Yüksek Lisans Tezleri
Permanent URI for this collectionhttps://hdl.handle.net/20.500.12416/15956
Browse
22 results
Search Results
Master Thesis Derin öğrenme kullanarak LIS destekli kablosuz iletişim sistemlerinin optimizasyonu(2025) Al-janabı, Mustafa Muayad Hasan; Sever, Professor HayriIn this thesis, we propose a comprehensive deep learning-based beamforming for double-sided Large Intelligent Surface (LIS) communication in the next-generation computer communication and intelligent wireless network systems. The method uses a multi-layer perceptron (MLP) to predict the optimal reflection beamforming vector using channel state information (CSI)-related environment description. Consequently, the system is able to dynamically adapt to channel variations with no need for iterative optimization and hence can perform efficiently in real-time applications. The performance of the proposed model is evaluated based on four benchmark datasets, including DeepMIMO, MIMO Radar Signal Dataset, Real-Time MIMO IoT Antenna Selection Dataset, and WiFi CSI Localization Dataset. The results confirm the better performance of Adam in terms of Bit Error Rate (BER) minimization with up to 25% reduction across the datasets. Furthermore, the achievable rate on the DeepMIMO dataset improved from 8.37 bits/s/Hz under RMSPROP to 8.50 bits/s/Hz with Adam. This gain, and also the improved supportability against practical system constraints, result in increasing the spectral efficiency and improving device performance further under realistic limitations including reduced active elements, constrained training power, and limited training overhead.Master Thesis An Adaptive and Context-Aware Text Segmentation Method for Information Retrieval(2026) Şirin, Burçe; Arslan, SerdarGünümüzde dijital uygulamaların artmasıyla birlikte metinsel verilerin hacmi artmakta; ayrıca dil, yapı, içerik, uzunluk gibi özellikler bakımından giderek daha çeşitlenmekte ve karmaşıklaşmaktadır. Böyle geniş bir bilgi havuzunda bireylerin ihtiyaç duydukları bilgiye doğru ve etkin bir şekilde erişmeleri giderek zorlaşmakta; bu da bilgi erişim sistemlerini vazgeçilmez hale getirmektedir. Ancak bu sistemlerde, özellikle uzun ve içerik açısından zengin metinlerin tek parça halinde ele alınması anlamsal kayma ve işlem maliyetinin artması sorunlarına yol açabilmektedir. Bu sorunların çözümü için, metinlerin anlam bütünlüğü korunarak daha küçük parçalara ayrılmasını amaçlayan çeşitli metin segmentasyon yöntemleri geliştirilmiştir. Bununla birlikte, mevcut çalışmalar segmentasyon başarısının veri seti özellikleri ve görev gereksinimlerine bağlı olarak değiştiğini ve tüm senaryolar için geçerli tek bir yaklaşım bulunmadığını göstermektedir. Bu durum, yeni ve uyarlanabilir yöntemlere olan ihtiyacı ortaya koymaktadır. Bu tezde, bu ihtiyaçtan yola çıkarak, veriye ve bağlama duyarlı bir segmentasyon yöntemi önerilmekte ve bilgi erişimi açısından verimliliği ve etkinliği değerlendirilmektedir. Önerilen yöntemde öncelikle metinler cümlelere ayrılmakta ve her cümle için yoğun vektör temsilleri oluşturulmaktadır. Ardışık cümleler arasındaki anlamsal ilişkiler, bu vektörleri kullanan bir maliyet fonksiyonu ile modellenmekte ve dinamik programlama yaklaşımı ile küresel maliyeti en aza indiren segment sınırları belirlenmektedir. Önerilen yöntem, farklı veri kümeleri ve vektör temsili oluşturma stratejileri kullanılarak bir bilgi erişim hattı üzerinde bir referans yöntemle karşılaştırılmıştır. Değerlendirmeler, ortalama segment boyutlarına, segmentasyon süresine ve MRR, DCG ve nDCG bilgi erişim metriklerine göre yapılmıştır. Deneysel bulgular, önerilen yöntemin verimlilik açısından başarılı olduğunu ortaya koymaktadır. İyileşmeler sınırlı düzeyde olmakla birlikte, etkin bilgi erişimi konusunda da tutarlı kazanımlar sağlandığı gözlemlenmiştir.Master Thesis A Fully Unsupervised Ensemble Autoencoder Framework for Network Intrusion Detection and Attack-Type(2026) Yıldırım, Ahmet; Saran, Ayşe NurdanThis thesis proposes a fully unsupervised ensemble-based Autoencoder intrusion detection system (IDS) evaluated on the UNSW-NB15 dataset. The framework integrates Fully Connected Autoencoder (FC-AE), Convolutional Neural Network Autoencoder (CNN-AE), and Long Short-Term Memory Autoencoder (LSTM-AE) architectures trained exclusively on normal network traffic. Anomaly detection is performed using a dual-metric scoring approach that combines reconstruction error and Mahalanobis distance, followed by weighted ensemble aggregation. Experimental results demonstrate highly accurate binary anomaly detection, achieving an F1-score of 0.9994, an AUC-ROC of 1.0000, and an AUPRC of 1.0000. In addition, unsupervised attack-type inference using latent-space clustering achieves an overall accuracy of 96.19% with a weighted F1-score of 0.9574.Master Thesis Derin Öğrenme Algoritmaları İle Türk Müziğinde Duyguları Çözümleme(2025) Arıcı, Ayhan; Görür, Abdül KadirMüziğin insan duyguları üzerindeki etkileri araştırmacılar için ilgi çekici ve önemli bir araştırma alanı olmuştur. Bilgisayar sistemlerinin gelişimiyle birlikte müzik eserlerinin duygu analizi konusu heyecan verici bir araştırma alanı haline gelmiştir. Özellikle makine öğrenmesi ve derin öğrenme alanındaki ve bilgisayarların işlem kapasitelerindeki artışla birlikte bu alanda yapılan çalışmalar artmış ve günümüzde bu çalışmalar sonucunda elde edilen veri ve modeller birçok içerik sağlayıcı kurum tarafından dinleyicilere daha zengin ve öznel içerik sunmak için sıklıkla tercih edilmeye başlanmıştır. Bu nedenle bu tez çalışmasında Türk Müziğinde duyguların analizi konusunda bir çalışma yapılmış ve müzik eserleri içinden çıkarılan müzikal veriler kullanılarak makine öğrenmesi ve derin öğrenme teknikleri ile müzikte duygu tespiti yapabilecek modeller eğitmek hedeflenmiştir. Bu amaç için dinleyiciler tarafından etiketlenen farklı türde 1324 parçadan oluşan bir veri seti oluşturularak bu veri setinden 76 farklı akustik özellik ve Evrişimli Sinir Ağı Convolutional Neural Networks modellerinde kullanılmak üzere 10560 farklı spectrogram resmi oluşturulmuştur. Oluşturulan bu veri setleri üzerinde farklı makine öğrenmesi ve derin öğrenme teknikleri uygulanarak modeller oluşturulmuş ve bu modellerin performans analizleri ile karşılaştırmaları yapılmıştır. Bu tezin temel amacı derin öğrenme algoritmalarının Türk Müziğinde duygu analizi konusunda kullanılabilirliğini incelemek ve test etmektir.Master Thesis Uydu Görüntüleri Kullanılarak Kasırga Sonrası Hasarlı Binaların Sınıflandırılmasını İyileştirme(2025) Al-sumaidaee, Sarah Muayad Ismael; Görür, Abdül KadirÖzellikle afet sonrası senaryolarda, bina hasarını değerlendirmek için etkili ve doğru yöntemlere olan ihtiyaç giderek artmaktadır. Geleneksel manuel inceleme zaman alıcı ve insan hatasına açık olduğundan, otomatik sistemlere olan ihtiyaç artmaktadır. Gelişmiş derin öğrenme modellerinden yararlanmak, görüntü sınıflandırmasının doğruluğunu ve hızını artırarak afetlere zamanında müdahaleye katkıda bulunabilir. Bu çalışma, görüntü verilerini kullanarak bina hasarı sınıflandırması için gelişmiş bir derin öğrenme modeli geliştirmeye odaklanmaktadır. Önerilen model, hem küresel hem de yerel özellikleri etkili bir şekilde yakalamak için transfer öğrenmesi için ResNet50'yi özel bir Evrişimli Sinir Ağı (CNN) ile birleştiren hibrit bir mimariden yararlanmaktadır. Kullanılan veri kümesi, farklı koşullar altında etiketlenmiş bina görüntülerini içermekte ve eğitim ve değerlendirme için çeşitli bir küme sağlamaktadır. Değerlendirme sonuçları, dengeli veri kümesinde %98,9, dengesiz veri kümesinde ise %98,01 doğruluk göstermiştir. Önerilen model, çeşitli modellerden daha iyi performans göstermiş ve farklı veri dağılımlarında sağlamlık göstermiştir. Çalışma, görüntü tabanlı sınıflandırma görevleri için transfer öğrenmesi ve özel olarak tasarlanmış CNN'leri birleştiren hibrit modellerin etkinliği hakkında bilgiler sunmaktadır.Master Thesis Attention Mekanizmaları ve Hibrit ViT-ResNet Mimarisi ile Gemi Görüntülerinin Çok Sınıflı Sınıflandırılması(2025) Ergün, Berkay; Arslan, SerdarBu tezde, gemi görüntülerinin çok sınıflı sınıflandırılması için Vision Transformer (ViT) ve ResNetRS50 tabanlı hibrit bir model geliştirilmiştir. ViT yüksek seviyeli anlamsal bilgileri, ResNetRS50 ise düşük ve orta seviyeli mekânsal özellikleri çıkarmakta; bu iki yapı, dikkat (attention) mekanizmaları ve Gated Fusion katmanı ile birleştirilmektedir. Eğitim sürecinde MixUp ve CutMix veri artırma yöntemleri, Focal Loss ile bilgi aktarımı (distillation) kaybı, OneCycleLR zamanlayıcı, otomatik karma hassasiyet (AMP) ve model ağırlıklarının üssel hareketli ortalaması (EMA) kullanılmıştır. Sekiz gemi sınıfından oluşan veri kümesi üzerinde yapılan deneyler, önerilen mimarinin hem doğruluk hem F1 skoru açısından tek başlı CNN veya ViT modellerinden daha yüksek performans gösterdiğini ortaya koymuştur. Sonuçlar, hibrit mimariler ve dikkat tabanlı füzyon stratejilerinin gemi sınıflandırma problemlerinde etkin bir çözüm sunduğunu göstermektedir.Master Thesis Makine Öğrenmesi Teknikleri Kullanılarak Sybil Botların Tespit Edilmesi(2025) Öcel, Cansu Betül; Tolun, Mehmet ReşitBu çalışma, NSL-KDD veri seti kullanılarak ağ tabanlı anomali tespiti amacıyla çeşitli makine öğrenmesi algoritmalarının performansını karşılaştırmalı olarak değerlendirmeyi amaçlamaktadır. NSL-KDD, saldırı türlerini dört ana başlıkta (DoS, Probe, R2L, U2R) toplayan, etiketli ve dengeli yapısıyla denetimli öğrenme yöntemleri için uygun bir veri seti olarak ele alınmıştır. Çalışma kapsamında veri seti üzerinde öncelikle istatistiksel analizler ve veri keşif çalışmaları gerçekleştirilmiş, ardından veri ön işleme adımları uygulanmıştır. Bu süreçte kategorik değişkenler sayısal forma dönüştürülmüş, eksik veriler temizlenmiş ve azınlıkta kalan sınıflar SMOTE yöntemiyle dengelenmiştir. Özellik seçimi için Mutual Information (MI) yöntemi kullanılarak en bilgilendirici 15 değişken belirlenmiş ve model eğitimi bu özellikler kullanılarak gerçekleştirilmiştir. Sonrasında tüm değişkenler kullanılarak modeller tekrar eğitilmiş ve sonuçlar kıyaslanmıştır. Modelleme aşamasında Lojistik Regresyon, Naive Bayes, Random Forest, K En Yakın Komşu (KNN), Destek Vektör Makineleri (SVM), AdaBoost ve Yapay Sinir Ağı (ANN) algoritmaları kullanılmıştır. Her model için hiper parametre optimizasyonu GridSearchCV veya RandomizedSearchCV yöntemleriyle yapılmıştır. Modellerin başarısı doğruluk (accuracy), kesinlik (precision), duyarlılık (recall) ve F1 skoru gibi değerlendirme metrikleri kullanılarak analiz edilmiştir.Elde edilen sonuçlar, NSL-KDD veri seti üzerinde bazı modellerin özellikle DoS gibi baskın sınıflarda yüksek doğruluk sağlarken, azınlıkta kalan R2L ve U2R saldırı türlerinde performans düşüşleri yaşandığını göstermektedir. Bu durum, dengesiz veri setlerinde kullanılacak yöntemlerin dikkatli seçilmesinin gerekliliğine işaret etmektedir.Master Thesis Bulaşıcı Hastalıklara Uygulamasıyla Kesirli Mertebeden Bir Dinamik Sistem ve Simulasyonu(2025) Jamal, Ruya Imad Jamal; Türkan, Erkan Murat; Küçüksakallı, Nurgül GökgözKesirli kalkülüs, klasik kalkülüsü genişleten ve dinamik sistemlerde bellek ve kalıtım özelliklerini yakalamaya imkân tanıyan güçlü bir matematiksel çerçeve sunar. Epidemiyolojiye uygulanması, bulaşıcı hastalıkların karmaşık yayılım dinamiklerini daha derinlemesine anlamaya olanak sağlar. Bu çalışma, klasik SIR modeliyle başlayan bölmeli epidemik modelleri ele almaktadır. SIR modeli, toplumu Duyarlı (S), Enfekte (I) ve İyileşmiş (R) gruplarına ayırır. Bu yapının genişletilmiş halleri arasında maruz kalan bireyleri dikkate alan SEIR modeli, iyileşen bireylerin yeniden duyarlı hale gelebildiği SIS modeli ve asemptomatik ya da kalıcı taşıyıcıların dâhil edildiği Taşıyıcı modeli bulunmaktadır. Daha genel bir yapı olan SEIQRV modeli ise nüfusu altı bölmeye ayırmaktadır: Duyarlı (S), Maruz (E), Enfekte (I), Karantinada (Q), İyileşmiş (R) ve Aşılı (V). Temel üreme sayısı (R_0), hastalığın yayılımını değerlendirmede kritik bir eşik ölçütü olarak kullanılır. Denge noktaları ve Jacobian matrisi üzerinden yapılan kararlılık analizi, sistemin hastalıksız veya endemik dengeye ulaşıp ulaşmayacağını belirler. MATLAB ortamında gerçekleştirilen sayısal benzetimler, farklı kesirli türev dereceleri (α=1,0.9,0.8) altında SEIQRV modelini incelemektedir. Sonuçlar, karantina ve aşılama bölmelerinin eklenmesinin üreme sayısını düşürerek enfeksiyonun yayılımını kontrol etmede etkili olduğunu göstermektedir. Genel olarak, bu çalışma kesirli türevli epidemik modellerin müdahale stratejilerinin değerlendirilmesinde önemini vurgulamakta ve bunların halk sağlığı planlaması ile hastalık yönetimindeki rolünü öne çıkarmaktadır.Master Thesis Türkiye'nin Bilgisayar Mühendisliği Lisansüstü Araştırma Ortamının Bilimmetrik Haritalaması(2025) Demir, Onur; Saran, MuratBu çalışma, Türkiye'deki üniversitelerde hazırlanmış 12.778 adet bilgisayar mühendisliği yüksek lisans ve doktora tezini incelemektedir. Tezler 1984 ile 2024 yılları arasında tamamlanmıştır. Ana amaç, lisansüstü araştırmaların son 40 yılda nasıl büyüdüğünü, değiştiğini ve geliştiğini göstermektir. Bu çalışmada kullanılan veri seti, Türkiye'deki tüm lisansüstü tezlerin resmi olarak saklandığı YÖK Ulusal Tez Merkezi'nden alınmıştır. Ana temaları görmek için BERTopic ve sinir ağı gömlemeleri kullanılmıştır. Ayrıca LDA ve TF-IDF yöntemleri de uygulanmıştır. Metin, lemmatization ve n-gram gibi basit adımlarla temizlenmiştir. Bu yöntemlerle çalışma yaklaşık 90 konu grubu bulmuş ve bu konuların yıllara göre nasıl değiştiğini göstermiştir. 2015'ten sonra tez sayıları hızlı biçimde artmıştır, çünkü Türkiye'deki lisansüstü programlar genişlemiştir. Siber güvenlik, blokzincir, tarımda yapay zekâ ve tıbbi görüntü analizi gibi bazı konular çok hızlı şekilde popüler olmuştur. Sonuçlar ayrıca yüksek lisans ve doktora tezleri arasında bir fark olduğunu da göstermektedir. Doktora tezleri daha teorik konulara odaklanmakta, örneğin optimizasyon algoritmaları, gizlilik konuları ve ileri modelleme gibi alanlara yönelmektedir. Yüksek lisans tezleri ise genelde daha uygulamalıdır ve yüz tanıma, mobil uygulamalar veya akıllı ev sistemleri gibi konulara yoğunlaşmaktadır. Çalışma ayrıca tezlerin %33.6'sının ana konu gruplarıyla iyi eşleşmediğini göstermiştir. Bu tezler 'alışılmadık' ya da uç nokta çalışmalar olarak görülebilir. Genel olarak bu çalışma, Türkiye'de bilgisayar mühendisliği araştırmalarına yönelik büyük ölçekli ilk çalışmalardan biridir. Sonuçlar, hem tez sayısındaki büyümeyi hem de konulardaki çeşitliliğin arttığını göstermektedir.Master Thesis Parmak İzi Biyometrik Kimliklendirme için Derin Öğrenme Modeli(2025) Abdulkarım, Anas Jalal Abdulkarım; Sever, HayriThis 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.
- «
- 1 (current)
- 2
- 3
- »