Yüksek Lisans Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/5799

Browse

Filters

2022 - 202620

Settings

Start date: 2022Department: search.filters.department.Fen Bilimleri Enstitüsü / Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

Search Results

Now showing 1 - 10 of 20
  • Master Thesis
    Chebyformer: Düğüm Bazlı Filtreleme ile Trafik Akış Tahmini
    (2026) Kayapınar, Ahmet; Coşkun, Mustafa; Güngör, Burcu
    Akıllı Ulaşım Sistemleri (AUS) için doğru trafik akışı tahmini, tıkanıklığı ve karbon emisyonlarını azaltmak için olmazsa olmaz bir kilometre taşıdır. Uzaysal-Zamansal Grafik Sinir Ağları (STGNN'ler) bu görev için standart haline gelmiş olsa da, mevcut modellerin çoğu, trafik düzenlerinin tüm trafik ağı boyunca homojen olduğunu varsayarak küresel spektral filtrelere dayanmaktadır. Bu yaklaşım, farklı sensörlerin farklı fiziksel davranışlar gösterdiği trafiğin heterofilik doğasını yakalamada başarısız olmaktadır. Bu sınırlamayı azaltmak için, bu tez yeni bir hibrit mimari olan ChebyFormer'ı önermektedir. Model, sayısal olarak kararlı spektral özellik çıkarımı sağlamak için Chebyshev-Garnoldi algoritmasını ve uyarlanabilir, düğüm bazlı spektral filtreleri öğrenmek için PolyFormer dikkat mekanizmasını entegre etmektedir. Model, iki genel veri kümesi (PeMSD4, PeMSD8) ve Kayseri'den yeni toplanan bir gerçek dünya veri kümesi üzerinde değerlendirilmiştir. Deneysel sonuçlar, ChebyFormer'ın kısa ve uzun vadeli tahminlerde Ortalama Mutlak Hata (MAE) ve Karesel Ortalama Hata (RMSE) açısından en son temel modellerden (APPNP, GPRGNN) sürekli olarak daha iyi çalıştığını göstermektedir. Öğrenilen filtrelerin ek nitel analizi, modelin farklı trafik düzenleri arasında ayrım yapma yeteneğini doğrulayarak, kentsel trafik tahmininde düğüm bazlı filtrelemenin gerekliliğini doğrulamaktadır.
  • Master Thesis
    Biyomedikal Bilgi Tabanları Üzerinde Hesaplamalı İlaç Yeniden Konumlandırması İçin Bilgi Grafiği Temsil Yaklaşımları
    (2026) Erkantarcı, Betül; Bakal, Mehmet Gökhan; Köse, Abdulkadir
    Drug repositioning, or the strategy of finding new medical applications to an existing drug, is a safer and cheaper alternative to development of a new drug. The thesis constructs a unified biomedical knowledge graph by integrating biomedical information resources such as SemMedDB, repoDB, and UMLS, and presents a comprehensive evaluation of seven knowledge graph embedding models: TransE, TransH, TransR, TransD, TransF, ProjE, and RESCAL. To have a biological relevance, a semantic validation pipeline was created by refining the PubMed-based biomedical language model to an accuracy of around 96% in order to determine the plausibility of the suggested drug-disease associations. TransF had the best quantitative performance with a macro area under the precision-recall curve of 0.767, whereas ProjE produced the largest number of semantically plausible hypotheses with 14 literature-supported drug-disease pairs. Moreover, an automated update system, which leverages internet of things, is used to retrieve fresh PubMed evidence on a daily basis to update semantic plausibility scores. Altogether, the knowledge graph embeddings and semantic validation workflow showed numerous new and literature-based drug-disease relations and indicated its potential to become a strong, explainable and data-driven model in computational drug repositioning. Keywords: Computational Drug Repositioning, Knowledge Graph Embedding, Biomedical Knowledge Graph, Semantic Validation, Internet of Things
  • Master Thesis
    UV, IR Bantları ve Geniş Spektrumlarda Çalışan Üstün Özelliklere Sahip Algılayıcı Sistem ve Bileşen Tasarımları
    (2024) Şanlı, Atıf Kerem; Kılıç, Veli Tayfun; Tabaru, Timuçin Emre
    Bu tez, hava hızı ölçümü ve termal kamuflaj teknolojisi alanlarında, UV ve IR spektral bantlarında çalışan sensör ve bileşen tasarımlarının geliştirilmesine yönelik iki yenilikçi yaklaşım sunmaktadır. Tezin ilk bölümü, sivil havacılıkta ve askeri operasyonlarda hem güvenliği hem de etkinliği artıracak sensör teknolojilerine dair genel bir bakış sağlar. İkinci bölümde, UV-koharent LIDAR'lar için iterbiyum katkılı fiber optik kullanan yenilikçi bir alıcı sistemi tanıtılmaktadır. Bu sistem, düşük maliyetli ve esnek bir çözüm sunarak havacılıkta kritik işlevsellik sağlar. Özellikle, yüksek hassasiyeti sayesinde hem düşük hem de yüksek irtifalarda doğru hava hızı ölçümleri sağlamaktadır. Üncü bölüm, faz geçişi malzemelerinin termal kamuflaj ve fotonik cihazlardaki optik uyarlanabilirlik potansiyeline odaklanır. Vanadyum dioksit (VO2) kullanan bu tasarımlar, şekil değiştiren ve rezonans özellikleri ayarlanabilir metamalzemeler sunmaktadır. Simülasyonlar, bu yapıların termal yönetimde geniş bantta etkili olduğunu göstermektedir. Dördüncü bölümde, termal kamuflaj için özel bir nanoanten yapısı olan Elmas Şekilli Nano Yayıcı (DNE) tanıtılmıştır. Bu yapı, kısa dalga kızılötesi ve orta dalga kızılötesi bölgelerde birden fazla rezonans tepesine sahiptir ve geniş bir bantta emilim sağlamaktadır. Polarizasyondan etkilenmeyen bu tasarım, özellikle gizlilik teknolojilerinde önemli bir çözüm sunmaktadır. Son olarak, beşinci bölümde tezden elde edilen bulgular ve gelecekteki araştırma olanakları tartışılmıştır.
  • Master Thesis
    Enhancing Breast Cancer Detection With a Hybrid Machine Learning Approach
    (2024) Etcil, Mustafa; Güngör, Burcu; Güngör, V. Cagri
    Dünya Sağlık Örgütü (WHO) tarafından belirlendiği üzere, göğüs kanseri, son beş yılda 7.8 milyon yeni vakayla en yaygın kanser türlerinden biri olarak ön plana çıkmaktadır. Bu çarpıcı istatistik, gelişmiş tanı yöntemlerine olan acil ihtiyacı vurgulamaktadır. Bu bağlamda, mevcut çalışma, göğüs kanseri tespiti için lojistik regresyon modeli eğitim sürecini iyileştirmek amacıyla klonal seçim algoritması (CSA) ile parçacık sürü optimizasyonunu (PSO) yenilikçi bir şekilde birleştiren CSA-PSO-LR sınıflandırıcısını önermektedir. Bu araştırma, geniş çapta tanınan iki veri seti olan Wisconsin Diagnostik Göğüs Kanseri (WDBC) ve Wisconsin Göğüs Kanseri Veritabanı (WBCD) kullanılarak, performans değerlendirmesi için 10 kat çapraz doğrulama ve Bayes hiperparametre optimizasyonunu içeren katı bir değerlendirme protokolü uygulamaktadır. Ayrıca, çalışma, model eğitim süresini önemli ölçüde kısaltmayı amaçlayan CPU paralelleştirme stratejilerini tanıtmaktadır. Karar ağaçları, aşırı gradyan artırma, en yakın komşular, lojistik regresyon, rastgele ormanlar ve destek vektör makineleri gibi makine öğrenimi algoritmalarına karşı yapılan karşılaştırmalı analizler, CSA-PSO-LR sınıflandırıcısının tespit doğruluğu ve F1-ölçütü açısından üstün performans sergilediğini göstermektedir. Bu araştırma, göğüs kanserinin erken tespitine yönelik yenilikçi bir yaklaşım sunarak, daha etkili tedavi planlarının kolaylaştırılmasına ve hastaların hayatta kalma beklentilerinin artırılmasına katkıda bulunmaktadır.
  • Master Thesis
    Biyomedikal Varlıklar Arasındaki İlişkilerin Biyomedikal Makaleler Aracılığıyla Keşfedilmesine Dair Bir Sistem Geliştirilmesi
    (2025) Altuner, Osman; Güngör, Burcu; Bakal, Mehmet Gökhan
    Günümüz dünyasında dijitalleşme hızla yayılmaktadır. Bu yayılma, bir yandan hayatımızı kolaylaştırırken diğer yandan büyük miktarda dijital verinin analizi ve işlenmesi gibi yeni zorlukları da beraberinde getirmektedir. Bu durum özellikle akademik araştırmalar bağlamında belirgindir. Akademik araştırmalar, gelişmiş değerlendirme süreçlerine ihtiyaç duymaktadır. Bu bağlamda, hastalıklar üzerine yapılan araştırmaların etkili bir şekilde değerlendirilmesi gerektiği bilinmektedir. Bu çalışmada, hastalıklarla ilgili yayınlar metin analizi yöntemlerine tabi tutulmuş ve ardından verilerin önemli biyomedikal bağlantılarla ilişkilendirilmesini sağlayan bir ağ yapısına dönüştürülmüştür. Amaç, tedavi edici ve sebep verici gibi önemli bağlantılara sahip iki biyomedikal varlığın karmaşık ağ yapısını incelemektir. Bu durumda, manuel arama yöntemleriyle elde edilen varlık ikililerinin gerçek bağlantılar olduğu doğrulanmıştır. Bu çalışma, mevcut bilinen biyomedikal varlıkların bulunmasında sıklıkla zaman alan manuel arama sürecini başarıyla çözmüştür. Ayrıca, bu yöntem sayesinde birden fazla ikili bağlantı örüntüsü aracılığıyla bilinmeyen veya henüz keşfedilmemiş olası yeni ilişkilerin (tedavi edici, sebep verici vb.) keşfedilme potansiyeli bulunmaktadır. Sonuç olarak, çizge analizi, bilgi keşfi ve metin madenciliği gibi tekniklerin bir araya getirilmesi, biyomedikal araştırmalarda potansiyel olarak önemli yeni sonuçların keşfedilmesine yol açmaktadır.
  • Master Thesis
    İnsan Bağırsak Mikrobiyotasından Hastalık Biyobelirteçlerinin Tespiti için Makine Öğrenmesi Temelli Sistem Geliştirilmesi
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Koçak, Ayşegül; Güngör, Burcu; Yousef, Malik
    The human gut microbiota consists of a diverse ecosystem of organisms, encompasses billions of species. Recently developed next-generation sequencing methods have enabled researchers to examine the microbiota in greater detail, leading to new insights into its functions and dysfunctions. This study aims to identify metagenomic biomarkers (Microorganism-Enzyme Pairs) for colorectal cancer (CRC). The tool that we used allows for the analysis of microorganisms and enzymes within the gut microbiota. It achieves this by initially clustering enzymes based on their correlations with species and subsequently utilizing these clustering results to evaluate the ability of groups to differentiate between patient and healthy cohorts. By integrating species and enzymes, it is possible to identify pathogen microorganisms and enzyme clusters, that have the potential to distinguish cases (individuals with CRC) from controls (healthy individuals). The identified enzyme clusters and associated species could potentially act as biomarkers for colorectal cancer (CRC), enabling early diagnosis and more effective treatment. This approach holds promise for further exploration of the gut microbiota and its importance in human health and illness. Keywords: Bioinformatics, Machine Learning, Colorectal Cancer Diagnosis
  • Master Thesis
    Meme Kanseri Histopatoloji Görüntülerinde Evrişimsel Sinir Ağları Kullanarak Tümör Tespiti
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Şahbaz, Zeki; Aksebzeci, Bekir Hakan
    Breast cancer is one of the most common cancer types among women worldwide. Early detection significantly increases the chances of survival and effective treatment, making advancements in diagnostic methodologies crucial. This study aims to improve the detection of tumor cells in breast cancer histopathology images using deep learning and image processing techniques. Significant modifications have been made to the hyperparameters, including the tumor bounding box size, batch size, optimization algorithms, learning rate, and weight decay. These changes focus on determining the best parameters of the Faster R-CNN model. A comprehensive analysis of different parameters was conducted using the Breast Cancer Histopathological Annotation and Diagnosis (BreCaHAD) dataset. The analysis identified the best settings for model performance, shows by improvements in precision, recall, and F-score. Our research contributes to the field of medical image analysis by identifying critical factors that affect the accuracy of tumor detection, contributing to the development of more accurate diagnostic tools.
  • Master Thesis
    Yarı-Tek-Aşamalı Dört-Anahtarlı Alçaltıcı-Yükseltici Evirici için Pürüzsüz Mod Geçiş Tekniğinin İncelenmesi ve Geliştirilmesi
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2023) Keskinkılıç, Ebubekir; Keskinkılıç, Ebubekir; Tekgün, Burak
    In recent decades, given the world's inevitable energy scarcity, increasing energy demand and green energy concerns, high efficiency energy conversion has become more important and attractive than ever, and researchers have directed their interest to energy-efficient converters. Inverters are a commonly utilized type of converter, which can be classified into two categories: single and two-stage inverters. Considering the inherent drawbacks of traditional inverters, a quasi-single-stage inverter (QSSI) has emerged. The QSSI uses a DC-DC converter to shape the rectified version of the desired AC waveform in the first stage and, in the second stage, it switches only once to alternate the polarity. It stands forward in terms of efficiency, control simplicity, and system stability. Among QSSI, a non-inverting buck-boost converter has drawn attention due to its capability to perform both step-up and down modes and its bidirectional power transfer feature. In the first stage of the QSS non-inverting buck-boost converter; smooth transitions between the buck and boost modes and efficient conversion cannot be achieved by the traditional two-mode control method when the output voltage level is close to the input voltage level due to various limitations, non-idealities, and disturbances. Many methods have been applied and studied in the literature to minimize or eliminate the effects of the region which is called the 'dead zone'. In this thesis study, further efficiency and THD improvement for the QSSI is targeted by employing a four-mode control method. The study incorporates a comparative study of the dead zone effects on inverter systems, which have not been previously documented in the literature. Moreover, it places a priority on optimizing efficiency and minimizing distortion in various applications—ranging from motor control and solar energy systems to grid-tied wind turbines and switched-mode power supplies—by comparing existing methods with open-loop voltage control. In conclusion, the theoretical results are verified with experimental studies.
  • Master Thesis
    Derin Öğrenme Yöntemleri Kullanarak Dermatoskopik Görüntülerden Otomatik Cilt Kanseri Tespiti ve Sınıflandırılması
    (Abdullah Gül Üniversitesi / Fen Bilimleri Enstitüsü, 2023) Kalaycı, Serdar; Yılmaz, Bülent
    Early detection of skin cancer is crucial for successful treatment and improved patient outcomes. The most prevalent form of cancer is skin cancer and if left undetected, it can spread and become more difficult to treat. A dangerous and frequently fatal type of skin cancer is melanoma. Regular skin examinations and self-examinations can help identify suspicious moles or lesions, which can then be evaluated by a dermatologist. In addition, advances in technology and artificial intelligence have enabled the development of tools for automated skin cancer screening, providing a convenient and efficient means of early detection. This can lead to more efficient diagnosis, reduced healthcare costs and improved patient care. By evaluating skin lesions from images, deep learning techniques have shown considerable potential in increasing the precision of melanoma detection. By using large datasets and complex neural networks, deep learning algorithms can effectively distinguish between benign and malignant skin lesions with high accuracy. Ensemble of CNN models helps improve the performance and reliability of the classification task. By combining the predictions of multiple CNN models lead to more accurate and robust predictions. In this thesis, for melanoma classification problem, many different data augmentations techniques applied and different convolutional neural networks architectures evaluated, applied vignetting effect filter and hair noise in accordance with the dataset and results of ensemble of the best CNN models are promising. This thesis attempts to produce a reliable model for the classification of melanoma by conducting experiments on two combined publically accessible data sets, ISIC 2019 and ISIC 2020. On the testing sets in our studies, the proposed solution attained 95.75% AUC.
  • Master Thesis
    Anahtarlamalı Relüktans Motorlarında Tork Dalgalanmasının Azaltılması için Uyarlanabilir Çevrimiçi Tork Paylaşım Fonksiyonu Geliştirilmesi
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2023) Genç, Ufuk; Tekgün, Burak
    Electrical machines play a crucial role in modern society by transforming electrical energy into mechanical energy and vice versa. These machines include various types of motors and generators, which are used in a wide range of applications such as electric vehicles, industrial automation, and renewable energy systems. One of the popular electrical machines is the switched reluctance machine (SRM), which is known for its high reliability and efficiency. The key advantages of the SRM include its simple structure, robustness, and low cost. The SRM does not require a permanent magnet or an excitation winding, making it an attractive option for high-volume, low-cost applications. Despite its advantages, the SRM also has some disadvantages that need to be considered. One of the main drawbacks of the SRM is being susceptible to torque ripple, which can result in vibration and noise. In order to overcome these disadvantages, advanced control methods have been developed for the SRM. One such control method is the torque sharing function, which distributes the load among the phases of the motor. This results in improved torque characteristics and reduced torque ripple. However, this control method also has some disadvantages, such as increased complexity and the need for more advanced sensors and controllers. Additionally, the torque sharing function may result in reduced efficiency, especially at high speeds. The purpose of this thesis study is to improve the torque ripple performance of SRM for a wide speed range through the proposed control approach. In conclusion, minimizing the torque ripple is a critical aspect of the operation of SRMs, and a range of control strategies and techniques can be used to achieve this goal. By reducing the torque ripple, SRMs can deliver improved efficiency, performance, and reliability, making them even more attractive for a wide range of applications.