Bilgisayar Mühendisliği Bölümü Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12416/58

Browse

Now showing 1 - 3 of 3

Duygu Analizinde Makine Öğrenimi Yaklaşımı: Yapay Zeka Sohbet Robotlarına İlişkin Kamu Algısından Elde Edilen İçgörüler
(2025) Şahin, Zeki; Şener, İrge
Son yıllarda, yapay zeka ve doğal dil işleme teknolojilerindeki gelişmeler, kullanıcılarla etkileşim kuran sohbet botlarının yaygın olarak benimsenmesini sağlamıştır. ChatGPT ve Gemini AI gibi büyük dil modelleri, geniş bir kullanıcı kitlesi tarafından günlük etkileşimlerde kullanılmaktadır. Ancak, bu modellerin kamuoyundaki algısını ve kullanıcı duyarlılığını anlamak için kapsamlı bir duygu analizi gerekmektedir. Bu çalışma, Twitter'da ChatGPT ve Gemini AI hakkında yapılan paylaşımları analiz ederek, bu yapay zeka modellerinin kullanıcılar tarafından nasıl algılandığını belirlemeyi amaçlamaktadır. Çalışmada, kural tabanlı duygu analizi (SpaCy ve TextBlob) ve derin öğrenme tabanlı duygu analizi (BERTweet) omak üzere iki farklı duygu analizi yöntemi karşılaştırılmıştır. Yapılan analizler sonucunda, BERTweet'in duygu sınıflandırmasında daha başarılı olduğu gözlemlenmiş ve analiz sürecinde referans modeli olarak kabul edilmiştir. Daha sonra, Random Forest, Support Vector Machine (SVM), Logistic Regression ve LightGBM gibi çeşitli makine öğrenimi modelleri kullanılarak duygu tahminleri yapılmıştır. Bu modeller, DistilBERT, RoBERTa ve GloVe gibi üç farklı gömme yöntemiyle eğitilmiştir. Sonuçlar, Logistic Regression ve RoBERTa bileşeninin en yüksek doğruluk oranını sağladığını (%81,8) ortaya koymuştur. Çalışmanın temel bulguları şunlardır: 1. ChatGPT ve Gemini AI'nin duygu dağılımı farklılık göstermektedir. ChatGPT hakkında daha fazla negatif içerik bulunurken, Gemini AI'nin daha fazla olumlu içerikle ilişkilendirildiği gözlemlenmiştir. 2. En yaygın negatif geri bildirimler, ChatGPT için bilgi doğruluğu ve kullanım kısıtlamaları, Gemini AI için ise Google ekosistemine entegrasyon ve güvenilirlik konuları olmuştur. 3. Kelime bulutu ve frekans analizleri, her iki modelle ilgili duygu temalarını belirlemede önemli içgörüler sağlamıştır. Elde edilen sonuçlar, yapay zeka tabanlı sohbet botlarının geliştirilmesi, kullanıcı memnuniyetinin artırılması ve gelecek nesil yapay zeka sistemlerinin tasarımına yönelik değerli bilgiler sunmaktadır. Gelecek çalışmalar, zaman serisi analizi, çok modlu duygu analizi ve coğrafi bazlı kullanıcı eğilimleri gibi daha derinlemesine araştırmaları içerebileceği değerlendirilmektedir.
Kablosuz Sensör Ağlarında Sekreter Kuşu Optimizasyon Algoritması Kullanarak Yerelleştirme
(2025) Saedi, Osama Abd Ali Ibrahım Al; Bostan, Atila
Kablosuz sensör ağları, tıp, bilim ve mühendislik alanlarındaki uygulamalarına duyulan acil ihtiyaç nedeniyle gün geçtikçe araştırmacıların ve yazarların dikkatini çekmektedir. Kablosuz sensör ağları, Nesnelerin İnterneti için hayati öneme sahiptir. Bu ağlar, verileri izlemek, takip etmek, kontrol etmek ve tespit etmek için hedeflenen bir alana dağıtılmış sensörlerden veya düğümlerden oluşur. Kablosuz sensör ağlarıyla karşı karşıya olan düğüm dağıtımı, enerji tüketimi, veri toplama ve düğüm yerelleştirmesi gibi birçok zorluk vardır. Bu çalışma, bu ağlarda belirli bir zamanda meydana gelen belirli bir olaydan çıkarılan verileri toplamak büyük önem taşıdığından, WSN'lerde yerelleştirmeye odaklanmaktadır. Burada, konumları bilinmeyen ağdaki sensörlerin fiziksel konumlarını tahmin etmek için yerelleştirmenin rolü ortaya çıkmaktadır. Dahası, bu konumların koordinatlarını bu ağlarda optimum rotayı belirlemek için kullanma potansiyeli, böylece enerji tüketimini en aza indirir ve bireysel düğümlerin ömrünü uzatır, bu nedenle yerelleştirme, kaynak açısından kısıtlı WSN'lerdeki en kritik zorluklardan birini temsil eder. Birçok araştırmacı, yerelleştirme sorunlarını performansı ve doğruluğu artırmak için optimizasyon sorunları olarak görmektedir. Yerelleştirme sorununu ele almanın en iyi yaklaşımı, klasik yöntemlerden daha fazla etkinlik gösteren sürü zekası algoritmalarını kullanmayı içerir. Bilim insanları, metasezgisel algoritmalara dayalı sürü zekasının, karmaşık optimizasyon görevlerinde ve dinamik çok modlu ortamlarda geleneksel optimizasyon yöntemlerinden daha iyi performans gösterdiğine dair oldukça önemli kanıtlar sundular, çünkü bunlar büyük bir alanda çözüm alanını keşfetme, değişen koşullara uyum sağlama, belirsizlikle başa çıkma ve çok amaçlı optimizasyon problemlerinde daha fazla esnekliğe sahip olma gibi dikkate değer bir yeteneğe sahipler ve karmaşık değişikliklere gerek kalmadan işleme izin veriyorlar. Bu çalışma, Afrika'daki Sekreter Kuşu'nun sürü davranışını simüle eden önerilen Sekreter Kuşu Optimizasyon algoritmasını kullanarak kablosuz sensörlerin yerini tahmin etmeyi amaçlamaktadır. Önerilen algoritmanın ve parçacık sürüsü optimizasyon algoritmasının (PSO) etkinliği arasında bir karşılaştırma yapıldı; simülasyon sonucu, SBOA'nın PSO'dan daha doğru olduğunu ve düğüm yerelleştirmesinde daha yüksek performansa sahip olduğunu gösterdi.
Parmak İzi Biyometrik Kimliklendirme için Derin Öğrenme Modeli
(2025) Abdulkarım, Anas Jalal Abdulkarım; Sever, Hayri
This thesis concerns the development, training, and testing of a deep learning model that recognizes fingerprints. We will use convolutional neural networks (CNNs) to carry out identification and verification activities. The study uses two different fingerprint sets containing various types of fingerprints, including contact-based and contactless images. These sets include the FVC2006 (DB1, DB2, DB3, and DB4) and the Hong Kong Polytechnic University Fingerprint Images Database. The study involves improving fingerprint images, extracting features from those images, and training a CNN classifier that can effectively handle the two different modalities. First, the FVC2006 DB1 Electric-Field dataset is investigated to study contact-based fingerprint recognition. The second stage considers the PolyU 2D-to-contact dataset, which consists of contact-based and contactless fingerprint images. Discriminative features with the potential for accurate fingerprint matching and classification are extracted using effective methods such as Gabor filters, orientation analysis, and texture descriptors. The single-point detection that was also studied includes core and delta detection, which is important for reliable fingerprint classification and matching. Some of the metrics used to measure the performance of the proposed system are classification accuracy, equal error rate (EER), and receiver operating characteristic (ROC) curves. The system attained classification accuracies of 92.76% on the v FVC2006 (DB1) dataset and 93.75% on the PolyU dataset. The EER values for the FVC2006 and PolyU datasets were 14.26% and 2.99%, respectively, demonstrating the efficiency of the CNN method for fingerprint recognition. This work contributes to the growing field of fingerprint biometrics by providing information about issues and processes in cross-modality fingerprint recognition. The results demonstrate the advantages of CNNs in enhancing the performance of fingerprint classification systems, particularly with regard to different acquisition methods and datasets.

Browse

Browsing Bilgisayar Mühendisliği Bölümü Tezleri by Department "Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgi Teknolojileri Bilim Dalı"