Sürdürülebilir Kalkınma Amaçları
Yazarlar
- Utku, Anıl(9)
- Artuger, Firat(4)
- Doğan, Gürkan(4)
- Ergen, Burhan(4)
- Yıldırım, Özal(3)
- Özkaynak, Fatih(3)
- Alatas, Bilal(2)
- Aslan, Alper(2)
- Can, Umit(2)
- Celik, Erkan(2)
- Gul, Muhammet(2)
- Gömleksiz, Mehmet Nuri(2)
- Karaköse, Mehmet(2)
- Kiziloluk, Soner(2)
- Pullu, Emine Kübra(2)
- Sengur, Abdulkadir(2)
- Acar, Ramazan(1)
- Akcayol, M. Ali(1)
- Akmaz, Düzgün(1)
- Aksu Canbay, Canan(1)
- Akyol, Sinem(1)
- Akın, Erhan(1)
- Algur, Özlem(1)
- Alkan, Rabia Üstündağ(1)
- Atıcı, Bünyamin(1)
- Aycin, Ejder(1)
- Aydin, Ilhan(1)
- Aydin, Nezir(1)
- Aydın, Yılmaz(1)
- Ağdaş, Mehmet Tevfik(1)
- Baloglu, Ulas Baran(1)
- Baykara, Muhammet(1)
- Bendine, K.(1)
- Bora, P.(1)
- Burkut, Emine Banu(1)
- Bürhan, Yücel(1)
- Can, Ümit(1)
- Canbay, Yavuz(1)
- Cevher, Muhammed Fatih(1)
- Coşkun, Pınar(1)
Yayınlar
- MakaleAçık Erişim2025Enhancing water quality prediction with artificial intelligence: A hybrid convlstm model for spatio-temporal analysis
Utku, Anıl; Kutlu, Banu; Utku, Esen Damla Balo
Water quality plays a vital role in public health, environmental sustainability and ecosystem balance. However, industrialization, urbanization, and agricultural activities cause water pollution to increase, threatening both human health and aquatic ecosystems. Traditional water quality monitoring methods are usually time-consuming, costly, and require manual intervention. Therefore, developing automatic, data-driven, and high-accuracy prediction models is crucial for sustainable water management. This study created a hybrid ConvLSTM model to increase prediction accuracy. The created model was comparatively analyzed with RF, SVR, XGBoost, MLP, CNN, and LSTM. The dataset used includes historical measurement values of chemical pollutants. Input data includes geographical coordinates of sample points, chemical parameter type, and compliance with regulatory standards. Experimental results show that ConvLSTM provides the lowest prediction errors by learning spatial and temporal dependencies and reaches the highest accuracy rate with 0.994 R2 compared to other models.
- MakaleAçık Erişim2025Advances in Materials Innovations in Half Metallic Heusler Alloys for Structural Magnetic and Energy Spintronic Technologies
Özkul, İskender; Kalay, Ece; Guler, Omer; Aksu Canbay, Canan
Half-metallic Heusler alloys are promising materials for spintronic and thermoelectric applications. These alloys exhibit metallic conductivity in one spin direction while acting as insulators in the opposite spin direction, enabling nearly 100% spin polarization. This property is crucial for spintronic devices such as magnetic tunnel junctions (MTJs), magnetic random-access memories, and spin-based transistors. This study investigates the electronic, magnetic, and structural properties of Heusler alloys, focusing on their synthesis methods, atomic ordering, and modelling via density functional theory (DFT). DFT-based calculations serve as a key tool for predicting band structures, spin polarization, and magnetic properties. Additionally, the effects of disorder, strain, and compositional changes on material properties are analysed to explore performance optimization strategies. The potential applications of Heusler alloys in spintronic memory devices, thermoelectric energy conversion, and quantum technologies are also discussed. This work is presented as a review article and systematically compiles and interprets findings from the existing literature to provide a broad understanding of the topic. By integrating theoretical and experimental approaches, this study provides a comprehensive overview of the role of these materials in advanced technological applications.
- MakaleYalnız künye2024A Comparative Study for Privacy-Aware Recommendation Systems
Utku, Anıl; Canbay, Yavuz
Recommendation systems are sophisticated processes for information filtering designed to offer users tailored recommendations based on their preferences and interests. Users need help to choose between options as the amount of information on the web grows. As a result, it is critical to deliver personalized recommendations to consumers to promote user loyalty and satisfaction. Because recommender systems use sensitive user information such as ratings, comments, likes, and dislikes, this information can be leaked if no privacy measures are taken. As a result, we presented a comparison of privacy-aware recommendation systems in this paper. Two experiments are carried out. In the first experiment, we examined collaborative filtering algorithms on perturbed ratings and then compared hybrid, collaborative, and content-based algorithms on perturbed ratings in the second experiment. According to the results, the Singular Value Decomposition++ (SVDpp) algorithm presented the lowest Root Mean Square Error (RMSE) and Mean Absolute Error (MAE) values for epsilon 100, with 0.8889 and 0.6822, respectively. Furthermore, for epsilon 100, the hybrid filtering technique had the lowest RMSE and MAE rates of 0.90664 and 0.69813, respectively.
AtıfOpenAlex2TR Dizin1
İncele - MakaleAçık Erişim2024Convmixer ve SDD Kullanılarak DEHB Hastalığının EEG Sinyalleri ile Otomatik Olarak Tespit Edilmesi
Sengur, Abdulkadir; Üzen, Hüseyin; Özçelik, Salih Taha Alperen; Uyanik, Hakan; Karakaş, Buğra
DEHB, çocuklarda dikkat eksikliği, davranış problemleri, eğitimle ilgili sorunlar ve düşük özgüven gibi problemler oluşturabilir. Bu çalışma, Dikkat Eksikliği Hiperaktivite Bozukluğu (DEHB) teşhisini elektroensefalografi (EEG) sinyalleriyle değerlendirmeyi hedefleyen bir araştırmayı özetlemektedir. Araştırma, 30 DEHB tanısı almış çocuk ve 30 sağlıklı kontrol grubunun EEG verilerini kullanmıştır. EEG verileri öncelikle gürültü azaltma amacıyla işlenmiş ve ardından ConvMixer, ResNet50 ve ResNet18 gibi derin öğrenme modelleri kullanılarak sınıflandırılmıştır. Bulgular, ConvMixer'in düşük hesaplama kaynaklarına ihtiyaç duyarak yüksek sınıflandırma başarısı elde ettiğini göstermektedir. Ayrıca, EEG sinyallerinin DEHB teşhisinde kullanılabilirliği konusunda farklı kanalların etkileri incelenmiş ve T8 kanalının özellikle etkili olduğu tespit edilmiştir. Bu çalışma, EEG tabanlı DEHB teşhisi için daha hafif modellerin kullanılabilirliğini ve EEG kanallarının önemini vurgulamaktadır.
AtıfOpenAlex1İncele - MakaleAçık Erişim2024Neural Network Based a Comparative Analysis for Customer Churn Prediction
Akcayol, M. Ali; Utku, Anıl
Customer churn refers to a customer's disconnection from a business. The expense associated with customer churn encompasses both the forfeited revenue and the marketing expenditures required to acquire new customers. Mitigating customer churn stands as the foremost objective for every business. Customer churn prediction will contribute to developing strategies enabling businesses to retain these customers by identifying customers with a high risk of loss. In the digital world, the importance of developing customer churn prediction models is increasing daily. In this study, MLP based artificial neural network model was developed for customer churn prediction using customer data from an anonymous telecommunications company. The developed model was compared with kNN, LR, NB, RF, and SVM. The prediction results of the applied models were discussed, and the experimental results showed that all the models compared had over 70% accuracy. Experimental results showed that the developed MLP-based artificial neural network model has the most successful classification performance compared to other models with approximately 95% accuracy.
AtıfOpenAlex3TR Dizin2İncele - MakaleAçık Erişim2024İkame Kutularının Lineer Olmama Değerini Optimize Etme
Artuger, Firat
Şifreleme algoritmalarında en önemli gereksinimlerden bir tanesi karıştırma olarak adlandırılmaktadır. Bu nedenle şifrelenecek verinin etkin bir şekilde karıştırılması gerekmektedir. İkame kutusu (s-box), bu gereksinimi sağlayan en önemli yapılardan bir tanesidir. Bu yapının en önemli özelliklerinden biri olan lineer olmama değeri ne kadar yüksek olursa karıştırmayı o kadar sağlıklı bir şekilde yerine getirecektir. İkame kutularının elde edilmesinde birçok teknik kullanılmaktadır. Bu tekniklerden en çok kullanılan, optimizasyon tekniğidir. Bu teknikte, başlangıçta genellikle kaos yardımıyla bir s-box elde edilir. Daha sonra bir optimizasyon tekniği kullanılarak elemanların konumları değiştirilir. Uygunluk değeri olarak lineer olmama kriteri kullanılır. Yeni konumlandırmalardan sonra lineer olmama değeri arttığında s-box yapısı güncellenmektedir. Bu çalışmada öncelikle s-box yapılarında lineer olmama değerinin nasıl optimize edildiği açıklanmıştır. Daha sonra sinüs kosinüs algoritması kullanılarak bir s-box optimize edilmiştir. Elde edilen s-box yapısının, 500 iterasyon sonunda lineer olmama değeri 108 olarak gözlemlenmiştir. Ayrıca bir s-box yapısının diğer performans kriterleri de açıklanmıştır.
AtıfOpenAlex1TR Dizin1İncele - 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 Erişim2023A New Method Based on Extracting, Combining and Selecting Deep Features from Natural and Synthetic Data for Classification of Grapevine Leaf Species
Sengur, Abdulkadir; Ergen, Burhan; Doğan, Gürkan; Imak, Andac
In recent years, the production and consumption of grapevine leaves containing rich minerals, dietary fiber and vitamins has been intensively realized in Turkey. However, the demand for stuffed food made from grapevine leaves in the convenience food sector increases the export opportunities to different countries In commercial agricultural activities such as this, it is important to determine quality standards for sustainable marketing. Researchers have made positive progress with deep learning in smart farming applications. In this study, we propose a new method for recognizing the type of grapevine leaves to be used for consumption. In the proposed method, a dataset containing 500 images of 5 different grapevine leaf species, namely Ak, Ala Idris, Büzgülü, Dimnit and Nazli, was used. From these images, 3500 images were obtained with data augmentation techniques. In addition, a dataset consisting of more detailed textures was obtained by applying the ESRGAN model to the obtained images. VGG 19 deep learning model was used to extract features from these images. The features obtained from the two separate data sets were combined. In this way, a hybrid feature extraction model was created. The best 175 feature subsets were selected using the PCA algorithm. Finally, 96.14% accuracy was calculated using a Support Vector Machine (SVM) for classification of the obtained features.
AtıfOpenAlex10TR Dizin8İncele - 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 Erişim2023Analysis of Publications on Earthquake Research in Architecture Category and Analysis with R Studio-Biblioshiny Software
Dal, Murat; Burkut, Emine Banu; Karataş, Lale
The purpose of this research is to examine the publications focusing on earthquakes in the category of architecture (web of science). The data of the research was analyzed with the Biblioshiny software program. This software program makes a bibliometric analysis on which topics and concepts earthquake research focuses. In addition, images and frequencies of publications related to architecture and earthquakes were revealed. The data of the research was collected between 1-15 July 2023. Results for Architecture (WoS Categories) AND earthquake* (Topic) OR earthquake AND architecture (Topic) OR earthquake AND house (Topic) OR earthquake AND structure (Topic) OR earthquake AND damage (Topic) OR earthquake AND city (Topic) OR earthquake AND urban (Topic) and Türkiye (Countries/Regions). Data were collected with keywords in the Web of Science database. According to the research findings, there are 1033 publications and in the country/region category (Türkiye), 83 publications are accessed. The most used words in the publications are earthquake, urban transformation, Istanbul, seismic, retrofit, assessment, structural, urban, damage, buildings and performance.
AtıfOpenAlex6TR Dizin1İncele - MakaleAçık Erişim2023Deep Learning Based Traffic Density Prediction: A Case Study for Istanbul
Utku, Anıl
Traffic density prediction is important for users to make better travel decisions, reduce traffic congestion, save time and fuel, and increase traffic processing efficiency. With the development and widespread use of intelligent transportation systems, traffic density prediction has received more and more attention. Traffic density prediction is heavily dependent on historical and real-time traffic data. Large amounts of traffic data are obtained instantly from sources such as sensors, cameras, mobile devices and social media. Increasing traffic data reveals the use of artificial intelligence technologies to solve the traffic management problem. In this study, an LSTM-based prediction model has been developed for traffic density prediction. The developed prediction model has been tested using traffic data of Istanbul with LR, RF, SVM, MLP, CNN and RNN. Experimental results showed that the developed LSTM-based model has more successful results than the compared models. The developed model had approximately 0.9 R2 value in predicting the number of vehicles and average speed.
AtıfOpenAlex3İncele - 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 Erişim2023Bibliometric analysis of the internet of things from a marketing perspective
Cevher, Muhammed Fatih
The main purpose of this study is to examine the structure and dynamics of scientific publications on the "Internet of things" in terms of marketing. The study aims to reveal contemporary research trends and patterns in the field of the Internet of Things (IoT) so that social scientists new to the discipline can be guided in the right direction while studying this phenomenon. Accordingly, the study analyzes the publications on the relationship between Internet of Things and marketing presented in the highly reliable Web of Science database until 2022. The research object is a pool of scientific publications indexed by the keywords "Internet of Things" and "Marketing" in the Web of Science database. The literature review has been done in article titles, abstracts, and keywords. This study includes data from 2008 to 2022 published in the mentioned subject areas. In the study, it has been tried to show the dynamics of publication efficiency and emphasize effective articles and reliable journals with the bibliometric analysis method. In addition, in the study, keyword associations in the articles, the number of publications of the countries, and the language they use were tried to be visualized. This study, which focuses on addressing the latest situation of IoT in social sciences in its relationship with marketing and systematically synthesizing future research directions, reveals its originality in order to guide and raise awareness for many marketers, considering that the trend in the field of marketing has not yet reached the expected level. In this context, bibliometric analysis was carried out through VOSviewer in order to convey the areas where the Internet of Things and the studies conducted together in the field of marketing are related and the authors-country-institution-journals that contribute the most to this field. The obtained data were interpreted through tables and maps and discussed in the conclusion part.
AtıfOpenAlex3TR Dizin1İncele - MakaleAçık Erişim2023Deep Learning-Based Automatic Helmet Detection System in Construction Site Cameras
Korkmaz, Adem; Ağdaş, Mehmet Tevfik
Ensuring worker safety in high-risk environments such as construction sites is of paramount importance. Personal protective equipment, particularly helmets, plays a critical role in preventing severe head injuries. This study aims to develop an automated helmet detection system using the state-of-the-art YOLOv8 deep learning model to enhance safety monitoring in real-time. The dataset used for the study consists of 16,867 images, with various data augmentation and preprocessing techniques applied to improve the model's robustness. The YOLOv8 model achieved a 96.9% mAP50 score, outperforming other deep learning models in similar studies. The results demonstrate the effectiveness of the YOLOv8 model for accurate and efficient helmet detection in construction sites, paving the way for improved safety monitoring and enforcement in the construction industry.
AtıfOpenAlex15TR Dizin3İncele - MakaleAçık Erişim2022Görüntü Sıkıştırma Algoritmalarının Performans Analizi İçin Değerlendirme Rehberi
Özkaynak, Fatih; Artuger, Firat
Teknolojinin ilerlemesiyle birlikte artan görüntülerin etkili bir şekilde depolanması ve bir iletişim ağı üzerinden daha hızlı bir şekilde iletilmesi ciddi bir problem haline gelmiştir. Bu problemi çözmek için geçmişten günümüze görüntü sıkıştırma algoritmaları geliştirilmektedir. Bu algoritmaların performansını doğru bir şekilde değerlendirmek oldukça önemli bir konudur. Bu makalede, sıkıştırılmış görüntülerin kalitesini değerlendirmek için yaygın biçimde kullanılan Ortalama Kare Hatası (Mean Square Error-MSE), Kök Ortalama Kare Hatası (Root Mean Square Error-RMSE), Tepe Sinyal Gürültü Oranı (Peak Signal-to-Noise Ratio-PSNR), Yapı Benzerlik İndeksi Yöntemi (Structure Similarity Index Method-SSIM), Yapısal Farklılık (Structural Difference-DSSIM), Özellikler Benzerlik İndeksi Matrisi (Features Similarity Index Matrix-FSIM) yöntemleri açıklanmıştır. Çalışmanın özgün yönlerinden biri bu metriklerin kullanımını detaylandırmak için çeşitli test görüntüleri üzerinde adım adım uygulanması açıklanmış bir rehber niteliğinde olmasıdır. Görüntülerin ne kadar sıkıştırıldığını hesaplamak için ise Sıkıştırma oranı(Compression ratio-CR) ve Piksel başına düşen bit sayısı(-Bits per Pixel-Bpp) yöntemleri kullanılarak sonuçlar tartışılmış ve ileride bu konuda çalışmayı planlayan araştırmacılar için önerilerde bulunulmuştur.
AtıfTR Dizin4İncele - 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.
- MakaleYalnız künye2022Yükseköğretimde Dijital Dönüşüm: Araştırma-Sorgulamaya Dayalı Harmanlanmış Öğrenme Ortamına İlişkin Öğrenci Görüşleri
Kılıç, Aygün
Bu çalışmanın amacı, araştırma-sorgulamaya dayalı harmanlanmış öğrenme ortamına ilişkin üniversite öğrencilerinin tutum ve görüşlerini araştırmaktır. Araştırmaya, 2019-2020 eğitim-öğretim yılının güz döneminde Munzur Üniversitesi Tunceli Meslek Yüksekokulu Laboratuvar Teknolojisi programında son sınıfta öğrenim gören 24 meslek yüksekokulu öğrencisi katılmıştır. Laboratuvar Teknolojisi programında güz döneminde işlenen zorunlu su analizleri, bitki analizleri, toprak analizleri ve proje yönetimi dersleri araştırma-sorgulamaya dayalı harmanlanmış öğrenme ortamına göre işlenmiştir. Bu öğrenme ortamı, literatürde bulunan birçok araştırma incelenip analiz edilerek tasarlanmış, yüz yüze ve çevrim içi öğrenme ortamlarının bütünleştirildiği bireysel/grupça araştırma-sorgulama dayalı öğrenme etkinlikleri temel alınarak yürütülmüştür. Araştırmada, nitel araştırma yöntemlerinden durum çalışması kullanılmıştır. Çalışmaya katılan öğrencilerin bu öğrenme ortamına yönelik tutum ve görüşleri, bireysel yarı-yapılandırılmış mülakat tekniğiyle belirlenmiş ve elde edilen nitel veriler içerik analizine göre değerlendirilmiştir. Bu çalışmada elde edilen bulgulara göre, araştırma-sorgulamaya dayalı harmanlanmış öğrenme ortamına ilişkin üniversite öğrencilerinin çoğunun tutum ve görüşlerinin olumlu yönde olduğu tespit edilmiştir. Bu araştırmanın sonuçları, yükseköğretim kurumlarında yürütülen eğitim-öğretim süreçlerinin araştırma-sorgulamaya dayalı harmanlanmış öğrenme ortamları çerçevesinde yeniden düzenlenmesi ve geliştirilmesinin önemini vurgulamaktadır.
AtıfTR Dizin2İncele - 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 - MakaleAçık Erişim2022Deep Learning Based Air Quality Prediction: A Case Study for London
Utku, Anıl; Can, Umit
Although states take various measures to prevent air pollution, air pollutants continue to exist as an important problem in the world. One air pollutant that seriously affects human health is called PM2.5 (particles smaller than 2.5 micrometers in diameter). These particles pose a serious threat to human health. For example, it can penetrate deep into the lung, irritate and erode the alveolar wall and consequently impair lung function. From this, the event PM2.5 prediction is very important. In this study, PM2.5 prediction was made using 12 models, namely, Decision Tree (DT), Extra Tree (ET), k-Nearest Neighbourhood (k-NN), Linear Regression (LR), Random Forest (RF), Support Vector Machine (SVM), Extreme Gradient Boosting (XGBoost), Multi-Layer Perceptron (MLP), Convolutional Neural Network (CNN), Recurrent Neural Network (RNN), Gated Recurrent Unit (GRU), and Long Short-Term Memory (LSTM) models. The LSTM model developed according to the results obtained achieved the best result in terms of MSE, RMSE, MAE, and R2 metrics.
AtıfOpenAlex7İncele