Doktora Tezleri

Permanent URI for this collectionhttps://gcris.yasar.edu.tr/handle/123456789/13679

Browse

Now showing 1 - 8 of 8

Bayes ağ yapılarının öğrenilmesi için yeni sürü zekası algoritmaları ve karşılaştırılmalı bir değerlendirme
(2020) Kareem, Shahab Wahhab; Okur, Mehmet Cudi
Bayesian networks are useful analytical models for designing the structure of knowledge in machine learning which can represent probabilistic dependency relationships among the variables. A Bayesian network depends on; 1.the parameters of the network and 2.the structure. Parameters represent conditional probabilities while the structure represents dependencies between the random variables. The structure of a Bayesian network is a directed acyclic graph (DAG). Learning the structure of a Bayesian network is NP-hard but still extensive work have been done to optimize approximate solutions. In this thesis, we have conducted research for structure learning to develop algorithms to find a solution to the problem. There are two approaches for learning the structure of Bayesian networks. The first is a constraint-based approach, and the second is a score and a search approach. One common type of method for Bayesian network structure learning is the score-based search. Score-based methods rely on a function to test how well the network model matches the data, and they search for a structure that produces high scores on this function. There are two types of scoring functions: Bayesian score and information-theoretic score. The Bayesian and information-theoretic scores have been implemented in several structure learning methods. In this thesis, we focused on the score based search for testing the structure learning of Bayesian network using heuristic methods for searching and BDeu as a score function. In this thesis we proposed five algorithms for the search part and used BDeu as a score function. We also proposed a sixth method which is also a nature inspired one. The first proposed algorithm used Pigeon Inspired Optimization as a search method and the above mentioned score function. The proposed method has shown a good result when compared with default methods like Simulated Annealing iii and greedy search. This algorithm is a novel approach applied for structure learning of Bayesian network. The second proposed algorithm used Bee optimization and Simulated Annealing as a hybrid algorithm, which used Bee optimization as a local search and Simulated Annealing as a global search. The third proposed algorithm also used bee optimization and Simulated Annealing as a hybrid but used Bee optimization as a global search and Simulated Annealing as a local search. The fourth proposed algorithm used Bee optimization and Greedy search as a hybrid algorithm. It used Bee optimization as local search and Greedy as global search. The fifth algorithms also used bee optimization and Greedy as a hybrid algorithm, but it used Bee optimization as a global search and Greedy as a local search Our last proposed algorithm used Elephant Swarm Water Search Algorithm (ESWSA). The thesis presents the results of extensive evaluations of these algorithms based on common benchmark data sets. Applications of ESWSA in Structure learning of Bayesian Network and comparisons with the Simulated Annealing and Greedy Search, show that this proposed method is better than the default Simulated Annealing and Greedy search methods. Keywords: Bayesian network, structure learning, Pigeon Inspired Optimization, Bee Optimization, greedy, Simulated Annealing, elephant swarm search, water search, global search, local search, search and score.
Çok amaçlı bir yeşil araç rotalama probleminin çözümü için evrimsel algoritmalar
(2019) Erdoğdu, Kazım; Karabulut, Korhan
Green Vehicle Routing Problems (GVRPs) increasingly gain prominence due to the environmental issues created by the transportation vehicle fleets. The amount of CO2 emissions caused by the fossil fuel vehicles can be decreased by reducing the amount of fuel consumption of these vehicles. In this thesis, a Multi-Objective Green Vehicle Routing Problem (MOGVRP) was studied. Two objectives were taken into consideration in the problem: minimizing the total distance and minimizing the total fuel consumption of all vehicle routes. Two state-of-the-art methods NSGA-II and 𝝐-MOEA were adapted and applied for the solution of the problem, a multi-objective local search heuristic was proposed, and Path-Relinking heuristic was modified for the multi-objective problem.
Development of Geographic Turkish Question Answering Framework over Linked Data (GEO-TR)
(2018) Taşar, Ceren Öcal; Komesli, Murat
With a considerable growth of linked data, researchers focused on how to increase the availability of the semantic web technologies to provide practical usage for real life systems. Question answering systems are one of these real life systems that communicate directly with the end users, understand user intention and generate answers. End users do not want to care about any structural query language or vocabulary of the knowledge base where the point of the problem arises. In this study, a question-answering framework that converts Turkish natural language input into SPARQL queries in geographic domain is proposed. Additionally, a novel Turkish ontology which covers Chapter 6 of the geography lesson named 'Spatial Synthesis: Turkey' in secondary school in 10th grade curriculum, is developed to be used as linked data provider. Later on, a literature gap in Turkish question answering systems, which utilizes linked data in geographical domain, is addressed. Hybrid system architecture that combines natural language processing techniques with linked data technologies to generate answers is also represented. Further related research areas are also suggested. Key Words: question answering systems, linked data, ontology development, natural language processing
Kablosuz algılayıcı ağlar için FPGA tabanlı kontrol ve yapılandırılabilir mekanizma
(2019) Azzawı, Ahmed Khazal Younıs Al; Ercan, Ahmet Tuncay
Wireless Sensor Networks (WSNs) enable various solutions for many application fields. They have acquired large popularity because of their low cost, scalability, easily distributed and maintainable features compared to the traditional infrastructure of monitoring solutions. Generally, any WSN consists of a huge number of distributed sensor nodes that can measure a specific physical phenomenon, perform required tasks and enable monitoring of infrastructure-less deployment. A wireless sensor node is constrained by its cost, energy, and size. In order to overcome these limitations, this thesis aims to introduce a smart design and multi-tasking for wireless sensor networks by extending the capability of re-configurability and enhancing the computational power of the sensor nodes. These facilities can be integrated in a typical WSN and IoT (Internet of Things) environment by incorporating an FPGA (Field Programmable Gate Array) device. Enhancing the computational power of data analysis is done by integrating multi-core of adaptive neuro-fuzzy algorithms in the FPGA device. This thesis contributes into the scientific knowledge with two new modifications in the ANFIS (Adaptive Neuro-fuzzy Inferences System algorithm) by using the momentum factor that will accelerate the training phase and adding a new hidden layer to decrease the number of adjustable linear parameters in the FPGA resources. The neuro-fuzzy approach is a kind of soft computation systems that combine between the learning capability of artificial neural networks and the powerful inference system in fuzzy logic. These two techniques are utilized in order to deal with complex problems when the traditional methods cannot provide a simple and precise solution. Later, the multi-hardware cores of the modified algorithms are comprised within the architecture of FPGA by using the different sensor data sets. HW/SW cores in the FPGA are used to perform different tasks such as classification, prediction, alerts, and decision-making. On the other hand, the modified ANFIS algorithm will extend the capability of MATLAB toolbox for software developers, and the newly generated IP library in the FPGA that will combine multi-server and multi-client devices will be ready to use by researchers in different IoT implementations. The simulation results of the hardware architecture proposed in this thesis provide significant contributions to the state of the art by providing additional insights and a deeper understanding when compared with existing academic and commercial examples.
Kayıp BRDF ölçümlerinin sıkıştırmalı örnekleme yöntemiyle tahmin edilmesi
(2015) Seylan, Nurcan; Okur, Mehmet Cudi
Sıkıştırmalı Örnekleme, büyük miktarlardaki ve/veya kayıp, gürültülü veya geçersiz değerler içeren verinin küçük bir kısmını kullanarak bu veriyi yeniden oluşturmayı sağlayan yeni bir metottur. Bu metot, verinin seyrek (sparse) olmasını kullanır ve çok etkin bir yeniden oluşturma işlemi gerçekleştirir. Verinin az sayıdaki örneklemelerinden sonra bir eniyileme algoritması kullanılarak veri yeniden elde edilir. Bu yöntem şimdiye kadar sinyal işleme, resim/video işleme, tıbbi görüntüleme gibi alanlarda yoğun olarak kullanılmıştır. Çift Yönlü Yansıma Dağılım Fonksiyonu (BRDF) verisi, gerçek materyallerin farklı yansıma özelliklerini tanımlamak için kullanılır. Bu çalışmada, sıkıştırmalı örnekleme yöntemi kullanılarak, büyük boyutlu ve seyrek yapıdaki BRDF verisinin yeniden oluşturulması işlemi gerçekleştirilmiştir. Ayrıca bu yöntemle bu verinin içerdiği kayıp, geçersiz, gürültülü değerler etkili bir şekilde yeniden oluşturulabilmektedir. Bunun dışında mevcut BRDF modellerinden ikisi kullanılarak BRDF verisi oluşturulmuş ve sıkıştırmalı örnekleme yöntemiyle başarılı bir şekilde yeniden oluşturulmuştur.
Metaheuristics for the Permutation Flow Shop Problems
(2016) İnce, Yavuz; Taşgetiren, Mehmet Fatih; Karabulut, Korhan
Bu tezde, sıra bağımlı hazırlık süreli permütasyon akış tipi çizelgeleme probleminin iki tane farklı varyasyonu ele alınmıştır. İlk olarak sıra bağımlı hazırlık süreli permütasyon akış tipi çizelgeleme probleminde tamamlanma süresinin en iyilenmesi çalışılmıştır. Bu problem için yeni bir yenilemeli açgözlü algoritma ve yeni yerel arama algoritması geliştirilmiştir. Yeni yerel arama algoritmasında araya sokma ve karşılıklı yer değiştirme komşulukları kullanılmaktadır. Karşılıklı yer değiştirme komşuluğunun hesaplama zamanını azaltabilmek için Taillard'ın araya sokma komşuluğu hesaplama yönteminden esinlenerek bir hızlandırma yöntemi geliştirilmiştir. Yeni geliştirilen bu hızlandırma yöntemi karşılıklı yer değiştirme komşuluğunun hesaplanma süresini ortalama olarak yüzde elli oranında azaltmaktadır. Geliştirilen hızlandırma yöntemini kullanan yenilemeli açgözlü algoritma literatürde kullanılan bir test kümesindeki problemler için çalıştırılmış ve sonuç olarak bilinen en iyi 480 sonuçtan 250 tanesi için yeni en iyi sonuç bulunmuştur. Tez kapsamında ikinci olarak sıra bağımlı hazırlık süreli permütasyon akış tipi çizelgeleme probleminde akış süresi en iyileme çalışılmıştır. Literatürde bu problem ilk defa çalışılmıştır. Sıra bağımlı hazırlık süresi olmayan NEH_DD ve LR sezgisel algoritmaları ve karşılıklı yer değiştirme ve araya sokma komşulukları için hızlandırma yöntemleri bu probleme uyarlanmıştır. Birden fazla sezgi ötesi algoritma geliştirilmiş ve test kümesindeki problemler için çalıştırılmıştır. Tüm algoritmaların başarım sonuçları karşılaştırılmış ve sonuçlar sunulmuştur.
Veri madenciliğinde öznitelik seçim tekniklerinin kararlılıkları ve sınıflandırma performansları arasındaki ilişkinin değerlendirilmesi
(2019) Büyükkeçeci, Mustafa; Okur, Mehmet Cudi
Her yıl üretilen ve depolanan veri miktarı üstel olarak artmaktadır. Hem veri kümeleri hem de veri kümesi boyutlarındaki yaşanan bu önemli artış, veri analizi tekniklerini ve algoritmalarını olumsuz yönde etkileyerek karmaşık modellerin üretilmesine, performans kayıplarına ve artan hesaplama maliyetlerine neden olmuştur. Bu problemlerin önlenmesi ve üstesinden gelinmesi için, Öznitelik seçimi gibi, çeşitli veri önişleme teknikleri geliştirilmiştir. Boyut küçültme (indirgeme) tekniği olan öznitelik seçimi, sınıflandırıcıların analiz kalitesini, verimliliğini ve genelleme kapasitesini geliştirmek, hesaplama maliyetlerini azaltmak ve yüksek sınıflandırma veya kümeleme doğruluğuna sahip basit ve anlaşılabilir modeller oluşturmak için kullanılır. Öznitelik seçim algoritmaları tarafından elde edilen öznitelik altkümelerinin sınıflandırma veya kümelenme performanslarının yanı sıra, öznitelik seçim algoritmasının kararlılığı veya sağlamlığı da test edilmelidir. Kararlılık, öznitelik seçim algoritmasının eğitim setinde yapılan değişikliklere karşı hassasiyetinin ölçüsüdür. Düşük hassasiyete sahip algoritma, yani kararlı bir algoritma, eğitim kümesinde yapılan her değişiklikten sonra aynı veya çok benzer sonuçlar (öznitelik altkümeleri veya sıraları) verirken, yüksek hassasiyete sahip algoritma, yani kararsız bir algoritma, her değişiklikten sonra farklı sonuçlar verir. Kararsız bir algoritma tarafından üretilen sonuçlar değişken olacağından, sınıflandırma modellerinin oluşturulmasında kullanılacak sonuçların (öznitelik kümesinin) seçilmesini ve girdi ve çıktılar arasındaki ilişkinin kurulmasını zorlaştırır. Öznitelik seçim algoritmasına olan güveni sarsar. Bu nedenle, algoritma kararlılığı öznitelik seçim algoritmaları için önemli bir başarı kriteridir. Bu tezde kararlılık ile sınıflandırma performansı arasındaki ilişkiyi belirlemek ve yorumlamak için toplam yedi filtreleyen (T-Testi, viiBhattacharyya, Wilcoxon, ROC, Entropi, ReliefF ve Karar Ağacı Topluluğu) ve iki ardışık seçim (Ardışık İleri Öznitelik Seçimi (SFS) ve Ardışık Geri Öznitelik Seçimi (SBS)), veya sarmalayan, öznitelik seçimi algoritması, on iki kararlılık ölçüsü, üç sınıflandırıcı ve yedi gerçek dünya veri kümesi kullanılmıştır.
Zararlı yazılımlar için bellek erişimlerinin görüntülenmesi ve değerlendirilmesi
(2019) Yücel, Çağatay; Koltuksuz, Ahmet Hasan
Kötü amaçlı yazılım analizi adli bilişsel bir süreçtir. Zararlı yazılım; başarılı bir şekilde hedef bilgisayara bulaştıktan, amaçladığı zarar hedef bilgisayarda oluştuktan ve yazılım kendini tam ölçekte gösterdikten sonra ancak çalıştırılabilir dosyanın hedefi ve yapısı gerçek anlamda anlaşılabilir. Zararlı yazılım analizi ile elde edilen bu bulgular kötü amaçlı yazılım imzalarına dönüştürülmekte; antivirüs veritabanları ve tehdit istihbarat değişim platformları arasında paylaşılmaktadır. Bu çok değerli bilgiler daha sonra kötü amaçlı yazılımların daha fazla yayılmasını önlemek amacıyla saptama/önleme mekanizmalarında kullanılır. Bu süreçte kötü amaçlı yazılım örneğinin analizi iki kategoriye ayrılır: statik analiz ve dinamik analiz. Statik analizde çalıştırılabilir dosya, tersine mühendislik yazılımları aracılığıyla kaynak koduna geri döndürülüp analiz edilirken, dinamik analiz, çalıştırılabilir dosyanın dışarıya kapalı bir ortamda çalıştırılmasını ve davranışlarının analizini içerir. Hem statik hem de dinamik analiz, paketleme, perdeleme, ölü kod ekleme, sanal makinenin algılanması ve hata ayıklama önleme teknikleri gibi analiz önleme teknikleriyle sınırlıdır. Öte yandan bellek üzerinden gerçekleştirilen analiz işlemleri bu sınırlamalarla gizlenemez ve bilgisayar sistemlerinin modellerinin icadından bu yana herhangi bir yazılım için kaçınılmazdır. Bu nedenle, bu araştırmada, kötü niyetli eylemler için bellek işlemleri ve bellek erişim örüntüleri incelenmiş, bellek erişim görüntülerinin çıkarılması için yeni bir yaklaşımın katkısı litaretüre sunulmuştur. Bu çıkarma yöntemine ek olarak, bu görüntülerin tespiti ve karşılaştırma için nasıl kullanılabileceği görüntü karşılaştırma tekniği ile ortaya konulmuştur.

Browse

Browsing Doktora Tezleri by Department "FEN BİLİMLERİ ENSTİTÜSÜ / Bilgisayar Mühendisliği Ana Bilim Dalı"