Bilgisayar Programcılığı Bölümü

Permanent URI for this communityhttps://hdl.handle.net/20.500.12514/187

Browse

Now showing 1 - 5 of 5

Analysis of Feature Selection Approaches in Large Scale Cyber Intelligence Data with Deep Learning
(IEEE, 2020) Ahmetoğlu, Hüseyin; Daş, Resul
Ağ sistemlerinin her geçen gün katlanarak büyüyen boyutu, saldırı yoğunluğunun ve türlerinin de artmasına neden olmaktadır. Ağ içerisinde bu saldırıların tespiti, ağ güvenliğinin başlıca problemlerindendir. Saldırı tespit sistemleri, bu problemle başa çıkmak için geliştirilen bir yaklaşımdır. Saldırı tespit sistemlerinde işlenen büyük boyutlu veriler beraberinde karmaşıklığ da getirmektedir. Bu çalışma, veri kümelerindeki karmaşıklığı gidermek için 6 farklı öznitelik seçme algoritmasının incelenmesini ve bu algoritmaların sınıflandırma modellerindeki performanslarının karşılaştırılmasını içermektedir. Bu performanslar, açık erişimli olarak sunulan CICIDS2017 veri seti üzerinde uygulanan Derin Öğrenme modelleri ile analiz edilmiştir. Bu işlem sırasında algoritmaların test sonuçları hem kendi aralarında hem de veri setinin orijinal haliyle karşılaştırılmıştır. Uygulama sırasında veri kümesindeki öznitelik sayıları çoklu sınıflandırma için 78’den 25’e, ikili sınıflandırma için 8’e düşürülmüştür. Elde edilen başarı oranları bütün uygulamalarda %92’nin üzerindedir.
Belge benzerliği sonuçlarının nsga-ıı ile çok amaçlı optimizasyonu
(2018) Hüseyin Ahmetoğlu
Sınıflandırma algoritmalarının başarı performanslarının artırımı, veri madenciliğinin önemli amaçları arasındadır. Bu tez çalışmasında, veri madenciliği sınıflandırma başarısının sezgisel yöntemlerle arttırılması incelenmiştir. Sınıflandırmada kullanılan eğitim veri seti hem benzerlik hesap sonuçları yönünden hem de sınıflandırma yeteneği yönünden optimize edilmiştir. Aynı sınıfta olan vektörlerin benzerlik sonuçlarının maksimize edilmesi, aynı zamanda farklı sınıftaki vektörlerin benzerlik sonuçlarının minimize edilmesi amaçlanmıştır. Bu çelişen iki durum için çok amaçlı sezgisel yöntemlerden olan, Sıralı Seçkin Bastırılamayan Genetik Algoritma (NSGA II) kullanılmıştır. Hatalı sınıflandırma oranlarının, optimizasyonun her iterasyonunda sıfıra daha çok yaklaştırılması hedeflenmiştir. Bu çalışmada veri madenciliğinin tüm aşamalarının sırayla gerçekleştirilmesine özen gösterilmiştir. Ham veriler işlenerek öznitelikler çıkarılmıştır. Boyut azaltma işlemleri için ise Temel Bileşen Analizi (PCA) kullanılmıştır. Veri setleri üzerinde K En Yakın Komşu Algoritması (KNN) kullanılarak yalın haldeki sınıflandırma başarıları ile optimizasyon sonrası sınıflandırma başarıları karşılaştırılmıştır. Optimizasyonun, eğitim veri setinin sınıflandırma yeteneğini arttırdığı görülmüştür. Optimize edilmiş veriler, eğitim kümesi olarak kullanıldığında sınıflandırma başarısında artış gözlemlenmiştir.
Derin Öğrenme Kullanılarak Fundus Görüntülerinden Katarakt ve Diyabetik Retinopati Tespiti
(BANDIRMA ONYEDİ EYLÜL ÜNİVERSİTESİ, 2023) Aykat, Şükrü; Senan, Sibel; Aykat, Şükrü
Diyabetik retinopati ve katarakt ciddi körlüğe ve görme kaybına neden olabilen bazı retina hastalıklarıdır. Gözde meydana gelen bu geri dönüşü olmayan hasarı önlemek için retina hastalıklarının erken teşhisi hayati önem taşımaktadır. Bu çalışmanın problem cümlesi, bu retina hastalıklarının tespiti için derin öğrenme tabanlı sonuçların sunulması olarak verilebilir. Bu amaçla ilk önce ham bir veri seti üzerinde histogram eşitleme yöntemi kullanılarak yeni bir seti oluşturulmuştur. Ardından beş geleneksel derin öğrenme modeline hiperparametre ayarı yapılarak veri setleri üzerinde eğitimler gerçekleştirilmiştir. En son olarak veri setleri üzerinde en yüksek başarıya sahip MobileNet tabanlı bir hibrit model geliştirilmiştir. Önerilen hibrit model, ön işlenmiş veri seti üzerinde %99 doğruluk oranı elde etmiştir. Hibrit modelin sınıflandırma başarısının literatürdeki derin öğrenme modellerinin başarısından daha yüksek olduğu görülmüştür. Bu çalışma diyabetik retinopati ve katarakt hastalarının teşhis sürecine katkı sağlayacaktır.
Mesleki lise öğretmenlerinin, öğrencilerinin ve idarecilerinin hizmetiçi eğitim öncesi ile sonrası etkileşimli tahtaya ilişkin görüşlerinin incelenmesi
(2017) AYKAT, Şükrü; Aykat, Şükrü
Bu çalışmanın amacı; FATİH Projesi uygulanan mesleki liselerdeki öğretmenlerin, ETEKUK eğitimi öncesi ve sonrası etkileşimli tahtayı kullanma düzeylerinde, öz yeterliliklerinde ve görüşlerinde farklılık olup olmadığını belirlemektir. Örneklem 2015-2016 eğitim öğretim yılında Mardin ili Midyat ilçesinde FATİH Projesi çerçevesinde etkileşimli tahta kurulumu yapılmış Telkari Mesleki ve Teknik Anadolu Lisesi’nde görev yapan ETEKUK eğitimine katılan öğretmenler ve okul idarecileri ile okulda eğitim gören öğrencilerden oluşmaktadır. Bu çalışmada karma yöntem modeli kullanılmıştır. Veriler ölçek, anket ve yarı yapılandırılmış görüşme formları ile toplanmıştır. Nicel veriler ortalama ve t-Testi, nitel veriler ise içerik analizi ile çözümlenmiştir. Araştırma sonunda öğretmenlerin ETEKUK eğitimi sonrasında etkileşimli tahta kullanma öz yeterliliklerinde ve etkileşimli tahta kullanma düzeylerinde anlamlı bir değişimin olmadığı görülmüştür. Ayrıca öğretmenlerin ETEKUK eğitiminden önce etkileşimli tahta için materyal geliştiremedikleri ETEKUK eğitiminden sonra ise kısmen materyal hazırlayabildikleri görülmüştür. Bu da ETEKUK eğitim içeriğinin etkileşimli tahta için materyal geliştirmede yeterli olmadığını göstermektedir. Öğrenciler ise; etkileşimli tahta kullanılan dersleri tercih ettiklerini, öğretmenlerin etkileşimli tahtayı kullanmaya devam etmelerini istediklerini belirtmişlerdir. Etkileşimli tahta arızaları dersi olumsuz yönde etkilediğini de belirtmişlerdir. Öğretmenler, öğrenciler ve okul idarecileri derste etkileşimli tahta kullanılmasıyla; öğrenci başarısının arttığını, derse ilgi ve katılımı olumlu yönde etkilediğini belirtmişlerdir.
Türkçe Otel Yorumlarıyla Eğitilen Kelime Vektörü Modellerinin Duygu Analizi ile İncelenmesi
(Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 2020) Ahmetoğlu, Hüseyin; Daş, Resul
Doğal dil işlemenin(Natural Language Processing-NLP) ve metin sınıflandırmanın önemli araştırma alanlarından biri de duygu analizidir. Bu alanda çalışmalar hızla büyümektedir. Bu teknik dijital yaşamın her çeşit uygulama alanında kendini göstermektedir. Duygu analizi için geliştirilen birçok teknik vardır ancak son zamanlarda doğal dil işlemenin kelime vektör modeli metotları duygu analizinde yaygın olarak kullanılmaya başlamıştır. Word2Vec kelimeleri anlamlı vektörlere dönüştürebilen en kullanışlı kelime vektör modeli yöntemleri arasındadır. Bu yöntem ile kelime vektörleri oluşturabilmek için büyük kelime havuzlarına ihtiyaç vardır. Önceden eğitilmiş modeller duygu analizinde daha doğru sonuçlara ulaşabilmeyi mümkün kılarlar. Bu çalışmada duygu analizinde incelenmek üzere, onaylanmış kullanıcıların Türkçe otel yorumları veri kazıma yöntemleri ile toplanmıştır. Elde edilen bu özgün veriler Word2Vec ile eğitilerek kelime vektörleri oluşturulmuştur. Bu vektörler ile tekrarlanan yapay sinir ağının (Recurrent Neural Networks-RNN) bir çeşidi olan geçitli tekrarlayan birimler (Gated Recurrent Unit-GRU) ile bir sınıflandırma modeli geliştirilmiştir. Daha geniş kelime torbalarıyla eğitilmiş kelime vektörleri ile rastgele değerler atanarak oluşturulan vektörler, aynı derin öğrenme yöntemiyle yeniden incelenmiş ve elde edilen sınıflandırma başarıları karşılaştırılmıştır. Elde edilen sonuçlara göre özel alandan bağımsız, daha geniş kapsamlı kelime torbalarının sınıflandırma başarısını arttırdığı gözlemlenmiştir.

Browse

Browsing Bilgisayar Programcılığı Bölümü by Language "tr"