Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı Tez Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/418

Browse

Now showing 1 - 20 of 88

Koroner Arter Hastalığının Makine Öğrenimi Yaklaşımları ile Teşhisi
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Halıcı, İkram; Güngör, Vehbi Çağrı
The World Health Organization states that Coronary Artery Disease (CAD) ranks as a primary cause of recorded fatalities. CAD occurs as a result of the blockage of coronary artery vessels, which are located on the surface of the heart and supply the blood that the heart needs. Diagnosing the disease using traditional methods is challenging and requires costly tests. In recent years, the use of machine learning-based methods has increased as an alternative diagnostic approach. However, existing studies in the literature suffer from low detection rates and long training times. Therefore, there is still a need for reliable and low-cost diagnostic methods. In this thesis, a new model, CSA-PSO-ANN, is proposed for the diagnosis of coronary artery disease. The aim is to reduce the training time of the machine learning model and achieve a higher accuracy in diagnosing the disease. Experiments have been conducted on two publicly available datasets. Parallelization, feature selection, and hyperparameter optimization have been performed to shorten the model's training time. The performance of the model has been compared with well-known machine-learning algorithms and previous studies. The experiments showed that the proposed model effectively diagnoses the disease and outperforms other methods in terms of accuracy and F1 score performance metrics.
Çalışan Yıpranması Tahmini ve Film Tavsiyesi için Öneri Sistemi
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2020) Özdemir, Fatma; Güngör, Vehbi Çağrı; Coşkun, Mustafa
Bu tezde Makine Öğrenimi Topluluğunda ortaya atılan iki probleme odaklanıyoruz: tavsiye sistemi ve çalışanların yıpranma sorunu. Tavsiye sistemi, kullanıcıların bir ürün satın alırken belirli bir öğeyi tercih edip etmeyeceğini tahmin eden bir bilgi filtreleme sistemidir. Tavsiye sistemleri tahmin etmek için kullanıcı / öğe bilgilerini kullanır. Bu sistemler, özellikle işbirlikçi filtreleme tabanlı sistemler, E-ticarette yaygın olarak kullanılmaktadır. Bu çalışmada, ortak filtreleme ve kullanıcıların / öğelerin yan bilgilerini birleştiren karma bir model öneriyoruz. Önerilen modelde, ilişkili komşuları bulmak ve onları kümelemek için kullanıcıların / öğelerin yan bilgileri kullanılır. Daha sonra, bu kümelere ortak filtreleme yöntemleri uygulanır. Önerilen modelin performansını değerlendirmek için matris çarpanlara ayırma ve yeniden başlatma ile rastgele yürüme uygulanır. Önerilen yaklaşım MovieLens verileri üzerinde sistematik olarak değerlendirilir. Deneysel sonuçlar, kullanıcının / öğenin yan bilgisini kullanan önerilen modelin geleneksel ortak filtreleme yöntemlerinin performansını önemli ölçüde geliştirdiğini göstermektedir. Tezin ikinci bölümünde, hangi kişilerin şu anda çalıştıkları bir şirketten ayrılacağını / devam edeceğini tahmin etmeye çalışan, çalışan yıpranması tahmini sorununu ele almaya çalışıyoruz. Günümüzde şirketler için çalışanların işlerini bırakıp bırakmayacaklarını tahmin etmeleri çok önemlidir. En iyi performans gösteren çalışanların işi bırakması, kuruluşlarda finansal veya kurumsal bilgi kaybına neden olabilir. Bu tür kayıplardan kaçınmak için şirketler, çalışanların yıpranmasını tahmin etmelidir. Bununla birlikte, şirketlerin İK departmanları bu tür tahminleri yapacak kadar gelişmiş değildir. Bu amaçla şirketler, çalışanların yıpranmasını zamanında ve doğru bir şekilde tahmin etmek için veri madenciliği yöntemleri kullanmaktadır. Bu çalışmada, Doğrusal diskriminant analizi (LDA), Naive Bayes, Bagging, AdaBoost, Lojistik Regresyon, Destek Vektör Makinesi (SVM), Rastgele Orman, J48, LogitBoost, Çok Katmanlı Algılayıcı (MLP), K-En Yakın Komşular (KNN), XGBoost, Graph Convolutional Networks, iki özel şirket veri kümesinde (IBM ve Adesso İnsan Kaynakları veri kümelerine) çalışanların yıpranmasını tahmin etmek için uygulanmıştır. Mevcut çalışmalardan farklı olarak, bulgularımızı sistematik olarak F-ölçü, Eğri Altında Alan, doğruluk, duyarlılık ve özgüllük gibi çeşitli sınıflandırma metrikleri ile değerlendiriyoruz. Performans sonuçları, LogitBoost ve Lojistik Regresyon algoritmaları gibi veri madenciliği yöntemlerinin çalışanların yıpranmasını tahmin etmede çok yararlı olabileceğini göstermektedir.
LTE Ağları için Servis Kalitesi Odaklı Aşağı Yönlü Zamanlama Algoritması: Kenar Kullanıcıları Üzerine İnceleme
(2016) Uyan, Osman Gökhan; Güngör, Vehbi Çağrı
4G/LTE (Long Term Evolution) en modern kablosuz mobil genişbant teknolojisidir. LTE-A kullanıcıların yüksek bağlantı hızlarına ulaşmalarını sağlar. Bu yüksek hızları sağlayabilmek için OFDM teknolojini kullanır; OFDM sistem kaynaklarını hem frekans hem de zaman alanlarında sunar. Bu kaynakların atanması işi baz istasyonunda çalışan bir zamanlama algoritması tarafından yapılır. Bu tezde, mevcut zamanlama algoritmaları iki şekilde değerlendirilmektedir. Önce algoritmaların performansları çıktı ve adillik yönüyle incelenmektedir. Daha sonra, yeni bir adillik ölçütü sunulmaktadır: QoS-haberdar adillik; sistemin, kullanıcıların bekleme zamanı taleplerine cevap verebildiği ölçüde adil olduğunu varsayar. Yine mevcut algoritmaların performansları bu ölçü ile incelenmiştir. Ayrıca bu metriklere göre özellikle hücre kenar kullanıcılarının elde ettiği çıktıları, sistemin adilliğini ve klasik adilliği artırırken diğer algoritmalarla kıyaslandığında hücre toplam çıktısında çok büyük düşüşe neden olmayan yeni bir algoritma önerilmektedir.
Çoklu Robot Sistemleri için Lokalizasyon Algoritması Tasarımı ve Gerçekleştirilmesi
(2024) Kabore, Kader Monhamady; Güler, Samet
Çok robotlu sistemler (MRS), tek bir robot için son derece zorlayıcı olan karmaşık görevleri gerçekleştirebilir. Örneğin, iş birliğiyle taşıma, alan kapsama ve arama-kurtarma operasyonları gibi uygulamalarda, MRS en iyi seçenek olabilir. MRS, görevleri daha basit komutlara bölerek bireysel robotlara atar. Bu yapı, ölçeklenebilirlik ve tek bir hata noktasına karşı dayanıklılık gibi önemli avantajlar sağlayan merkezi olmayan yaklaşımlara ilgiyi artırmıştır. MRS'deki formasyon kontrolü, özellikle GPS'in bulunmadığı ve dış altyapının olmadığı ortamlarda güçlü robot konumlandırmasına dayanır. Dış ortamlarda GPS mutlak konumlandırma sağlayabilir ancak kapalı alanlar veya tüneller gibi ortamlarda sürü robotları için yetersiz kalabilir. Hareket yakalama sistemleri gibi kapalı alan konumlandırma çözümleri, yüksek maliyetli olup ek altyapı kurulum prosedürleri gerektirir. Bu sınırlamalar, sürü robotikleri uygulamaları için uygun, dayanıklı ve dahili konumlandırma sistemlerine olan ihtiyacı vurgulamaktadır. Bu çalışma, tamamen dahili yeteneklere dayanan, dış altyapıya bağımlılığı ortadan kaldıran yeni bir merkezi olmayan, işaretleyicisiz konumlandırma çerçevesi sunmaktadır. MRS için bir konumlandırma çözümü bulmak amacıyla, yöntemimiz, derin öğrenme ile güçlendirilmiş iş birliği temelli konumlandırma algoritmalarını formasyon kontrol mekanizmalarıyla birleştirmektedir. Önerilen çerçevenin etkinliğini doğrulamak için kapsamlı simülasyonlar ve gerçek dünya deneyleri gerçekleştirilmiştir. Sistem ölçeklenebilirliği, farklı ekip boyutlarına uyum sağlayarak test edilmiştir ve uygulamalardaki etkinliği gösterilmiştir. Bu çalışma ayrıca yer robotları için açık kaynaklı bir veri seti sunarak MRS alanında daha fazla araştırmayı teşvik etmektedir.
Elektrik Dağıtım Şirketleri Perspektifinden Blockchain Temelli Enerji Uygulamaları
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Yağmur, Ahmet; Tonyalı, Samet
This thesis discusses blockchain-based energy applications from the distribution system operator (DSO) perspective. Blockchain has a potential impact on emerging actors, such as electric vehicles (EVs), charging facility units (CFUs), Distributed Energy Resources (DERs) and microgrids of the electricity grid. Although, blockchain offers magnificent, decentralized solutions, owing to the reality of the existing grid structure, the central management of DSOs still plays a significant, non-negligible role. Numerous studies of proposed blockchain-based EV systems have investigated the energy costs of EVs, fast and efficient charging, privacy and security, peer-to-peer energy trading, sharing economy, selection of appropriate location for CFUs, and scheduling. Additionally, blockchain in DERs, microgrids and energy market investigated in literature. However, cooperation with DSO organizations has not been adequately addressed. Blockchain-based solutions mainly suggest an entirely distributed and decentralized approach for energy trading. However, converting the entire power system infrastructure is considerably expensive. Building a thoroughly decentralized electricity network is nearly impossible in a short time, particularly at the national grid level. In this regard, the applicability of the solutions is as significant as their appropriateness, especially from the DSO perspective, and must be examined closely. The blockchain applicability of the essential DSO services such as SCADA and AMI are analyzed in this study. Time series analysis applied to forecast future peak load of the grid in a pilot region. Reducing the peak load by using BC based demand side management mechanism scenario evaluated and total saving of grid investment is analyzed. We searched and analyzed DSO-based requirements for potential blockchain applications in the energy sector.
Koloidal Nanomalzemelerin Akıllı Kendinden Dizilimi ile Nanofotonik Mimarilerin Tasarımı ve Uygulaması
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Şenel, Zeynep; Erdem, Talha
DNA-driven self-assembly techniques offer precise control over the positioning of colloidal nanoparticles through specific Watson–Crick interactions, and its reversibility via controlling the temperature of medium. This thesis explores an alternative strategy to control DNA-functionalized nanoparticles' binding/unbinding process by leveraging laser radiation, inducing localized heating within the nanoparticles to facilitate disassociation. First, we demonstrate the active manipulation of the optical properties of DNA-assembled gold nanoparticle networks via external optical excitation. Specifically, irradiation with a green hand-held laser yields a substantial ∼30% increase in total transmittance, accompanied by a transition from opaque to transparent states observable in optical microscopy images. The reversibility of this process is demonstrated by the restoration of the nanoparticle network post-irradiation cessation, underscoring the efficacy of optical excitation in tailoring both the structure and optical characteristics of DNA-mediated nanoparticle assemblies. Second, we introduce a method to tailor DNA-driven self-assembly of semiconductor nanoparticles on glass by applying an external optical field. A green laser directs the assembly of DNA-functionalized red-emitting quantum dots (QDs) on DNA-functionalized glass, leaving uncoated spots owing to localized heating. This effect becomes prominent after three hours of radiation using a laser with an irradiance of 57.1 W/cm2. Experiments with different lasers and nanoparticle types confirm the role of laser-induced heating in preventing QD-glass bonding via DNA-DNA interaction. Secondary coating of previously uncoated spots with DNA-functionalized green-emitting QDs and dye-functionalized DNAs indicates a successful hierarchical self-assembly. Our findings highlight the potential of light-assisted DNA-driven self-assembly for diverse nanoparticle architectures, promising applications in optoelectronics and nanophotonics. Keywords: Programmable self-assembly, DNA-driven self-assembly, localized heating, colloidal nanoparticles, DNA conjugation.
İndüksiyon Sistemi Uygulamaları için Farklı Düzlemsel Bobin Şekillerinin Teorik Olarak İncelenmesi ve Modellenmesi
(Abdullah Gül Üniversitesi, 2019) ERMAN, MUHAMMED FURKAN; Erman, Muhammed Furkan; Kılıç, Veli Tayfun
Isıtma endüstride önemli bir yer kaplar. Teknolojinin gelişmesiyle birlikte, günümüz dünyasında, resistif ve kızılötesi ile ısıtma yöntemleri de dahil olmak üzere yaygın olarak kullanılan birçok ısıtma yöntemi vardır. Bu yöntemler arasında, indüktif ısıtma giderek daha popüler hale gelmektedir. İndüktif ısıtma sistemlerinin en önemli parçalarından biri bobindir. Bobin, elektrik enerjisi uygulandığında ve üzerinden akım geçtiğinde manyetik alan oluşturur. Endüstride dairesel, kare vb. şekillerde farklı bobin şekillerini görmek mümkündür. Literatürde mevcut formüller kullanılarak bu bobin şekillerinin analitik incelenmesi yapılabilmektedir. Ancak üretim zorluklarından veya sağladığı avantajlardan dolayı kare bobin gibi köşeleri keskin olan bobinlerin köşelerinin yuvarlanması kaçınılmazdır. Köşeleri yuvarlanmış bobin yapısı orijinal yapısından farklı olduğundan dolayı oluşturduğu manyetik akı yoğunluğu aynı olmamaktadır. Bu tezde, bu tür bobinlerin analitik olarak incelenebilmesi için gerekli formüllerin türetilmesi ile literatürdeki boşluk doldurulmuştur. Bulunan formüller köşeleri yuvarlanmış kare ve üçgen şeklindeki bobinlerin oluşturduğu manyetik akı yoğunluğu hesaplanarak doğrulanmıştır. Her iki bobin şekli modellenerek simule edilmiştir. Her bir şekil için 3 farklı boyut ve her boyut için 5 farklı yuvarlama miktarı seçilmiştir. İlk durumda, yuvarlanan köşe merkezlerinin bobinin merkezi ile çakıştığı varsayılmıştır. Bu sayede bobin merkezinde oluşan manyetik akı yoğunluğu hem geleneksel formüller ile hem de bu tezde türetilen formüller ile hesaplanmıştır. İkinci durumda ise yaylar, merkezleri bobin merkeziyle çakışmayacak şekilde farklı konumlara yerleştirilmiş çemberin parçaları olarak ayarlanmıştır. İkinci durumda, yuvarlamanın yaratılan manyetik alan yoğunluğu üzerindeki etkisini görmek için farklı miktarlarda yuvarlama için bobinin ix toplam uzunluğu sabit tutulmuştur. Bu durumda hesaplamalar sadece bu çalışmada türetilen formüller ile yapılabilmektedir. Manyetik akı yoğunluklarının hesaplanmasından sonra, sonuçlar üç boyutlu elektromanyetik simülasyonlarla desteklenmiştir. Bulunan sonuçların analitik hesaplamalar ve simülasyonlarla karşılaştırılması, önerilen yöntem ile geleneksel yöntem arasındaki ve önerilen yöntem ile simülasyonlar arasındaki maksimum hatanın % 1'den az olduğunu göstermiştir.
Tree-net: Biyomedikal Görüntü Segmentasyonu için Tree-net: Darboğaz Özellik Süpervizyonu Kullanılan Yapay Sinir Ağı Modeli
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Demirci, Orhan; Yılmaz, Bülent
In this thesis, we introduce Tree-NET, a novel approach for medical image segmentation utilizing bottleneck feature supervision. This method enhances traditional segmentation algorithms by keeping supervision between bottleneck features of the network. The primary goal is to improve the model's ability to learn discriminative and robust features while simultaneously reducing computational costs. Bottleneck feature supervision involves compressing the input and label data using Autoencoders and then supervising the bottleneck features with a segmentation network named 'Bridge-Net,' which can be any segmentation model of choice. We applied Tree-NET to two critical medical image segmentation tasks: skin lesion segmentation and polyp segmentation. Our experiments demonstrate significant improvements in segmentation accuracy and efficiency. For instance, the U-NET backboned Tree-NET uses only 154.43 MB for executing and storing the model, which is almost 3.5 times smaller than the original U-Net while having a close number of trainable parameters. In skin lesion segmentation, Tree-NET achieved dice, Intersection-over-Union (IoU), and accuracy scores of 0.893, 0.751, and 0.977 respectively. For polyp segmentation, the scores were 0.856, 0.795, and 0.923 for dice, IoU, and accuracy respectively. Compared to traditional segmentation models, the empirical results show that Tree-NET achieves higher accuracy with reduced training time and computational cost, thus representing a significant advancement in medical image analysis by providing more reliable and efficient tools for clinical applications.
Işık Emici Optoelektronik Cihazların Üretimi ve Yeni Uygulamaları
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Savaş, Müzeyyen; Erdem, Talha
Fabrication of optoelectronic devices relies on expensive, energy-consuming conventional tools including chemical vapor deposition, lithography, and metal evaporation. Developing an alternative technology would contribute to the efforts on achieving a sustainable optoelectronics technology. Keeping this in our focus, here we present a simple technique to fabricate visible photodetectors. These fully solution-processed and transparent metal-semiconductor-metal photodetectors employ silver nanowires (Ag NW) as the transparent electrodes replacing the indium-tin-oxide (ITO) commonly used in optoelectronic devices. By repeatedly spin coating Ag NW on a glass substrate followed by the coating of ZnO nanoparticles, we obtained a highly conductive transparent electrode reaching a sheet resistance of 95 Ω/□. The transmittance of the Ag NW-ZnO films was 84% at 450 nm while the transmittance of the ITO films was 90% at the same wavelength. Following the formation of the conductive film, we scratched it using a heated surgical blade to open a gap which is ~30 µm forming an insulating line. As the active layer, we drop-casted red-emitting CdSe/ZnS core-shell colloidal quantum dots (CQDs) onto this gap. These visible CQD-based photodetectors exhibited responsivities and detectivities up to 8.5 mA/W and 0.95x109 Jones, respectively. These proof-of-concept photodetectors show that the environmentally friendly, low-cost, and energy-saving technique presented here can be an alternative to conventional, high-cost, and energy-hungry techniques while fabricating light-harvesting devices.
Hedeflenen Lösemik Hücrelerin Sayımı için Görüntü İşleme Tabanlı Ölçüm Sistemi
(Abdullah Gül Üniversitesi, 2019) TAŞ, ZEHRA; Taş, Zehra; İçöz, Kutay
Akut Lenfosit Lösemi (ALL) çocukluk çağında en sık görülen kanser türüdür. Bu kanserin ilerlemesi oldukça hızlıdır, bu yüzden tedavi için zaman çok önemlidir. Hastalar için ilaç tedavisi (kemoterapi), kemik iliği nakli, radyasyon tedavisi ve immünoterapi gibi bazı tedaviler vardır. Bu tedaviler arasında kemoterapi öncelikle tercih edilen bir yöntemdir, ancak sonucu hastadan hastaya farklılık göstermektedir. Hastaların iyileşmesinde ilacın dozajını ayarlamak için kemoterapinin tedaviye etkisini ölçmek çok önemlidir. Kemoterapinin etkisini ölçmek için akım sitometrisi (FC), polimeraz zincir reaksiyonu (PCR) ve mikroskobik inceleme teknikleri kullanılır. Ancak, bu yöntemler zaman alır, pahalıdır ve uzman gerektirir. Bu tezde, sorun görüntü işleme tekniklerine dayanan otomatik bir hücre algılama ve niceleme yöntemi ile ele alınmaktadır. Optik mikroskopi ile elde edilen görüntüler işlenir ve immüno-manyetik boncuklarla yakalanan ALL hücrelerinin ölçümü sağlanır. Geleneksel yöntemlerle karşılaştırıldığında, bu teknik zaman verimli, ucuz ve kullanımı kolaydır. ALL hücrelerinin miktarının yanı sıra, biyosensörlerin sinyal büyütme metodu için projenin ilk bölümünde kullanılan manyetik boncukların belirlenmesi için görüntü işleme algoritmaları da geliştirilmiştir. Görüntüler cep telefonu mikroskopisinden hem mikroskop lamı hem de difraksiyon ızgarası tabanlı biyosensörler için elde edilmiştir. Her iki yöntemde de manyetik boncuk birikimleri gözlenmiş ve geliştirilen algoritmalar cep telefonu mikroskopu görüntülerine uygulanmıştır. Böylece, manyetik boncukların birikimleri bilgisi, görüntü işleme kullanılarak otomatik olarak elde edilmiştir.
Yüksek Parlaklık Kuantum Nokta Led Aygıtların Geliştirilmesi
(Abdullah Gül Üniversitesi / Fen Bilimleri Enstitüsü, 2023) Biçer, Ayşenur; Mutlugün, Evren
Optoelectronic devices are essential components of optical communication systems, internet and displays. Among these devices, in the category of light emitting diodes (LED), there are quantum dot LEDs (QLED) that emit light by employing quantum dots (QDs) and have rich optoelectronic properties such as varying emission wavelength associated with the its size and excellent brightness [1], [2]. In this thesis, we worked on transparent and solution processible QLEDs in three groups: Indium Phosphide (InP) QLEDs, Carbon Quantum Dot (CQD) LEDs and Cadmium Selenide (CdSe) QLEDs. In the InP study, a QLED was fabricated using InP-based QDs as the emitting layer to demonstrate the feasibility of these QDs. Results found a maximum external quantum efficiency (EQE) of 1.16% and brightness of 1039 cd/m2. For the CQD LEDs, yellow emissive QDs were mixed systematically in Poly(9-vinylcarbazole) (PVK) as the host. A blue-to-white shift was observed in the CIE coordinate with varying ratios. From these, white luminescent devices were obtained with a maximum brightness of 774.3 cd/m2 and an EQE of 0.76%. High-brightness irradiation was obtained compared to other white-luminescent studies in the literature. In CdSe QLEDs, as a proof of concept, devices with a maximum brightness of 111,450 cd/m2 and an EQE of 15.08% were obtained. In these three works, devices with high brightness in their own categories were produced using both heavy metal and non-heavy metal QDs. Keywords: Optoelectronics, LED, QD, CQD LED, InP QLED, CdSe QLED
Bilgisayar Algoritmalarının GPU ile Hızlandırılması
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2023) Yalçın, Salih; Alkan, Gülay Yalçın
Travelling Salesman Problem (TSP) is one of the significant problems in computer science which tries to find the shortest path for a salesman who needs to visit a set of cities and it involves in many computing problems such as networks, genome analysis, logistic etc. Using parallel executing paradigms, especially GPUs, is appealing in order to reduce the problem-solving time of TSP. One of the main issues in GPUs is to have limited GPU memory which would not be enough for the entire data. Therefore, transferring data from host device would reduce the performance in execution time. In this study, we present a methodology for compressing data to represent cities in the TSP so that we include more cities in GPU memory. We implement our methodology in Iterated Local Search (ILS) algorithm with 2-opt and show that our implementation presents 29% performance improvement compared to the state-of-the-art GPU implementation.
Medikal Termal Görüntülerin Otomatik Olarak İşlenmesi ve Sınıflandırılması
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Özdil, Ahmet; Yılmaz, Bülent
The aim of this dissertation is to develop computer aided methods for processing and evaluating medical infrared thermal images. Throughout this study three problems were evaluated. The first problem was to automatically classify the body part and pose in the thermal images. In this study there were four classes; upper-lower body parts with back-front views. The first step included the segmentation of the background with Otsu's thresholding method applying histogram equalization. Next, DarkNet-19 architecture was used to extract features from images and these features were reduced using PCA and t-SNE methods. Finally reduced feature sets were used for classification. The second problem was to automatically classify liver steatosis from using thermal images. In this study, the classification problem was tested on an anatomical region of interest from abdominal images corresponding to the liver. Deep learning and texture analysis methods were employed for feature extraction, and then the selected feature sets were used for classification. The third problem was to quantify thermograms of multiple sclerosis (MS) patients for better assessment of the disease and monitoring the therapy. Thermal images of two patients and a healthy control from lower limbs were evaluated during experiments, and localized quantification of the effect of MS on the feet of the patients using thermal images method was proposed. The proposed method was fully correlated with the evaluations of physician. It is shown that medical thermal imaging has high potential in many fields of medicine as a non-invasive method for pre-diagnosis and follow-up.
Akıllı Mikro-Şebekelerde Kontrol Stratejilerinin Geliştirilmesi
(Abdullah Gül Üniversitesi Fen Bilimleri Enstitüsü, 2021) Yoldaş, Yeliz; Yoldaş, Yeliz; Önen, Ahmet
This thesis concerns the transformation of aged power systems to modern power systems that include microgrids with renewable energy sources and energy storage systems. The integration of renewable energy sources brings excellent opportunities to provide better reliability and efficiency. However, the uncertainty and intermittent nature of renewable energy sources may potentially degrade the stability and quality of the electrical grid. Therefore, the aim of this dissertation is to maintain the supply-demand balance in microgrids while minimizing the cost in real time operation. A microgrid energy management system that can optimize the dispatch of the controllable distributed energy resources in grid-connected mode of a pilot microgrid on a university campus in Malta was developed to achieve this goal. Three different methods were used in this study: mixed integer linear programming (MILP), MILP based rolling horizon control and Q-learning, Designing intelligent method for the real-time energy management of the stochastic and dynamic microgrid is the primary goal of this research. Moreover, the detailed mathematical models of the network model and of the technical model are considered for the economic and environmental operation of the microgrid system to solve the optimization problem under more real-world conditions. The objective is to minimize the total daily operation costs, which include the degradation cost of batteries, the cost of energy bought from the main grid, the fuel cost of the diesel generator, and the emission cost. The optimization problem is modeled as a finite Markov decision process (MDP) by combining network and technical constraints, and a Q-learning algorithm is adopted to solve the sequential decision subproblems. The proposed algorithm decomposes a multi-stage mixed-integer nonlinear programming (MINLP) problem into a series of single-stage problems so that each subproblem can be solved using Bellman's equation. To prove the effectiveness of the proposed algorithm, three different case studies are taken into consideration. A predictive control framework is also proposed to provide optimal operation with minimum cost. This method allows the consideration of operational cost values, demand with uncertainty, generation units' profiles with uncertainty, and constraints related to the network model and technical model. The stochastic and deterministic cases are conducted to validate the efficiency of the approach.
Görüntü Tanıma Tabanlı Gökyüzü Kamerası Entegrasyonunu Kullanarak Sezgisel Vektörize Öğrenme Yöntemine Dayalı PV Tahmini
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2023) Yavuz, Levent; Önen, Ahmet
In order to ensure the continuity of demand and production balance, the use of renewable energy resources (RES) by countries will increase in the near future. Solar power generation is important for the integration of renewable energy into the power grid, but it can cause problems in power systems due to the uncertain and intermittent nature of solar power. Deep learning methods provide promising results in solar energy prediction, but the performance of these models depends on the initial weights assigned to the network. In this thesis, a novel weight initialization method, the Heuristic Vectorised Learning method, which takes into account certain characteristics of solar generation data has been proposed. This method aims to achieve better accuracy in solar forecasting by combining a statistical approach with a method based on deep learning. The method was compared with other commonly used methods such as Xavier, LeCun, He and Random, and it was seen that the proposed method performed better. Overall, the proposed weight initialization method provides significant benefits for solar forecasting applications in the context of renewable energy integration into the power grid. So, to reach higher accuracy, monitoring the sky is the best option for intra-day forecasts. Therefore, a hybrid model was created for photovoltaic generation prediction by using it together with environmental sensor data. The proposed method and panel shading model achieve higher accuracy values at the Abdullah Gül University campus in Kayseri. The proposed system provides a reliable PV energy forecast for the intraday energy markets.
K-mer Sekans Gösterimine Dayalı MicroRNA-Hastalık İlişkilerinin ve MicroRNA-Tür İlişkilerinin Sınıflandırılması
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Erbaşı, Yalçın Han; Güngör, Burcu
The dysregulated gene expression brings about a variety of diseases, and dysregulation of microRNA (miRNA) has a wide impact on disease development and cellular physiology. Thus, miRNAs play important roles in a variety of fundamental and significant biological processes related to human diseases. There are a lot of research about changes in the function of miRNAs have been published in many human diseases. Computational methods serve as a complementary process to traditional wet-lab experiments, which require many resources and time in terms of detecting potential miRNA-Disease associations. Furthermore, there is a need to present a novel approach that allows assignment of an unknown miRNA to its most likely species. An easy way to filter new data would be to ensure that the new miRNA is classified below the maximum distance to the species known to originate from. In this thesis, a computational model has been proposed for identifying miRNA-disease and miRNA-Species associations by depicting the miRNAs with their k-mer sequence representation and by utilizing machine learning methodologies. The difference of our approach is which we reveal disease and species associated the sequences of miRNA store information. This put a question about the miRNA's chemical compounds and their associations with different types of species and diseases. With this study, the new disease-disease and species-Species associations disclosed can be calculated for many different species and diseases, these approaches can develop to species and disease classification. Lastly, our study may open a door to redefine species and diseases classifications which have been used nowadays, also it may provide the improvement of treatment strategies and early diagnosis
Ultra Geniş Bantlı Vivaldi Antenlerin Tasarımı ve Performans İyileştirmesi
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Güzelkara, İzzet; Kılıç, Veli Tayfun
Ultra-wideband technology has become a trending topic in the academic community since 2002 due to the release of the spectral mask by Federal Communications Commission, allowing the use of 3.6-10.1 GHz band for commercial and industrial applications. Being one of the fundamental components of ultra-wideband systems, ultra-wideband antennas are an important research area. In this research, Vivaldi antennas for ultra-wideband communications and several performance enhancement techniques for the antennas were studied. Antennas were designed and simulated using a commercially available three-dimensional electromagnetic simulation tool. First, a simple design of a Vivaldi antenna with a rectangular microstrip feed was obtained. The initial design has a -10 dB impedance bandwidth between 3.1 and 13.6 GHz and an average realized gain of 2.75 dBi. A method based on the alignment of the microstrip feed was described for adjusting the bandwidth of the initial design. Then, using several performance enhancement techniques such as implementation of corrugations and a parasitic patch, the antenna design was improved. Thanks to the applied methods, an antenna design with -10 dB impedance bandwidth extending from 1.33 to 10.1 GHz and an average realized gain of 6 dBi was achieved. Findings of this thesis study show that Vivaldi antennas having specific structures designed with the applied techniques are a promising solution for ultra-wideband communication systems, especially where antennas with directive radiation patterns are desired.
EEG Sinyallerinden Disfaji Hastalığının Karakteristiklerinin Belirlenmesi ve Analizi
(2025) Aslan, Sevgi Gökçe; Yılmaz, Bülent
Disfaji, genellikle nörolojik hastalıklarla ilişkilendirilen ve özellikle yaşlı bireylerde yaşam kalitesini olumsuz yönde etkileyen bir yutma bozukluğudur. Bu çalışma, EEG verileri kullanılarak yutma ve yutmayı hayal etme süreçlerinin nörofizyolojik analizini yapmayı ve bu verilerin disfaji rehabilitasyonunda nasıl kullanılabileceğini araştırmaktadır. Otuz adet sağ elini kullanan birey üzerinde gerçekleştirilen deneylerde, doğal yutma, indüklenmiş tükürük yutma, indüklenmiş su yutma ve indüklenmiş dil dışarı çıkarma gibi farklı deneysel paradigmalar kullanılmıştır. Verilerin ön işlenmesinde Bağımsız Bileşen Analizi (ICA), Empirik Mod Ayrıştırma (EMD), bant geçiren filtreleme ve Ortak Uzamsal Desen (CSP) analizi gibi teknikler uygulanmıştır. Bu ön işleme yöntemleri, EEG verilerindeki gürültüyü azaltarak daha doğru bir analiz sağlamak amacıyla kullanılmıştır. Geleneksel makine öğrenmesi teknikleri ve derin öğrenme yöntemleriyle yapılan sınıflandırma görevlerinde, dinlenme ve hayal etme evreleri arasındaki farklar belirgin bir şekilde ayrılmıştır. Random Forest, AdaBoost ve Bagging gibi topluluk tabanlı algoritmaların yanı sıra, derin öğrenme yöntemlerinden Konvolüsyonel Sinir Ağları (CNN) da uygulanmıştır. Ayrıca, çok ölçekli mekânsal dikkat ağı (MS-SAN) modeli, özellikle delta ve teta frekans bantlarında hareketi hayal etme ile dinlenme durumları arasındaki nörofizyolojik farkları yüksek doğrulukla ayırt etmiştir. Sonuçlar, hareketi hayal etme ve dinlenme evrelerinin EEG verileriyle tespit edilmesinin disfaji tedavisinde ve motor rehabilitasyon uygulamalarında büyük bir potansiyel taşıdığını göstermektedir. Bu çalışma, EEG tabanlı beyin-bilgisayar arayüzleri (BBA) teknolojilerinin, makine öğrenimi ve derin öğrenme yöntemlerinin disfaji rehabilitasyonundaki potansiyelini vurgulamakta ve bu alandaki araştırmaların klinik uygulamalar açısından önemini ortaya koymaktadır. Anahtar kelimeler: Elektroensefalografi, Makine Öğrenmesi, Derin Öğrenme, BBA, Yutkunma
Protein İkincil Yapısının Tahmini için Sınıflandırma Yöntemlerinin Optimizasyonu
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2017) Uzut, Ömmu Gülsüm; Aydın, Zafer
Protein ikincil yapı tahmini, proteinin yapısını ve fonksiyonunu anlamak için önemli ve yaygın olarak kullanılan bir aşamadır. İkincil yapı tahmin bilgisi üç boyutlu yapı tahmini için de kullanıldığından protein dizisiyle üç boyutlu yapısı arasında bir köprü olarak görülebilir. Şimdiye kadar, tahmin doğruluk oranını artırmak için birçok yöntem geliştirilmiştir. Yöntemlerin performansını etkileyecek birden fazla durum vardır. Bunlar arasında model hiper-parametrelerinin doğru seçilmesi önem taşımaktadır. Model eğitme sürecinde direkt olarak öğrenilemeyen bu parametrelerin optimize edilmesiyle modellerin hassas olarak ayarlanması mümkündür. Bu sayede aşırı uyum ve eksik uyum gibi davranışlardan kaçınılması amaçlanır. Bu tezde, destek vektör makinesi, derin katlamalı yapay sinir alanları ve rastgele orman yöntemleri bir hibrit sınıflandırıcının ikinci aşamasında kullanılmak üzere optimize edilmiş ve ikincil yapı tahmini problemine uygulanmıştır. Buna ek olarak eğitilen sınıflandırıcılardan elde edilen tahminler bir topluluk yöntemi ile farklı kombinasyonlarda birleştirilmiş ve başarı oranları en zor tahmin koşulu için incelenmiştir. Geliştirilen yöntemlerin doğruluk oranları literatürdeki en iyi yöntemler ile aynı seviyededir ve farklı modellerin birleştirilmesinin tahmin başarısını iyileştirme potansiyeli bulunduğu gösterilmiştir.
Gen İfade Miktarı Verisi Analizi için Yinelemeli Öbek Eliminasyon Yöntemlerinin İyileştirilmesi
(2024) Kuzudişli, Cihan; Güngör, Burcu
Yeni teknolojilerle üretilen biyolojik verilerin giderek artan boyutluluğunun neden olduğu hesaplama ve yorumlama güçlükleri önemli bir zorluk oluşturmaktadır. Özellik seçimi (FS) yöntemleri boyutu azaltmayı amaçlar ve özellik gruplaması, özellikler arasında güçlü korelasyonları tespit etmeyi ve ilgisiz özellikleri belirlemeyi amaçlayan FS teknikleri için bir temel olarak ortaya çıkmıştır. Bu tezde, gözetimli bir bağlamda özellik gruplandırmasını kullanan yöntemler geliştirilmiştir. Başlangıçta farklı kümeleme algoritmalarının SVM-RCE üzerindeki etkilerini test ettik ve K-means ile en iyi performansı gözlemledik. Geliştirilen ilk yöntem olan Öbek İçi Özellik Eleme ile Yinelemeli Öbek Eleme (RCE-IFE) yönteminde, her öbek azaltma adımında hem öbek hem de öbek içi eleme yinelemeli olarak gerçekleştirilir. Deneysel bulgularımız, RCE-IFE'nin güçlü bir sınıflandırıcı performansı sağladığını ve özellik ilgisini ve tutarlılığını korurken özellik boyutunu önemli ölçüde azalttığını göstermektedir. İkinci geliştirilen Gruplama – Puanlama – Model (G-S-M) tabanlı çalışma olan G-S-M_Rep'de, hastalık gruplarını oluşturmak için ön bilgileri kullanıyoruz ve her grubu temsil edecek en iyi özellikleri seçiyoruz. Bu temsili özellikler model tarafından kümülatif bir şekilde öğrenilir. Sonuçlar G-S-M_Rep'in az sayıda özellikle tatmin edici bir model performansına ulaştığını göstermektedir. Sonuç olarak, bu tez özellik gruplandırmaya dayalı yöntemleri sunmakta ve özellik azaltma yeteneğini, sınıflandırma performansını, özellik alaka düzeyini ve özellik tutarlılığını iyileştirmeye odaklanmaktadır.

Browse

Browsing Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı Tez Koleksiyonu by Language "en"