Sürdürülebilir Kalkınma Amaçları
Yazarlar
- Utku, Anıl(12)
- Can, Umit(6)
- Yıldırım, Özal(4)
- Çelik, Yusuf(4)
- Artuger, Firat(3)
- Doğan, Gürkan(3)
- Ergen, Burhan(3)
- Sengur, Abdulkadir(3)
- Uyanik, Hakan(3)
- Özçelik, Salih Taha Alperen(3)
- Akcayol, M. Ali(2)
- Akyol, Sinem(2)
- Ertarğın, Merve(2)
- Acar, Ramazan(1)
- Akın, M Faysal(1)
- Alatas, Bilal(1)
- Algur, Özlem(1)
- Aycin, Ejder(1)
- Aydın, Yılmaz(1)
- Baykara, Muhammet(1)
- Bürhan, Yücel(1)
- Can, Ümit(1)
- Cevher, Muhammed Fatih(1)
- Demir, Yakup(1)
- Durmuş, Beyzanur(1)
- Eteman, Fatma Sert(1)
- Gültekın, Saıt Ugur(1)
- Gülter, Erkan(1)
- Günay, Mıhrıban(1)
- Imak, Andac(1)
- Karakaş, Buğra(1)
- Karakuş, Songül(1)
- Kaya, Sema Kayapinar(1)
- Kaya, Ömer(1)
- Kutlu, Banu(1)
- Kızıloluk, Soner(1)
- Metin, Zülfiye Beyza(1)
- Orhan, Ahmet(1)
- Saplioglu, Kemal(1)
- Sevinç, Ali(1)
Yayınlar
- MakaleYalnız künye2024Güvenlik Duvarlarındaki Ağ Trafiği Log Kayıtlarının Analizinde Açıklanabilir Yapay Zekâ ve Derin Sinir Ağlarının Kullanımı: Karşılaştırmalı Bir Analiz
Utku, Anıl
İnternet kullanımında yaşanan hızlı büyüme, siber tehditlerin çeşitlenmesine ve karmaşıklığının artmasına neden olmuştur. Bu durum, özellikle ağ güvenliği konusunda daha gelişmiş ve dinamik çözümler geliştirilmesini zorunlu kılmaktadır. Geleneksel güvenlik yöntemleri, özellikle güvenlik duvarları, belirli kurallar çerçevesinde çalıştığından, yeni nesil siber tehditlere karşı yetersiz kalabilmektedir. Güvenlik duvarları, ağ trafiğini izleyerek potansiyel tehditleri tespit eden ve engelleyen önemli araçlar olarak uzun yıllardır kullanılmaktadır. Ancak, statik kurallara dayanan geleneksel güvenlik duvarları, karmaşık ve dinamik tehditleri algılamada yetersiz kalmakta ve yüksek oranda yanlış pozitif/negatif sonuçlar üretmektedir. Bu durum, daha esnek ve kendini sürekli olarak geliştirebilen yapay zekâ tabanlı güvenlik çözümlerine olan ihtiyacı artırmıştır. Bu çalışmada, açıklanabilir yapay zekâ ve DNN tabanlı bir derin öğrenme modeli kullanarak güvenlik duvarlarındaki ağ trafiği loglarının analiz edilmesi hedeflenmiştir. Geliştirilen DNN tabanlı model, RF, kNN, SVM, LR ve XGBoost gibi popüler makine öğrenmesi algoritmalarıyla karşılaştırılarak performansı değerlendirilmiştir. Deneysel sonuçlar, geliştirilen DNN tabanlı modelin %99,87 doğruluk oranıyla karşılaştırılan modellerden ve literatürdeki çalışmalardan daha başarılı olduğunu göstermiştir.
- MakaleAçık Erişim2024Bellek Tabanlı LSTM ve GRU Makine Öğrenmesi Algoritmaları Kullanarak BIST100 Endeks Tahmini
Çelik, Yusuf
Makine öğrenmesi tabanlı tahmin yaklaşımlarının finansal piyasalarda geliştirilmesi, hızlı ve hassas karar alma, karmaşıklıkla başa çıkma, risk yönetimi, algoritmik ticaret ve duygusal etkilerin azaltılması gibi avantajlar sağlar. Bu yaklaşımlar, sürekli öğrenme ve adaptasyon yetenekleriyle finansal başarı için rekabet avantajı oluşturabilir. Bu makale çalışmasında, Borsa İstanbul (BIST) 100 endeks tahmini için bellek tabanlı makine öğrenmesi modellerine dayalı bir yaklaşım sunulmuştur. Bu amaçla, ardışık veri değerlendirmesinde popüler olan uzun kısa-süreli bellek (LSTM) ve geçitli tekrarlayan birim (GRU) mimarileri kullanılmıştır. Elde edilen model çıktılarına göre bu modellerin, eğitim ve doğrulama aşamalarında düşük kayıplar gösterdiği ve BIST100 endeksinin genel eğilimlerini başarıyla takip ettiği gözlemlenmiştir. Ancak, modeller piyasa dalgalanmaları ve ani değişimlerde gerçek değerlerden sapmalar göstermiş, bu da belirsizlikleri ve genelleme kapasitelerinin sınırlarını ortaya koymuştur. Geleceğe yönelik tahminler, eğitim veri setindeki desenlere dayanarak yapılmış ancak zamanla artan belirsizlik göstermiştir. Çalışma, makine öğrenmesi algoritmalarının finans verileri üzerindeki kullanım alanı konusunda önemli bilgiler sağlayacak potansiyele sahiptir.
AtıfOpenAlex5
İncele - MakaleAçık Erişim2024Hindistan'daki Turistik Şehirlerin İklim Değişkenlerinin Tahminine Yönelik Hibrit ConvGRU Modeli
Utku, Anıl
Hava durumu tahmini tarım, sağlık, ulaşım, turizm, hava kalitesi ve endüstriyel üretim gibi alanlarda etkinliğin ve verimliliğin sağlanabilmesi açısından oldukça önemlidir. Geleneksel hava durumu tahmin modelleri uzun vadeli tahminlerde yetersiz kalmaktadır. Yapay zekâ yöntemleri, sıcaklık, nem, rüzgâr hızı ve hava basıncını gibi hava durumu verileri arasındaki karmaşık ilişkileri öğrenerek geleceğe dönük başarılı tahminler üretebilmektedir. Bu çalışmada, Hindistan'ın önemli turizm şehirlerinden olan Agra, Jaipur, Jodhpur, New Delhi ve Rishikesh'in sıcaklık, nem ve çiğ noktası gibi uzun vadeli iklim değişkenlerinin tahmin edilmesi amaçlanmıştır. Bu amaçla, geliştirilen ConvGRU hibrit modeli, RF, SVM, CNN, LSTM ve GRU modelleriyle kapsamlı bir şekilde karşılaştırılmıştır. 2010-2024 yılları arasına ait gerçek zamanlı ve güncel bir veriseti kullanılmıştır. Deneysel sonuçlar, ConvGRU’nun tüm şehirler ve iklim değişkenleri için 0,9’un üzerinde R2 değeriyle karşılaştırılan modellerden daha başarılı olduğunu göstermiştir.
AtıfOpenAlex3TR Dizin3İncele - MakaleAçık Erişim2023Balistokardiyografi sinyalleri ile derin öğrenme tabanlı hipertansiyon tespiti
Sengur, Abdulkadir; Özçelik, Salih Taha Alperen; Uyanik, Hakan
Kan basıncı, damarlardaki kanın damar duvarlarına uyguladığı basınçtır. Bu basınç değerinin normal kabul edilen seviyelerin üzerinde seyir etmesi yüksek tansiyon (YT) veya hipertansiyon (HPT) olarak bilinir. Hayat kalitesini negatif yönde etkileyen, çoğu zaman organlarda çeşitli tahribatlara sebep olan ve ölümlere yol açabilen bu sağlık probleminin teşhisi oldukça önemlidir. Bu çalışmada, balistokardiyografi (BKG) sinyalleri kullanılarak HPT'nin otomatik teşhisine yönelik bir yöntem önerilmiştir. Bunun için BKG sinyalleri, sürekli dalgacık dönüşümü filtre bankası (SDDFB) yöntemi kullanılarak zaman-frekans domenine taşınmıştır. Bu işlemler yapılırken kullanılan dönüşüm yönteminde bazı parametre ayarları gerçekleştirilerek dönüşümün kalitesi arttırılmıştır. Daha sonra elde edilen görüntüler ResNet18, ResNet50, VGG16 ve AlexNet evrişimsel sinir ağlarıyla sınıflandırılmış ve elde edilen sonuçlar karşılaştırılmıştır. Önerilen yöntem ile ResNet18, ResNet50, VGG16 ve AlexNet mimarileri için sırasıyla %98,92, %99,34 ve %99,22 ve %98,07 sınıflandırma doğruluğu elde etmiştir. Elde edilen bu yüksek sınıflandırma sonuçları önerilen yöntemin hipertansiyon teşhisi için kullanılabileceğini ispatlar niteliktedir.
- MakaleAçık Erişim2023Kriptografik Yapılar için Seçmeli Kaotik Permütasyonlar Tabanlı Yeni bir S-box Üretme Algoritması
Artuger, Firat
Kriptografi, güvenli olmayan ağlar üzerinden iletilen verilerin korunması için algoritmalar tasarlamayı amaçlamaktadır. Bu algoritmalar, verileri şifreler ve üçüncü kişiler tarafından ele geçirilse bile, veriyi anlaşılmaz hale getirir. S-box, algoritmada karıştırma adı verilen temel gereksinimlerden birini sağlamaktadır. Lineer olmama değeri yüksek bir s-box yapısı, çeşitli saldırılarına karşı güvenliği oldukça arttırmaktadır. Bu nedenle, bir şifreleme algoritmasında s-box oldukça hayati bir önem taşımaktadır. Literatüre bakıldığında kaos tabanlı s-box yapıları sıklıkla kullanılmaktadır. Ancak kaos ile üretilen s-box ‘ların lineer olmama değeri düşüktür. Bu makalede, bu problemin üstesinden gelmek için yeni bir algoritma önerilmiştir. Önerilen yöntemde öncelikle herhangi bir kaotik harita yardımıyla bir s-box üretilir. Daha sonra bu s-box ‘da yine aynı kaotik harita ile seçilmiş iki elemanın yeri değiştirilerek lineer olmama değeri kontrol edilir. Bu değer arttığında s-box güncellenir. Bu şekilde sadece 100 yineleme sonucunda lineer olmama değeri 107.5 olan bir s-box üretilmiştir. Bu değer literatürdeki birçok çalışmayı geride bırakmaktadır.
- MakaleAçık Erişim2023Bir Boyutlu Evrişimsel Sinir Ağı Yardımıyla Faz Kilitleme Değeri ve Diferansiyel Entropi Özellikleri Kullanılarak EEG Sinyallerinde Duygu Tanınması
Sengur, Abdulkadir; Özçelik, Salih Taha Alperen; Uyanik, Hakan
Duygu analizi günümüz bilim dünyasında üzerinde en çok araştırma yapılan alanların başında gelmektedir. Özellikle insan-bilgisayar etkileşimi gibi günlük hayatımıza her geçen gün daha çok dahil olan alanların yanı sıra nörobilim ve psikoloji gibi bilim dallarının da yakından incelediği bir konudur. Duygu analizi için konuşma sinyalleri, mimikler, vücut dili, yüz ifadeleri gibi yöntemler kullanılsa da bu yöntemler manipülasyona açık oldukları için biyolojik sinyaller kadar güvenilir sonuçlar vermezler. Bu çalışmada sanal gerçeklik (SG) teknolojisi yardımıyla hazırlanmış, biyoelektriksel bir sinyal olan elektroansefalografi (EEG) sinyalleri ile duygu tanıma için yeni bir yöntem önerilmiştir. Bu yöntemde EEG sinyallerinin alt bantlarının diferansiyel entropi (DE) ve faz kilitleme değeri (FKD) özellikleri, tasarlanan bir boyutlu evrişimsel sinir ağı (1B-ESA) yardımı ile pozitif ve negatif duyguların tanınması için kullanılmıştır. Her iki özellik yardımıyla elde edilen özellik matrisleri on defa teste tâbi tutularak ortalama başarı değerleri elde edilmiştir. Bu testler sonucunda DE ve FKD özellikleri ile en yüksek ortalama başarı puanları, tüm alt bant özellik matrislerinin birleştirilmesi ile sırasıyla %74,0611,41 ve %63,75901,72 olarak elde edilmiştir. Ayrıca çalışmada elde edilen yüksek frekanstaki sinyal bileşenlerine ait testlerin başarı oranlarının düşük frekans bantlarına göre daha yüksek elde edilmesi daha önce bu alanda yapılan benzer çalışmaların sonuçlarını destekler nitelikte olmuştur.
AtıfOpenAlex2TR Dizin1İncele - MakaleAçık Erişim2023KOBİ’lerin Ekonomiye Sağladıkları Katkının Tahmini İçin Derin Öğrenme Tabanlı Model
Akcayol, M. Ali; Utku, Anıl; Sevinç, Ali
Küçük ve Orta Büyüklükteki İşletme (KOBİ)'ler, sermayesi, işgücü ve varlıkları, ulusal yönetmeliklere göre belirlenen eşik değerlerin altında olan özel sektör işletmeleridir. KOBİ'ler, özellikle gelişmekte olan ülkelerde olmak üzere dünyadaki çoğu ülkenin ekonomisinde önemli rol oynamaktadır. Dünya genelinde işletmelerin yaklaşık %90'ını oluşturan KOBİ'ler, istihdamın %50'sinden fazlasını sağlamaktadır. Ülke ölçeğinde KOBİ’lerin ekonomiye katkılarının tahin edilmesi planlama ve yatırım açısından oldukça önemlidir. Bu çalışmada, KOBİ’lerin ekonomiye sağladıkları katkının tahminine yönelik derin öğrenme tabanlı bir model geliştirilmiştir. Geliştirilen LSTM tabanlı derin öğrenme modelinin sonuçları, RF, SVM, CNN, MLP, RNN ve GRU ile karşılaştırılmıştır. Deneysel sonuçlar, geliştirilen derin öğrenme modelinin 2,169 MSE, 1,473 RMSE, 1,175 MAE ve 0,959 R2 değeri ile karşılaştırılan diğer modellerden daha başarılı tahmin performansına sahip olduğunu göstermiştir.
- MakaleYalnız künye2023Güçlü Yer Değiştirme Kutuları Üretmek İçin Yeni Bir Yaklaşım
Artuger, Firat
S-box, kriptografik yapılar için hayati öneme sahiptir. Çünkü bir simetrik şifreleme algoritmasında karıştırma olarak adlandırdığımız gereksinimi yerine getirmektedir. Bu yüzden geliştirilecek olan simetrik şifreleme algoritmasının başarımı önemli ölçüde s-box yapısına bağlı olacaktır. Bir s-box yapısı olabildiğince lineer bir yapıya sahip olmamalıdır. Yani bir s-box yapısının bakılması gereken en önemli kriteri yüksek lineer olmama değeridir. Lineer olmama değeri ne kadar yüksek olursa algoritmanın kırılması o kadar zor olacaktır. Bir s-box elde etmek için genellikle kaotik yöntemler kullanılmaktadır. Ancak bu şekilde elde edilen s-box yapılarında lineer olmama değeri düşüktür. Bu çalışmada özellikle bu şekilde üretilen s-box yapılarının lineer olmama değerini hızlı bir şekilde arttıran bir yöntem önerilmektedir. Bu yöntemde rastgele elde edilmiş bir s-box yapısında ilk değer sırasıyla diğer tüm elemanlarla yer değiştirilir. Bu şekilde s-box yapısının lineer olmama değeri artar veya eşit kalırsa s-box güncellenir. Bu şekilde sadece 255 iterasyon ile lineer olmama değeri 102.25 ‘den 107.5 ‘e kadar arttırılmıştır. Bir diğer s-box ‘da ise lineer olmama değeri 103.75 ‘den 107.25 ‘e çıkmıştır.
- MakaleAçık Erişim2023Motor Yataklarında Meydana Gelen Arızaları Tespit Etmek için Yeni Bir Tek Boyutlu Konvolüsyonel Sinir Ağı Modeli
Yıldırım, Özal; Orhan, Ahmet; Ertarğın, Merve
Elektrik motorları, çeşitli işlemleri otomatikleştirme ve kolaylaştırma yeteneklerinden dolayı endüstride önemli bir yere sahiptir. Elektrik motorlarında meydana gelen arızalar, cihazın veya sistemin çalışmasını etkileyebilmekte ve büyük maddi kayıplara neden olabilmektedir. Bu nedenle arızaların erken aşamada tespit edilmesi kritik bir öneme sahiptir. Arızaların tespitinde bilgisayar destekli yazılımlar kullanılması maliyetten ve zamandan tasarruf etme potansiyeli nedeniyle ön plana çıkmaktadır. Bu çalışmada, motor yatağı arıza türlerini tespit etmek için derin öğrenme tabanlı bir model önerilmiştir. Tek boyutlu konvolüsyonel sinir ağı (1D-CNN) mimarisi kullanan bu model ile sadece titreşim verileri kullanılarak arıza tipi tespiti sağlanmaktadır. Önerilen mimari, titreşim sinyallerini motor arıza teşhisinde hızlı ve güvenilir olarak kullanan etkin bir modeldir. Çalışma kapsamında farklı hız senaryoları kullanılarak eğitim ve test aşamalarının detaylı performans değerlendirmeleri sağlanmıştır. Genelleme kabiliyeti yüksek olan bu model ile, farklı senaryolarda yüksek doğruluk oranları ile arıza tespiti yapılmıştır.
AtıfOpenAlex3TR Dizin2İncele - MakaleAçık Erişim2023Kentsel Trafik Tahminine Yönelik Derin Öğrenme Tabanlı Verimli Bir Hibrit Model
Utku, Anıl
Trafik yoğunluğu problemi, kentsel hayatın en önemli sorunlarından biri haline gelmiştir. Trafik yoğunluğu sebebiyle harcanan zaman ve yakıt, araç kullanıcıları ve ülkeler için önemli bir kayıptır. Trafikte geçen zamanı azaltmak amacı ile geliştirilen uygulamalar, uzun vadeli trafik yoğunluğu hakkında başarılı tahminlerde bulunamamaktadır. Kameralar, sensörler ve mobil cihazlar üzerinden elde edilen trafik verileri, trafik yönetimi sorununu çözebilmek amacıyla yapay zekâ teknolojilerinin kullanımını ön plana çıkarmaktadır. Bu çalışmada, trafik yoğunluk tahminine yönelik Convolutional Neural Network (CNN) ve Recurrent Neural Network (RNN) modelleri kullanılarak hibrit bir tahmin modeli geliştirilmiştir. Çalışmada, CNN ve RNN'in öne çıkan özelliklerinden faydalanmak amaçlanmıştır. CNN, özellik çıkarma aşamasında, RNN ise sıralı zaman serisi verileri üzerinde öğrenme ve tahmin için etkili bir modeldir. Bu yöntemler hibrit bir şekilde kullanılarak tahmin doğruluğunun arttırılması amaçlanmıştır. İstanbul Büyükşehir Belediyesi tarafından sunulan saatlik trafik yoğunluğu veri seti kullanılmıştır. Kullanılan veriseti 2321 farklı nokta için 2020 Ocak ile 2020 Aralık tarihleri arasındaki trafik yoğunluk bilgisini içermektedir. Geçen araç sayısı, Bağcılar Avrupa Otoyolu kavşağında daha yüksek olduğu için bu konum deneysel çalışmalarda kullanılmıştır. Seçilen konum için 9379 satır araç bilgisi bulunmaktadır. Geliştirilen hibrit model Linear Regression (LR), Random Forest (RF), Support Vector Machine (SVM), Multilayer Perceptron (MLP), CNN, RNN ve Long-Short Term Memory (LSTM) ile İstanbul’un 2020 yılına ait trafik verileri kullanılarak test edilmiştir. Deneysel sonuçlar, önerilen hibrit modelin karşılaştırılan modellere göre daha başarılı sonuçlara sahip olduğunu göstermiştir. Önerilen model kavşaktan geçen araç sayısı tahmininde 0,929 R2 değerine, kavşaktan geçen araçların ortalama hızlarının tahmininde ise 0,934 R-Squared (R2) değerine sahip olmuştur.
AtıfOpenAlex1TR Dizin1İncele - MakaleAçık Erişim2022Gömülü Sistemler İçin Performansı Arttırılmış HBONet CNN Yaklaşımı
Ergen, Burhan; Doğan, Gürkan
Son yıllarda, evrişimli sinir ağlarının (CNN) kullanım alanları dikkate değer bir şekilde artmıştır. İş istasyonlarından gömülü cihazlara varıncaya kadar birçok platformda yaygın olarak kullanılmaktadır. Bununla birlikte, her CNN modeli farklı miktarda hafıza, işlemci, depolama birimi kullanmaktadır ve nesne tanımada farklı doğruluk oranlarına sahiptir. Gömülü sistemlerde kullanılacak CNN’lerin daha az maliyetli olması, daha az kaynak tüketmesi ve daha fazla doğruluk oranını başarması gibi bazı zorlukları vardır. Bu zorlukların en iyi üstesinden gelen CNN modellerinden biri de HBONet modelidir. Ancak, bu model gömülü sistemlerde yeterince iyi performans sağlamamaktadır. Bu çalışmada, gömülü sistemler için kullanılan HBONet modelinin kaynak tüketimi ve doğruluk gibi performans metriklerinin daha da iyileştirilmesi amaçlanmıştır. Bu amaçla, HBONet modelini temel alan bir model olan A-HBONet modeli önerilmiştir. CIFAR-10 veri seti kullanılarak gerçekleştirilen deneyler sonucunda, önerilen modelin doğruluğu HBONet modeline göre %3 arttırılırken hafıza ve depolama birimi kullanımı da yaklaşık olarak %80 oranında azaltılmıştır. Bu sonuçlar, önerilen modelin gömülü cihazlarda daha etkin ve verimli çalıştığı göstermektedir.
- MakaleAçık Erişim2022Karayollarındaki Asfalt Çatlaklarının Tespiti İçin Yeni Bir Konvolüsyonel Sinir Ağı Tabanlı Yöntem
Ergen, Burhan; Doğan, Gürkan
Karayolu yüzeyindeki asfalt çatlakları en yaygın kaplama hasarlarından biridir. Bu çatlaklar zamanında tespit edilip bakıma alınmazsa büyüyerek trafik güvenliğini ve yoğunluğunu arttıracak boyutlara ulaşmaktadır. Bu nedenle, asfalt çatlaklarının tespitinin hızlı bir şekilde gerçekleştirilmesi çok önemlidir. Geleneksel manuel çatlak tespiti, son derece zaman alıcı, çok maliyetli ve çok çaba gerektirir. Bu nedenle, araştırmacılar odaklarını otomatik asfalt çatlaklarının tespitine yoğunlaştırdılar. Ancak, son yıllarda otomatik çatlak tespiti kapsamlı olarak araştırılmasına rağmen çatlakların farklı yoğunluğa sahip olması ve kaplama ortamının karmaşıklığı nedeniyle hala zor bir görevdir. Bu çalışmada, bu zorluğun üstesinden gelmek için konvolüsyon sinir ağı temelli bir yöntem önerildi. Önerilen yöntem, sınıflandırma ve segmentasyondaki başarısı ve hafifliği bilinen MobileNetv2 'nin temelde kullandığı konvolüsyon ve ters artıklı blok yapılarını baz alarak geliştirildi. Yapılan deneysel testler sonucunda, önerilen yöntemin performansı literatürdeki diğer yöntemlere göre daha yüksek olduğu görülmektedir. Bu da, otomatik asfalt çatlak tespitinin daha başarılı olması anlamına gelmektedir.
AtıfOpenAlex8TR Dizin7İncele - MakaleAçık Erişim2022Covid-19'un Yayılım Tahminine Yönelik Makine Öğrenmesi ve Derin Öğrenme Tabanlı Karşılaştırmalı Bir Analiz Türkiye İçin Örnek Bir Çalışma
Utku, Anıl; Can, Umit
Salgınlar tarih boyunca çeşitli zaman dilimlerinde ortaya çıkmış ve insan topluluklarına ciddi zararlar vermiştir. Günümüzde ise bu salgınların modern versiyonu Covid-19 milyonlarca insanın hayatını kaybetmesine ve bir o kadarının da sağlık sorunları yaşamasına yol açmıştır. Tüm dünya, altyapı, finans, veri kaynakları, koruyucu donanımlar, hayati risk tedavileri ve diğer birçok kaynak açısından bu ölümcül hastalığın yayılmasına karşı mücadele etmek için inanılmaz çaba sarf etmektedir. Araştırmacılar ülke çapında paylaşılan verileri kullanarak bu salgın durumunu analiz etmek için matematiksel modeller geliştirmektedirler. Ülkeler salgın hızına bağlı olarak bu salgınla mücadele etmeye çalışmaktadırlar. Bu çalışmada Türkiye özelinde vaka ve ölüm sayılarının tahmin edilmesi için LSTM tabanlı bir tahmin modeli oluşturulmuştur. Bu modelin tahmin başarısını ölçmek için RF, SVM, XGBoost, MLP, CNN ve RNN olmak üzere popüler derin öğrenme yöntemleri dâhil altı makine öğrenmesi yöntemi kullanılmıştır. MSE, RMSE, MAE ve R2 metrikleri cinsinden elde edilen sonuçlara göre vaka ve ölüm sayılarının tahmininde en başarılı model LSTM olmuştur.
AtıfOpenAlex1TR Dizin1İncele - MakaleYalnız künye2022Machine Learning-Based Effective Malicious Web Page Detection
Utku, Anıl; Can, Umit
The use of the Internet is becoming more and more widespread day by day, putting millions of users at risk of cyberattacks. Especially during the Covid-19 epidemic, internet usage has increased significantly and various cyber-attacks have been made through malicious websites. With these attacks, much information such as people’s private information, bank information, and social information can be captured. Many methods have been developed to prevent cyber-attacks. In particular, methods that use machine learning methods other than traditional methods give more successful results. In this study, it has been tried to automatically detect malicious websites by using the URL properties of malicious websites. For this purpose, popular machine learning methods such as DT, kNN, LightGBM, LR, MLP, RF, SVM, and XGBoost were used. According to the experimental results, the RF algorithm achieved 96% accuracy.
- MakaleAçık Erişim2022Türkçe metinlerde makine öğrenmesi yöntemleri ile siber zorbalık tespiti
Baykara, Muhammet; Yazğılı, Enver
İnternet kullanımının yaygınlaşması ve sosyal medya platformlarının popülaritesinin artması siber zorbalık olarak adlandırılan eylemlerin hızla yayılmasına neden olmuştur. Dünya genelinde siber zorbalığa maruz kalan kişilerin sayısı her geçen gün artmaktadır ve bu da mağdurlar üzerinde büyük etkiler yaratmaktadır. Bu eylemin tespit edilmesi, yeni mağdurların ortaya çıkmaması ve mevcut mağdurların daha fazla bu eyleme maruz kalmaması açısından büyük önem taşımaktadır. Bu noktada literatürde siber zorbalık tespitine yönelik birçok çalışmanın gerçekleştirildiği görülmüş ancak Türkçe metinlerde yapılan çalışma sayısının çok az olduğu tespit edilmiştir. Bu çalışmada kaggle adlı paylaşım sitesinden elde edilmiş ve manuel olarak oluşturulan 3000 cümlelik hazır Türkçe bir veri seti üzerinde doğal dil işleme yöntemleri kullanılarak siber zorbalık tespiti gerçekleştirilmiştir. Çalışmada kullanılan veri setinin yeni olması ve bildiğimiz kadarıyla bu kadar çok sayıda algoritmanın literatürde test edilmemiş olması nedeniyle bu çalışmanın literatüre katkı sağlayacağı düşünülmektedir. Çalışmada bu veri seti üzerinde Bagging, Boosting, C4.5, Gradient Boosting, K-Means, KNN, LR, NB, ANN, RO, DVM, Stokastik Gradient Descent ve XGBoost algoritmaları karşılaştırmalı olarak ilk kez kullanılmıştır.
AtıfOpenAlex4TR Dizin3İncele - MakaleAçık Erişim2022Covid-19 Aşılama Sürecinin Tahminine Yönelik Derin Öğrenme Tabanlı Bir Model
Utku, Anıl; Can, Ümit
Covid-19 pandemisi, insanlığın son zamanlarda karşılaştığı en büyük zorluklardan biridir. Henüz tedavi edici bir ilaç geliştirilemediği için tüm dünyayı sosyal ve ekonomik anlamda olumsuz etkilemektedir. Covid-19’un etkilerini ve vücutta bıraktığı hasarı en aza indirmek için farklı aşı çalışmaları yapılmıştır. Dünya genelinde insanlar aşılanarak salgının seyri kontrol altına alınmaya çalışılmaktadır. Bu noktada kullanılacak günlük aşı miktarının belirlenmesi, ihtiyaç duyulacak aşı ve enjektör gibi malzemelerin miktarına ve bunlarla beraber sağlık hizmetlerinin planlanmasına kadar önemli birçok alanda belirleyici olacaktır. Bununla birlikte birçok araştırmacı, virüs yayılım modeli oluşturmak ve Covid-19'un gidişatını tahmin etmek için farklı tahmin yöntemleri önermiştir. Bunlar arasında yapay zekâya dayalı yöntemler en ilgi çekici ve yaygın olarak kullanılan yöntemlerdir. Bu çalışmada, dünyada en yüksek aşılama oranına sahip ilk 20 ülke için günlük yapılan aşı sayılarının tahmin edilmesi amaçlanmıştır. Bu amaçla DT, kNN, LR, RF, SVM, MLP, CNN, RNN ve geliştirilen LSTM tabanlı derin öğrenme modelinin karşılaştırmalı bir analizi sunulmuştur. Uygulanan modeller için RMSE, MAE ve R2 metriklerine göre elde edilen deneysel sonuçlar karşılaştırmalı olarak analiz edilmiştir. Deneysel sonuçlar, geliştirilen LSTM tabanlı modelin uygulanan ülkelerin tamamına yakınında 0.90’ın üzerinde R2 değerine sahip olduğunu göstermiştir
AtıfOpenAlex1İncele - Proje2021Kaotik Entropi Kaynakları Ve Optimizasyon Algoritmaları Kullanılarak Gürbüz Anahtar Üreteçlerinin Tasarımı Ve Mobil Platformlar Için Pratik Uygulamalarının Geliştirilmesi
Özkaynak, Fatih; Bürhan, Yücel; Aydın, Yılmaz; Durmuş, Beyzanur; Çakıl, Ahmet Can; Metin, Zülfiye Beyza; Kaya, Ömer
Son yirmi yılda, kaos temelli şifreleme, kaotik sistemlerin pratik uygulamaları arasında en dikkat çekici konulardan biri olmuştur. Literatürde binlerce çalışma vardır. Ancak bu çalışmalar incelendiğinde iki temel kategori ön plana çıkmaktadır. Birinci kategorideki çalışmalar kaotik sistemlerin zengin rastgelelik dinamiklerini kullanan yeni şifreleme protokollerini önerirken, ikinci kategorideki çalışmalar ise bu ilk kategoride önerilenlerin güvenlik zayıflıklarını analiz etmektedir. Bu iki karşıt durum birçok araştırmacının kaos temelli kriptolojiye şüphe ile yaklaşmasına neden olmaktadır. Proje önerisinde bu problemleri adresleyebilmek için kaotik sistemlerin rasgelelik karakteristiklerin optimizasyon algoritmaları yardımıyla iyileştirilmesi, fiziksel klonlanamaz fonksiyonlar ve çeşitli son işlem teknikleri ile elde edilen çıktıların görüntü şifreleme algoritmasına dönüştürülmesi planlanmıştır. Proje sonunda iki farklı fiziksel klonlanamaz fonksiyon kullanılarak önerilen görüntü şifreleme mimarinin hem masaüstü hem de mobil versiyonları gerçekleştirilmiştir. PUF donanımlarının kriptolojik uygunluğunun incelenmesi, kaotik yer değiştirme kutusu yapılarının yan kanal analizlerine karşı direncinin araştırılması ve kaotik entropi kaynaklarına çeşitli son işlem teknikleri uygulanarak kriptolojik açıdan daha başarılı tasarımlar elde edilebileceğinin gösterilmiş olması proje önerisinin diğer önemli çıktılarıdır. Tüm bu çıktılar kapsamında bir yüksek tezi, yüksek etki faktörlü iki araştırma makalesi ve bir uluslararası konferans bildirisi yayınlanmıştır. Proje sonuçları TÜBİTAK 1001 ve 1005 projelerine ön çalışma çıktısı olarak katkı sunmuştur.
- MakaleAçık Erişim2021İMobileNet CNN Yaklaşımları ve Özellik Seçme Yöntemleri Kullanarak Araç Türlerini Sınıflandırma
Ergen, Burhan; Doğan, Gürkan
Günümüzde, trafik hayatında seyreden araç yoğunluğu ciddi boyutlara ulaşmıştır. Bu nedenle, mevcut ulaşım ağlarının kullanım kapasitesi maksimum seviyelere çıkmakta ve trafik sıkışıklığına yol açmaktadır. Akıllı Ulaşım Sistemlerinin bir çözümü olan Görsel Trafik Gözetleme Sistemleri trafik sıkışıklığını azaltmak için kullanılan alternatif yöntemlerden biridir. Görsel Trafik Gözetleme Sisteminin temel görevlerinden biri; video veya görüntülerden algılanan araç türlerini doğru bir şekilde sınıflandırmaktır. Bu çalışma, Görsel Trafik Gözetleme Sisteminin araç türlerini sınıflandırma doğruluğunu arttıracak yeni yöntemler sunmayı amaçlamaktadır. Çoğu görüntü sınıflandırma doğruluğunu arttıran çalışmalarda geleneksel yöntemler kullanılırken bu çalışmada günümüzde trend olan mobil evrişimli sinir ağları (MCNN) iki farklı yaklaşımla ele alınmaktadır. İlk olarak, MobileNetv1 ve MobileNetv2 modelleri optimize edilerek İMobileNetv1 ve İMobileNetv2 yaklaşımları önerildi. İkinci olarak, bu önerilen MCNN yaklaşımları sadece özellik çıkarıcı olarak kullanıldığı ve elde edilen özelliklerin birleştirilmesi, seçilmesi ve sınıflandırılması gibi yöntemlerin birlikte kullanıldığı bir yaklaşım önerildi. Önerilen yaklaşımlarla yapılan sınıflandırma sonucunda, %85,05 oranında çok yüksek bir sınıflandırma başarısı elde edilmiştir.
AtıfOpenAlex3TR Dizin2İncele - MakaleAçık Erişim2021Comparison of Current Metaheuristic Optimization Algorithms by Using Benchmark Functions
Kızıloluk, Soner; Can, Umit
There are dozens of metaheuristic optimization methods inspired by the swarm behaviors of creatures in nature, plants, human-specific phenomena, events in scientific fields such as physics, mathematics, biology and chemistry. These methods are successful in certain problems but not in all problems. Therefore, new metaheuristic methods are suggested by researchers frequently. In this study, for the first time, six up-to-date metaheuristic optimization algorithms, namely Jellyfish Search Optimizer, Carnivorous Plant Algorithm, Giza Pyramids Construction Algorithm, Gradient Based Optimizer, Student Based Psychology Optimization and Tunicate Swarm Optimization, were compared by using 10 mathematical benchmark functions with 10, 30 and 50 dimensions. According to the results obtained, Student Based Psychology Optimization gave the best results in 7 out of 10 benchmark functions. It was observed that Gradient Based Optimizer gave the best results in 4 benchmark functions. Carnivorous Plant Algorithm and Tunicate Swarm Optimization showed the worst performance. In order to compare in terms of time, algorithms were run at 1000 iterations in 50- dimensional benchmark functions. When the average run times obtained are examined, it is seen that Jellyfish Search Optimizer and Tunicate Swarm Optimization are the fastest running algorithms. Carnivorous Plant Algorithm and Student Based Psychology Optimization were the slowest running algorithms.
AtıfOpenAlex3TR Dizin3İncele - MakaleAçık Erişim2020Evaluation of a context-based problem by pre-service elementary school mathematic teachers by using benckert criteria
İlhan, Aziz; Akın, M Faysal
This research aims to study pre-service elementary school mathematics teachers’ evaluation of a problem suitable for context-based learning. In this regard, pre-service elementary school mathematics teachers evaluated a given problem according to the principles of Benckert (1997) and expressed their opinions accordingly. Therefore, the case study method, which includes quantitative and qualitative data, was used in the study. In the study, Context-Based Problem Evaluation Form (CBPEF) developed by the researchers was used as a data collection tool. Quantitative data of the research were evaluated by using descriptive statistics, and qualitative data were evaluated by the content analysis method. The participants of the study are 24 (17 female, 7 male) students who study in the Elementary School Mathematics Teacher Education Department of Education Faculty of a medium-sized university located in Turkey's Southeast Anatolia during the 2017-2018 spring semester. As a result of the analysis of the research data, pre-service elementary mathematics teachers’ question sentences about the problem and the concepts that were accomplished in mathematics were determined. In addition, as a result of the answers given by pre-service elementary mathematics teachers, it has been concluded that the problem is in compliance with the context-based learning principles, and the candidates believe that the problem will contribute to teaching mathematics. Within the framework of the findings obtained in the study, it was proposed to explore the effects of context-based learning and non-context-based learning on variables such as success, encouragement, and motivation.
AtıfOpenAlex3TR Dizin3İncele