaysal, spektral ve uzaysal-spektral öznitelikleri kullanan bir boyutlu, iki boyutlu ve üç boyutlu evrişimsel sinir ağları ile sınıflandırma yapılmıştır. Spektral ve uzaysal boyutlardaki özniteliklerin hem ayrı ayrı hem de birlikte kullanımı ile hiperspektral sensörler tarafından sağlanan tüm öznitelikler etkin olarak sınıflandırmaya dahil edilmiştir. Ayrıca yapılan çalışmada, geleneksel sınıflandırma ve konvolüsyonel sinir ağları arasında karşılaştırmalı bir çalışma ve analiz yapılmıştır. Yapılan deneysel çalışmalar ile evrişimsel sinir ağları kullanılarak oldukça yüksek sınıflandırma başarısı elde dilmiştir. Aynı zamanda önerilen konvolüsyonel sinir ağı mimarilerinin, geleneksel yöntemlerden %5 ve %9 oranında daha iyi bir sınıflandırma oranı sağladığı görülmüştür.
Kümeleme algoritmalarının CPU ve GPU performanslarının analizi
(Bursa Uludağ Üniversitesi, 2022) Manav, Melek Güler; Bilgin, Metin; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı
Teknolojinin ilerlemesi, teknolojideki rekabeti her geçen gün artırmaktadır. Teknolojide ilerleme artarken müşterileri ve kullanıcıları memnun etmek güçleşmektedir. Çeşitli teknolojik aygıtlar sebebiyle üretilen veri miktarı artmakta bu da firmaların eldeki verileri analiz etmeleri için farklı metotlara yönelmelerine sebebiyet vermektedir. Günümüz dünyasında verilerin analiz edilmesi ve yorumlanması çok önemli olduğundan bu işlemi elle yapmak yerine makinelere yaptırma gereği ve ihtiyacı doğmuştur. Eldeki verilerin etiketlerinin bilinmediği durumlarda bunları analiz edebilmek adına kümeleme algoritmalarından yararlanılmaktadır. Kümeleme algoritmaları verileri gruplara ayırmaktadır ve bu sayede verilerin analiz edilmesi, yorumlanması kolay hale getirilmektedir. Bu tez çalışmasında, mevcutta kullanılan beş farklı kümeleme algoritmasının CPU ve GPU üzerindeki performansları araştırılmış ve bunları tespit etmeye yönelik deneysel çalışmalar gerçekleştirilmiştir. Kümeleme algoritmalarının performanslarını ölçebilmek adına yapılan deneysel çalışmalarda e-postalardan oluşan Enron veri kümesi kullanılmıştır. Çalışmada kümeleme algoritmaları olarak; model bazlı Cobweb, yoğunluk bazlı Dbscan, grid bazlı Clique, bölümlemeli K-Means, hiyerarşik olarak ise Birch algoritmaları seçilmiştir. Deneysel çalışmalar için gerekli ortam Python dilinde Google Colab üzerinde gerçekleştirilmiştir. Deneysel çalışma sonuçları grafikler ve tablolar ile ifade edilerek analiz sonuçları sunulmuştur.
Makine çevirisi ile Türkçe sözel ifadelerin Python sözdiziminin oluşturulması
(Bursa Uludağ Üniversitesi, 2022-07-04) Bozdemir, Mehmet; Bilgin, Mehmet; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0003-1467-6047
Bu çalışmada, Türkçe sözel ifadelerin, Python programlama dilindeki söz dizimsel ifadesinin otomatik oluşturulması hedeflenmiştir. Yapılan çalışma ile Python kodunun öğrenilmesi kolaylaştırılarak hem eğitim-öğretim ortamlarında kodlama dersi veren öğretmenler için büyük bir kolaylık sağlanması hem de bu dersi alan öğrencilerin hızlı ve kolay bir şekilde kodlama öğrenme imkânı sağlanması hedeflenmiştir. Bu amacın gerçekleştirilebilmesi için yeni bir yaklaşım benimsenmiştir. İlk olarak, Türkçe sözel olarak söylenen cümleler yazıya çevrilmektedir. Yazıya çevirme işlemi, Python dilinde bulunan “speech recognition” kütüphanesi kullanılarak gerçekleştirilmektedir. İkinci olarak, yazıya çevrilen Türkçe cümleler, LSTM, BiLSTM ve GRU gibi derin öğrenme algoritmaları kullanılarak İngilizceye çevrilmektedir. Makine çevirisi yapılırken, Seq2seq mimarisini içerisinde barındıran Encoder-Decoder modeli kullanılmaktadır. Encoder-Decoder modeli, girişte Türkçe olarak aldığı cümleleri, çıkışta İngilizceye çevirmektedir. İngilizceye çevrilen cümleler, daha sonra GPT-3 modeline girdi olarak verilmektedir. GPT3 modeli, kendine gelen İngilizce cümleyi alarak Python kodunu üretmektedir. Çalışmanın son kullanıcılar tarafından da kullanılabilmesi amacıyla “Django” ve “PyQt5” kütüphaneleri kullanılarak hem web tabanlı hem de Windows tabanlı uygulaması geliştirilmiştir. Çalışma sonuçlarının değerlendirilmesinde BLEU, METEOR ve TER metrikleri kullanılmıştır. Çalışma sonucunda, BiLSTM modeli, tüm metriklerde diğer modellere göre daha yüksek skorlar üretmeyi başarmıştır.
NASA rulman verisetiyle gelişmiş derin transfer öğrenme yöntemleri kullanarak rulman hatalarının etkin tespiti
(Bursa Uludağ Üniversitesi, 2023-02-22) Çeltikoğlu, Mert; Kırcı, Pınar; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0003-0509-9815
Endüstri alanında firmalar üretim faaliyetlerini gösterirken birçok makine kullanmaktadır. Bu makinelerin devamlılığının sağlanması ve oluşabilecek hata durumlarının doğru ve zamanında teşhis edilmesi firmalar açısından hayati önem taşımaktadır. Bu nedenle makine rulmanlarına belirli periyotlarda veya ihtiyaç dahilinde bakım yapılmalıdır. Bu çalışmada, rulmanlarda oluşabilecek bozulmaların son yıllarda dikkat çeken sinir ağları teknikleri ile önceden tespiti üzerine bir analiz ve yaklaşım sunulmuştur. Bu noktada NASA Rulman Veriseti içerisinde bulunan rulman titreşim sinyalleri analiz edilirken, transfer öğrenme, derin öğrenme ve zaman-frekans dönüşümleri gibi teknolojileri içinde kullanan Evrişimli Sinir Ağları (ESA) kurulan sistemi doğrulamak için kullanılmıştır. NASA rulman veri seti içerisinde normal durum, dış bilezik yuvarlanma yolu hasarı, iç bilezik yuvarlanma yolu hasarı ve bilye hasarı durumlarına ait titreşim sinyalleri mevcuttur. Bu titreşim sinyalleri 2-Boyutlu dönüşüm ile görüntü haline getirilmektedir. 2-Boyutlu görüntüler içerisinden rulman arızalarını sınıflandırmak için AlexNet, GoogLeNet ve ResNet-50 evrişimli sinir ağları yöntemleri kullanılmıştır. Evrişimli sinir ağlarının performansının iyileştirilmesi için ise 2-boyutlu görüntüler zaman-frekans dönüşümleri uygulanmıştır. Kurulan yapı ile elde edilen sonuçlarla eski çalışmalar karşılaştırıldığında sınıflandırma konusunda önerilen yöntemin ResNet-50 evrişimli sinir ağı modeliyle %99,46 seviyesinde doğruluk oranının olduğu gözlemlenmiştir.
Perakende sektöründe anormal fire tespiti için bir karar destek sistemi
(Bursa Uludağ Üniversitesi, 2020-02-06) Çelikmakas, Hilal; Özmutlu, Hüseyin Cenk; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 000-0001-5736-7565; 000-0003-2540-9657
Karar destek sistemleri, büyük verilerin daha iyi tanınması sağlayarak daha doğru ve etkili karar verilmesine destek olan sistemlerdir. Günümüz teknoloji dünyasında veri çok hızlı bir şekilde toplanmaktadır. Elde edilen veriler artık insan tecrübesi ile anlaşılmayacak boyutlara ulaşmaktadır. Verilerin anlamlı bir hale getirilerek yorumlanabilmesi için veri madenciliği teknikleri kullanılmaktadır. Bu çalışmada, Bursa, Eskişehir, Kütahya ve Bilecik’te 35 şubesi bulunan bölgesel bir alışveriş merkezinin fire verileri üzerinde çalışma yapılmıştır. Fireye sebep olan birçok faktör şirket kayıtlarında tutulmaktadır. Fire maliyetlerini azaltmak için, bu verileri işleyerek kullanıcıya karar verme sürecinde destek olacak bir uygulama geliştirilmiştir. Geliştirilen uygulama veri madenciliği algoritmalarını kullanarak, fireye sebep olabilecek ya da fire oluşumuna hiç etkisi olmayan durumları kullanıcıya raporlamaktadır. Uygulamanın ürettiği sonuçlar yorumlanarak fire oluşumuna etkileri tartışılmıştır.
Şifreli ağ trafiğinin içerik açısından sınıflandırılması
(Bursa Uludağ Üniversitesi, 2022-06-24) Bozkır, Ramazan; Cicioğlu, Murtaza; Toğay, Cengiz; Fen Bilimleri Enstitüsü; Bilgisayar Mühendisliği Ana Bilim Dalı; 0000-0002-0032-4270
Günümüzde internet kullanımının yaygınlaşması mevcut bilgisayar ağları altyapısının verimli ve güvenli bir şekilde yönetilmesini gerektirmektedir. Ayrıca, her geçen gün internet uygulamalarının kullanımındaki artış ile büyük veri hacmini oluşturan ağ trafikleri de ortaya çıkmaktadır. Büyük verilerin işlenebilmesi için performans odaklı yöntemlerin kullanılması gerekmektedir. Ağ trafiği verilerinin, ağ yönetimi ve ağ güvenliği gibi birçok çalışma alanındaki uygulamalar için sınıflandırma ihtiyacı bulunmaktadır. Ağ trafiğinin şifreli olması ve VPN kullanımı gibi uygulamalar ağ trafiği sınıflandırma sürecini zorlaştırmaktadır. Bu tez çalışmasında şifreli ağ trafiğinin sınıflandırılması için gerçek-zamanlı sistemlere kolay ve hızlı uygulanabilir performans-odaklı yeni bir platform geliştirilmiştir. Sınıflandırma sürecinde makine öğrenmesi tekniklerinden yararlanılmıştır. Deney tabanlı makine öğrenmesi tekniklerinin etkili bir şekilde uygulanabilmesi için süreç yönetim gerçekleştirilmiştir. Platformun tasarlanmasında güncel ve performanslı olan veri işleme için Apache Spark, öznitelik çıkarımı için NFStream ve süreç yönetimi için MLflow yazılım teknolojileri kullanılmıştır. Ayrıca, bu çalışma literatüre “pattern byte” isimli yeni bir öznitelik kazandırmıştır. Önerilen platform ile gerçekleştirilen deney kapsamında uygulama ve uygulama türlerine göre ağ trafiği makine öğrenmesi algoritmaları ile sınıflandırılmaktadır. Makine öğrenmesi algoritmalarından GBTree, LightGBM ve XGBoost algoritmalarının kullanılması sonucunda performans sonuçları değerlendirildi. Performans sonuçlarının değerlendirilmesi doğruluk, duyarlılık, kesinlik ve F1 skorları ile incelenmektedir. İncelenen sonuçlarda uygulama sınıflandırmasında GBTree, LightGBM, XGBoost algoritmaları sırasıyla yaklaşık %98, %89 ve %99 F1 skorlarına ulaşmaktadır. Uygulama türlerine göre sınıflandırmada ise tüm algoritmalar %99 F1 skoruna ulaşmaktadır. Sonuç olarak, algoritmalar arasında XGBoost algoritması her iki sınıflandırma probleminde %99’un üzerinde F1 skoru ile en iyi sonuca ulaştığı görülmüştür.

Browse

Browsing by Department "Bilgisayar Mühendisliği Ana Bilim Dalı"