Tezler
Bu topluluk için Kalıcı Uri
Gözat
Sustainable Development Goal "Goal 4: Quality Education" ile Tezler'a göz atma
Sayfa başına sonuç
Sıralama Seçenekleri
-
Öge3B nokta bulutlarının derin öğrenme yöntemiyle semantik segmentasyonu(Lisansüstü Eğitim Enstitüsü, 2022-02-11) Beşiktepe, Mert ; Güner, Caner ; 501181657 ; Geomatik MühendisliğiÜç boyutlu (3B) kent modelleri, kentsel alanlarda yaşanabilecek değişimlerin 3B olarak izlenmesi, kent çevre ilişkisinin modellenmesi ve kentsel simülasyon uygulamaları için altyapı sağlayarak mekansal planlama çalışmaları için veri temelli karar verme süreçlerinin geliştirilmesine olanak tanımaktadır. Söz konusu modelleri geliştirilmesi için; detay düzeyi uygulama amaçlarına bağlı olarak değişen, yüksek doğruluklu, güncel ve büyük miktarda 3B mekansal bilgiye gereksinim duyulmaktadır. Lazer tarama, görüntüleme ve yer gözlem uyduları gibi veri elde etme teknikleri ile fotogrametri ve bilgisayarlı görü alanlarındaki veri değerlendirme yöntemlerine ilişkin yaşanan gelişmeler 3B mekansal bilginin nokta bulutu biçiminde doğrudan ölçme ile ya da başka veri kaynaklarından türetme yolu ile üretilmesine olanak sağlamıştır. 3B nokta bulutları günümüzde klasik kullanım alanları olan ölçme ve planlama çalışmaları haricinde robotik, otonom mobilite, 3B modelleme ve dijital ikiz oluşturma gibi yüksek teknolojili ve katma değerli uygulamalara olanak tanımaktadır. Kent ölçeğinde ve yüksek çözünürlüklü bu veri kaynağının klasik yaklaşımlarla yönetilmesi ve işlenmesi pek mümkün olamamaktadır. Öte yandan derin öğrenme yaklaşımları büyük veriden modern hesaplama donanımları kullanılarak derin yapay sinir ağlarının eğitilmesini sağlayacak bir paradigma değişimi getirmiştir. Derin öğrenme sayesinde sınıflandırma, nesne yakalama ve segmentasyon görevlerinin veri işlem süreçlerinin otomasyonu amacıyla yerine getirilmesi için geçmişe nazaran çok daha güçlü çözümler elde edilebilir hale gelmiştir. Bu çalışmada, 3B nokta bulutlarından derin öğrenme alanının gelişimi incelenmiş, bu modelleri kıyaslamada kullanılabilecek değerlendirme ölçütleri, araştırma grupları tarafından kabul görmüş açık veri setleri, 3B nokta bulutlarını işlemek için mevcut açık kaynaklı derin öğrenme yazılım kütüphanesi, performans yarışmaları tanıtılmıştır. 3B nokta bulutlarının semantik segmentasyonu için yararlanılabilecek modern bulut bilişim olanakları araştırılmıştır. Eğitim sürecini yürütmek için gereksinimler belirlenmiş ve çözüm önerileri geliştirilmiştir. Bulut bilişim imkanları kullanılarak derin öğrenme için oluşturulan bir geliştirme ortamında bir segmentasyon modelinin eğitim ve test süreci uygulama olarak gerçekleştirilmiştir. Yapılan literatür taraması ve yürütülen derin öğrenme ağının eğitimi süreci sonucunda 3B nokta bulutlarından derin öğrenme çalışmalarında 3B şehir modelleme ve diğer pek çok farklı uygulama alanının 3B uzamsal veri gereksinimini gerçek zamanlı olarak dahi karşılayabilecek çözümler geliştirildiği görülmüştür. Bu çözümlerden yararlanmak için ise yüksek performanslı hesaplama donanımlarına erişime ve açık kaynaklı derin öğrenme yazılım kütüphaneleri ile 3B nokta bulutundan derin öğrenme çalışmalarında geliştirilen yazılımlardan oluşan bir dizi teknolojiyi uyumlu biçimde bir araya getirme becerisine sahip olunması gerektiği görülmüştür.
-
ÖgeA hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy(Graduate School, 2022-10-17) Gürcan, Ömer Faruk ; Beyca, Ömer Faruk ; 507142109 ; Industrial EngineeringDiabetes is a disease that results in an increase in blood sugar due to the pancreas not producing enough insulin, insufficient effect of the produced insulin, or ineffective use of insulin. According to the International Diabetes Federation 2021 report, approximately 537 million adults aged between 20 and 79 live with diabetes worldwide. It is estimated that the number of people with diabetes will increase to 643 million in 2030 and 783 million in 2045. Diabetic retinopathy (DR) is an eye condition that can cause vision loss, irrecoverable visual deterioration, and blindness in people with diabetes. Today, it is one of the leading diseases that cause blindness. Anyone with any diabetes can become a DR. In ophthalmology, type 2 diabetes can lead to DR if left untreated for more than five years. Diabetes-related high blood sugar leads to DR. Over time, having too much sugar in the blood damages the retina. The deterioration of this disease in the eye begins when sugar blocks the capillaries leading to the retina, causing fluid leakage or bleeding at a later stage. The eye produces new vessels to compensate for the blocked vessels, but these newly formed vessels often do not work well and can bleed or leak easily. DR can lead to other serious eye conditions. For example, about one in 15 people with diabetes develop diabetic macular edema over time. DR can lead to the formation of abnormal blood vessels in the retina and prevent fluid from leaving the eye. That causes a type of glaucoma. It is crucial for people with diabetes to have a comprehensive eye examination at least once a year. Follow-up of diabetes; factors such as staying physically active, eating a healthy diet, and using medications regularly can stop the damage to the eye and help prevent or delay vision loss. Some risk factors increase the development of DR, such as pregnancy, uncontrolled diabetes, smoking addiction, hypertension, and high cholesterol. In addition to being detected by magnifying the pupil in eye examination, DR is also diagnosed with the help of image processing techniques. It is common to use fundus images obtained by fundus fluorescent angiography to detect DR and other retinal diseases. Nowadays, with the increasing number of patients and the developments in imaging technologies, disease detection from medical images by various methods has increased. Deep learning is one of the methods whose application area has increased exponentially in recent years. Deep learning is a subfield of machine learning; both are a subfield in artificial intelligence. Deep learning methods draw attention with their versatility, high performance, high generalization capacity, and multidisciplinary use. Technological developments such as the collection of large amounts of data, graphics processing units, the development of robust computer infrastructures, and cloud computing support the building and implementation of new models.Increasing the number of images for a particular patient case and high-resolution images increases specialists' workload. Diagnosis of DR manually by an ophthalmologist is an expensive and time-consuming process. It requires experts who have remarkable experience. In addition, the complexity of medical images and the variations between specialists make it difficult for radiologists and physicians to make efficient and accurate diagnoses at any time. Deep learning is promising in providing decision support to clinicians by increasing the accuracy and efficiency of diagnosis and treatment processes of various diseases. Today, in some medical studies, the success levels of expert radiologists have been achieved or exceeded. Convolutional neural networks (CNNs) are the most widely used deep learning networks in image recognition, image/object recognition, or classification studies. A CNN model doesn't need manually designed features for training; it extracts features from data directly while network training on images. The automated feature extraction property and their success make CNNs highly preferred models in computer vision tasks. This study proposes a hybrid model for the automatic diagnosis of DR. A binary classification of DR (referable vs. non-referable DR) is made using a deep CNN model, metaheuristic algorithms, and machine learning algorithms. A public dataset, Messidor-2, is used in experiments. The proposed model has four steps: preprocessing, feature extraction, feature selection, and classification. Firstly, fundus images are pre-processed by resizing images and normalizing pixel values. The inception-v3 model is applied with the transfer learning approach for feature extraction from processed images. Then, classification is made using machine learning algorithms: Extreme Gradient Boosting (XGBoost), Random Forest, Extra Trees, Bagged Decision Trees, Logistic Regression, Support Vector Machines, and Multilayer Perceptron. XGBoost gives maximum accuracy of 91.40%. The best potential features are selected from the extracted features by three metaheuristic algorithms: Particle Swarm Optimization, Simulated Annealing, and Artificial Bee Colony. Selected features are classified with the XGBoost algorithm. The metaheuristics significantly reduced the number of features obtained from each fundus image and increased the classification accuracy. According to the results, the highest accuracy of 93.12% is obtained from the features selected with Particle Swarm Optimization. When the study results are compared with the existing studies in the literature, it has shown that this study is competitive in terms of accuracy performance and obtained low features. On the other hand, the proposed model has some advantages; it has a few pre-processing steps, training number of parameters are considerable low, and model can be trained with a small amount of data. This study is one of the first studies showing that better results can be obtained in DR classification by using deep learning and metaheuristic algorithms together. The proposed model can be used to give another idea for ophthalmologists in diagnosing DR.
-
ÖgeAçıkdeniz yapıları çalışanlarına verilen eğitimlere yönelik sistematik bir öğretim tasarım modeli(Lisansüstü Eğitim Enstitüsü, 2023-08-12) Kandemir, İsmail ; Çiçek, Kadir ; 512172010 ; Deniz Ulaştırma MühendisliğiDenizcilik sektörü, doğası gereği tehlikeli ortamlarda faaliyet gösterdiğinden, insan kaynaklarının yüksek düzeyde bilgi, beceri ve yetkinliğe sahip olması önemli bir husustur. Değişen ihtiyaçların ortaya çıktığı aynı zamanda teknik, operasyon vb. farklı gelişmelerin meydana geldiği günümüzde, denizcilik eğitimlerinin etkili, verimli, cazip ve uygun maliyetli bir şekilde tasarlanması büyük önem taşımaktadır. Bu nedenle, öğretimsel sorunların ve kaynakların sistematik bir bakış açısıyla çözümlenmesi aynı zamanda ince ayrıntılar göz önünde bulundurularak tasarlanması gerekmektedir. Bu açıdan denizcilik eğitim ve öğretimi özelinde, gerekli bilgi, beceri ve yetkinliklerin en üst düzeyde edinilmesini sağlayacak özgün bir öğretimsel tasarım ortaya konulması sektörün insan kaynağı kalitesinin sürdürülmesi açısından gereklidir. Denizcilik sektöründeki insan kaynaklarının eğitim ve öğretiminin önemi, tüm deniz kazalarının büyük çoğunluğunun insan hatasından kaynaklandığı gerçeğiyle de vurgulanmaktadır. Benzer şekilde, açık denizlerde gemileri ve platformları bulunan petrol ve gaz endüstrisi personeline standartlar, yönetmelikler, acil durum prosedürleri vb. temel eğitimlerin yanı sıra uzmanlığa uygun diğer eğitimler sağlanmış olsa da insan hatası kaynaklı kazalar meydana gelmeye devam etmektedir. Açıkdeniz petrol endüstrisi, iş sağlığı ve emniyeti gibi konularda sert kurallara sahip olduğundan, çalışanların görevlerine başlamasından önce "Temel Açık Deniz Emniyet Giriş ve Acil Durum Eğitimi (BOISET)" sertifikasına sahip olması zorunluluğu getirmiştir. Bu kuralları, 1991 yılından başlayarak işgücü emniyeti ve yetkinliğinin iyileştirilmesine yardımcı olmak amacıyla petrol ve gaz endüstrisi için standartlar belirleme konularında çalışmalar yapan ayrıca personel eğitimlerini düzenleyen ve gerçekleştiren kurum olan Açıkdeniz Petrol Endüstrisi Eğitim Örgütü (OPITO) koymuştur. Günümüzde, BOSIET birçok farklı ülkede çeşitli eğitim merkezlerinde, OPITO standartlarına uygun olarak yürütülmektedir. Standartlar incelendiğinde, eğitimin modüllerden, modüllerin ise element adı verilen alt birimlerden oluştuğu görülebilmekte ayrıca verilecek eğitimler için genel kapsam, ders sonuçları, konu başlıkları vb. bilgiler elde edilebilmektedir. Bu bilgilerden yola çıkan eğitim merkezleri kendi müfredatlarını oluşturur ve seçtikleri çerçeve ile eğitimlerine devam ederler. Bu doğrulturda, eğitmenlerin konuya hakimiyeti, materyallerin ve ders görsellerinin etkinliği gibi seçeneklerle bağlantılı olarak kurs merkezleri iyi ya da kötü sonuçlar üretebilmektedir. Açıkdeniz ortamı, karadan uzak konumu, sert hava koşulları ve kazaların meydana gelme potansiyeli nedeniyle eşi benzeri olmayan emniyet sorunlarını ortaya çıkartmaktadır. BOSIET, çalışanların açık deniz ortamlarında emniyetli ve etkili bir şekilde çalışmaya yeterince hazırlanmalarını sağladığı için kurs merkezlerinin bireysel çabaların dışında da eğitimin bir sistematik bakış açısı gözden geçirilmesinin ihtiyacını barındırmaktadır. Tez çalışmamız, açık denizde çalışmak isteyen veya halihazırda bu sektörde çalışan personelin, OPITO standartlarına uygun olarak belirtilen yetkinlikleri en üst düzeyde kazanmalarını sağlamak ve BOSIET'in etkililiğini artırmak amacıyla dört temel bakış ile derinlemesine bir inceleme sunmaktadır. İlk olarak, öğretim tasarim modellerinin prensipleri ve öğretimin geliştirilmesi sürecindeki kritik rolleri irdelemiştir. Literatürde çok sayıda IDM'in olması ve öğretimsel probleme en uygun seçimin yapılması konusundaki belirsizlikler ve zorluklar sebebiyle tez kapsamında bir IDM seçim yaklaşımı geliştirilmiştir. Bu yaklaşım ile çok kriterli bir karar verme problemine dönüşen IDM seçimi ele alınmış ve bulanık aksiyomatik tasarım (FAD) metodolojisi kullanılarak bir karar desteği sağlanması amaçlanmıştır. Bu yeni yaklaşımın etkinliği BOSIET'e odaklanan bir vaka çalışması ile vurgulanmıştır. Vaka çalışmasında teorik ve pratik kısımlar için farklı IDM alternatifleri uzmanların değerlendirmelerine göre karşılaştırılmış, sonucunda teorik kısım için Dick, Carey ve Carey, pratik kısım için ise ADDIE modeli en iyi alternatif olarak tespit edilmiştir. İkinci olarak teorik ve pratik kısımlar için tespit edilen en iyi alternatif modellerin esneklik, revizyon kabiliyeti, biçimlendirici ve özetleyici değerlendirme özellikleri gibi güçlü yönlerinden yararlanılarak BOSIET özelinde bir IDM önerilmiştir. Üçüncü olarak, önerilen IDM'e kontrol listesi (CL) ve küresel derecelendirme ölçeği (GRS) yaklaşımları bütünleştirilerek BOSIET kursiyerlerinin bilgi ve beceri kazanım seviyelerini değerlendirmek için yeni bir araç eklenmiştir. Dördüncü ve son olarak ise ortaya konulan IDM'in etkinliğini test etme amacıyla yapı ve davranışsal testleri içeren sistem dinamiği yaklaşımından yola çıkılarak öğretim tasarımında kullanılan modellerin ve stratejilerin etkileşimi incelenmiştir. Önerilen IDM ile BOSIET'in içeriği tasarlandıktan sonra uzman ve eğitmen görüşleri alınarak düzeltmeler yapılmış daha sonra deney ve kontrol grupları üzerinde uygulanarak etkinliği test edilmiştir. Sonuçlar, yeni öğretim tasarımının geleneksel yönteme kıyasla istenen öğrenme çıktılarına daha etkili bir şekilde ulaşmayı sağladığını göstermiştir. Bu tezin ana bulguları, önerilen IDM vasıtasıyla ortaya konulan öğretimsel tasarıma değerlendirme aracı da birleştirildiğinde, delegelerin bilgi ve beceri kazanımlarını önemli ölçüde geliştirdiğini göstermektedir. Bulanık aksiyomatik tasarım kullanılarak öğretim tasarımı unsurlarının karşılaştırılmasına yönelik metodolojinin, BOSIET eğitimi için en uygun IDM'in belirlenmesinde etkili olduğu ortaya konulmuştur. Ayrıca, farklı akademik çalışmaları bir araya getirerek IDM'i test etme yaklaşımı, önerilen modelin etkinliğine dair güvenilir kanıtlar sağlamıştır. Sonuç olarak, doktora tezi, BOSIET için kapsamlı bir IDM'in yanı sıra bir değerlendirme aracı, öğretim problemi için uygun IDM'yi seçmeye yönelik bir yaklaşım ve IDM'nin etkinliğini test etmek için bir metodoloji sunmuştur.
-
ÖgeAn action research on the integration of virtual reality into industrial design education(Graduate School, 2021-10-13) Hamurcu, Ahmet ; Öğüt, Şebnem ; Rızvanoğlu, Kerem ; 502142901 ; Industrial Product DesignIndustrial designers have always tended to use computers and computer-based technologies that they believe will help them do their works better and easier, and thereby, they quickly adopted them. Also, these technologies adopted by professionals have usually been used by industrial design students and/or educators and they were integrated into industrial design education shortly after their adoptions because it is conducted as a simulation of professional life. However, although Virtual Reality (VR) technology that is one of the computer-based technologies has become economically available for designers with the release of VR headsets such as HTC Vive and Oculus Rift in 2016, and has already been adopted by professionals, how it can be integrated into industrial design education is still unclear. Moving from this point of view, this thesis explores how VR technology can be integrated into industrial design education. For this purpose, an action research was conducted by trying to use it under the real conditions of an industrial design studio course. In the first step of the research, a systematic literature review on related works in addition to the general literature review and a preliminary study with prospective users (industrial design students and instructors) were carried out to reveal (i) what the former studies regarding the use of VR technology in industrial design education are; (ii) what these studies say about this issue; and (iii) what the opinions of potential users, who are industrial design students and instructors, about the use of VR technology in industrial design education are. The systematic literature review showed that VR technology was tried to be used before in the professional practices of industrial design as: a usability evaluation tool; an ergonomic evaluation tool; a visualization tool; a product demonstration tool; a presentation tool; an interactive prototyping tool; an immersive mood board; a sketching tool; and a collaboration tool. However, none of these types of use was tried to be employed before under the real conditions of the educational setting of an industrial design studio course. The preliminary study was conducted with industrial design students and instructors who came from 10 universities in Turkey. In this preliminary study, first, VR technology was introduced to the participants. Then, it was experienced by the participants. And then, both quantitative and qualitative data based on their opinions were collected and analyzed. The results of the preliminary study revealed that: (i) potential users are eager to use VR technology; (ii) however, they have reservations as well as their positive opinions about using it in industrial design studio courses; and (iii) almost all these reservations are related to its usability. In the second step, an in-studio study was planned based on the findings of these studies, and with a focus on getting started by eliminating or by minimizing these reservations as much as possible. In the third step, in line with this planning, VR technology was tried to be used in the studio-based practices of an industrial design studio course. This in-studio study was carried out in the course "EUT 320E Industrial Product Design III" with the project issue "Smart Electric Minibus Design for Anadolu Isuzu". This course was the 3rd year industrial design studio course of Istanbul Technical University (ITU) Department of Industrial Design, which was conducted in the 2017-2018 spring semester. In this process where the course process and the research process merged, the researcher worked: as one of the instructors of the course; as an operator who is responsible for installing and running the VR system properly, and responsible for its being used easily and hygienically; as an educator who will meet the learning need for VR. In the in-studio study, (i) how VR technology can be integrated into the jury practices of industrial design education was questioned by making the use of it mandatory by students for design representation and presentation purposes, and then, by trying to use it in the jury sessions; and (ii) how it can be integrated into other studio-based practices of industrial design education was questioned by making it available for use during the studio hours of the course, and then, by observing whether it will be used for/in other studio-based practices. Throughout the project process of the course, it was attempted three times to integrate VR technology into the jury practices of the course. In the last attempt, this was achieved. Each attempt was scrutinized with the observations recorded during the jury sessions and the interviews with the user groups after the jury sessions. The interviews with the students were held as group interviews, whereas the interviews with the instructor-jurors were held one-to-one. Since it was not possible to hold face-to-face interviews with the invited jury members, their opinions were tried to be gotten via e-mail. These attempts and examinations show step-by-step how VR technology can be integrated into the jury practice of industrial design education by developing solutions in line with the needs and demands of students and instructors. On the other hand, it was observed that (i) making VR available for use during the studio hours and giving a short training on how to use its hardware and software opened the way of using it as a design evaluation tool by students; and (ii) neither students nor instructors demanded or attempted to use VR in other practices and activities where students and instructors got involved together. In the last step, considering the results of the in-studio study, (i) the usability level of the proposed way for using VR technology in the final jury session was measured with the help of the System Usability Scale (SUS); (ii) the final assessments of students and instructors on the VR technology they used during the project process and its use in the educational practice of industrial design were revealed with the help of the interviews with students and instructors and the questionnaire items adapted from the scale items of the Extended Unified Theory of Acceptance and Use of Technology (UTAUT2) and the Net Promoter Score (NPS); and (iii) the reasons why VR technology was not used in other practices and activities where students and instructors got involved together were questioned with the help of interviews with students and instructors. The SUS score was calculated as 71.3. This score indicates that the usability of the last proposal for using VR technology in the jury practices of industrial design education is OK but can be improved. Besides, the final assessments of students and instructors on the VR technology they used during the project process and its use in the educational practice of industrial design revealed that although they found VR technology useful in various aspects and easy to use at various degrees, they still had some reservations in their minds. However, this time, these reservations were based upon (i) whether the facilitating conditions about the frequent or the continuous use of VR technology were sufficiently present; and (ii) the thought that using it for evaluating designs of small products will not be so useful. On the other hand, it was seen that the reasons why VR technology was not used in other practices and activities where students and instructors got involved together were related to (i) not having yet sufficient familiarity and mastery of its use in such activities and practices; (ii) perceiving VR as a technology that would only enable to evaluate and/or present the whole – not the parts – of a design over a finished model; and (iii) not being its set-up ready for use when needed. In addition to all these, participants stated that for the use of VR technology in industrial design education to be sustainable, (i) it should be easily accessible and usable for both students and instructors with a permanent installation in the studio environment; (ii) it should be led/managed by at least one instructor/executive; and (iii) the requirements of the technology such as installation/setup, learning, operating, and maintenance requirements should be met by at least one technical person/expert/operator. As a result, this thesis study contributes to the relevant literature (i) by showing, step-by-step, one of the ways of integrating VR technology into the jury practice of industrial design education; (ii) by revealing the clues of how it can be integrated into other studio-based practices of industrial design education; and (iii) by outlining what might be the possible attitudes of industrial design students and instructors towards the use of VR technology in industrial design studio courses before and after the actual use of it in those courses. This thesis study is one of the first attempts in the literature to integrate VR technology into industrial design education by trying to use it under the real conditions of an industrial design studio course. Hence, its outcomes need to be verified and/or improved with similar studies. Besides, how it can be integrated into other studio-based practices of industrial design education is still not clear enough because the relevant part of the study has been conducted with an unstructured intervention. Therefore, it should be noted that there is also need for further studies to be carried out with structured interventions on this issue.
-
ÖgeAn architectural design method using rank-based interactive evolutionary algorithm(Graduate School, 2023-04-27) Dedeler, Elif Gamze ; Bittermann, Michael Stefan ; 523191007 ; Architectural Design ComputingEvolutionary algorithms are a stochastic search methodology that has been widely researched and used in engineering design and has recently found applications in other design fields. In each context, their aim is to maximize the satisfaction of one or more goals, based on calculated satısfaction of the goals. There are tasks, such as architectural design, where calculating satisfaction is problematic, because goals involve experiential qualities, such pleasure, comfort, meaning, etc. Although this creates a bottleneck for computational treatment, a person can evaluate experiential qualities by aesthetic judgment or some reasoning. Interactive evolutionary algorithm (IEA) is a form of evolutionary computation designed to utilize information provided through human subjective assessments. Aesthetic judgment is subjective measurement of pleasure resulting from a perception. In this respect, aesthetic judgment takes place in real-time and without conceptual abstraction. Because there is no abstraction in this type of judgment, the knowledge a designer can exercise when he/she faces multiple alternative designs, is determining which design is more pleasant to perceive compared to another one. Determining the exact score of each design on some absolute scale is problematic due to the subjective nature of judgment, ı.e. the absence of a consensus about such a scale. Therefore, this study proposes a design method based on an interactive evolutionary algorithm using a non-dominated sorting method that is well-known in the context of multi-objective evolutionary algorithm. In this method, the fitness value is assigned based on people's subjective preferences, allowing to gradually approach to the best design solution based on one's aesthetic judgment. The method developed is applied to the case of a theater named Schauspielhaus designed by Jorn Utzon (1918-2008) in Zurich, Switzerland. The ceiling module, one of the conspicuous of Utzon's design, was modeled and parameterized in Grasshopper. The convergence behavior of the proposed algorithm during the design process was examined throughout 364 design generations by 25 participants. The results indicate that the proposed algorithm is able to integrate the aesthetic preferences of the designers. The study also yields hints about the richness of the resulting information produced by the interactivity, by applying non-parametric statistical tests as well as unsupervised machine learning for design knowledge elicitation.
-
ÖgeAnalysis of visual design principles in art and architecture by computer vision and learning based model(Graduate School, 2022-09-20) Demir, Gözdenur ; Kanan, Aslı ; 523142002 ; Architectural Design ComputingVisual design is associated with different uses and organizations of design elements and principles. They are explained in numerous books in art and design disciplines as the bases of visual communication. Those are applied subjectively by the designers in various disciplines for aesthetics and presentation of information. For the constitution of a perceptual framework for visual processing, the logical procedures that use the design elements are called visual design principles (VDP) ; three are selected as the main principles for this study: emphasis, balance, and rhythm. As the examples of these principles were inspected, it was established that the use of the design elements differed and led to sub-visual similarities existing in their compositions, despite following the main organizational rationale. So nine sub-VDP are defined, which have similar visual patterns: color, isolation, shape, symmetric, asymmetric, crystallographic, regular, progressive and flowing. Although numerical analysis of design visuals is considered as hard, it has become possible with emerging artificial intelligence (AI) technologies. Due to the advances in computer vision applications, a deep learning model can identify these underlying common visual patterns in the data. This Ph.D. thesis develops an approach to detect and classify the VDP in a visual composition over different domains, including photography, art (paintings, prints and graphic art) and architecture (building facade visuals) by a neural network model. The AI applications in art, design, and architecture conducted by the disciplines of computer science and design have been found, analyzed and the models, methods, numbers, and types of data used in the studies have been extracted. Next to the compiled knowledge in AI studies in art and architecture, the manual and computational analyzes of the building facade in architecture have been researched. As there was no existing dataset for this problem, three genuine datasets have been created in the given domains for this study. The majority of the examples showing the VDP directly belong to the contemporary era, so the data search has been oriented toward this period. Various websites and online museum databases are used for collecting the data. The amount of data found for the labels of VDP in each domain has been kept as high as possible to achieve high performance from the deep learning model. Multiple experiments are structured for testing the model. Classification results within the domains are evaluated by considering the clarity and the amount of the data. The effect of the labeling procedure in the preparation of the initial datasets is discussed by analyzing multi-class and multi-label classification results. Also, domain adaptation is investigated with instances tested in models trained in other domains. The knowledge of myriads of original designs, captured by the underlying computational patterns, can be used to consolidate the design process by providing an objective evaluation of the visual compositions.
-
ÖgeArtificial intelligence based and digital twin enabled aeronautical AD-HOC network management(Graduate School, 2022-12-20) Bilen, Tuğçe ; Canberk, Berk ; 504172508 ; Computer EngineeringThe number of passengers using aircraft has been increasing gradually over the following years. With the increase in the number of passengers, significant changes in their needs have been made. In-flight connectivity (IFC) has become a crucial necessity for passengers with the evolving aeronautical technology. The passengers want to connect to the Internet without interruption regardless of their location and time. The aeronautical networks attract the attention of both industry and academia due to these reasons. Currently, satellite connectivity and air-to-ground (A2G) networks dominate existing IFC solutions. However, the high installation/equipment cost and latency of the satellites reduce their efficiency. Also, the terrestrial deployment of A2G stations reduces the coverage area, especially for remote flights over the ocean. One of the novel solutions is the Aeronautical Ad-hoc Networks (AANETs) to satisfy the IFC's huge demand by also solving the defects of satellite and A2G connectivities. The AANETs are based on creating air-to-air (A2A) links between airplanes and transmitting packets over these connections to enable IFC. The AANETs dramatically increase the Internet access rates of airplanes by widening the coverage area thanks to these established A2A links. However, the mobility and atmospheric effects on AANETs increase the A2A link breakages by leading to frequent aircraft replacement and reducing link quality. Accordingly, the mobility and atmospheric effects create the specific characteristics for AANETs. More specifically, the ultra-dynamic link characteristics of high-density airplanes create an unstructured and unstable topology in three-dimensional space for AANETs. To handle these specific characteristics, we first form a more stable, organized, and structured AANET topology. Then, we should continuously enable the sustainability and mapping of this created AANET topology by considering broken A2A links. Finally, we can route the packets over this formed, sustained, and mapped AANET topology. However, the above-explained AANET-specific characteristics restrict the applicability of conventional topology and routing management algorithms to AANET by increasing its complexity. More clearly, the AANET specific characteristics make its management challenging by reducing the packet delivery success of AANET with higher transfer delay. At that point, artificial intelligence (AI)-based solutions have been adapted to AANET to cope with the high management complexity by providing intelligent frameworks and architectures. Although AI-based management approaches are widely used in terrestrial networks, there is a lack of a comprehensive study that supports AI-based solutions for AANETs. Here, the AI-based AANET can take topology formation, sustainability, and routing management decisions in an automated fashion by considering its specific characteristics thanks to learning operations. Therefore, AI-based methodologies have an essential role in handling the management complexity of this hard-to-follow AANET environment as they support intelligent management architectures by also overcoming the drawbacks of conventional methodologies. On the other hand, these methodologies can increase the computational complexity of AANETs. At that point, we propose the utilization of the Digital Twin (DT) technology to handle computational complexity issues of AI-based methodologies. Based on these, in this thesis, we aim to propose an AI-based and DT-enabled management for AANETs. This system mainly consists of four main models as AANET Topology Formation Management, AANET Topology Sustainability Management, AANET Topology Mapping Management, and AANET Routing Management. Here, our first aim is to form a stable, organized, and structured AANET topology. Then, we will enable the sustainability of this formed topology. We also continuously map the formed and sustained AANET topology to airplanes. Finally, the packets of airplanes are routed on this formed, sustained, and mapped AANET topology. We will create these four models with different AI-based methodologies and combine all of them under the DT technology in the final step. In the Topology Formation Management, we will propose a three-phased topology formation model for AANETs based on unsupervised learning. The main reason for proposing an unsupervised learning-based algorithm is that we have independently located airplanes with unstructured characteristics in AANETs before forming the topology. They could be considered as the unlabeled training data for unsupervised learning. This management model utilizes the spatio-temporal locations of aircraft to create a more stable, organized, and structured AANET topology in the form of clusters. More clearly, the first phase corresponds to the aircraft clustering formation, and here, we aim to increase the AANET stability by creating spatially correlated clusters. The second phase consists of the A2A link determination for reducing the packet transfer delay. Finally, the cluster head selection increases the packet delivery ratio in AANET. In the Topology Sustainability Management, we will propose a learning vector quantization (LVQ) based topology sustainability model for AANETs based on supervised learning. The main reason for proposing a supervised learning-based algorithm is that we already have an AANET topology before the A2A link breakage, and we can use it in supervised learning for training. Accordingly, we can consider the clusters in AANET topology as a pattern; then, we can find the best matching cluster of an aircraft observing A2A link breakages through pattern classification instead of creating topology continuously. This management model works in three phases: winning cluster selection, intra-cluster link determination, and attribute update to increase the packet delivery ratio with reduced end-to-end latency. In the Topology Mapping Management, we will propose a gated recurrent unit (GRU) based topology mapping model for AANETs. In topology formation, we create AANET topology in the form of clusters by collecting airplanes having similar features under the same set. In topology sustainability, we sustain the formed clustered-AANET topology with supervised learning. However, these formed and sustained AANET topologies must be continuously mapped to the clustered airplanes to notify them about the current situation. This procedure could be considered a part of sustainability management. Here, we continuously notify the airplanes with GRU at each timestamp about topological changes. This management model works in two main parts ad forget and update gates. In Routing Management, we propose a q-learning (QLR) based routing management model for AANETs. For this aim, we map the AANET environment to reinforcement learning. Here, the QLR-based management model aims to let the airplanes find their routing path through exploration and exploitation. Accordingly, the routing algorithm can adapt to the dynamic conditions of AANETs. In this management model, we adapt the Bellman Equation to the AANET environment by proposing different methodologies for its related QLR components. Accordingly, this model mainly consists of two main parts current state & maximum state-action determination and dynamic reward determination. Therefore, we execute the topology formation, sustainability, and routing management modules through unsupervised, supervised, and reinforcement learning-based algorithms. Additionally, we take advantage of neural networks in topology mapping management. After managing the topology and routing of AANETs with AI-based models, in the DT-enabled AANET management, we will support them with the DT technology. The DT can virtually replicate the physical AANET components through closed-loop feedback in real-time to solve the computational challenges of AI-based methodologies. Therefore, we will introduce the utilization of DT technology for the AANET orchestration and propose a DT-enabled AANET (DT-AANET) management model. This model consists of the Physical AANET Twin and Controller, including the Digital AANET Twin with Operational Module. Here, the Digital AANET Twin virtually represents the physical environment. Also, the operational module executes the implemented AI-based models. Therefore, in this thesis, we aim to propose an AI-based and DT-enabled management for AANETs. In this management system, we will first aim to propose AI-based methodologies for AANET topology formation, topology sustainability, topology mapping, and routing issues. Then, we will support these AI-based methodologies with DT technology. This proposed complete management model increased the packet delivery success of AANETs with reduced end-to-end latency.
-
ÖgeBir Osmanlı entelektüeli Hamid Vehbi ve Medrese-i Fünûn Dergisi(Lisansüstü Eğitim Enstitüsü, 2023-07-13) Çırpan, Mustafa ; Zorlu, Tuncay ; 422191059 ; Bilim ve Teknoloji TarihiOsmanlının art arda yaşadığı askeri yenilgiler, askeri olduğu kadar bilim ve teknoloji konusunda da Osmanlının Avrupalı çağdaşlarının katettiği ilerlemelerin çok gerisinde kaldığını ispat etmiştir. Aradaki farkı gören ve kabul eden Osmanlılar başta askeri alanda olmak üzere bilimsel ve teknik reformlara imza atmış, bu reformlar 19. yüzyıla gelindiğinde i vme ve süreklilik kazanmıştır. Osmanlının bilimsel gelişmelere adapte olması kapsamlı ve çok yönlü bir süreç olup bu süreçte başta eğitim olmak üzere çeşitli modern kurumlar ortaya çıkmıştır. Bu dönemde kurulan modern okullar, diğer kurumlar ve yayınlar d evletin bu yüzyılda geçirdiği değişim ve dönüşümün en belirgin örneklerini oluşturmaktadır. . Osmanlı'da bilimsel gelişmeler neticesinde ortaya çıkan bu modern eğitim kurumlarını bu kurumların müfredatlarına kaynak ihtiyacı, encümenler, bilimsel cemiyetler; bu cemiyetlerin yayın organlarını ise bilimsel dergilerin ortaya çıkışı ve yaygınlaşması tak ip etmiştir . 19. yüzyılda çıkarılan bilim dergilerinden biri olan Hamid Vehbi'nin Medresei Fünûn adlı dergisi, Osmanlı dünyasında yayınlanmış diğer bilim dergilerinde olduğu gibi yalnız döneminin bilimsel gelişmeleri ve yayınları değil dönemin üzerinde görece az durul muş birtakım koşullarını yansıtması açısından da tarih çalışmaları içerisinde oldukça kıymetli bir yere sahiptir. Bunlar aynı zamanda; dönemin, özellikle de 19. yüzyılın ikinci yarısının oluşturduğu Osmanlı entelektüelliği ve Osmanlı bilim ve düşünce tarihinin daha iyi anlaşılması açısından büyük önem arz etmektedir. Bu çalışma, Medrese i Fünûn dergisi ve Hamid Vehbi üzerine yoğunlaşarak literatürdeki bu boşluğu doldurmak ve Osmanlı tarihinin diğer dallarına nazaran geri planda kalmış olan Osmanlı bilim ve düşünce tarihi alanındaki literatüre daha fazla çalışma kazandırılması için bir adım atmayı amaçlamaktadır. 19. yüzyılın ikinci yarısında çıkarılmış olan Medresei Fünûn dergis7i ve dergiyi çıkaran İstanbullu Hamid Vehbi'nin bir Osmanlı entelektüeli olarak incelemesini yaparak kısa yayın hayatıyla görece arka planda kalmış olan Medrese kazandırılmasını amaçlanmaktadır.
-
ÖgeCoğrafi veriye analitik bilgiye dayalı denizcilik okulları segmentasyonu ve kalite değerlendirmesi(Lisansüstü Eğitim Enstitüsü, 2021-04-12) Güzel, Esat ; Bolat, Pelin ; 512152007 ; Deniz Ulaştırma MühendisliğiKüresel ticarete konu malların taşınmasında % 90'dan daha fazla paya sahip olan denizcilik sektörünün işgücü kaynağı nitelikli gemiadamlarıdır. Her ne kadar insansız gemiler ve tam otomasyona sahip gemiler üzerinde çalışmalar devam etse de yakın gelecekte gemiadamına olan ihtiyacın azalması bir yana özellikle zabit sınıfı gemiadamları açığının giderek artacağı öngörülmektedir. Türkiye'de denizcilik eğitimi Yükseköğretim Kurulu (YÖK)'e bağlı fakülteler, yüksekokullar ve meslek yüksek okullarında, Milli Eğitim Bakanlığı (MEB)'e bağlı resmi ve özel meslek liseleri / denizcilik meslek liseleri ile özel denizcilik kurslarında icra edilmektedir. Gemiadamları eğitiminin, Türkiye'nin de taraf olduğu "Gemiadamlarının Eğitim Belgelendirme ve Vardiya Tutma Standartları Hakkında Uluslararası Sözleşme (STCW-1978)" hükümlerine uygunluğunu denetleme ve bu sözleşmeye göre gemiadamlarının belgelendirilmesi, Türkiye'nin denizcilikten sorumlu idaresi olan Ulaştırma ve Altyapı Bakanlığı tarafından yerine getirilmektedir. Dolayısı ile Türkiye'deki denizcilik eğitim kurumları kuruluş ve işleyiş bakımından eğitim seviyesine göre MEB'e ve YÖK'e bağlı olsa da gemiadamları eğitiminin akreditasyonu ve belgelendirilmesi açısından Ulaştırma ve Altyapı Bakanlığı'na tabidir. Bu yetkilendirme STCW-1978 Sözleşmesi gereklerine uygun olarak yürürlüğe konulan Gemiadamları ve Kılavuz Kaptanlar Eğitim ve Sınav Yönergesi hükümlerine göre yapılmaktadır. Yönergeye göre eğitim kurumlarının ekipman, müfredat, derslik, eğitici, simülatör, denizde güvenlik eğitimi tesisi, kalite yönetim sistemi gibi kriterleri sağlaması gerekmektedir. Aralık 2020 itibariyle Türkiye'de 20'si önlisans düzeyinde, 26'sı lisans düzeyinde, 52'si lise düzeyinde, 70'i kurs düzeyinde olmak üzere 168 denizcilik eğitim kurumu bulunmaktadır. Bu kurumlardan yalnızca 101 tanesi Ulaştırma ve Altyapı Bakanlığı tarafından akredite edilerek gemiadamı eğitimi vermek üzere yetkilendirilmiştir. Dünyada eğitim kurumlarının eğitim kalitesinin değerlendirilmesi ve sıralanması için bazı metodolojiler geliştirilmiş ve bu hususta yayımlanmış "en iyi" sıralamaları mevcut olsa da, denizcilik eğitim kurumlarının eğitim kalitesini ve sıralamasını bilimsel ve sistematik bir yaklaşımla ele alan bir çalışma bulunmamaktadır. Aynı şekilde bu alanda Coğrafi Bilgi Sistemleri'nden faydanılarak denizcilik eğitim kurumlarının segmentasyonu ile ilgili bir çalışmaya rastlanılmamıştır. Türkiye ölçeğinde de bu alanda yapılan çalışmalarda ağırlıklı olarak denizcilik eğitiminde karşılaşılan sorunlar, eğitim kurumlarındaki eğitimci profilleri, gemiadamlarının eğitimine yönelik diğer tespitler ve öneriler yer almaktadır. Yine bu çalışmalarda, denizcilik eğitim kurumlarında yapılan iç denetim, dış denetim veya idari denetim gibi nesnel bir izleme ve değerlendirme mekanizması sonucu elde edilen veriler ışığında yapılmış bir araştırmaya rastlanılmamış, ağırlıklı olarak eğitimci sayısı, öğrenci sayısı, akademik çalışma sayısı, altyapı olanakları gibi temel bilgiler irdelenmiştir. Türkiye'de denizcilik eğitim kurumlarının Gemiadamları ve Kılavuz Kaptanlar Eğitim ve Sınav Yönergesi çerçevesinde yapılan izleme ve değerlendirme faaliyetleri kapsamındaki denetlemelerinde elde edilen uygunsuzluklar, Ulaştırma ve Altyapı Bakanlığı'nın Gemiadamları Eğitim Bilgi Sistemi (GAEBS) bünyesinde kaydedilmektedir. Bu çalışmada, Coğrafi Bilgi Sistemlerinden faydalanılarak önce denizcilik eğitim kurumlarının coğrafi dağılım haritaları çıkarılmış ve ülkemizin denizcilik eğitim kapasite ihtiyaçlarının belirlenmesi amaçlanmıştır. Çalışmanın devamında 2011-2017 yılları arasında 117 denizcilik eğitim kurumunun denetlemesinde elde edilen uygunsuzluklara ilişkin entropi tabanlı gri ilişki analizi yapılarak kalite değerlendirmesine ilişkin ağırlık faktörleri hesaplanmış, bu sonuçlara göre Türk denizcilik eğitim kurumlarının uygunsuzluk faktörlerine göre coğrafi segmentasyonu yapılmıştır. Çalışmanın sonuç ve öneriler kısmında dünya gemiadamı piyasasından yeterli pay alabilmek için denizcilik eğitim politikalarının çağımızın gerektirdiği bilim, teknolojik gelişmeler, eğitim altyapısı, tecrübe ve yabancı dil eğitimi hususları ile uluslararası piyasada tercih edilme kriterleri göz önüne alınarak yeniden yapılandırılması önerilmiştir.
-
ÖgeDeep learning based road segmentation from multi-source and multi-scale data(Graduate School, 2023-05-12) Öztürk, Ozan ; Şeker, Dursun Zafer ; 501162611 ; Geomatics EngineeringRoads are geographical objects that have been the subject of many application areas, such as city planning, traffic management, disaster management, and military interventions. The success of these applications depends on the speed and accuracy of obtaining road information. Researchers have mostly used satellite and/or aerial photographs as data sources in these studies and focused on the automatic acquisition of road information. Although successful results have been obtained with Artificial intelligence (AI)-based approaches, that are widely used recently, automatic segmentation of roads from remote sensing data is still considered a difficult and important problem due to its complex and irregular structure. AI has been developed to enable computers to realize human abilities such as reasoning, perception, and problem-solving. The most basic expectation is that AI can overcome the problems in which the traditional approaches are insufficient. As a recent trend of AI, deep learning (DL) methods establish a more complex relationship with the data and distinguish the hidden features of the data more accurately. DL is data-driven, and the quality, number, and variety of training data directly impact the performance of the models. For this purpose, comprehensive data sets such as MNIST, COCO, and ImageNet were published. However, the number of datasets containing geographic details is limited compared to others. In addition, datasets containing geographic details can represent only the characteristics of the regions where they were created. Therefore, the models trained with these data sets can only have the capacity to distinguish details at the level that they can only learn from these limited data. It is extremely difficult for these models to effectively predict roads in regions characterized by complex road networks, such as Istanbul. In this thesis, it is aimed to overcome the data gap in road segmentation studies with DL algorithms, to produce datasets representative of the study region, and finally to use data obtained from different sources together to overcome the problems encountered in existing research using only optical images. This thesis is divided into five main parts. The introduction provides a general overview of the subject matter, including comprehensive information on current studies and the motivation of this thesis. In the second part, a fast, accurate, and comprehensive road dataset production infrastructure was created using a web map service to overcome data-related problems. For this purpose, it was found appropriate to utilize service providers where maps can be edited based on user requests. Using the Static API feature of the Google Maps Platform, a data generation program was developed in Python programming language. In this program, the properties of the mask images corresponding to the satellite images were defined with a JavaScript code. An automatic static map style was created for road segmentation. In addition, using this program, the desired number of images can be generated randomly or as a sequence at fixed image sizes and within the boundaries of specified test regions. Furthermore, the Google Maps Platform does not provide geographic information about the images. In order to overcome this deficiency, the geo-referencing of these satellite images and corresponding masks was added to the program. In the third part of the thesis, it is aimed to create an Istanbul road dataset due to the necessity of producing a dataset that represents the characteristics of the region being tested in the road segmentation studies. Istanbul's road network is in a state of development with an ever-increasing population. As it contains different road types and land use details, it is capable of meeting the data diversity required by DL applications. The changing and evolving structure of Istanbul makes it one of the most important regions to be constantly observed and analyzed. In order to examine the contributions of different resolutions of satellite images and different generalization levels of masks in road segmentation studies, the images at zoom levels 14, 15, 16, and 17 from Google Maps were generated in this thesis. Consequently, 10000 optical images and road mask images were produced for each zoom level in the test regions in Istanbul. In order to test the performance of the generated dataset in DL models, the deep residual U-Net architecture was used. When the training metrics of the models' predictions are examined, it was found that the Istanbul dataset achieved successful results in terms of segmenting road pixels at each zoom level separately. In addition, DeepGlobe and Massachusetts datasets, which are widely preferred in road segmentation studies, were included in the analysis to test the prediction performance of the models trained with these datasets generated outside the study region.
-
ÖgeDeep learning-based building segmentation using high-resolution aerial images(Graduate School, 2022-10-05) Sarıtürk, Batuhan ; Şeker, Dursun Zafer ; 501142612 ; Geomatics EngineeringWith the advancements in satellite and remote sensing technologies, and the developments in urban areas, building segmentation and extraction from high-resolution aerial images and generating building maps have become important and popular research topics. With technological developments, a large number of high-resolution images have become increasingly more accessible and convenient data sources. At the same time, due to their ability of imaging over large areas, these aerial images can be very useful for accurate building segmentation and generating building maps. As one of the most important and key features of the urban database, buildings are the building blocks for human livelihood. Due to this importance, building maps have significant role for various geoscience-related applications such as illegal building detection, change detection, population estimation, land use/land cover analysis, disaster management, and topographic and cadastral map production. Nonetheless, obtaining accurate and reliable building maps from high-resolution aerial images is still a challenging task due to various reasons such as complex backgrounds, differences in building size, shape, and colors, noisy data, roof type diversity, and many other topological difficulties. Therefore, improving the efficiency and accuracy of building segmentation and extraction from high-resolution aerial images is still a focus and a hot topic among researchers in the field. Over the past years, various methods have been used to achieve automatic building segmentation from aerial images. In earlier studies, traditional image processing methods such as object-based, shadow-based, or edge-based methods were used. The low-level features and metrics that are used with these methods such as color, spectrum, length, texture, edge, shadow, and height could vary under different conditions like atmospheric state, light, scale, and sensor quality. These methods generally take manually extracted features and apply classifiers or conventional machine learning techniques to achieve building segmentation. However, manually extracting these features is costly, time-consuming, labor intensive, and requires high experience and prior knowledge. Although over time these methods have made some progress, they have some serious shortcomings such as low accuracy, low generalization ability, and complex processing. With the technological developments and availability of large datasets, deep learning-based approaches, especially Convolutional Neural Networks (CNN), have gained a lot of attention from researchers and surpass conventional methods in terms of accuracy and efficiency. CNNs have the ability to extract relevant features directly from the input data and make predictions using fully connected layers. Many CNN architectures such as LeNet, AlexNet, VGGNet, GoogleNet, and ResNet have been used over the years. However, CNNs perform regional divisions and use computationally expensive fully connected layers. These patch-based CNNs have achieved exceptional success, but due to their reliance on small patches around the targets to perform predictions and ignoring the relations between them, they are unable to provide accurate integrity and spatial continuity of building features. To improve the performance and overcome these problems, Long et al. proposed Fully Convolutional Networks (FCN). Instead of fully connected layers in CNNs, FCNs have convolution layers that improve the prediction accuracy greatly. FCNs output the feature maps at the size of the input images and perform pixel-based segmentation through their encoder-decoder structure. However, much of the information is lost in the decoder path, due to the FCNs having just one upsampling layer. Despite their success, FCNs also have some limitations, such as computational complexity and a large number of parameters. To overcome these shortcomings, various variants have been proposed over the years such as SegNet, U-Net, and Feature Pyramid Networks (FPN). These CNN-based approaches have achieved successful results on image segmentation tasks, but they also have some bottlenecks. For example, the usage of fixed-size convolutions results a local receptive field. Due to their designs, they are successful at extracting local context but have a low ability to extract global context. To overcome these shortcomings, some approaches have been proposed and implemented. Such as attention mechanism, residual connections, and designing architecture in different depths. The Transformer was first used in natural language processing (NLP), and later on, implemented to computer vision tasks. In 2020, the Vision Transformer (ViT) approach was proposed to be used in computer vision studies and obtained successful results on the ImageNet dataset. CNNs are successful in identifying local features, but they are insufficient in identifying global features due to their structure. Transformers can compensate for these shortcomings with the use of attention mechanisms. In ViT-based methods, global information can be extracted but spatially detailed context is ignored. In addition, Transformers use all the pixels in vector operations when working with large images, and therefore require large amounts of memory and are computationally inefficient. The main objective of this thesis is to investigate, evaluate, and realize comparisons of different CNN-based and Transformer-based approaches for building segmentation from high-resolution aerial images, and propose a modernized CNN approach to deal with the mentioned shortcomings. This thesis is composed of four papers dealing with these objectives. In the first paper, four U-Net-based architectures, which are shallower and deeper versions of the U-Net, have been generated to perform building segmentation from high-resolution aerial images and they were compared with each other and the original U-Net. The models were trained and tested on datasets prepared using the Inria Aerial Image Labeling Dataset and the Massachusetts Buildings Dataset. On the INRIA test set, Deeper 1 U-Net architecture provided the highest F1 score with 0.79 and IoU score with 0.65, followed by Deeper 2 and U-Net architectures. On the Massachusetts test set, U-Net architecture provided 0.79 F1 score and 0.66 IoU score, followed by Deeper 2 and Shallower 1. Successful results were obtained with Deeper 1 and Deeper 2 architectures show that deeper architectures can provide better results even if there is not too much data. Additionally, Shallower 1 architecture appears to have a performance not far behind deep architectures, with less computational cost, and this shows usefulness for geographic applications. In the second paper, U-Net and FPN architectures utilizing four different backbones (ResNet, ResNeXt, SE-ResNeXt, and DenseNet) and an Attention Residual U-Net approach were generated and comparisons between them were realized. Publicly available Inria Aerial Image Labeling Dataset and Massachusetts Buildings Dataset were used to train and test the models. Attention Residual U-Net model has the highest F1 score with 0.8154, IoU score with 0.7102, and test accuracy with 94.51% on the Inria test set. On the Massachusetts test set, FPN Dense-Net-121 model has the highest F1 score with 0.7565 and IoU score with 0.6188, and the Attention Residual U-Net model has the highest test accuracy with 92.43%. It has been observed that FPN with DenseNet backbone can be a better choice when working with small-size datasets. On the other hand, the Attention Residual U-Net approach achieved higher success when a sufficiently large dataset is provided. In the third paper, a total of twelve CNN-based models (U-Net, FPN, and LinkNet architectures utilizing EfficientNet-B5 backbone, original U-Net, SegNet, FCN, and six different Residual U-Net approaches) were generated, evaluated and comparisons between them were realized. Inria Aerial Image Labeling Dataset was used to train models, and three datasets (Inria Aerial Image Labeling Dataset, Massachusetts Buildings Dataset, and Syedra Archaeological Site Dataset) were used to evaluate trained models. On the Inria test set, Residual-2 U-Net has the highest F1 and IoU scores with 0.824 and 0.722, respectively. On the Syedra test set, LinkNet-EfficientNet-B5 has F1 and IoU scores of 0.336 and 0.246. On the Massachusetts test set, Residual-4 U-Net has F1 and IoU scores of 0.394 and 0.259. When the results were evaluated, it has been observed that the models using residual connections are more successful than the models using conventional convolution structures. It has also been observed that the LinkNet architecture gave good results on the Syedra test set with different characteristics than the other two datasets, and could be a good option for future studies involving archaeological sites. In the fourth paper, a total of ten CNN and Transformer models (the proposed Residual-Inception U-Net (RIU-Net), U-Net, Residual U-Net, Attention Residual U-Net, U-Net-based models implementing Inception, Inception-ResNet, Xception, and MobileNet as backbones, Trans U-Net, and Swin U-Net) were generated, and building segmentation from high-resolution satellite images was carried out. Massachusetts Buildings Dataset and Inria Aerial Image Labeling Dataset were used for training and evaluation of the models. On the Inria dataset, RIU-Net achieved the highest IoU score, F1 score, and test accuracy, with 0.6736, 0.7868, and 92.23%, respectively. On the Massachusetts Small dataset, Attention Residual U-Net achieved the highest IoU and F1 scores, with 0.6218 and 0.7606, and Trans U-Net reached the highest test accuracy, with 94.26%. On the Massachusetts Large dataset, Residual U-Net accomplished the highest IoU and F1 scores, with 0.6165 and 0.7565, and Attention Residual U-Net attained the highest test accuracy, with 93.81%. The results showed that the RIU-Net approach was significantly successful in the Inria dataset compared to other models. On the Massachusetts datasets, Residual U-Net, Attention Residual U-Net, and Trans U-Net gave more successful results.
-
ÖgeDizel makinanın makina öğrenmesi yöntemi kullanılarak modellenmesi ve karar-destek mekanizması oluşturulması(Lisansüstü Eğitim Enstitüsü, 2022-09-14) Şahin, Tolga ; İmrak, Cevat Erdem ; 503152013 ; Makina MühendisliğiDeniz araçlarının kullanımı hem ticari hem askeri açıdan tarih boyunca toplumların önem verdiği konulardan birisi olmuştur. Günümüz ihtiyaçları doğrultusunda deniz araçlarının yüksek faaliyet oranı ve düşük maliyet ile sürdürülebilir şekilde işletilmesi daha da önem kazanmıştır. Bir deniz aracında bu isterlerin sağlanabilmesi için en çok dikkat edilmesi gereken kısım ise gemi ana makinalarıdır. Gemi ana makinalarında ortaya çıkabilecek arızalar, gemilerin uzun süre arızalı kalması ve/veya yüksek maliyetli onarım ihtiyaçlarının ortaya çıkmasıyla sonuçlanabilir. Gemi ana makinalarındaki arızaların hızlı tespiti makinanın güvenirliğinin artmasına ilave olarak, daha büyük arızaların oluşmasını engellemeyi ve gemilerin çalışmasının kesintiye uğramadan devam etmesini sağlar. Ticari ve askeri maksatlar dışında gemilerin bir diğer önemli kullanım alanı da ülke sınırları içerisindeki toplumsal düzenin sağlanmasıdır. İnsan hayatını kurtarmak, doğal kaynakları korumak, deniz kirliliğini önlemek ve kaçakçılıkla mücadele gibi geniş bir görev yelpazesine sahip olan Sahil Güvenlik Komutanlığı gemilerinde de diğer birçok askeri ve ticari gemide olduğu gibi dizel ana makinalar kullanılmaktadır. Ana makinaların her zaman sorunsuz çalışması ve gemilerin görevlerini yerine getirirken hızlı tepki verebilmeleri için arızaların hızlı ve erken tespit edilmesini ve maliyetli veya onarımı uzun süren arızaların önlenmesini sağlamak kritik öneme sahiptir. Gelişen teknolojiye paralel olarak, gemi dizel makinalarının arıza tespitinde farklı yöntemler kullanılmaktadır. Derin öğrenme, yapay zekâ, makina öğrenmesi gibi yenilikçi ve gelişen bilişim teknolojileri uygulamaları makinalarda meydana gelebilecek arızaların hızlı tespit ve teşhisini kolaylaştıran uygulamalardır. Bu tezde, dört zamanlı yüksek devirli bir gemi dizel makinasının sistem arızalarının etkin bir şekilde tespit ve teşhis edilebilmesi için makina öğrenmesi algoritmaları ile akıllı teşhis yöntemlerinin geliştirilmesi ve uygulanması incelenmiştir. Ayrıca, gemi dizel makinasından gerçek zamanlı elde edilen verilere dayalı makina öğrenmesi tabanlı çok sınıflı sınıflandırma modeli oluşturulması, oluşturulan modelin makina öğrenmesi algoritmaları kullanılarak analizlerinin yapılması ve makina sistem arızalarına yönelik bir karar-destek mekanizması oluşturulması hedeflenmiştir. Bu çalışma temel olarak on bölümden oluşmaktadır. Birinci bölümde, genel olarak makina öğrenmesi ve dizel gemi makinası arıza teşhis yöntemleri hakkındaki literatür ile tezin amacı ve yapısı hakkında bilgilendirmeler yapılmıştır. İkinci bölümde, dört zamanlı yüksek devirli gemi dizel makinası ve çalışma prensibi genel hatlarıyla tanıtılmış ve çalışmada irdelenecek sistemler anlatılmıştır. Üçüncü bölümde, dört zamanlı yüksek devirli bir gemi dizel makinasinın çalışma parametreleri, arıza teşhisi ve arıza takip sistemi anlatılmıştır. Toplanan verilerden bilgi elde edilmesine yönelik olarak kullanılabilecek yöntemler dördüncü bölümde tanıtılmıştır. Bu bölümde, veri madenciliği, makina öğrenmesi ve veri sınıflandırma yöntemleri anlatılmıştır. Beşinci bölümde, veri analizlerinde kullanılacak araçlar ve analiz süreci anlatılmıştır. Çok sınıflı sınıflandırma probleminin çözümünde kullanılacak makina öğrenmesi algoritmaları altıncı bölümde tanıtılmıştır. Yedinci bölümde, yapılan analizleri geliştirmek için uygulanan topluluk yöntemleri hakkında bilgilendirme yapılmıştır. Yapılan analizlerin değerlendirilmesine yönelik olarak uygulanacak süreç, kullanılacak performans değerlendirme yöntemleri ve metrikleri sekizinci bölümde tanıtılmıştır. Dokuzuncu bölümde, uygulamaları ve elde edilen sonuçları içeren araştırma sürecinin metodolojisi sunulmuştur. Son bölüm olan onuncu bölümde ise, analizlerden elde edilen sonuçlar yorumlanmıştır. Bu çalışmada öncelikle, gemi dizel makinası üzerinde mevcut, programlanan limitlerinin dışına çıkılması durumunda sesli ve/veya görsel alarmlar gönderen sensörlerden alınan gerçek zamanlı değerler ve gemi jurnalleri kullanılarak bir veri seti oluşturulmuştur. Bu veri seti; normal çalışma durumu, yanma/egzoz sistemi arızaları, soğutma sistemi arızaları ve yağlama sistemi arızalarını içeren dört sınıf içermektedir. Sonrasında, veri ön işleme sürecine geçilmiştir. Modelin oluşturulmasında kullanılacak veriler, uygulanacak makina öğrenmesi sürecine uygun hale getirilmiş, anlamlı veriler modele dahil edilip diğer veriler ise veri setinden çıkarılmıştır. Araştırmada, bu çok sınıflı sınıflandırma probleminin çözümüne yönelik olarak uygun makina öğrenmesi modeli oluşturulmuştur. Analizler, her durumda sınıf hedefini doğrulukla tahmin etmek için makina öğrenmesi sınıflandırma tekniği kullanan, makinanin limitleri dışında kalan çalışma parametreleri verilerini analiz eden Python dilinde hazırlanmış veri madenciliği aracıyla gerçekleştirilmiştir. Farklı makina öğrenmesi sınıflandırma yöntemlerinin performansını incelemek maksadıyla, on üç temel makina öğrenmesi algoritması modele uygulanmış ve performansları değerlendirilmiştir. Bu on üç temel makina öğrenmesi algoritmasının performans değerlendirmelerinde; Hata Matrisi, Sınıflandırma Raporu, Tahmin Hatası, Öğrenme Eğrisi ve performans metrikleri kullanılmıştır. Hafif Gradyan Artırma Makinasi'nin modeli oluşturmak için diğer başarılı algoritmalara göre nispeten kısa bir süre ile en verimli ve doğruluk puanı yüksek performansa sahip olduğu belirlenmiştir. Elde edilen sonuçlar incelendiğinde, yedi temel algoritmanın (Hafif Gradyan Artırma Makinası, Rastgele Orman, Gradyan Artırma, Ekstra Ağaçlar, Karesel Diskriminant Analizi, Karar Ağacı ve K-en Yakın Komşu) Doğruluk değerleri %95,74 ile %97,73 aralığında değişirken, F-ölçütü (F1) değerlerinin de %95,92 ve %98,03 aralığında değiştiği belirlenmiştir. Ancak, Naive Bayes (%48,63 Doğruluk, %61,33 F1) ve AdaBoost (%64,74 Doğruluk, %69,47 F1) algoritmalarının sonuçları, başlangıç hesaplamalarında tüm algoritmalar arasında en kötü performansa sahip algoritmalar olduklarını göstermiştir. Temel makina öğrenmesi algoritmalarının performanslarını artırmak için, hiperparametreleri iyileştirildikten sonra Torbalama ve Harmanlama topluluk yöntemleri analizlere ilave edilmiştir. Topluluk yöntemlerinin analizlere ilave edilmesi sonrası performans kontrolleri, Doğruluk ve Duyarlılık ile Kesinlik performans metriklerinin harmonik ortalaması olan F-ölçütü kullanılarak yapılmıştır. Değerlendirmelerde model kurulum süreleri de dikkate alınmıştır. Torbalama topluluk yönteminde, uzun bir model kurulum süresi gerektirmesine rağmen, Gradyan Artırma algoritması %98,31 Doğruluk ve %98,08 F1 değerleriyle en başarılı sonuçları elde etmiştir. Gradyan Artırma algoritmasının Doğruluk değerinde yaklaşık %0,4 oranında bir artış gözlemlenmiştir. Ayrıca, model kurulumu için oldukça uzun zaman gerektirmesiyle birlikte, Doğruluk değerinde yaklaşık %45 oranında artış sağlayan AdaBoost algoritmasının en dikkat çekici performansı sergilediği belirlenmiştir. Harmanlama topluluk yönteminde ise, Gradyan Artırma ve Rastgele Orman algoritmalarının harmanlanması sonrası, oldukça kısa bir model kurulum süresi (86 saniye) ve %98,63 Doğruluk ile %98,43 F1 performans değerleri elde edilmiştir. Sonuç olarak, dört zamanlı yüksek devirli bir gemi dizel makinasının arıza teşhisine odaklanan bu çok sınıflı sınıflandırma probleminin en başarılı çözümü Harmanlama topluluk yöntemi kullanılarak Gradyan Artırma ve Rastgele Orman algoritmalarının birlikte uygulanmasıyla elde edilmiştir.
-
ÖgeEnsemble and deep learning on astronomical data with different modalities(Graduate School, 2023-03-20) Huyal Edeş, Fatma Kuzey ; Kahya, Emre Onur ; Çataltepe, Zehra ; 509152102 ; Physics EngineeringLight curves inform us how the brightness of an astronomical object changes over time. They are obtained by subtracting successive images of astronomical objects of a photometric band. In this thesis, the first task was to focus on the classification of 14 astronomical objects in the Photometric LSST Astronomical Time-series Classification Challenge (PLAsTiCC) data set which was prepared to model future observations of the Vera Rubin Observatory. The light curve of each object was divided into two separate parts using a Haar wavelet transform. By using these two wavelet components, statistical properties such as the mean, standard deviation, and minimum were obtained for each band. The classification was performed with boosted artificial neural networks and boosted decision trees by using extracted features and also including additional features such as the photometric redshift and its uncertainty. The training set was highly biased toward low-redshifted objects. Importance weights were estimated for each training object, and more representative data were given larger weights. The combination of boosted decision trees, random forests and extremely randomized trees was found to give the best performance for type Ia supernovae which are important indicators for cosmological measurements. The role of photometric redshift was examined by excluding the redshift parameter. The performance of superluminous supernovae (SLSN-I) was significantly affected by the omission of the redshift parameter with a 10% decrease in the area under the receiver operating characteristic curve (AUC) score. The relevant features of each object class were ranked using a neural network classifier. The time-frequency images were also obtained using a continuous wavelet transform as an alternative to discrete Haar wavelets. Since all data points of the light curves were used instead of utilizing feature extraction, a powerful model was needed to estimate the missing data. Gaussian process regression was employed for that task as one of the most successful models in filling the gaps of the light curves. As discussed previously in the literature, it is very difficult to accurately estimate 14 astronomical objects with only one kernel. Therefore we limited our attention to only include type Ia and II supernovae for the classification task. One of the difficulties that will be faced in future observations is that researchers will not be able to obtain any data on some photometric bands, depending on the status of the observation. Villar et al. proposed a 2D Gaussian process regression for this situation. The missing data in this part of the thesis was estimated using this two-dimensional kernel. The convolutional neural network (CNN) structures were decomposed using a tensor decomposition method (CP decomposition). It was observed that rank selection, which changes the number of parameters, also affects the classifier performance. While the classifier performed poorly on very small ranks, an optimal rank was determined for better performance. This indicates that tensor decomposition methods may be significant enough to include in the analysis of noisy light curves. This method provides an alternative to feature engineering that applies principal component analysis (PCA) to wavelet components. Another main task that was performed in this thesis was the morphological classification of Galaxy Zoo images. The images used in the Galaxy Zoo challenge were taken from the seventh data release (DR7) of the Sloan Digital Sky Survey (SDSS). SDSS made observations in 5 photometric bands which are labeled as u, g, r, i and z. The Galaxy Zoo photos are composite photos of galaxies observed in the r, g, and i bands. As galaxy images do not have a fixed or preferred orientation, any classifier that aims to correctly classify galaxies should be expected to properly detect when two galaxies are rotated versions of each other. Although convolutional layers are successful in processing images and preserve feature maps when encountering a translated version of an object, they fail in identifying rotated objects as the same. The convolution operation does not commute with rotation and this causes the feature map to change when it is generated for different orientations of the same galaxies. To overcome the problem of not identifying rotated versions of the same object, an equivariant structure is needed for an image classifier. Convolutional layers can be excellent ingredients in defining generalized equivariant architectures. Instead of using traditional convolution layers, it is possible to define a generalized convolution operation with group operations that preserve different symmetries. A dynamic structure using the p4m group convolutional layers (p4m is the plane symmetry group of translations, reflections, and rotations by 90 degrees) is proposed in this thesis, which introduces additional angles to the architecture after the initial training of the p4m group convolutional layers.
-
ÖgeGamification design principles in healthcare: A study on vital signs measurement in pediatrics at self-service health kiosk(Institute of Science and Technology, 2020-03) Gökgür, Eren ; Köse, Hatice ; 621226 ; Department of Game and Interaction Technologies ; Oyun Teknolojileri Ana Bilim DalıStudies on improving user experience through gamification have gained importance. Different sectors have been practicing with game-like factors to be successful in their sectors for many years. With the aid of digitalization in recent years, new possibilities raised in terms of seeing examples of gamification in various industries that have no game-related origin. We may give an instance, where we are witnessing the practices of the gamification field in Healthcare. Even there are focused studies taking advantage of gamification in particular health fields. Specifically, medical examination for pediatrics is an open area that may yield promising outcomes once enhanced with gamification. Medical examination, which is not part of children's daily routine, may often be associated with uncertainties, and thus with worrying experiences, and is one of the areas which can be improved through a gamification design approach. This research examines the gamification design of a self-service health kiosk prototype to get vital signs measurements in pediatrics. Analysis of the effect of gamification design on the accuracy of the vital signs measurements while providing the child with a comfortable experience with playful design is the goal of the study. This thesis begins with the industrial origin of gamification, the theories that gamification is derived from, the disciplines that gamification taps into and its positive effect on children's health by promoting adherence, increasing the accuracy of the vital signs measurement and reducing stress. The methods regarding testing our hypothesis involve an application, vital sign measurement devices in a self-serving health kiosk, analyzing of the results, comparison of the results with normal values and our observation on the participants as well as the participants' remarks. As we are in pursuit of observing the positive effects of gamification of vital sign measurements on children's health, we would like to observe three things, those are, promoting adherence, increasing the accuracy of the vital signs measurement and reducing stress. With the data at hand and relying on our observations, we may come into some preliminary facts that in the healthcare domain, by using gamification design principles we can promote adherence, increase accuracy and reduce pediatric patience's stress. Exceeding the patient interests, healthcare providers can also gain from gamification technology through gathering insights into patients, pulled from usage data, a better comprehension of preventive care requirements.
-
ÖgeHierarchical deep bidirectional self-attention model for recommendation(Graduate School, 2023-05-02) İşlek, İrem ; Öğüdücü Gündüz, Şule ; 504162502 ; Computer EngineeringThis study proposes a bidirectional recommendation model to tackle the user cold start problem. We can predict the middle item when a user has only a few user-item interactions and enrich their interaction set accordingly. By recursively repeating this process, we can obtain enough interactions to make accurate item recommendations to the user. For instance, a user may buy a few items from an e-commerce site but also purchase other items from elsewhere, leading to incomplete information about their preferences. The proposed bidirectional recommendation model can fill the user's interaction history gaps, enabling accurate item recommendations even with limited data. In this thesis, we aimed to develop a recommendation system that imitates the behavior of today's e-commerce users' online purchasing experience. Our approach emphasized practicality, as we aimed to create a system that could be implemented easily in real-world e-commerce platforms. In doing so, we focused on developing an approach that could handle a large number of users and items found on such platforms while still maintaining high performance. By prioritizing these factors, we aimed to create a recommendation system that could be effectively applied in real-world scenarios. For future work, exploring combinations of the suggested algorithms for both layers would be worthwhile. Furthermore, examining the impact of algorithms proposed for the first layer or the user's shopping history enrichment algorithm on different recommendation systems would be beneficial. Ultimately, the most significant improvement is the application of proposed hierarchical recommendation network to cross-domain recommendation problems.
-
Ögeİlköğretim ve ortaöğretim eğitim donatılarının coğrafi bilgi sistemleri yardımıyla niteliksel, niceliksel ve mekansal olarak değerlendirilmesi İstanbul Şişli örneği(Fen Bilimleri Enstitüsü, 2004) Bayramoğlu, Güliz ; Berköz, Lale ; 152185 ; Şehir Planlamaİlköğretim ve ortaöğretim eğitim donatimlarinin coğrafi bilgi sistemleri yardımıyla niteliksel, niceliksel ve mekansal olarak değerlendirilmesi ÖZET En genel anlamda eğitim, insanın bilgiye ulaşma yöntemini ortaya koyan, onun kişiliği tam, toplumla uyumlu, ruh ve beden sağlığı yerinde toplumsal bir birey olmasını sağlayan çok boyutlu süreçler toplamıdır. Çalışmanın amacı; örnek çalışma alanı olarak belirlenen Şişli ilçesine ait eğitim donatımlarından ilköğretim ve orta öğretim okullarını kapsayan bir "Eğitim Bilgi Sistemi" oluşturmaktır. Bu sistemde ise ilköğretim ve ortaöğretim okul türleri arasında mekansal, niteliksel ve niceliksel sorgulamalar yaparak, semt ölçeğinde mevcut eğitim tesislerinin mahalle nüfusuna yeterli olup olmadığının tespit edilmesi ve okulların mekansal dağılımlarını göz önüne serecek analizlerin Coğrafî Bilgi Sistemleri (CBS) ile gerçekleştirilmesi şeklinde özetlenebilir. Coğrafi Bilgi Sistemlerinin kullanılması bu çalışma kapsamında; Milli Eğitim Müdürlüğü 'nden ve Şişli Belediyesi 'nden elde edilen coğrafi olmayan, okul kapasitelerini ve bina özelliklerini içeren verinin mahalle ölçeğinde coğrafi bilgi haline getirilmesini sağlamış ve gerekli analizlerin yapılmasına olanak vermiştir. Tez çalışması beş bölümden oluşmaktadır. Birinci bölümde tezin amacı, kapsamı ve yöntemi ortaya konulmuştur. İkinci bölümde, Coğrafi Bilgi Sisteminin tanımı, tarihçesi, yararları, bileşenleri ve kullanım alanları konusuna değinilmiştir. Ayrıca CBS ile Türkiye'de, Amerika'da ve Avrupa'da daha önce yapılmış çalışmalardan örnekler incelenmiştir. Tezin üçüncü bölümünde sosyal donatım türü olan eğitim donatımları ele alınmıştır. Eğitim türleri ve donatımları hakkında genel bilgiler verilmiştir. Kent planlama sisteminde eğitim donatımları konusuna değinilmiştir. Dördüncü bölümde ise çalışma alanı olarak seçilen Şişli ilçesindeki ilköğretim ve ortaöğretim okul türlerinin öğrenci, öğretmen, derslik vb. özellikleri bakımından öncelikle mahalle ölçeğinde değerlendirmesi yapılmıştır. Daha sonra ise ilköğretim ve ortaöğretim okullarının ayrı ayrı incelemesi yapılarak network analizi ile okulların etki alanları belirlenmiş, hizmet alamayan bölgeler tespit edilmeye başlanmıştır. Beşinci ve son bölümde bu tez çalışması ile ulaşılan bilgi ve bulgular değerlendirilerek, genel sonuçlar ve ortalamalar çıkarılmış, gelecekte bu ve benzeri konularda yapılacak çalışmalara ışık tutulması için bazı önerilere yer verilmiştir. ıx İlköğretim - ortaöğretim tesislerinin niteliksel ve niceliksel olarak değerlendirilmesi, sosyal donatı alanlarının planlanmasında öneri eğitim donatı alanlarının belirlenmesine ışık tutacak mekansal analizlerin yapılmasının amaçlandığı bu çalışmada; son yıllarda tüm meslek dallarında uygulama örnekleri gözlenen Coğrafi Bilgi Sistemleri ortaya konan amaca ulaşmada etkin bir araç olarak kullanılmıştır.
-
ÖgeKültürlerarasılık ekseninde Nevbet-i Müretteb'in farklı coğrafyalardaki izleri üzerine bir inceleme(Lisansüstü Eğitim Enstitüsü, 2022-11-11) Alemli, Ali İhsan ; Dişiaçık Doğrusöz, Nilgün ; 414172009 ; Müzikoloji ve Müzik TeorisiTürk müzik kültürü tarihinde müziğin sistematik yapısında zaman zaman çeşitli değişmeler meydana gelmiştir. Uzun bir süreç içerisindeki bu değişmeler Türk müzik kültürünü şekillendirmiş ve bugünkü hâline büründürmüştür. 10. yüzyılda sesin oluşumunu cisimlerin birbirlerine vurulmasıyla ifade eden Farabî, Horasan Tanburu üzerinde 17'li ses sistemini kurmuştur. Sonraki dönemlerde bu ses sistemi, Urmevî, Merâgî, Yusuf Kırşehrî, Hızır bin Abdullah gibi müzik nazariyatçılarının eserlerinde karşımıza çıkmaktadır. Farklı dönemlerde ve coğrafyalarda bu sistem temelinde çeşitli tür ve formlar ortaya çıkmıştır. Makam müziği tarihinde uzun yıllar etkin olan ve müzik çevrelerinde gerek bestelenişi gerekse de icrasıyla itibarlı bir yere sahip olan 'nevbet-i müretteb' de bunlardan biridir. 'Nevbet-i müretteb', önceleri dört bölümden oluşmuş daha sonra Abdülkādir Merâgî'nin beş bölüm olarak bestelediği; bazı müzikologların bir çeşit 'süit'e benzettiği bir müzik türüdür. Bu müzik türünde dikkat çeken temel özellikler bölümlerin tek makamda bestelenmiş olması ve icranın ağır tempodan başlayarak gitgide hızlanan bir yapı sergilemesidir. Özellikle 15. yüzyıl 'edvâr' kitaplarında detaylı teorik açıklamalarına rastlanan 'nevbet-i müretteb', İran ve Anadolu yazılı müzik kaynaklarında saray ve çevresinden ilgi gören son derece itibarlı bir müzik türü olarak ele alınmıştır. Anadolu'da müzik teorisi alanında yazılmış ilk eser olan Yusuf Kırşehrî'nin 'edvâr' kitabında kısmen; yine çağdaşı olan Abdülkādir Merâgî'nin Câmiu'l-elhân, Makāsıd'ül-elhân ve Fevâid-i aşere adlı eserlerinde geniş açıklamaları olan ancak bir ezgi örneği bulunmayan 'nevbet-i müretteb'e; 'metinlerarası ilişkiler' neticesinde farklı yazarların eserlerinde de rastlanmaktadır. Tez çalışmamızda Seyyid Şerîf Cürcânî, Yusuf Kırşehrî, Abdülkādir Merâgî, Benâi, Hızır bin Abdullah, Alişah bin Hacıbüke, Seydî ve Necmeddin Kevkebî'nin eserlerindeki 'nevbet-i müretteb' açıklamaları 'metinlerarasılık' yaklaşımıyla irdelenmiştir. 'Nevbet-i müretteb'in 16. yüzyıla kadar saray ve müzik çevrelerinde rağbet görmesine karşın, 16. yüzyıl itibarıyla adından söz edilmemesi bu tezin ana problemini oluşturmaktadır. Elimizde bulunan kaynaklarda 'nevbet-i müretteb'in sadece teorik bilgilerine ulaşılabilirken bazı güfte mecmualarında da 'nevbet-i müretteb' bestelerinin sözleriyle birlikte makam ve usûlleri hakkında bilgi sahibi olunmaktadır. Günümüzde sadece teorik bilgilerine sahip olabildiğimiz 'nevbet-i müretteb'in elimizde bir nota örneği bulunmamaktadır. Yapılan bu tez çalışmasına temel teşkil edecek sorular şunlardır: 'Nevbet-i müretteb'in tarihsel süreç içinde ortaya çıkışı, serüveni ve değişmesiyle birlikte farklı kültürlerdeki yansımaları ne şekilde meydana gelmiştir? Çeşitli 'edvâr' kitaplarında teorik açıklamaları olan; çeşitli güfte mecmualarında güfte, makam ve usûlleri hakkında bilgiler olan 'nevbet-i müretteb' yeniden canlandırılabilir mi? Bu tez çalışmasında temel olarak 'karma yöntem' araştırmaları çerçevesinde, kaynaklardan bilgi tarama, sınıflandırma, elde edilen bulguların sistemleştirilerek sunulması ile 'nitel araştırma yöntemi' kullanılmıştır. Yine bu çalışmada 'nevbet-i müretteb'in farklı kültürlerde nasıl bir değişime uğradığının 'kültürlerarasılık' ve 'metinlerarasılık' kavramları açısından değerlendirmeleri yapılmıştır. 'İlişkisel araştırma teknikleri' ve 'nedensel karşılaştırma araştırma teknikleri'nin de öne çıktığı bu çalışmada 'nevbet-i müretteb' türüne tarih, müzikoloji, edebiyat ve sosyoloji alanları çerçevesinde disiplinlerarası yaklaşılmıştır. Bu araştırma sonucunda 'nevbet-i müretteb'in kültürlerarası etkileşimler neticesinde bir değişmeye uğradığı tespit edilmiştir. Bu değişmeler, geniş bir coğrafyaya yayılarak farklı kültürlerde farklı isimlerle karşımıza çıkmaktadır. 'Nevbet-i müretteb'; Mağrip ülkelerinde 'nuba', 'al ma'luf', 'al-âla', Türkiye'de 'fasıl', Suriye ve Mısır'da 'vaslah', İran'da 'destgâh', Azerbaycan'da 'mugam', Özbekistan ve Tacikistan'da 'makam' (şeşmakam), Malezya'da 'nobat', Doğu Türkistan'da 'mukam' olarak kendini gösterir. 'Nevbet-i müretteb'in çıkış noktası için, bahsi geçen türlerin en eskisi olarak yazılı kaynaklarda 8. ve 9. yüzyıllarda karşılaştığımız 'nuba'yı göstermek mümkündür. Ayrıca tez çalışmamızda Nuruosmaniye Kütüphanesi 3135 numaralı güfte mecmuasında güftesi bulunan Abdülkādir Merâgî'nin 'kûçek makamı'ndaki 'nevbet-i müretteb' eseri 'sakîl-i evvel usûlü'yle yeniden bestelenmiştir. Bu beste denemesinde kullanılan 'kûçek makamı', son zamanlarda besteciler tarafından tercih edilmemiş; yine kullanılan 'sakîl-i evvel usûlü' de tamamen unutulmuş bir usûldür. Bu deneme, tarihî müzikoloji çalışmalarında nota örneği bulunmayan eserlerin; eldeki veriler ışığında yeniden canlandırma yöntemiyle vücuda getirilmesi için bir zemin hazırlayabilir. Bu tez çalışmasının eksenini oluşturan 'nevbet-i müretteb' müzikolojik olduğu kadar toplumsal etkilerle de çeşitli kültürlerde farklı isimlerle varlığını sürdürmüştür. Bu etkilerin, toplumun her kademesinde gerek iktidar çevresinde gerekse de halk içinde çeşitli yansımaları olmuştur. Bu araştırmada 'nevbet-i müretteb'; farklı coğrafyalarda girdiği reaksiyonlar sonucu uğradığı değişmelerle müziğin hem etkileyen hem de etkilenen bir olgu olduğunu bize göstermektedir. "Bir memleketin nasıl yönetildiğini anlamak istiyorsanız müziğine kulak veriniz." diyen Konfüçyüs ve "Müzik ileriyi görür." diyen Jacques Attali müzik ve müziğin toplumsal bağlarını tek cümleyle özetler.
-
ÖgeKız Teknik Okulları Müfredatı kapsamındaki üretimin Cumhuriyet modernleşmesi bağlamında incelenmesi (1945-1975)(Sosyal Bilimler Enstitüsü, 2015-11-05) Büyükçınar, Ayça ; Turan, Gülname ; 402091005 ; Sanat TarihiErken Cumhuriyet döneminde, Cumhuriyetin kurucularının "Muasır Medeniyetler seviyesine ulaşmak" ideali olan batılılaşma ve modernleşme projesi, Türkiye için büyük öneme sahiptir. Bu dönemde önemli yer tutan eğitim, imkanlar ölçüsünde geliştirilmiştir ve bu bağlamda kadınlara çok önemli görevler ve sorumluluklar yüklenmiştir. Çalışmada Kız Teknik Okulların üretimleri, 1945-1975 arasına tarihlenen dönem kapsamında incelenmiştir. Bunun başlıca sebebi; 1940'lı yıllardan sonra ikinci dünya savaşı ile ülkenin gelişimi ve kalkınması bakımından mesleki ve teknik eğitime önem verilmesidir. Cumhuriyetin kuruluşu ile birlikte devlet, mesleki ve teknik eğitimin durumuyla sistemsel olarak ilgilenmeye başlamıştı ve bu bağlamda Kız Teknik Okullarının yaygınlaştırılması öngörülmüştü. Çalışmanın temelinde, kadınların dahil edildiği üretime yönelik kız teknik eğitimi ele alınmıştır. Kız Teknik Okulları kuruluş süreçleri, eğitim programları ve üretimleri açısından incelenmiştir. Kız Teknik Okulları Müfredatı kapsamında yapılan üretimler, tezin temel araştırma konusunu oluşturmaktadır. Cumhuriyet döneminde "rasyonel üretim" kavramının anlamı ve müfredattaki yeri araştırılmıştır. Geleneksel Türk el sanatları ve geleneksel Türk giyiminden esinlenilerek Kız Teknik Okullarında çok çeşitli üretimler yapılmaktaydı. Tezde geleneksel Türk el sanatlarında ve geleneksel Türk giyiminde kullanılan motiflerin "modernleştirme" ve "stilizasyon" çalışmaları yapılmasıyla oluşturulan işleme, biçki-dikiş, moda-çiçek, resim ve mobilya dersleri üretimleri seçilen çalışmalar üzerinden incelenmektedir. Bu üretimler Cumhuriyet modernleşme politikaları bağlamında da irdelenmekte ve ilişkilendirilmektedir. Çalışmada "sergi" ve "defile" kavramının, Kız Teknik Okullarındaki anlamı, yurt içinde ve yurt dışında düzenlenen sergiler ve defileler üzerinden işlenmektedir ve sergilerin işlevleri de yorumlanmaktadır. Ayrıca okullarda üretimler için kurulan sipariş ve gelişim atölyeleri ve bu atölyelerin ekonomik katkıları ele alınmaktadır. Çalışmanın yöntemi nitel araştırmadır ve çalışmanın temel veri toplama yöntemi doküman incelemesine dayanmaktadır. Araştırma sorusunun kapsadığı dönemdeki dergi ve gazetelerde yer alan makaleler, yazılar, bazı haber ve reklamlar, resmi belgeler ve edebi metinler yazılı doküman kısmını oluşturmaktadır. Araştırma sürecinde görsel ve yazılı veri toplama aşamasından sonra betimsel veri analizi ve yorumlama yapılarak sonuçlara ulaşılmıştır. Çalışmanın birinci bölümünde, araştırmanın amacı, kapsamı ve yöntemi hakkında bilgi verilmiştir. Bununla birlikte, Kız Teknik Okulları müfredatı kapsamındaki üretimin incelenmesi konusunun seçilmesinin önemi açıklanmıştır. Çalışmanın ikinci bölümünde, cumhuriyet döneminde kadın ve kadına yönelik gelişmeler; eğitim, çalışma, hukuk, siyaset, sosyal alanlar üzerinden ele alınmaktadır. Böylece Cumhuriyet'in modernleşme projesi bağlamında Cumhuriyet yönetimi tarafından atılan önemli adımların kadınlara yansıyan yönleri anlatılmaktadır. Çalışmanın üçüncü bölümünde Cumhuriyet döneminde "rasyonel üretim" konusu; rasyonel üretim bağlamında kadın ve rasyonel üretim bağlamında hijyen ve sağlıklı nesil yetiştirme kavramları üzerinden işlenmektedir. Çalışmanın dördüncü bölümünde, Kız Teknik Eğitimi; Cumhuriyet öncesi dönem ve Erken Cumhuriyet dönemi olmak üzere incelenmektedir. Erken Cumhuriyet Dönemi Kız Teknik Eğitimi; Kız Sanat Ortaokulları, Kız Enstitüleri, Akşam Kız Sanat Okulları, Kız Teknik Öğretmen Okulları, Köy Kadınları Gezici Kursları ve Olgunlaşma Enstitülerinden oluşmaktadır. Ayrıca, bu eğitim yapılarının ülke içinde dağılımı belirtilmiştir. Ayrıca Kız Teknik Okullarında mesleki ve teknik eğitimin işlevleri yorumlanmaktadır. Burada Kız Teknik Okulları müfredat programı üretimler bakımından incelenmektedir. Çalışmanın beşinci bölümünde, Kız Teknik Okullarının üretimleri, sergiler ve defileler incelenmektedir. Geleneksel Türk el sanatları ve geleneksel Türk giyiminden esinlenilerek Kız Teknik Okullarında yapılan üretimler, seçilen çalışmalar üzerinden incelenmektedir. Bu bölümde 1943-1944 yıllarında yayınlanan Kadın-Ev ve 1953-1970 yılları arasında yayınlanan Mesleki ve Teknik Öğretim dergilerinden yararlanılarak Kız Teknik Okullarının üretimleri ve sergileri seçilen örnekler üzerinden ele alınmıştır. Bununla beraber sergi ve defile kavramının, Kız Teknik Okullarındaki anlamı, yurt içinde ve yurt dışında düzenlenen sergiler ve defileler üzerinden işlenmekte ve sergilerin işlevleri yorumlanmaktadır. Ayrıca müfredat kapsamında yapılan üretimler için kurulan atölyeler ve bu atölyelerin ekonomik katkıları incelenmektedir. Çalışmanın altıncı bölümünü oluşturan sonuç bölümünde, araştırmadan elde edilen veriler birbirleriyle oluşturduğu ilişki örüntüleri göz önünde bulundurularak sentezlenmiş ve tezin amaçları doğrultusunda genel olarak değerlendirilmiştir. Kız Teknik Okulları Müfredatı kapsamındaki üretimlerin gündelik hayattaki çıktıları, yürütülen Cumhuriyet modernleşme projesiyle ilişkili olarak tartışılmaktadır. Tez çalışması, Cumhuriyet modernleşmesi paralelinde kurulan Kız Teknik Okullarının üretimleri ile ilgili gelecekte yapılacak çalışmalar için temel oluşturmaktadır.
-
ÖgeLifelong learning for auditory scene analysis(Graduate School, 2022-07-04) Bayram, Barış ; İnce, Gökhan ; 504152503 ; Computer EngineeringDue to the evolution in artificial intelligence and machine learning with the recent advancements in sensor technology, scene analysis is getting more attention for automatic sensing and understanding of dynamic environments including various targets, non-target objects, and noises. The sensory information stemming from the environments can be efficiently analyzed to infer the events, activities, and related objects. However, many issues encountered in the real world, exist that prevent robust sensing and information processing required for important real-time tasks in real dynamic environments with background noises, overlapping targets, high processing complexity, and so on. Automatic scene analysis is a major aspect of the process of collecting and extracting useful knowledge of objects and events to analyze scenes in terms of the places, situations, events, and activities. A significant number of scene analysis studies have mainly focused on visual processing approaches for the analysis of objects in various environments. Auditory Scene Analysis (ASA) has been used in various real-world tasks, which relies on the perception and analysis of stationary and non-stationary sounds from environmental events and activities, background noises, human voices, and other sound sources. In realistic environments, the dynamic spatio-temporal nature and complexity of environmental sounds, and the existence of novel events may eventually deteriorate the performance of ASA. Therefore, ASA in real-world environments is a difficult task and has not been extensively investigated. Lifelong learning that is progressively becoming a more crucial task in artificial intelligence is a continuous learning process in acquiring and adapting knowledge from dynamic environments. In this thesis, the task of lifelong ASA for Acoustic Event Recognition (AER) with Acoustic Novelty Detection (AND) is addressed to detect novel acoustic events, recognize known events, and learn in a self-learning manner. The problem is investigated by identifying and tackling various issues that may or will affect the ASA in a real-world learning environment. The main issues of lifelong learning in realistic environments are (i) existence of novel acoustic classes, (ii) existence of unlabeled data, (iii) cost of annotation, (iv) lack of adequate data for novel classes, (v) imbalanced data between classes, (vi) forgetting of previous data, and (vii) lack of memory for storing all the data and (viii) computational power for lifelong learning. In dynamic acoustic environments, the lifelong ASA for intelligent systems, agents, or robots in real-time is still an open issue. Also, recent deep learning methods for ASA have not been investigated yet while avoiding the issues of real-world environments. In this thesis, two approaches regarding the main issues, 1) a real-time ASA approach and 2) a deep learning-based ASA approach are investigated, which are able to recognize acoustic events, detect the novel events and then learn by the AER and AND models. However, both lifelong learning approaches have certain issues; which are the lack of incremental learning capability in the real-time approach for the ASA in a realistic environment, and the computational time in the deep learning-based approach. One of the main differences between the approaches is that the real-time ASA is applied to the streaming signal. Thus, each salient sound source in an acoustic scene is identified and localized by a Sound Source Localization (SSL) method to robustly perform the source-specific analysis of its signal. In addition to the SSL method, a segmentation technique is employed to segment variable-length time-series audio patterns of acoustic activities from the streaming signal to efficiently analyze the events and scenes. Moreover, the approaches differ in their audio features used for AER and AND taking into account the requirements of the algorithms and real-time processing. The first approach for lifelong learning in ASA based on a multilayered Hidden Markov Model (HMM) comprises five main steps: (1) SSL used for detection and location monitoring of the most salient sound source in a scene to perform source-specific analysis, (2) segmentation of time-series audio patterns on the streaming signal, (3) feature extraction from the segmented patterns and construction of a feature set for each pattern, (4) AER in a semi-supervised manner performed by class-specific HMMs associated with known events, (5) AND carried out using a single HMM for all the known events, from the outputs of AER module, and (6) lifelong self-learning (Chapter 4). In the step of lifelong learning, the updates of the models are realized, in which after recognizing an event, the HMM is retrained using more likely knowledge selected among all the previous and new knowledge of the event, and for a new acoustic event recently detected, a class-specific model is generated and the AND model is retrained. In Chapter 4, the offline and real-time experiments are given in detail, which are conducted using streaming signals from a real domestic environment. In the experiments, it is demonstrated that for real-time ASA, HMM for modeling the time-series audio patterns from the streaming signal is the most efficient algorithm for the AER and AND. In Chapter 5, the steps of the other proposed lifelong learning approach which is a deep learning-based approach for ASA in offline mode are explained, which are: (1) raw acoustic signal pre-processing, (2) extraction of low-level, time-varying spectral representation (spectrogram), and deep audio features, (3) AND, (4) acoustic signal augmentation, (5) AER, and (6) Incremental Class-Learning (ICL) of the audio features of the novel events. The self-learning on different types of audio features extracted from the acoustic signals of various events occurs without human supervision. For the extraction of deep audio representations, in addition to Visual Geometry Group (VGG) and Residual Neural Network (ResNet), Factorized Time-Delay Neural Network (FTDNN) and TDNN-based Long Short-Term Memory (TDNN-LSTM) networks are pre-trained using a large-scale audio dataset called Google AudioSet. As the input of the networks, Mel-Frequency Cepstral Coefficient (MFCC) and raw signals are used by F-TDNN and TDNN-LSTM, respectively, and Mel-spectrograms are taken by the VGG and ResNet. The performances of ICL with AND using Mel-spectrograms, and deep features with TDNNs, VGG, and ResNet are validated on benchmark audio datasets such as ESC-10, ESC-50, UrbanSound8K (US8K), and an audio dataset collected in a real domestic environment, also used with the proposed real-time ASA approach. The results demonstrate that the FearNet algorithm with the VGG-16 features is a more promising algorithm for incremental learning of new acoustic classes in the audio domain, and the GMM algorithm provided the best AND performances in various AND scenarios. Moreover, for the ICL with AND, the FearNet integrated with a GMM exhibits the effectiveness of scene analysis in a real-world acoustic environment to deal with novel events and recognition of unlabeled data using the ICL-based AER. The efficient performances in the experiments of AND and AER tasks are observed also using F-TDNN, and iCaRL has the ICL performances with VGG close to the performances of FearNet in ESC-10 and Domestic datasets.
-
ÖgeMemory-based approaches to problems in probabilistic modeling(Lisansüstü Eğitim Enstitüsü, 2022-10-25) Akgül, Abdullah ; Ünal, Gözde ; 504201504 ; Computer EngineeringDeep neural networks are an accepted solution for many problems in deep learning; however, the application of deep neural networks to safety-critical areas such as health care is still a hot research topic. To employ deep neural networks in such fields, they are expected to fit the in-domain data set, provide calibrated predictions on problematic regions of the target domain, and separate the out-of-domain queries. Even though these expectancies are studied extensively, these studies are highly fragmented. Therefore, there is no model that is able to fit these requirements simultaneously. Continual Learning (CL) is a framework that aims to learn numerous tasks in a sequential way. The excellent CL method should adapt to new tasks perfectly without forgetting previous tasks. However, neural networks suffer from catastrophic forgetting which is a performance drop on previously learned tasks caused by the newly learned task. Yet, to get intelligent systems capable of adapting to environmental change, CL is crucial. Because of this, CL is a hot topic but the research on CL is mainly on image classification tasks and there is limited work on time sequence classification tasks. Yet, there is no work on multi-modal dynamics modeling. In this thesis, we employ an external memory to deal with problems in probabilistic modeling. Our solutions for these problems can be summarized as follows: i) Evidential Turing Processes (ETP): First, we define total calibration for the first time. After investigating two Bayesian paradigms which are the Bayesian model, and the Evidential Bayesian Model, we introduce the Complete Bayesian Model (CBM) which is a unification of those two paradigms. We develop ETP as an instance of CBMs with neural episodic memory. We build a pipeline to evaluate the models' performance for total calibration. We compare our solution, the ETP member of CBMs, with state-of-the-art members of other paradigms, and we also provide an ablation study. We investigate the models' performance under five real-world data sets including one time-series classification, and four image classification tasks. Furthermore, we tested the models in the corrupted versions of different data sets. We use four different metrics that are test error as prediction accuracy, Expected Calibration Error as in-domain calibration score, Negative Log-Likelihood (NLL) as model fit, and area under the ROC curve as out-of-domain detection score. We report that only the ETP can excel in all three aspects of total calibration simultaneously. ii) Continual Dynamic Dirichlet Process (CDDP) for Continual Learning of Multi-modal Dynamics: We introduce a new problem which is CL of multi-modal dynamics. Since the problem is novel, we create a baseline from the existing ones. For this new problem, we introduce a novel solution that employs an external memory to transfer knowledge between tasks. We curate a pipeline for this newly introduced problem, and in the pipeline new tasks are coming sequentially and each task has a certain number of different mode samples. Differences in task order may cause different results in CL setups; therefore, we change the task order for each replication. We also generate synthetic data sets and adapt time-series classification data sets to evaluate models' performance in the problem. We compare models' performance with Normalized Mean Squared Error as a measure of prediction accuracy and NLL as a measure of Bayesian model fit that quantifies uncertainty. We reveal that our approach, CDDP, compares favorably to the established parameter transfer approach in CL of multi-modal dynamical systems. To sum up, in this thesis, by experiments we show that external memory architecture can be used for both calibrations of neural networks to use in safety-critical areas and CL of multi-modal dynamics.