Fen Bilimleri Enstitüsü / Science Institute
Permanent URI for this collectionhttps://hdl.handle.net/11727/1392
Browse
5 results
Search Results
Item Dünyada ve Türkiye'de benzetim kullanım analizi: Türkiye için bir değerlendirme(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2019) Başar, Ayşe Ceyda; Dengiz, BernaBenzetim modelleme tekniği, sağlık sektörü, askeri sistemler, enerji sistemleri, iletişim, ulaştırma gibi daha birçok sistemin analizinde ve tasarımında yaygın bir şekilde güçlü bir araç olarak kullanılmaktadır. Bilgisayar teknolojilerinde ve benzetim yazılımlarındaki gelişmelere paralel olarak özellikle son yirmi yılda sistemlerin modellemesinde benzetim tekniği önemli bir araç haline gelmiştir. Bu çalışmada benzetim kullanımı farklı alanlar için 1997 – 2007 ve 2008 – 2017 aralıkları ele alınarak ayrı ayrı değerlendirilmiş, dünya ve Türkiye’deki durumun karşılaştırılması amaçlanmıştır. Diğer bir amaç ise benzetim tekniğinden yararlanma bakımından Türkiye’deki 2002 ve 2018 yılları arasındaki değişim ve gelişimin düzenlenen bir anket aracılığı ile ortaya konulmaya çalışılmasıdır. Dünyada ve Türkiye’de akademik yayınlar “Web Of Science” veri tabanı üzerinden bu tezde belirtilen sınıflandırmaya göre incelenerek son 20 yıl için ve 10’ar yıllık dönemler için değerlendirilmiştir. Ayrıca Türkiye için değerlendirme anket yoluyla yapılmıştır. Anketin oluşturulmasında “Google Forms” kullanılmıştır. Anket uygulama evrenini çeşitli üniversitelerde çalışan akademik personel, endüstri mühendisliği öğrencileri ve endüstrideki özel sektör çalışanları oluşturmuştur. Benzetim tekniğinin Türkiye’de akademi ve endüstride bugünkü kullanım düzeyini görmek amacıyla 2002 yılında uygulanan anket yeniden kullanılarak bu alandaki değişim ve gelişim ortaya konmuştur. Tez kapsamında uygulanan anket ve kaynak taraması analiz sonuçları detaylı olarak analiz edilmiş ve elde edilen sonuçlar değerlendirilmiştir. Simulation modelling methods are used as a tool for analyzing and designing systems in various fields such as health, military, energy systems, communication and transportation. Simulation models have became an important tool for system modelling in the last two decades in accordance with new developments in IT fields and simulation softwares. In this study, for the scenario of the simulation consist 1997-2007 and 2008-2017 years. Time periods have been evaluated seperately for each field to analyze the situation in Turkey and the rest of the World under extensive comparison. In order to expose the recent developments of the practical use of the simulation method in Turkey between the years of 2002 and 2018 a survey was implemented for this study. Academic studies in Turkey and the rest of the World in the database of “Web of Science” have been compared in the way of last two decades and 10 year period by analysing with mentioned classification in the thesis. In addition, another evaluation for Turkey was made using the survey. Google Forms has been used to create the survey. The sample participants were chosen among academicians in various universities, industrial engineering students and private sector employees. In order to measure prevelance of simulation method in academy and industry in Turkey with acomperative perspective, a survey dated 2002 was re-implemented.Literature review and analysis results of the past survey with current data have been analysed with details. The results obtained have been evaluated.Item Uyku esnasında çıkan seslerın sınıflandırılması(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2017) Kılıç, Erkan; Erdamar, AykutUyku esnasında istemsiz olarak horlama, öksürme, hapşırma, ıslık gibi farklı akustik özelliklerde sesler ortaya çıkabilmektedir. Bu sesler, insanın uyku kalitesini doğrudan etkileyebileceği gibi, aynı ortamda bulunan diğer insanların da uyku kalitesini olumsuz yönde etkileyebilmektedir. İnsanın uyku kalitesinin arttırılması amacıyla bu seslerin kaydedilmesi, alınan ses kayıtlarının uzman doktor tarafından değerlendirilmesi ve değerlendirme sonucuna göre uygun tedavi yönteminin belirlenmesi gerekmektedir. Ancak, normal bir uyku süresinin altı ile sekiz saat aralığında olmasından dolayı, uzman doktor tarafından tüm ses kaydının dinlenmesi oldukça uzun ve yorucu bir süreç gerektirmektedir. Bu nedenle, uyku sırasında kaydedilen sesleri otomatik olarak analiz ederek, uzman doktora teşhis koymada yardımcı olacak ve önemli ölçüde zaman kazandıracak bir algoritmaya ihtiyaç duyulduğu belirlenmiştir. Daha önce yapılan literatür taramasında, bu konu üzerinde yapılan çalışma sayısının çok az olduğu ve mevcut çalışmaların büyük çoğunluğunun, ses kayıtları üzerinden sadece horlama sesini algıladığı ancak, uzman doktora teşhis koymada yardımcı olacak algoritmalar içermediği görülmüştür. Bu çalışmada, literatürden farklı olarak, ses kayıtlarının tamamını hızlı ve efektif bir şekilde analiz edecek, uyku esnasında çıkan sesleri otomatik olarak ve yüksek doğrulukta sınıflandırabilecek, doktora tanı koymada yardımcı olabilecek bilgisayar destekli tanı algoritmasının geliştirilmesi amaçlanmıştır. Bu amaç doğrultusunda, ilk olarak uyku ses kayıtları araştırılmış ve internet taraması yapılarak açık erişimli sitelerden farklı tipte ses kayıtları elde edilmiştir. Tüm kayıtlar tek tek dinlenerek gruplandırılmıştır. Çalışmanın ikinci aşamasında, literatürde geçen yöntemler doğrulanmıştır. Bu süreçte, tüm ses kayıtları üzerinde enerji, varyans, sıfır kesme oranı, özilinti fonksiyonu, Fourier dönüşümü yöntemleri uygulanmış ve ses kayıtları hakkında genel bilgi verecek öznitelikler elde edilmiştir. Çalışmanın üçüncü aşamasında, literatürden farklı olarak adaptif bölütleme algoritması geliştirilmiş, ses kaydı her bir bölütte tek çeşit ses olacak şekilde otomatik olarak parçalanmıştır. Her bir parçaya literatürdeki analiz yöntemleri uygulanarak, analiz edilen sese ait akustik öznitelikler elde edilmiştir. Bu yöntemlere ilaveten, tüm parçalara sürekli dalgacık dönüşümü yöntemi uygulanarak zaman, frekans ve genlik düzleminde olmak üzere görsel ve matematiksel öznitelikler çıkarılmıştır. Çalışmanın son aşamasında, sınıflandırıcı olarak destek vektör makineleri kullanılmış ve elde edilen öznitelikler sınıflandırıcı eğitilmiştir. Eğitim için 390 bölüt, test için 449 bölüt kullanılmıştır. Çalışma sonucunda, geliştirilen algoritma, nefes verme, basit horlama, yüksek frekans dubleks horlama, düşük frekans dubleks horlama, tripleks horlama ve öksürmeyi içeren altı farklı parametreyi %96.44 doğruluk oranıyla sınıflandırmıştır. Sounds like snoring, coughing, sneezing, whistling, which have different acoustic properties, can emerge involuntarily during the sleep. These sounds may affect negatively the sleep quality of the other people in the same environment, just as it may affect directly the sleep quality of the person. To increase the sleep quality of the person, these sounds should be recorded and these records should be evaluated by a sleep expert. The appropriate treatment method should be determined according to the evaluation result. However, since the duration of a normal sleep is in the range of six hours to eight hours, it’s a time consuming process for the sleep expert to listening all records. Therefore, it has been determined that a timesaver algorithm which analyzes automatically the sounds recorded during the sleep, is needed to help diagnose of the sleep expert .In the previous literature review, it has been observed that the number of studies on this topic is very few. Majority of existing studies detects only the snoring sounds, but these works do not involve the algorithms which help the sleep expert to diagnose. In this study, differently from the literature, it has been aimed that developing a computer aided diagnosing algorithm which will classify the sounds emerging during the sleep automatically with high accuracy by analyzing the all records in a fast and effective way to help the sleep expert to diagnose. In accordance with this purpose, at the first stage, sleep sounds were researched and different types of sound recordings obtained from open access sites thereby internet browsing. All records have been listened one by one and have been grouped. In the second stage of the study, the methods mentioned in the literature have been validated. Within this period, energy, variance, zero cross rate, autocorrelation function, Fourier transform methods have been applied on the all records and the features which will provide general information about records, have been obtained. In the third stage of the study, an adaptive segmentation algorithm has been developed and records has been segmented automatically as every segment has one kind of sound. The acoustic features belonging to analyzed sound have been obtained by applying analytical methods to each segment. In addition, the visual and mathematical features have been obtained in frequency, time and amplitude domains by applying “Continuous Wavelet Transform” for the every segment. At the last stage, support vector machine used as a classifier and it has been trained with the obtained features. The success of the algorithm has been tested by using different records. 390 and 449 segments were used for training and testing respectively. As a result of the study, developed algorithm has classified six different parameters which are exhalation, simple snoring, high frequency duplex snoring, low frequency duplex snoring, triplex snoring and coughing, with 96.44% accuracy rate.Item Taşınabilir sensörlerden aktivite ve kişi tanıma(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2017) Erdaş, Çağatay Berke; Oğul, Hasanİnsan fiziksel aktivitelerinin ve ilgili aktiviteyi yapan kişinin uzaktan tespiti, çeşitli alanlarda ihtiyaç duyulan önemli bir konudur. Bu amaçla giyilebilir hareket sensörlerinin kullanımı son yıllarda yaygınlaşmıştır. Bu tezde ivmeölçer, jiroskop ve manyetometre vasıtası ile hareket ve kişi tanıma üzerine çalışılmıştır. Sensörlerden elde edilen veriler üzerinden çıkarılan zaman, frekans ve dalgacık uzayı öznitelikleri ile Random Forest, J48, Adaboost ve Desicion Stump ikilisi, Support Vector Machine ve k-NN gibi öğrenme algoritmaları sınıflandırma amaçlı kullanılmıştır. Buna ek olarak, elde edilen sınıflandırma performansını geliştirmek için; filtreleme, öznitelik seçimi, sensör füzyonu gibi yöntemler denenmiştir. Bahsi geçen yöntemler, hem erişime açık veri kümelerinde hem de bu çalışma kapsamında toplanan el aktivitesi verileri üzerinde denenmiş ve sonuçları raporlanmıştır. Remotely detecting an activity and the person who performs this activity is an important issue that is needed in various fields. For this purpose, the usage of wearable motion sensors has been widespread in recent years. In this thesis, motion and person recognition were studied by means of accelerometer, gyroscope and magnetometer. The time, frequency and wavelet features were extracted from the data obtained from the sensors and learning algorithms such as Random Forest, J48, Adaboost and Desicion Stump, Support Vector Machine and k-NN were used for classification purposes. In addition, in order to improve the classification performance obtained; filtering, feature selection, fusion of sensors have been tried. The methods mentioned have been tried on both the open access data sets and hand activity data collected within the scope of this study, and the results have been reported.Item Matematiksel sembollerin tanınmasına yönelik yeni bir algoritma(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2015) Çakar, Ceyhun; Erdem, HamitMatematiksel İfadelerin Tanıma (MİT), matematiksel ifadelerin bilimsel yazındaki yaygınlığı nedeniyle önemli bir gerekliliktir. Standart Yazı Tanımanın (SYT) aksine MİT'de simgeler yatay olarak sıralanmazlar ve yakın büyüklükte olmayabilirler. Sonuç olarak, matematiksel ifadelerin tanınması standart yazıya göre çok daha zor olabilir. Bu nedenle günümüzde MİT üzerine yapılan akademik çalışmalar etkin olarak devam etmektedir. Bu tez çalışması, Simge Ayrıştırma, Simge Tanıma ve Yapısal Çözümleme algoritmalarından oluşan İstatiksel Örüntü Tanıma temelli çevrimdışı bir MİT sistemi önermektedir. Ayrıca, Simge Tanıma aşamasının doğruluğunu ve hızını arttırmak için tezde Yetim-Piksel-Oranı/Yerel- Yetim-Piksel-Oranı (YPO/YYPO) olarak isimlendirilen yeni bir istatistiksel nitelik ailesi önermektedir. YPO/YYPO nitelikleri simgeyi oluşturan siyah piksellerin, beyaz pikselleri ne şekilde çevrelediklerine göre tanımlanırlar. Bu tezde YPO/YYPO nitelikleri kullanılarak oluşturulmuş bir nitelik vektörünün, sistemin yabancı simgeleri tanıma başarısını ve tanıma hızını önemli ölçüde artırabileceği diğer yaygın nitelik vektörleri ile karşılaştırılarak incelenecektir. Bu amaçla, YPO/YYPO nitelik vektörü üç farklı sınıflandırma yöntemi (Kstar, MLP, KNN) ile sınıflandırılıp elde edilen sonuçlar tanıma hızı ve doğruluğu açısından diğer iki yaygın nitelik vektörü (3 x 3 Bitmap, dalgacık) ile karşılaştırılacaktır. Önerilen çevrimdışı MİT sistemi Java tabanlı Weka yazılım paketi kullanılarak gerçekleştirilmiştir. Mathematical Expression Recognition (MER) is an important requirement in science because of the prevalence of the mathematical expressions in the science literature. The symbols are not lined up horizantally and their size may not be similar in MER in contrast with Standart Text Recognition (STR). Thus, recogniton of the mathematical expression can be very difficult in comparison with STR. So, academical studies on MER are goes on effectively today. In this thesis, a software system; which is composed of Symbol Segmentation, Symbol Recognition and Spatial Analysis steps; are proposed. Also, A new statistical feature family called Orphan-Pixel-Rate/Local-Orphan-Pixel-Rate (OPR/LOPR) are introduced. OPR/LOPR features are defined by how black pixels of the binary image encloses its white pixels. In this thesis, it will be shown that a feature vector mainly created by using OPR/LOPR can increase significantly the accuracy of recogniton. For that purpose, OPR/LOPR vector will be compared with two other common feature vectors.(3 x 3 Bitmap, wavelet) according to their results of recognition speed and accuracy after its classification with three different method (Kstar, MLP, KNN). This offline MER sistem have been implemented using Weka software packet based on Java.Item Protein homoloji tespitinde bir üst sınıflandırma yaklaşımı(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2007) Polatkan, Aydın Can; Sever, HayriHesaplamalı biyoloji alanında sınıflandırma problemleri için makine öğrenme teknikleri sıkça ve geniş şekilde kullanılmaktadır. Bu teknikler, girdi olarak sabit uzunluklu nitelik vektörleri istemektedir. Bilindiği üzere proteinler farklı uzunluklara sahip olduklarından dolayı, tüm protein dizilimlerini sabit sayıda nitelik ile göstermek gerekir. Bu amaçla geliştirilen etkili yöntemlerden biri protein dizilimlerinin n-peptit birleşimleridir. Yöntem n uzunluktaki her alt dizginin dizilim içerisindeki görülme yüzdesini ifade eder. Alan karmaşıklığını azaltmak amacıyla, n’nin artan değerleri için, kullanılan aminoasit alfabesi, sonuç vektörün günümüz bellek kaynaklarıyla uyumlu olmasını sağlayacak şekilde düzenli olarak küçültülmüştür. Kullanılan bu çözümde birleşime ait bütün özellik girdileri sadece bir sınıflandırıcıya toplu olarak verilmekteydi. Bu tezde, bu özellik girdileri n-peptit birleşimlere ve küçültülen amino asit alfabelerine göre farklı gruplara ayrılıp, farklı sınıflandırıcılara verilmiştir böylece soyutlanarak daraltılan arama uzayında, gezinen birden fazla tekniğe, bir üst sınıflandırma yaklaşımı denenmiştir. Amaç doğru şekilde yakınsanan ve bizi birbirinden farklı çözüm bölgelerine ulaştıran tekniklere üstsel sınıflandırma yaklaşımı ile daha iyi sonuçlar alabilmektir. Bu yaklaşımda farklı sınıflandırıcıların çıktı değerlerini değerlendirmek üzere ortalama alma, ağırlıklı ortalama alma ve öğrenme kümesinde en başarılı olanı seçme gibi değişik durumlar karşılaştırılmıştır. Her bir yöntem hesaplamalı biyolojinin önemli ve güncel problemlerinden biri olan uzak homoloji tespiti üzerinde test edilmiş ve sonuçlar karşılaştırmalı olarak sunulmuştur. Sonuçlara bakıldığında eğitim kümesinde en başarılı olan sınıflandırıcının sonucunun doğru kabul edildiği durumun diğerlerine göre daha etkili olduğu gözlenmiştir. Sonuçlar arasındaki istatistiksel anlamlılığı dikkatlice incelemek için tüm yöntemler arasında öğrenci T-testleri yapılmış ve testlerin sonuçları yorumlanmıştır. Denenen bütün üst sınıflandırma yaklaşımları yalnız bir sınıflandırıcı kullanılan duruma göre daha etkili bellek kullanımına sahiptir. Destek vektör makineleriyle test edilen bu üst sınıflandırma yaklaşımının sadece uzak homoloji tespitinde değil diğer sınıflandırma problemlerinde de başarılı olacağı düşünülmektedir.