Bu çalýþmada, 24-bit renkli imge içine 24-bit renkli imgeyi kayýplý gizleyen yüksek kapasiteli, düþük bozulumlu ve tersinir yeni bir veri gizleme yöntemi (YKKG) önerilmiþtir. Önerilen yöntem gizlenecek 24-bitlik imgeyi, 4-bitlik parçalara böler ve her parçayý 2-bitlik gizleme koduna indirgeyerek gizler. Bu þekilde 4-bitlik parça 2-bite indirgendiði için yöntem kayýplý gizleme yapmaktadýr. 2-bitlik gizleme kodlarý 2-baytlýk bloklara gizlenir. Geri çýkarma iþleminde ise yöntem, 24-bit imge gizlenmiþ 24-bit stego imgeden, sýrasýyla 2-baytlýk bloklardaki 2-bitlik gizleme kodlarýný kullanarak 4-bitlik parçalar elde eder ve parçalar birleþtirilerek 24-bitlik gizli imge tersinir olarak geri elde edilir. Yöntem gizlenecek verinin boyutunu yarý yarýya düþürdüðü için geleneksel LSB yöntemlerine göre iki kat kapasite sunmaktadýr. Ayný oranda veri gizlendiðinde ise yöntem, örtü imgede geleneksel LSB yöntemlerine göre daha düþük bozulma oluþturmaktadýr. Önerilen yöntemin imge kalitesini ölçmek için literatürde sýklýkla kullanýlan tepe sinyal gürültü oraný (PSNR) ve yapýsal benzerlik kalite ölçütü (SSIM) kullanýlmýştýr. Ayrýca önerilen yöntemin görsel ataklara karşý dayanýklýlýğýný ölçebilmek için salt & pepper, gaussian, speckle ve poisson saldýrý ataklarý kullanýlmýştýr. Test sonuçlarý önerilen yöntemin, geleneksel LSB yöntemine ve literatürdeki çalýþmalara göre kapasite olarak iki kat daha verimli, algýlanamazlýk olarak ise daha yüksek PSNR ve SSIM deðerleri elde ettiðini göstermiþtir.

In this study, a new high-capacity, low-distortion and reversible data hiding method (YKKG) that hides a 24-bit color image in a 24-bit color image is proposed. The proposed method divides the 24-bit image to be hidden into 4-bit pieces and hides each piece by reducing it to the 2-bit hide code. In this way, since the 4-bit piece is reduced to 2-bit, the method performs lossy concealment. 2-bit hiding codes are hidden in 2-byte blocks. In the undo process, the method obtains 4-bit pieces from the 24-bit image hidden from the 24-bit stego image, using 2-bit hiding codes in 2-byte blocks, respectively, and the parts are merged back into reversible 24-bit image. Since the method reduces the size of the data to be halved, it offers twice the capacity compared to traditional LSB methods. When the same amount of data is hidden, the method creates lower distortion in the cover image than traditional LSB methods. Peak signal to noise ratio (PSNR) and structural similarity quality criterion (SSIM), which are frequently used in the literature, were used to measure the image quality of the proposed method. In addition, salt & pepper, gaussian, speckle and poisson attack attacks were used to measure the resistance of the proposed method to visual attacks. The test results showed that the proposed method achieved twice as efficient capacity and higher PSNR and SSIM values than the traditional LSB method and the studies in the literature.

Tartarus genetik programlamada sýkça kullanýlan bir kýyaslama problemidir. Fakat zorluk ayarý özelliði henüz tam olarak araþtýrýlmamýþtýr. Literatüre milyonlarca Tartarus örneði çalýþtýrdýðýmýz önceki bir çalýþmanýn verilerini kullanarak zorluklarýný tahmin edebilen bir denklemle katkýda bulunuyoruz. Yaklaþýmýmýz denklemin içinde yer alan dört yeni metrik kullanýyor. Bu metrikler küme sayýlarý ve büyüklüklerine, kutularýn kenarlardan uzaklýðýna, yazýlým etmeninin etrafýndaki kutularýn sayýsýna ve etmenin en büyük kümeye varmasý için gereken hareket sayýsýna baðlýdýr. Metriklerin katsayýlarý veriye genel doðrusal model ile uyarlanmýþ ve ortalama ~0.1 kadar bir hata baþarýsýna ulaþýlmýþtýr. Bu çalýþma Tartarus probleminde bir deðiþiklik yapmadan problemin zorluðunu tahmin edebilen ilk çalýþmadýr.

Tartarus is a commonly used benchmark problem for genetic programming. However, it has never been fully explored for its difficulty tuning property. Using the data from a previous study in which we have executed millions of Tartarus instances, we contribute to the literature with an equation to estimate their difficulty. Our approach uses four metrics that are embedded into the equation. These metrics are related to the number of clusters and clusters sizes, the distances of boxes to the edges of the board grid, the number of boxes around the agent, and the minimum number of actions for the agent to reach the largest cluster. The coefficients of these metrics have been fit to the data using the general linear model and a mean residual error of ~0.1 has been achieved. This is the first study that can estimate the difficulty of a Tartarus board without modifying the problem in any way.

Bir veya birden fazla kalp kapakçýðýnýn etkilenebildiði kapakçýk hastalýklarýnýn etkin tedavisi için bu kapakçýklarýn onarýlmasý ya da deðiþtirilmesini gereklidir. Kapakçýklarýn 2B/3B statik görüntülerinden elde edilecek bilgiyi tamamlayýcý bilgi içeren hastaya-özgü ve dinamik bir model bu giriþimsel tedavi rehberlik edebilir. Bu amaçla bu çalýþmada yeni bir otomatik model-baðýmsýz aort kapakçýðý bölütleme yöntemi önerilmiþ ve yöntemin doðruluðu aort kapakçýðýnýn kapalý anýna ait geleneksel kontrastlý EKG-güdümlü çok-kesitli BT verisinden elde edilen uzman iþaretlemeleri ile ölçülmüþtür. Yöntemin baþarýsý 19 gerçek veride detaylý olarak deðerlendirilmiþ ve Hessian temelli sonucun üzerine bölge büyütme yaklaþýmýnýn performansýnýn umut vadettiði ama bunun yaný sýra problemin zorluðunu göstermiþtir.

Valvular diseases may affect one or more of the cardiac valves, which may need to be replaced or restored for effective treatment. The surgical procedure can be guided by a patient-specific and dynamic model containing information complementary to the 2D/3D static images of the valves. To this end, in this study a novel automated model-free aortic valve segmentation method is presented, and its performance is evaluated against expert annotations over conventional contrast- enhanced ECG-gated multislice CT data of the aortic valve at its closed position. Detailed evaluation of the proposed method in 19 real cases revealed an encouraging performance of 3D region growing over Hessian based approach but also demonstrated the complexity of the problem.

EEG sinyalleri kullanýlarak engelliler için kontrol edilebilir tekerlekli sandalyelerin üretildiði veya yapýlmasý düþünülen aktivitenin tahmin edildiði çalýþmalara literatürde sýklýkla rastlanmaktadýr. Genel olarak bu çalýþmalarda elektroensefalografi (EEG) sinyalinin önceden belirlenen sýnýflara aktarýmý gerçekleþtirilir. Bu çalýþmalar EEG sinyalinin sýnýflandýrmasýndan ibarettir. Ancak son yýllarda yapay öðrenme alanýnda yaþanan geliþmelerle sýnýflandýrmadan öteye gidildiði, EEG sinyalinden bakýlan görselin üretilebildiði görülmektedir. Klasik çekiþmeli üretici aðlar (Generative adversarial networks-GAN) ve otomatik kodlayýcý (Auto encoder-AE) yaklaþýmlarýnýn kullanýldýðý sýnýrlý sayýdaki bu çalýþmalar incelendiðinde, EEG sinyallerinden kabaca görsellerin üretilebildiði görülmektedir.
Bu çalýþmanýn özgün yönü, görsel üretim kabiliyetini arttýracak matematiksel yaklaþýmlar içermesidir. Klasik GAN mimarileri üretilen görüntülerin çeþitliliðini saðlayabilmek için rastgele vektör giriþini kullanýrlar. Bu yaklaþým ile EEG sinyalinden üretilen görsellerin düþük kalitede olduðu gözlemlenmiþtir. Önerilen yöntemde giriþ iki kýsým (kodlanmýþ EEG ve rastgelelik) olarak düþünülmüþtür. EEG’nin kodlanmasý için deðiþken oto kodlayýcý (Variational auto encoder-VAE) ve fourier dönüþümü (FD) kullanýlýrken, rastgelelik için iki farklý yaklaþým önerilmiþtir. Bu özgün GAN kullanýmý, EEG sinyallerinden daha kaliteli görsel üretilmesini saðlamýþtýr. Bu kalitenin sayýsal olarak anlaþýlabilmesi için önceden eðitilmiþ evriþimsel sinir aðlarý (ESA) kullanýlmýþtýr. Yapýlan deneysel çalýþmalar neticesinde, klasik GAN ile EEG’den üretilen görsellerin baþarým seviyesi %93 civarýndayken, önerilen yaklaþýmda bu seviyenin %95-%100 aralýðýna çýktýðý görülmektedir.

In the literature, it is encountered a vast amount of studies related to the production of controllable wheelchairs for people with disabilities or the prediction of activity thought to be performed. In general, the electroencephalography (EEG) signal is transferred to predetermined classes in these studies. These studies consist of the classification of the EEG signal. However, it has been observed that in the recent years, with the developments in the field of artificial learning, the classification has gone beyond, It can be seen that the visual viewed from the EEG signal can be produced. When the limited number of studies using classical generative adversarial networks (GAN) and autu encoder (AE) approaches are examined, it is seen that visuals from EEG signals can be produced roughly.
The original aspect of this study is that it includes mathematical approaches to increase the visual production capability. Classical GAN architectures use random vector input to provide a variety of images produced. With this approach, it is observed that the visuals produced from the EEG signal are of low quality. In the proposed method, the input is considered as two parts (coded EEG and randomness). Variable auto encoder (VAE) and fourier transform (FT) are used to encode the EEG, while two different approaches are proposed for randomness. The use of this original GAN has enabled higher quality visuals to be produced than EEG signals. In order to understand this quality numerically, pre-trained convolutional neural networks (CNN) was used. As a result of experimental studies, While the performance level of the visuals produced from EEG signals with classical GAN is around 93%, it is seen that this level rises to 95% -100% in the proposed approach.

Bu makalede, eþanlatýmlý cümle çiftlerinin belirlenmesindeki belirsizlik problemi üzerinde durulmuþtur. Eþanlatým cümleleri basitçe ayný olay ve/veya fikri farklý sözcük veya sözcüklerin farklý diziliþleri ile ifade eden cümle çiftleri/kümeleridir. Çalýþmada eþanlatým tespitinde eminlik faktörü (EF) modelinin kullanýlmasý önerilmiþtir. EF modelinde kullanýlmak üzere filtreleme yöntemi ile eþanlatým tespitinde baþarýlý olan öznitelikler (jenerik ve uzaklýk tabanlý öznitelikler) belirlenmiþ ve bu öznitelikler kümesi EF modelinde kanýtlar olarak kullanýlmýþtýr. EF modeli Microsoft Eþanlatým derlemi üzerinde F1 ve doðruluk ölçekleri ile sýnanmýþtýr. Yöntemin baþarýmý Bayes karar verme yaklaþýmý ile kýyaslanmýþtýr. Deney sonuçlarý EF modelinin eþanlatým tespitinde Bayes modeline bir alternatif yöntem olduðunu göstermiþtir.

In this paper, we address the problem of uncertainty management in identification of paraphrase sentence pairs. Paraphrase sentences are simply sets/pairs of sentences that express the same facts and/or opinions using different words or order of words. We propose the use of certainty factor (CF) model in paraphrase detection. A set of succeeding paraphrase detection features (generic and distance based features) is built by filtering and this set is used as evidences in CF model. The CF model is evaluated by F1 and accuracy measures on Microsoft Research Paraphrase corpus. The results are compared to the well-known Bayesian reasoning. The experimental results showed that CF model is an alternating paraphrase detection method to Bayes model.

Parkinson hastalýðý, hastanýn yaþam kalitesini etkileyen, önemli sosyal ve ekonomik etkileri olan ve semptomlarýn aþamalý görünümü nedeniyle erken teþhis edilmesi güç olan yaygýn bir nörolojik hastalýktýr. Parkinson hastalýðýnýn Twitter gibi sosyal medya platformlarýnda tartýþýlmasý, hastalarýn Parkinson hastalýðýnýn hem taný hem de tedavi aþamasýnda birbirleriyle iletiþim kurduðu bir platform saðlar. Bu çalýþmanýn amacý, derin öðrenme ve kelime yerleþtirme modellerini kullanarak insanlarýn Parkinson hastalýðý ile ilgili duygu analizlerini deðerlendirmek ve karþýlaþtýrmaktýr. Bildiðimiz kadarýyla, bu çalýþma Parkinson hastalýðýný sosyal medya aracýlýðýyla kelime yerleþtirme modelleri ve derin öðrenme algoritmalarý kullanarak analiz etmek için yapýlan ilk çalýþmadýr. Bu çalýþmada, kelime yerleþtirme modelleri olarak Word2Vec, GloVe ve FastText; Evriþimsel Sinir Aðlarý (CNN'ler), Tekrarlayan Sinir Aðlarý (RNN'ler) ve Uzun Kýsa Süreli Bellek Aðlarý (LSTM'ler) derin öðrenme teknikleri olarak harmanlanmýþ ve sýnýflandýrma amacýyla kullanýlmýþtýr. Kelime yerleþtirme modelleri ve derin öðrenme algoritmalarý kullanýlarak Parkinson hastalýðý hakkýnda kullanýcý yorumlarýnýn duygularýný analiz etmek amacýyla kapsamlý deneyler Ýngilizce Twitter veri kümesi üzerinde gerçekleþtirilmiþtir. Deney sonuçlarýnda, Word2Vec kelime yerleþtirme modelinin CNN derin öðrenme algoritmasýyla harmanlanmasý sonucu %75,12 doðruluk ile kayda deðer bir sýnýflandýrma baþarýsý gözlemlenmiþtir. Bu çalýþma, hastalarýn gereksinimlerini anlamak için kelime yerleþtirme modelleri ve derin öðrenme algoritmalarýný kullanma etkinliðini ve Parkinson hastalarýnýn ve yakýnlarýnýn duygularýný sosyal medya aracýlýðý ile analiz ederek tedavi sürecine deðerli bir katký saðladýðýný göstermektedir.

Parkinson's disease is a common neurodegenerative neurological disorder, which affects the patient's quality of life, has significant social and economic effects, and is difficult to diagnose early due to the gradual appearance of symptoms. Examining the discussion of Parkinson’s disease in social media platforms such as Twitter provides a platform where patients communicate each other in both diagnosis and treatment stage of the Parkinson’s disease. The purpose of this work is to evaluate and compare the sentiment analysis of people about Parkinson's disease by using deep learning and word embedding models. To the best of our knowledge, this is the very first study to analyze Parkinson's disease through social media by using word embedding models and deep learning algorithms. In this study, Word2Vec, GloVe, and FastText as word embedding models and Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs), and Long Short Term Memory Networks (LSTMs) as deep learning techniques are blended and used for classification purpose. Extensive experiments are conducted to analyze the sentiments of user comments about Parkinson's disease using word embedding models and deep learning algorithms on English Twitter dataset. The remarkable classification success with 75.12% of accuracy is observed in the experiments through the result of blending Word2Vec as a word embedding model and CNN as a deep learning technique. This study demonstrates the effectiveness of using word embedding models and deep learning algorithms to understand patients' needs, and provides a valuable contribution to the treatment process by analyzing the feelings of Parkinson's patients and their relatives through social media.

Küreselleþme, bilim ve teknolojideki hýzlý geliþmeler, rekabetin artmasýna, üretim yöntemlerindeki amaçlarýn farklýlaþmasýna neden olmaktadýr. Hýzla deðiþen ve farklýlaþan ihtiyaçlarýn karþýlanabilmesi, üretim yapan iþletmeleri, teknolojik olarak yenilenmek ile karþý karþýya býrakmýþtýr. Özellikle elektronik ortamlarda biriken verinin kullanýmý ve bilgiye eriþimin kolaylaþmasý, iþletmeleri, bilgisayar sistemleri ve üretim yönetimi noktasýnda gözden geçirmeye zorlamaktadýr.
Üretim yapan iþletmelerin karar alma süreçlerinde, ihtiyaç duyulan bilgiyi karþýlayabilmesi için, veri tabanlarýnda analiz edilen verilerin görselleþtirilmesi, uygun bir çözüm olarak ortaya çýkmaktadýr. Bu baðlamda gösterge paneli, özellikle üretim yapan iþletmeler için, hýzlý ve doðru karar alma noktasýnda, iyi bir destek aracý olarak görülmektedir.
Bu makale, gösterge paneli baþlýðý altýnda, yapay baðýþýklýk sistemi ve veri madenciliði tekniklerini kullanarak, üretim yapan iþletmelerde biriken verilerin analizi ve paylaþýmý için, yeni bir model yaklaþýmý sunar. Modelde, klonal seçim algoritmasý ile veriler çoðaltýlýr ve eðitilir. Analiz aþamasýnda k-means algoritmasý ile veriler kümelenir. Aðýrlýklý ortalama ile performans göstergeleri hesaplanarak, veriler görselleþtirilir. Elde edilen görseller, gösterge paneli kurallarý ile karar vericilere destek olan, bir uygulama ile paylaþtýrýlýr. Yaklaþýmýmýz, veri koleksiyonlarý birleþtirmek, çözümlemek ve görselleþtirmek için yeni bir yaklaþým modeli sunar.

Globalization and rapid developments in science and technology lead to an increase in competition and diffraction in the objectives in the production methods. In order to meet the rapidly changing and differentiated needs, manufacturing businesses are left against technological renewal. Especially usage of the data that is collected in electronic media and the ease of access to information forces businesses to review computer systems on point of production management.
Visualization of the data analyzed in the databases is a suitable solution in the decision-making processes of the manufacturing companies. In this context, the dashboard is seen as a good support tool especially for the manufacturing businesses, at a fast and accurate decision-making point.
This article represents a new model approach to accumulated analysis and its sharing for the manufacturing businesses by using the artificial immune system and data mining techniques under the title of the dashboard. In the model, data is increased and handled with clonal selection algorithm. In the analysis stage, the data is clustered with k-means algorithm. The data are visualized by calculating the weighted average and the performance indicators. The visuals that have been obtained will be shared with an app which supports the decision makers with the dashboard rules. Our approach provides a new approaching model to unite, analyze and visualize the collections of data.

Telsiz duyarga aðlarý saðlýk, ziraat, güvenlik ve eðlence gibi çeþitli alanlarda fayda saðlamaktadýr. Bu aðlarý oluþturan düðümlerin enerji kaynaklarýnýn kýsýtlý olmasýndan dolayý enerjilerini etkin bir þekilde kullanmaya yönelik çeþitli çalýþmalar gerçekleþtirilmiþtir. Bu çalýþmalarda genel olarak, düðümlerin nöbetleþe sýra ile çalýþmasý ya da sistemde enerji etkin bir iletiþim omurgasý kullanýlmasý üzerinde durulmuþtur. Telsiz duyarga aðlarýnda iletiþim omurgasý olarak genellikle baðlý baskýn kümeler kullanýlmaktadýr. Ayrýca, kendi enerjisini üreten düðümlerin de telsiz duyarga aðý sistemlerinde kullanýlarak bu sistemlerin yaþam süresinin arttýrýlmasý literatürdeki bazý çalýþmalarda düþünülmüþtür. Bu çalýþmada telsiz duyarga sistemlerinin en büyük problemlerinden olan enerji sorunu incelenerek güneþ panellerinden kendi enerjisini üretebilen ve üretemeyen düðümlerin olduðu telsiz duyarga aðlarýnýn yaþam sürelerinin arttýrýlmasý için yeniden kullanýlabilen yeni bir daðýtýk baðlý baskýn küme algoritmasý önerilmiþtir. Bir düðümde veya düðümlerin bazýlarýnda enerji tükenmesi gerçekleþtiðinde belirli bir miktar beklenerek, çalýþan düðümlerde bir kopma gerçekleþmemiþse önerilen algoritma tekrar çalýþtýrýlmaktadýr. Önerilen algoritma, telsiz duyarga að alanýnda sýklýkla kullanýlan Cooja tabanlý SensEH benzetim ortamýnda uygulanmýþtýr. Önerilen algoritma ve rakip algoritma oluþturulan baðlý baskýn kümelerin kullanýldýðý sistemlerdeki yaþam süreleri ile algoritmalarýn zaman ve enerji tüketim maliyeti kapsamlý benzetim analizleri ile incelenmiþtir. Elde edilen sonuçlara göre önerilen algoritmanýn toplam yaþam süresini rakip algoritmaya göre yaklaþýk olarak iki katýna çýkartabildiði görülmüþtür.

Wireless sensor networks are utilized in many different areas such as health, agriculture, security, and entertainment. Since the nodes that constitute wireless sensor networks have limited energy resources, many studies have been carried out on use of their resources in an energy efficient manner. These studies generally focused on duty cycle techniques or constructing energy efficient communication backbones. In wireless sensor systems, the connected dominating sets are generally considered to be used as a backbone. In addition, the deployment of the nodes that harvest their own energy in wireless sensor networks has also been considered in recent studies. In this study, a new distributed algorithm is proposed to construct reusable connected dominating set for wireless networks that possess energy harvester nodes and ordinary nodes which could not harvest its energy. Whenever an energy depletion problem in a node or in more than one node occurs, after a specific interval, the proposed algorithm is re-employed on the alive nodes unless wireless sensor network is disconnected. The proposed algorithm was implemented on SensEH simulation environment based on Cooja which is one of the most commonly used tools in the wireless sensor network area. The new algorithm and the rival algorithm in the area are analyzed with respect to the lifetime of the systems together with the time and the energy consumptions required by the algorithms. According to the results, it is observed that the proposed algorithm can double the total lifetime compared to the rival algorithm.

Bu çalýþmada, olasý Ýstanbul depremi sonrasý oluþabilecek hasarlarý havadan gözlemlemek için ilk 24 saat içerisinde Ýstanbul’dan kaldýrýlan bir ÝHA’nýn hangi rotada uçmasý gerektiði problemi ele alýnmýþtýr. Problemde, Ýstanbul üzerinde ÝHA’nýn ziyaret edebileceði 230 aday grid nokta belirlenmiþ ve her aday nokta için noktanýn deprem riski aðýrlýðý ile nüfus yoðunluðunu birleþtiren aðýrlýk deðerleri belirlenmiþtir. Problemde en fazla sayýda aday noktanýn aðýrlýðýný toplayacak þekilde ÝHA’nýn menzil kýsýtý altýnda rotalanmasý amaçlanmýþtýr. Tanýmlanan bu problem, literatürdeki Oryantring problemine uyarlanmýþtýr. Oryantring problemi NP-zor bir problem olduðundan dolayý, problemin çözümü için probleme özgü bir genetik algoritma ve bir tavlama benzetimi algoritmasý geliþtirilmiþtir. Algoritmalarýn parametreleri deneyler ile ayarlanmýþtýr. Gerçek hayata uygun olarak deprem sonrasý ÝHA’nýn kalktýðý havalimaný ile günlük ziyaret (veya görüntü sayýsý) durumlarýný kapsayan 15 farklý senaryo oluþturulmuþ ve senaryolar ILOG ile kesin ve geliþtirilen metasezgisel algoritmalar ile yaklaþýk olarak çözülmeye çalýþýlmýþtýr. 15 senaryonun 2’sinde optimal çözüm bulunmuþ olup diðer senaryolar için genetik algoritma daha iyi sonuçlar elde etmiþ ve kabul edilebilir CPU süreleri içinde problemi çözebilmiþtir.

In this study, the problem is to find a route for a UAV that takes off from Istanbul to observe the damages that may occur after the possible Istanbul earthquake within the first 24 hours. In the problem, 230 candidate grid points that UAV can visit on Istanbul are determined and the weight values combining the risk values based on earthquake degree zones and the population densities of the grid points are calculated for each candidate point. It is aimed to find a route for the UAV to maximize the total weights of the visited grid points under the UAV range constraint. The described problem is adapted to the Orienteering Problem in the literature. Since the Orienteering Problem is an NP-hard problem, a problem-specific genetic algorithm and a simulated annealing algorithm are developed to solve the problem. The parameters of the algorithms are tuned by experiments. 15 different scenarios including the daily number of visits (of taken images) and the airports that the UAV takes and lands off after the earthquake are created and tried to be solved exactly via ILOG and approximately via developed metaheuristics. While the optimal solutions are found for 2 of 15 scenarios via ILOG, the designed genetic algorithm has better solutions and can solve the problem within acceptable CPU times for the rest of the scenarios.

Bir güç sisteminde, gerilim genlikleri ve güç deðerleri bilinen baralar kullanýlarak sistemde yer alan diðer baralarýn gerilim genliklerinin, faz açý deðerlerinin ve iletim kayýplarýnýn hesaplanmasýna güç akýþý problemi veya yük akýþý problemi denir. Her geçen gün artan tüketim ve yeni enerji kaynaklarýnýn güç sistemine baðlanmasý güç akýþ problemini daha karmaþýk hale getirmektedir. Güç akýþý problemi hem elektrik üretimi hem de iletimi için büyük önem taþýmaktadýr, çünkü gelecekte sisteme baðlanabilecek yüklerin planlanmasý ve mevcut iletim hatlarýnýn tam kapasite ile kullanýlmasý bu sorunun çözümüne dayanmaktadýr. Sistemin doðasýndan kaynaklanan bu doðrusal olmayan problemin çözümünde geleneksel olarak nümerik çözümler kullanýlmýþtýr. Bununla birlikte, daha sonra geliþtirilen optimizasyon teknikleri ve arama algoritmalarý güç akýþý probleminin çözümünde daha iyi sonuçlarýn elde edilebileceðini göstermektedir. Bu çalýþmada, Matlab yazýlýmý kullanarak oluþturan IEEE-14 bara parametrelerine sahip güç sistemine, güç akýþý problemini optimize etmek için Yapay Arý Kolonisi (ABC), Gri Kurt (GWO) ve Parçacýk Sürüsü Optimizasyonu (PSO) algoritmalarý uygulanmýþtýr. Çalýþmanýn sonucunda, model güç sisteminin gerilim genliði, faz açýsý, aktif güç kaybý deðerleri ve algoritmalarýn hesaplama süreleri karþýlaþtýrýlmýþtýr.

In a power system, the calculation of the voltage amplitudes, phase angle values and transmission losses of buses using the buses with known voltage amplitudes and power values is called power flow problem or load flow problem. Increasing consumption day by day and connecting new energy sources to the power system make the power flow problem more complicated. The power flow problem is great importance for both the electricity production and transmission because the planning the loads that can be connected to the system in the future and usage of the existing transmission lines with full capacity are based on the solution of this problem. Traditional numerical solutions have been used in the solution of this non-linear problem originating from the nature of the system. However, the optimization techniques and search algorithms developed later show that better results can be obtained in solving the power flow problem. In this study, Artificial Bee Colony (ABC), Gray Wolf (GWO) and Particle Swarm Optimization (PSO) algorithms have been applied to the power system, which has the IEEE-14 bus parameters, to optimize the power flow problem using Matlab software. In the conclusion of the study, the voltage amplitude, phase angle, active power loss values of the model power system and calculation times of the algorithms are compared.

Bu çalýþmanýn amacý, asenkron motorlar (ASM) için sensörsüz, dolaylý, alan yönlendirmeli vektör kontrollü bir hýz tahmin yönteminin geliþtirilmesidir. Önerilen yöntem, yeni bir Model referans adaptif sistemdir(MRAS) ve motorun hýzýný hesaplamak için sadece kararlý hal alan yönlendirme durumunda stator q-eksen gerilim denklemine ihtiyaç duyar. Hesaplanan gerilim doðrudan kontrol algoritmasý içerisinde üretilen q-ekseni referans gerilimi ile karþýlaþtýrýldýðýndan, bu yöntem bir referans modele ihtiyaç duymaz, ayrýca gerilim sensörü gereksinimini ortadan kaldýrýr. Bu basit denklemde herhangi bir rotor parametresi yoktur ve bu sistemin rotor parametrelerinin deðiþimine karþý baðýþýklýk kazandýrýr. Dahasý, bu basitleþtirilmiþ hesaplama aký tahmini gerekliliðini ortadan kaldýrdýðý için yöntem saf entegrasyon sorunlarýna karþý daha az duyarlýdýr. Böylece önerilen MRAS çok düþük ve sýfýr hýzlarda oldukça doðru hýz tahmini yapabilir. Ayrýca, önerilen MRAS yöntemi gerilim sensörü gereksinimini ortadan kaldýrmaktadýr. Bu sayede özellikle düþük hýzlarda gerilim sensörünün ölçüm gürültülerinin sebep olabileceði tahmin hatalarýnýn önüne geçilmiþ ve sistemin düþük ve sýfýr hýz performanslarý iyileþtirilmiþ olmaktadýr. Bu çalýþmada simülasyon çalýþmalarý MATLAB / SIMULINK ortamýnda tamamlanmýþtýr.

The purpose of the study is to develope a high-performance speed sensorless indirect field oriented control for induction motors (IMs). The proposed method is a novel Model Reference Adaptive System (MRAS) and needs only steady-state stator q-axis voltage equation to estimate rotor speed. And also, the proposed speed estimator algorithm removes the voltage transducer requirement in calculations since the algorithm compares the current requlator PI controller output with the calculated q-axis stator voltage. So the system does not need a reference loop since the calculated voltage I adaptive sub-model is directly compared with controller output. This simple equation does not require any rotor parameter and this makes the system immune to the variation of rotor parameters. Moreover, this unique calculation eliminates the requirement of flux estimation thus, the method is less sensitive to pure integration problems. This makes the estimator quite accurate at very low and zero speeds. Moreover, the suggested MRAS technique eliminates the voltage transducer measurement noises so, the low speed accuracy of the speed estimator is increased. Which are validated in simulations using MATLAB/SIMULINK.

Ýnsansýz hava araçlarý(ÝHA), hem sivil hem de askeri olmak üzere birçok alanda yaygýn olarak kullanýlmaktadýr. Özellikle sivil uygulama alanlarýnda hem ekonomiklik hem de kolay temin edilebilirlikleri sayesinde küçük ölçekli ÝHA'lar tercih edilmektedir. Ancak bu araçlar bazý uygulamalarda tek baþýna kullanýldýðýnda yetersiz kalmaktadýr. Mini ÝHA’lardaki bu yetersizlik çoðu durumda kýsýtlý enerji ve taþýma kapasitesi olarak karþýmýza çýkmaktadýr. Bu soruna çözüm olarak birden fazla ÝHA’larýn birleþmesiyle oluþturulan sürü ÝHA aðlarý önerilmiþtir. Böylelikle bu aðlarda bulunan ÝHA’lara farklý görevler verilerek bu yetersizliðe çözüm önerisi sunulmuþtur. Bu aðlarýn birçok avantajlarý olmasýyla birlikte zorluklarý da bulunmaktadýr. Bu zorluklar sýrasýyla enerji kýsýtý, düþük güçlü ve kayýplý kablosuz haberleþme arayüzü ve düþük faydalý yük taþýma kapasitesi olarak karþýmýza çýkar. Bu çalýþmada, insansýz hava aracý sürüleri için uyarlanabilir, dengeli ve enerji verimli yeni bir kümeleme mekanizmasý önerilmiþtir.

Unmanned aerial vehicles (UAVs) are widely used in many fields, both civilian and military. In particular, mostly mini UAVs are used in civilian applications which are preferred both in terms of affordability and availability. However, these vehicles are insufficient for some applications when they are used alone. This inadequacy is often observed in mini-UAVs having limited capacity in terms of energy storage and payloads. As a solution to this challenge, swarms of networked mini UAVs have been proposed. Thus, the UAVs in such networks are assigned with different tasks to provide a solution or this inadequacy. While these networks have many advantages, they also come with challenges. These challenges include limited on-board energy storage, low power and lossy wireless communication interface, and limited useful payload carrying capability. In this study, a new adaptive, balanced and energy efficient clustering mechanism has been proposed for such UAV networks.

Elektromanyetik frekans spektrumu farklý alt frekans bantlara ayrýlmýþtýr. Bu alt frekans bantlarý, farklý uygulamalar için tahsis edilmiþtir. Günümüzde çoklu alt frekans bantlarýnda çalýþan cihazlar önemli avantajlar saðlamaktadýr. Cihazlar, çoklu frekans bantlarýnda çalýþmasý için anten yapýlarýna ihtiyaç duyar. Mikroþerit antenler, boyutlarýnýn küçük olmasý, taþýnabilir yapýlarý ve diðer sistemlere kolay bir þekilde entegre olmasý ile öne çýkan anten yapýlarý olmuþtur. Bu çalýþmada, çoklu frekans bantlarýnda çalýþabilen mikroþerit anten yapýsý tasarlanmýþtýr. Ayný zamanda, tasarlanan antenin optimizasyonunu daha kýsa sürede saðlamak için anten boyutlarýnýn optimizasyonunda derin öðrenme yöntemleri ile kullanýlmýþtýr. Tasarlanan anten yapýsýnýn çalýþma frekanslarý elde edilen sonuçlarda görüldüðü üzere C ve X bandýnda çalýþmaktadýr. IEEE Standartlarýna göre C bandý 4 GHz ile 8 GHz arasýnda ve X bandý 8 GHz ile 12 GHz frekans aralýðý olarak belirlenmiþtir. Önerilen anten yapýsýnda, çoklu bant yapýlarýnda çalýþma özelliði, C-þekilli anten dizisi vasýtasýyla elde edilmiþtir. Optimizasyon iþleminde kullanýlacak olan derin öðrenme yöntemlerinde ise beþ farklý Uzun Kýsa Süreli Bellek (UKSB) modeli kullanýlmýþtýr. Derin öðrenme yöntemlerinin en önemli avantajý, zorlu ve zaman alýcý problemlerin çözümünde gerekli özellikleri kendi öðrenme yeteneði ile belirleyerek tatmin edici sonuçlar elde etmesidir. Bu kapsamda 52 adet anten verisi üretilmiþtir. Eðitim sürecinde 40 adet ve test aþamasýnda ise 12 adet veri kullanýlmýþtýr. Test verilerinde elde edilen en düþük Ortalama Karesel Kök Hata (OKKH) performansý, UKSB-1 + kaçýnma katmaný-1 + UKSB -2 + kaçýnma katmaný-2 ile 1,0161 hata deðeri olarak belirlenmiþtir. Önerilen yöntemle elde edilen sonuçlar High Frequency Simulation Software (HFSS) programýnda deðerlendirilmiþtir. Elde edilen deneysel sonuçlar deðerlendirildiðinde derin öðrenme modelinin üretmiþ olduðu sonuçlar ile test verilerinin birbirine çok yakýn olduðu gözlemlenmiþtir.

The electromagnetic frequency spectrum is divided into different sub-frequency bands. These sub-frequency bands are allocated for different applications. In these days, devices operating in multiple sub-frequency bands provide significant advantages. Devices require antenna structures to operate in multiple frequency bands. Microstrip antennas have become prominent antenna structures with their small size, portable structures and easy integration into other systems. In this study, microstrip antenna structure which can work in multi frequency bands is designed. At the same time, it was used with deep learning methods in optimization of antenna sizes to ensure the optimization of the designed antenna in a shorter time. The operating frequencies of designed antenna structure work in the C and X band as seen in the obtained results. According to IEEE standards, C band is determined between 4 GHz and 8 GHz; X band determined as in 8 GHz and 12 GHz frequency range. In the proposed antenna structure, the ability to operate in multi-band structures was achieved by means of a C-shaped antenna array. In the deep learning methods that will be used in the optimization process, five different Long Short Term Memory (LSTM) models are used. The most important advantage of deep learning methods is that it can achieve satisfactory results by identifying the necessary features for solving difficult and time consuming problems with its own learning ability. In this context, 52 pieces of antenna data were produced. 40 pieces of data were used in the training process and 12 pieces of data were used in the test stage. The lowest root mean square error (RMSE) performance obtained in the test data was determined as LSTM-1 + Dropout layer-1 + LSTM -2 + Dropout layer-2 and 1,0161 error value. The obtained results by proposed method were evaluated in High Frequency Simulation Software (HFSS) program. In experimental results, it was observed that the results produced by the deep learning model and the test data were very close to each other.

Bu çalýþmada, Julia programlama dili tabanlý bir tanýmlayýcý sistem dili ve amaca yönelik hýzlý ve etkili sistem benzetimlerine ve çevrimiçi ve çevrimdýþý çözümlemelerine olanak saðlayan bir benzetim ortamý geliþtirilmiþtir. Geliþtirilen benzetim ortamýnda ayrýk zamanlý ya da sürekli zamanlý, statik ya da dinamik sistemlerin benzetimleri mümkündür. Özellikle, adi, rastgele adi, rassal, cebirsel, gecikmeli türev denklemleri ve ayrýk fark denklemleri gibi çok farklý denklem türleri ile modellenen dinamik sistemlerin benzetimi yapýlabilmektedir. Benzetim sýrasýnda modelin baðlantýlarý üzerinden akan veri çevrimiçi ve çevrimdýþý olarak iþlenebilmekte ve özelleþmiþ çözümlemeler yapýlabilmektedir. Bu çözümlemelerin, standart Julia kütüphanesi ya da çeþitli Julia paketleri kullanýlarak kolaylýkla tanýmlanabilecek eklentiler ile de zenginleþtirilmesi mümkündür. Benzetim model bileþenlerinin bireysel ve örnekleme zaman aralýklarýnda eþzamanlý ve paralel evrilmesi ile yapýlýr. Bileþenlerin birbirinden baðýmsýz evrilmesi farklý matematiksel denklemler ile ifade edilen bileþenlerden oluþan modellerin benzetimine olanak saðlarken; bileþenlerin eþzamanlý ve paralel evrilmesi ise benzetim hýzýný artýrmaktadýr.

In this study, a Julia programming language based system description language and simulation environment that enables fast and effective system simulations together with online and offline data analysis is introduced. In the simulation environment developed, it is possible to simulate discrete time or continuous time, static or dynamical systems. In particular, it is possible to simulate dynamical systems modeled by different types of equations, such as the ordinary differential, random ordinary differential, stochastic differential, differential-algebraic, delayed differential equations, and discrete-time difference equations. During the simulation, the data flowing through the links of the model can be processed online and offline, and specialized analysis can be performed. These analyzes can also be enriched with plugins that can be easily defined using the standard Julia library or various Julia packages. The simulation is performed by evolving the model components individually and parallelly between sampling time intervals. The independent evolution of the components allows the simulation of the models consisting of the components represented by different mathematical equations, while the parallel evolution of components increases the simulation speed.