Browsing by Author "Görür, Abdül Kadir"

Now showing 1 - 8 of 8

Akıllı Ulaşım Sistemlerinde Trafik Akışı Tahmini için LSTM ve Gradyan Yükseltme ile Hibrit Bir Topluluk Yaklaşımı
(2025) Jumaili, Sufian Hamid Salih Al; Görür, Abdül Kadir; 06.01. Bilgisayar Mühendisliği; 06. Mühendislik Fakültesi; 01. Çankaya Üniversitesi
Arka Plan: Trafik akışı tahmini, modern ulaşım sistemlerinin karşı karşıya olduğu en kritik sorunlardan biridir. Bu konu, trafik sıkışıklığının azaltılması, trafik ışıklarının optimizasyonu ve kentsel hareketliliğin geliştirilmesi açısından büyük önem taşımaktadır. Ancak, trafik akışlarının zamansal durumlar, meteorolojik koşullar ve özel olaylar gibi değişkenlerden etkilenerek dinamik ve doğrusal olmayan bir yapı sergilemesi, tahmin sürecini oldukça karmaşık hale getirmektedir. İstatistiksel modeller ve tekil makine öğrenimi yaklaşımları gibi geleneksel yöntemler, trafik verilerinde mevcut olan karmaşık zamansal bağımlılıkları ve doğrusal olmayan ilişkileri yeterince yakalayamamaktadır. Amaç: Bu tez, geleneksel trafik akışı tahmin modellerinin sınırlılıklarını önerilen yeni bir hibrit model ile aşmayı hedeflemektedir. Bu amaçla, Gradient Boosting, LightGBM ve Uzun Kısa Süreli Bellek (LSTM) ağlarının güçlü yönlerini bir araya getiren önerilen hibrit yaklaşım ile tahmin doğruluğu ve dayanıklılığının artırılması amaçlanmaktadır. Yöntem: Çalışmada, Huawei Münih Araştırma Merkezi (HMRC) tarafından yayımlanan Karayolu Trafik Tahmin Veriseti kullanılmıştır. Veri seti, 56 gün boyunca altı kentsel kavşakta toplanmış zamansal trafik akışı ölçümlerini içermektedir. Veri seti ön işleme tabi tutulmuş ve parametrik yöntemler, Makine Öğrenimi (ML) teknikleri, Derin Öğrenme (DL) mimarileri ve kollektiv (ensemble) öğrenme modelleri dahil olmak üzere çeşitli modellerin eğitim ve test aşamalarında . kullanılmıştır. Model performansı; Ortalama Mutlak Hatası (MAE), Kök Ortalama Kare Hatası (RMSE), R-kare (R²), Ortalama Mutlak Yüzde Hatası (MAPE) ve Açıklanan Varyans Skoru (EVS) gibi standart regresyon metrikleri ile değerlendirilmiştir. Bulgular: Önerilen hibrit model, tüm temel modelleri daha yüksek doğruluk ve güvenilirlik ile geride bırakmıştır. Model, R² = 0.9684, MAE = 8.27 ve RMSE = 12.54 değerlerine ulaşarak parametrik, makine öğrenimi ve derin öğrenme modellerine kıyasla tüm değerlendirme kriterlerinde üstün performans sergilemiştir. Gradient Boosting, LightGBM ve LSTM gibi tekil modellere kıyasla daha kararlı sonuçlar üretmiş ve hata oranlarını önemli ölçüde azaltmıştır. Bu durum, farklı öğrenme paradigmalarının sinerjisiyle elde edilen kazanımlara işaret etmektedir. Ayrıca hibrit model, yoğun ve seyrek trafik zamanları gibi değişken trafik desenlerinde dahi yüksek performans sergileyerek değişen trafik koşullarına karşı dayanıklılığını kanıtlamıştır. Bulgular, topluluk öğrenme yöntemlerinin derin öğrenme teknikleri ile birlikte uygulandığında, kentsel trafik akışının karmaşık zamansal ve doğrusal olmayan dinamiklerini başarıyla modelleyebildiğini ve böylece tahmin edilebilirlik ile genellenebilirliğin optimize edildiğini ortaya koymaktadır. Sonuç: Tez bulguları, trafik akışı tahmini ve kentsel ulaşım yönetimi açısından önemli katkılar sunmaktadır. Önerilen hibrit yöntem, birden fazla modelleme yaklaşımını bütünleştirerek trafik akışı davranışını daha eksiksiz ve doğru şekilde yansıtan bir çözüm sunmaktadır. Bununla birlikte, çalışmada verideki gürültü ve gerçek zamanlı uygulama gereksinimleri gibi geleceğe yönelik araştırma alanlarına da dikkat çekilmiştir. Özetle, bu tez çalışması, akıllı ulaşım sistemleri (AUS) alanına hibrit yöntemlerin etkinliğini göstererek anlamlı bir katkı sağlamaktadır. Önerilen hibrit model, AUS alanında yapılacak gelecekteki araştırmalar için yeni bir referans noktası oluşturmaktadır.
Author identification for Turkish texts
(Çankaya Üniversitesi, 2007) Taş, Tufan; Görür, Abdül Kadir; 06.01. Bilgisayar Mühendisliği; 06. Mühendislik Fakültesi; 01. Çankaya Üniversitesi
The main concern of author identification is to define an appropriate characterization of documents that captures the writing style of authors. The most important approaches to computer-based author identification are exclusively based on lexical measures. In this paper we presented a fully automated approach to the identification of the authorship of unrestricted text by adapting a set of style markers to the analysis of the text. In this study, 35 style markers were applied to each author. By using our method, the author of a text can be identified by using the style markers that characterize a group of authors. The author group consists of 20 different writers. Author features including style markers were derived together with different machine learning algorithms. By using our method we have obtained a success rate of 80% in avarege
Coğrafi Verilerde Veri Kalitesi Problemleri ve Bunların Kamusal Karar Alma Süreçlerindeki Etkileri
(2024) Baş, Berk; Görür, Abdül Kadir; 06.01. Bilgisayar Mühendisliği; 06. Mühendislik Fakültesi; 01. Çankaya Üniversitesi
Güvenilir ve İsabetli kararların alınması elbette karar alma süreçlerinin doğru bir şekilde kurgulanması ve uygulanmasına bağlıdır. Bu kurgunun ise en temelinde ise hiç şüphesiz kullanılan veriler bulunmaktadır. Dolayısı ile karar alma süreçlerinde kullanılacak verilerin eksiksiz, gerçeğe uygun ve tutarlı olması alınan kararların da o nispette güvenilir ve isabetli olmalarına yardımcı olacaktır. Verilerin, bu koşulları taşıdığını ifade etmek için kullanılan kavrama veri kalitesi, bu koşulları taşımalarının ganati edilmesi sürecine ise veri kalitesi süreci adı verilmektedir. İşte bu bağlamda veri kalitesi süreci için, verilerin amaç için uygun hale getirilebilmesi adına kalite problemlerinin belirlenmesi, ekibin bu çalışmaya hazırlanması, çalışmaların icra ve otomatize edilmesidir demek yanlış olmayacaktır.
Derin Sinir Ağları Kullanılarak Müzik Duygu Tanımlaması
(2024) Püre, Hakan; Görür, Abdül Kadir; 06.01. Bilgisayar Mühendisliği; 06. Mühendislik Fakültesi; 01. Çankaya Üniversitesi
Müzik günümüzde milyarlarca dolarlık ekonomik değer taşımaktadır. Müziğin hissettirdiği duygunun doğru şekilde tespit edilmesi için doğru sınıflandırma yapılması gerekmektedir. Bu çalışmada müzikten duygu tespitinin ve sınıflandırmasının doğruluğunu artırmak amacıyla derin sinir ağlarını kullanarak müzik duygu tanıma (MER) konusunda kapsamlı bir araştırma sunmaya çalışmaktayız. Farklı ülkelerin müzikleri üzerine birçok çalışma yapılmış olmasına rağmen, Türk müziği üzerine çok az çalışma bulunmaktadır. Bu nedenle çalışmamızı, Türkçe şarkılardan oluşan bir veri seti kullanarak geliştirdik. Araştırmamızda, çeşitli ses özelliklerinin, melodi, armoni, ritim, karmaşık desenleri ile bu özelliklerin tetiklediği duygular arasındaki ilişkileri keşfetmek için derin öğrenme mimarilerini (CNN, LSTM) ve makine öğrenme algoritmasını (RFC) kullandık. Çalışmamızdaki ilk hedefimiz sinyal bazında modifikasyonlar yaparak model geliştirme aşamasında daha kararlı bir veri seti üretmekti. Modelimizi kabul edilebilir bir doğruluk seviyesine getirdikten sonra modeli daha az iş yükü gerektirecek seviyede basitleştirmek ise nihai hedefimizdi. Ses özelliklerinin karakterize edilmesini sağlamak amacıyla LibROSA kütüphanesi kullanılmıştır. Modelin farklı müzik türleri arasında dayanıklılığını ve genelleme yeteneğini artırmak için gaussian gürültü ekleme ve alçak geçirgen filtrelerin uygulandığı veri artırma stratejileri kullanılmıştır. Modellerin performansına odaklanarak veri setimiz içindeki müzik dosyalarının mutluluk, üzüntü, öfke ve rahatlama gibi duygusal durumlarını tahmin edilmesindeki etkinliklerini göstermeye çalıştık. Kullandığımız veri artırma stratejileriyle model performansını hem doğruluk hem de verimlilik açısından önemli ölçüde artırmayı başardık. Buna ek olarak farklı ses dosyalarının işlenmesi sürecinde karşılaşılabilen uyumsuzluk problemlerinin de tamamen ortadan kalktığını gözlemledik. Özetle, bu çalışma sadece müzik duygu tanıma alanına birçok teknik katkı sağlamakla kalmayıp, aynı zamanda teknoloji, psikoloji ve müzikoloji alanlarının kesişim noktasında gelecekteki araştırmalara destek olabilecek çıktılar elde ettiğimizi düşünüyoruz.
Production and retrieval off rough classes in multi relations
(IEEE Computer Soc, 2007) Tolun, Mehmet R.; Sever, Hayri; Görür, Abdül Kadir; 11916; 107251; 06.01. Bilgisayar Mühendisliği; 06.09. Yazılım Mühendisliği; 06. Mühendislik Fakültesi; 01. Çankaya Üniversitesi
Organizational memory in today's business world forms basis for organizational learning, which is the ability of an organization to gain insight and understanding from experience through experimentation, observation, analysis, and a willingness to examine both successes and failures. This basically requires consideration of different aspects of knowledge that may reside on top of a conventional information management system. Of them, representation, retrieval and production issues of meta patterns constitute to the main theme of this article. Particularly we are interested in a formal approach to handle rough concepts. We utilize rough classifiers to propose a preliminary framework based on minimal term sets with p-norms to extract meta patterns. We describe a relational rule induction approach, which is called rila. Experimental results are provided on the mutagenesis, and the KDD Cup 2001 genes data sets.
Risk and Threat Analysis and Crisis Management Strategies in the Context of Security
(2024) Çırakoğlu, Harun; Görür, Abdül Kadir; 06.01. Bilgisayar Mühendisliği; 06. Mühendislik Fakültesi; 01. Çankaya Üniversitesi
Uluslararası ilişkiler doktrini içerisinde büyük önemi bulunan ve üzerinde yoğun biçimde çalışmalar meydana getirilmiş olan hususlardan biri 'güvenlik' konusu olmaktadır. Güvenlik ifadesi genel biçimde ulusal güvenlik durumuyla aynı anlama gelecek biçimde kullanım görmüş ve siyasi kuvvetin sürekliliği adına büyük öneme sahip öge haline gelmiştir. Bu yönde yoğunlaşılmakta olan temel husus askeri güvenlik hususu şeklinde bulunmuştur. Süreç içerisinde özellikle dünyanın küresel biçime evrilmesiyle beraber güvenlik ifadesinin kapsamı da genişleme göstermiştir. Devlet merkezli güvenlik durumuna ek olarak toplum ve kişi güvenliği de bu süreç içerisinde gündeme gelmiş ve kapsamı genişlemiştir. Güvenlik ifadesinin bu dönemde önemi artmış ve güvenlik ifadesinin kapsamı da bu yönde genişleme göstermiştir. Çalışma içerisinde güvenlik kavramının tanımı, tarihi, kapsamı, güvenlik yaklaşımları gibi ifadeler ve bu yönde risk kavramı, tehdit kavramı ve yönetimi, kriz ve güvenlik ifadesi arasında bulunan ilişki teorik biçimde incelenmiştir. Güvenlik durumu tehdidin algılanmasıyla başlangıç gösteren bir durum şeklinde bulunmakta ve Soğuk savaşın sonlandığı dönem içerisinde bahsi geçen algılar değişime uğrayarak yerini yeni tehdit çeşitlerinin meydana gelmesine sebep olmuştur.
Ultrason Görüntüleme ile Alkolik Olmayan Yağlı Karaciğer Hastalığı Teşhisinde Öz-Denetimli Öğrenme
(2025) Buktash, Ali Abdulameer Buktash; Görür, Abdül Kadir; 06.01. Bilgisayar Mühendisliği; 06. Mühendislik Fakültesi; 01. Çankaya Üniversitesi
Arka Plan: Alkolik olmayan yağlı karaciğer hastalığı, karaciğerle ilişkili morbiditenin önde gelen nedenlerinden biridir ve erken teşhis edilip tedavi edilmemesi durumunda karaciğer fibrozisi, siroz ve karaciğer kanseri gibi ciddi karaciğer hasarlarına ilerleyebilir. Ultrason görüntüleme, teşhis için yaygın olarak kullanılan girişimsel olmayan bir tanı aracıdır. Ancak, görüntüleme cihazlarındaki farklılıklar ve etiketlenmiş veri setlerinin yetersizliği, otomatik teşhis için genelleştirilebilir makine öğrenimi modellerinin geliştirilmesini zorlaştırmaktadır. Amaç: Bu tez, etiketli verilere olan bağımlılığı en aza indirirken tanısal doğruluğu artırmak amacıyla, Öz-Denetimli Öğrenme (Self-Supervised Learning, SSL) yöntemlerinden özellikle Bootstrap Your Own Latent (BYOL) ve Simple Contrastive Learning of Visual Representations (SimCLR) yöntemlerinin kullanımını araştırmayı amaçlamaktadır. Bu sayede radyologların görüntüleri etiketlemek için harcadığı zaman ve maliyet düşürülebilecektir. Yöntemler: BYOL ve SimCLR, etiketlenmemiş görüntülerden iyi kaliteli görüntü temsilleri öğrenmek için kullanılmıştır. Model boyutunun sınıflandırma performansına etkisini ölçmek için ResNet-50 ve ResNet-101 mimarilerkullanılmıştır. Ayrıca, varsayılan ve uyarlanmış veri artırma (augmentation) yöntemleri, dengeli ve dengesiz sınıf dağılımı protokolleri ve farklı mini yığın (batch) boyutları ile birlikte, değişen yüzdelerde etiketli veriler kullanılarak hem doğrusal (linear) hem de hassas ayar (fine-tuning) değerlendirmeleri gerçekleştirilmiştir. Bulgular: BYOL ve ResNet-50 kullanılarak önerilen özel veri artırma yöntemi ve dengeli sınıf dağılımı protokolü ile en yüksek doğruluk elde edilmiştir. Üç farklı rastgele alt küme üzerinde yapılan doğrusal değerlendirme sonucunda, etiketlerin sırasıyla %100, %10 ve %1'i kullanıldığında ortalama doğruluk oranları %91.71, %90.91 ve %86.64 olarak elde edilmiştir. Bu, etiketlerin küçük bir kısmı ile eğitilen denetimli öğrenme modeline kıyasla istatistiksel olarak anlamlı bir farktır (P < 0.05). Ayrıca, %10 ve %1 etiket kullanıldığında, denetimli öğrenme modeline kıyasla %10.47 ve %16.47 daha yüksek doğruluk sağlanmıştır. Bunun yanı sıra, biri-dışarıda çapraz doğrulama yöntemi kullanıldığında, tam etiketli veri ile BYOL modeli ortalama %97.81 doğruluk ve 0.971 AUC değerlerine ulaşmıştır. Çalışmanın önemli bir bulgusu, önerilen özel veri artırma yönteminin performansı önemli ölçüde artırmasıdır; test edilen tüm yöntemler arasında en yüksek doğruluk ve AUC değerleri bu yöntemle elde edilmiştir. Ayrıca, BYOL'un sınıf dengesizliğinin üstesinden gelme konusunda SimCLR'den daha başarılı olduğu gözlemlenmiştir. Sonuç: Özel veri artırma yöntemiyle kullanılan BYOL, etiketlere bağımlı olmadan yüksek kaliteli görüntü temsilleri öğrenebilir. Bu durum, özellikle sınırlı anotasyona sahip veri setleri için, tıbbi görüntüleme uygulamalarında öz-denetimli öğrenmenin potansiyelini ortaya koymaktadır.
Yazilim Geliştirme Üretkenliğini Etkileyen Faktörlerin Açimlayici Faktör Analizi Yöntemi Kullanilarak İncelenmesi
(CEUR-WS, 2014) Yilmaz, M.; Yılmaz, Murat; O'Connor, R.V.; Görür, Abdül Kadir; Görür, A.K.; Yazılım Mühendisliği; Bilgisayar Mühendisliği; 06.01. Bilgisayar Mühendisliği; 06.09. Yazılım Mühendisliği; 06. Mühendislik Fakültesi; 01. Çankaya Üniversitesi