Manuel kontrol gerektiren bilgisayar gibi cihazlarýn, Multipl Skleroz (MS), Amiyotrofik Lateral Skleroz (ALS), kýsmi felç gibi engelli kiþiler tarafýndan kullanýlmasý zordur. Bu kiþiler sýnýrlý hareket kabiliyetine sahip olduklarýndan çevresiyle iletiþimlerinin çoðunu kýsýtlý baþ ve göz hareketleri ile gerçekleþtirebilmektedirler. Engellilerin günlük hayatta kimseye baðýmlý olmamasý için yardýmcý teknolojiler oldukça önemlidir. Bu çalýþmada, görsel kamera ile elde edilmiþ gerçek zamanlý görüntülerden baþ ve göz / kaþ hareketlerinin analizine dayalý çalýþan bir insan-bilgisayar etkileþimi uygulamasý sunulmaktadýr. Kullanýcýnýn eylem niyetini tespit etmek ve kaþ, göz ve baþ hareketlerine göre bilgisayar klavyesi ve fare eylemlerini doðru bir þekilde gerçekleþtirmek için Göz ve Kaþ Arasýndaki Fark (DEEB) özniteliði önerilmiþtir. Ayrýca tasarlanan arayüzde, engelli bireylerin sosyal çevreleriyle iletiþim kurmasýný kolaylaþtýrdýðý düþünülen Instagram, WhatsApp, YouTube vb. sosyal platformlara eriþimlerini kolaylaþtýran kýsayol tuþlarý da bulunmaktadýr. Deneysel çalýþmada tasarlanan arayüzde tatmin edici sonuçlar elde edilmiþtir.

Devices like computers that require manual control are difficult to use by disabled people such as having multiple sclerosis (MS), amyotrophic lateral sclerosis (ALS), partial stroke, etc. These people have a very limited movement capability such that they can do most of the interaction with a limited movement of head and the eye. Assistive technologies are very important for people with disabilities not to be dependent on anyone in daily life. In this study, we present a human-computer interaction application that works based on analysis of the head and eye/eyebrow movements from real-time images captured by a visual camera. We propose Difference Between Eye and Eyebrow (DEEB) features to detect the action intention of the user and properly realize the computer keyboard and mouse actions based on eyebrow, eye and head movements. In addition, there are shortcut keys in the designed interface that facilitate access to Instagram, WhatsApp, YouTube etc. which are considered to make it easier for individuals with disabilities to communicate with their social environment. We obtained satisfactory results on the designed interface in the experimental study.

Günümüzde birçok insan trafik kazalarýnda hayatlarýný kaybetmektedir. Trafik kazalarýnýn en önemli nedeni olarak sürücülerin uykusuzluðu ve yorgunluðu gösterilmektedir. Bu nedenle sürücü performansýnýn analizi konusunda yapýlan araþtýrmalar büyük önem taþýmaktadýr. Bu çalýþmada, elektroensefalografi (EEG) verileri kullanýlarak sürücü yorgunluðunu analiz edebilecek bir sistem tasarlanmýþtýr. Veri seti olarak National Chiao Tung Üniversitesi tarafýndan hazýrlanan sürekli dikkat halinde sürüþ deneyinden alýnan EEG iþaretleri kullanýlmýþtýr. boyutu Sürücünün yorgunluk zamanlarýný ve seviyesini tespit edebilmek için veri seti dört sýnýfa ayrýlmýþtýr. Sürücü yorgunluðu evrelerinde ortaya çýkan frekans aralýklarýný belirleyebilmek için EEG sinyallerine filtreleme iþlemleri yapýlmýþtýr. Temel Bileþen Analizi yöntemi kullanýlarak öznitelik matrisinin azaltýlmýþtýr. Böl ve Fethet algoritmasý ile dört sýnýfýn birbirinden en iyi þekilde ayrýlacaðý tüm kombinasyonlar belirlenmiþ ve her adýmda alt-sýnýflandýrýcýlar kullanýlarak sýnýflandýrma iþlemi yapýlmýþtýr. Alt sýnýflandýrýcý olarak, k-En Yakýn Komþuluk, Destek Vektör Makineleri ve Doðrusal Ayýrým Analizi algoritmalarý kullanýlmýþtýr. Çalýþma sonucunda ortalama sýnýflandýrma baþarýlarý k-En Yakýn Komþuluk algoritmasý için %87.9, Destek Vektör Makineleri algoritmasý için %88.5 ve Doðrusal Ayýrým Analizi için %81.6 olarak elde edilmiþtir. En yüksek ortalama sýnýflandýrma baþarýsý ise 4. sýnýf yorgunluk seviyesinde, sürüþün 67.5 – 90 dakikalarý arasýnda Destek Vektör Makineleri sýnýflandýrýcýsý ile %93.2 olarak elde edilmiþtir.

Today, many people die in traffic accidents. Sleeplessness and fatigue of drivers are shown as the most important cause of traffic accidents. For this reason, research on driver performance analysis is of great importance. In this study, a system is designed to analyze driver fatigue using EEG data. As the data set, the EEG signals from sustained-attention driving task prepared by National Chiao Tung University have been used. The data set is divided into four classes to determine the driver's fatigue times and level. In order to determine the frequency ranges that occur during driver fatigue phases, EEG signals are filtered. Principal Component Analysis method has been used to reduce the size of the features matrix. With the Divide and Conquer algorithm, all combinations in which the four classes will be separated best are determined and classification has been done at each step using sub-classifiers. As sub-classifiers, k-Nearest Neighborhood, Support Vector Machines and Linear Discrimination Analysis algorithms are used. As a result of the study, the average classification successes are 87.9% for the k-Nearest Neighborhood algorithm, 88.5% for the Support Vector Machines algorithm and 81.6% for Linear Discrimination Analysis. The highest classification success has been achieved as 93.2% with the Support Vector Machines classifier, between 67.5 - 90 minutes of driving at the 4th grade fatigue level.

Bu çalýþmada çoklu-analit algýlama amacýyla, çift analit kanallý, fotonik kristal fiber (FKF) tabanlý yüzey plazmon rezonans (YPR) algýlayýcý tasarlanmýþtýr. Plazmonik materyal olarak altýn ve gümüþ kullanýlmýþtýr. Sayýsal analizler Tam Vektörel-Sonlu Öge Yöntemi (TV-SÖY) kullanýlarak yapýlmýþtýr, ayrýca tasarlanan algýlayýcý duyarlýlýk hesaplarý için spektral metodu kullanýlmýþtýr. Sayýsal analizler sonucu, en yüksek 6800 nm/RIU duyarlýlýða ve 1.47x 10−5 RIU çözünürlüðe ulaþýlýrken, sabit ve deðiþken analit kýrýlým indisleri için sýrasýyla 3500 nm/RIU ve 3100 nm/RIU duyarlýlýk seviyelerine ulaþýlmýþtýr.

In this study, the dual-channel photonic crystal fibre (PCF) based surface plasmon resonance (SPR) sensor has been proposed to sense multi-analyte. Gold and silver used as plasmonic layers. Full vectorial Finite Element Method (FV-FEM) have been used to perform numerical analysis. Also, the spectral interrogation method has been used to calculate the sensitivity of the proposed sensor structure. According to numerical results, the highest sensitivity levels are obtained as 6800 nm/RIU with 1.47x10−5 RIU, where the average sensitivities are calculated as 3500 nm/RIU and 3100 nm/RIU for fixed and variable refractive indices, respectively.

Son zamanlarda bütün dünyaya yayýlan ve dünya saðlýk örgütü tarafýndan Pandemi (dünya geneli salgýn) ilan edilen koronavirüs (Covid-19) salgýný nedeni ile solunum cihazlarýna olan önem ve ihtiyaç bir kez daha kendisini göstermiþtir. Solunum aktivitesinin izlenmesi, Kronik Obstrüktif Akciðer Hastalýðý (KOAH) gibi solunum kaynaklý hastalýklarýn saptanmasýnda hayati bir rol oynar. Bu çalýþmada solunum parametreleri ölçümleri için 6 katýlýmcýdan oluþan bir çalýþma grubu oluþturulmuþtur. Her bireyden FVC, VC, MVV, RR ve TV performansý gerçekleþtirmesi saðlanmýþtýr. Ölçümler, medikal spirometre cihazý ile eþ zamanlý gerçekleþtirilmiþtir. Toplamda 1860 veri (VC için1500, MVV için 360 veri) örneklenmiþ ve bütün veriler Matlab programýnda analiz edilmiþtir. Elde edilen sonuçlarýn, birbirlerine oldukça benzer olduðu (MVV için Rmvv= 0.998; VC için Rvc= 0.997) olduðu görülmüþtür. Bu çalýþmanýn en önemli katkýlarýndan biri de, ölçülen verilerin bilgisayara gönderilebilmesi ve SD karta kaydedilebilmesidir. Böylece standart spirometrelerde bulunan termal yazýcýlar ile kâðýt israfýnýn önüne geçilmiþ ve veriler dijital ortamda saklanmýþtýr. Geliþtirilen sistem pratik ve düþük maliyetli bir çözüm sunmaktadýr. Geliþtirilen cihazýn biyomedikal cihaz teknolojisinde Koah parametrelerini ölçme kabiliyeti ile önemli bir yer almasý beklenmektedir.

The importance and need for respirators has once again shown itself due to the coronavirus (Covid-19) epidemic, which has recently spread around the world and has been declared as a Pandemic (epidemic worldwide) by the world health organization. Monitoring respiratory activity plays a vital role in detecting respiratory diseases such as Chronic Obstructive Pulmonary Disease (COPD). In this study, a working group of 6 participants was formed to measure respiratory parameters. Each individual was provided to perform FVC, VC, MVV, RR and TV performance. The measurements were carried out simultaneously with the medical spirometer device. A total of 1860 data (1500 data for VC, 360 data for MVV) were sampled and all data were analyzed in Matlab program. It was observed that the results obtained were quite similar to each other (RMVV = 0.998 for MVV; RVC = 0.997 for VC). One of the most important contributions of this study is that the measured data can be sent to the computer and saved to the SD card. Thus, with the thermal printers in standard spirometers, paper wastage was prevented and the data was stored in digital environment. The developed system offers a practical and low cost solution. The developed device is expected to take an important place in biomedical device technology with its ability to measure COPD parameters.

Bu çalýþmada, sekonder taraf kontrollü bir kablosuz güç aktarým (WPT) dönüþtürücüsünün sabit gerilim kontrolü, verime dayalý olarak deðerlendirilmiþtir. WPT dönüþtürücünün tasarýmýnda güçlü sabit akým karakteristiðine sahip LC/S kompanzasyon topolojisi kullanýlmýþtýr. LC/S kompanzasyon topolojisinin sabit gerilim performansýný iyileþtirmek için, kontrollü doðrultucu dönüþtürücüye uyarlanmýþtýr. PSM kontrolü doðrultucu anahtarlarýna primer taraftan baðýmsýz olarak uygulanmýþtýr. Böylece, geniþ bir yük aralýðýnda sabit çalýþma frekansýnda sabit gerilim regülasyonu elde edilir. Sunulan dönüþtürücünün performansý, 2.5 kW çýkýþ gücü ve 450 V çýkýþ geriliminde simulasyon çalýþmasýyla doðrulanmýþtýr. Yük durumunun fonksiyonu olarak dönüþtürücünün verim deðerleri simulasyon ile çýkarýlmýþ ve frekans modülasyonu ile karþýlaþtýrýlmýþtýr. Ýlaveten, güç kaybý daðýlýmý ve frekans modülasyonu ile karþýlaþtýrmasý incelenmiþtir. Dönüþtürücünün maksimum verimi, tam yük durumunda %96.4 olarak elde edilmiþtir.

In this study, constant voltage control of a secondary side controlled wireless power transfer (WPT) converter is evaluated based on efficiency. The LC/S compensation network which has perfect constant current characteristic is used in the design of the WPT converter. In order to improve the constant voltage performance of the LC/S compensation network, controlled rectifier is adapted to the converter. The phase shift modulation (PSM) control is applied to the switches of the rectifier as independent of the primary side. Thus, constant voltage regulation is achieved at constant operation frequency in a wide load range. The performance of the proposed converter is verified by a simulation work at 2.5 kW output power and 450 V output voltage. The efficiency values of the converter, as function of the load condition, is extracted by simulation and compared to frequency modulation control. In addition, power loss distribution and its comparison with frequency modulation is also discussed. The maximum efficiency of the converter is obtained 96.4% at full load condition.

Bu çalýþmada, metal tüp içerisine metal hidrür yöntemi ile depolanan hidrojenin deþarj edilebilmesi için indüksiyon ýsýtma yöntemi ile belirli bir sýcaklýða kadar ýsýtýlmýþtýr. Sistemin güç katýnda gerilim beslemeli seri rezonans inverter (SRI) kullanýlmýþ ve güç anahtarlarý yumuþak anahtarlama þartlarýnda iletime geçirilmiþtir. Metal tüpün sýcaklýðýný referans sýcaklýðý olan 250 °C’e sabitlemek için kapalý çevrim kontrollü 300 W’lik SRI tasarlanmýþtýr. SRI’nýn güç kontrolü frekans kontrol tekniði ile gerçekleþtirilmiþtir. Tüpün sýcaklýðý, basit yapýsýndan ve kolay uygulanabilir olduðundan dolayý histerezis on-off kontrol ile denetlenmiþtir. Sistemin kontrolünde 16-bit DSPIC33FJ16GS502 kullanýlmýþtýr.

In this study, the metal tube is heated up to a certain temperature by induction heating method so that the hydrogen stored by metal hydride method in it can be discharged. The voltage fed series resonant inverter (SRI) is used in the power stage of the system and the power switches are turned on under soft-switching conditions. The closed-loop controlled 300 W SRI is designed to set the temperature of the tube to the reference temperature of 250 °C. The power control of SRI is realized by frequency control. The temperature of the tube is controlled by hysteresis on-off control due to its simple structure and easy applicability. 16-bit DSPIC33FJ16GS502 is used in the control of the system.

Rastgele Fourier öznitelikleri (RFÖ), doðrusal olmayan sýnýflandýrma için özellikle büyük ölçekli veri koþullarýnda en önemli araçlardan biridir. Bununla birlikte, RFÖ'nün orijinal önerisi dikkate alýndýðýnda, Fourier öznitelikleri belirli bir daðýlýmdan rastgele seçilir ve eniyilenmeden kullanýlýr. Bu yazýda, Fourier özniteliklerini tek gizli katmanlý bir ileri beslemeli sinir aðý (TKÝS) aracýlýðýyla incelemekte ve bu öznitelikleri (rastgele seçim yerine) optimize etmekte, yani öðrenmekteyiz. Öðrenilen Fourier öznitelikleri radyal taban fonksiyonundan (rtf çekirdeði) üretildikten sonra TKÝS'nin gizli katmanýnda gerçeklenir ve sonra takip eden çýktý katmanýnda kullanýlýr. Biyoinformatik gibi çeþitli alanlardan 10 farklý sýnýflandýrma veri kümeleri ile kapsamlý deneyler sunmaktayýz. Fourier öznitelik öðrenmesinin, rtf çekirdek uzayýnda perseptron uygulama veya ileri yönlü fýrsatçý öznitelikleri seçme stratejileri gibi rakip tekniklere göre oldukça üstün olduðu gözlemlenmiþtir. Öte yandan, Fourier öznitelik öðrenmesi, DVM (rtf çekirdekli destek vektör makineleri) ile karþýlaþtýrýlabilir bir performans sergilerken, önemli hesaplama avantajlarýný marjin büyütmesini kullanmadan dahi saðlayabilmektedir. Ayrýca, TKÝS'yi kablosuz örgü aðlarýnda test ettiðimizde akýllý yönlendirme açýsýndan umut vaat ettiðini gözlemlemekteyiz.

Random Fourier features (RFF) provide one of the most prominent means for nonlinear classification in especially large scale data settings. However, considering the original proposal of RFF, Fourier features are randomly drawn from a certain distribution and used unoptimized. In this paper, we investigate Fourier features via a single hidden layer feedforward neural network (SLFN) and optimize, i.e., learn, those features (instead of drawing randomly). The learned Fourier features are deduced from the radial basis function (rbf kernel), and implemented in the hidden layer of the SLFN which is followed by the output layer. We present extensive experiments with 10 different classification datasets from various fields, e.g., bioinformatics. The learning of Fourier features is observed to be highly superior over the competing techniques such as perceptron in the rbf kernel space or a greedy forward feature selection strategy. On the other hand, the Fourier feature learning performs comparably with SVM (support vector machines with rbf kernel) while providing substantial computational benefits, and this is even without using the max margin regularization. Moreover, when tested in wireless mesh networks, the SLFN delivers promising smart steering capabilities.

Bu çalýþmada, kapalý çevrim sistemin zaman özelliklerinin istenen aralýkta kalmasý için baskýn kutup bölgesi atama yöntemiyle ayrýk zamanlý PI, PID ve PIR kontrolörlerin tasarlanmasý amaçlanmýþtýr. Öncelikle, kapalý çevrim sistemin baskýn ve baskýn olmayan kutuplarýnýn konumlanmalarý istenen bölgeler için sýnýr fonksiyonlarýnýn belirlenmesi anlatýlmýþtýr. Burada, sýnýr fonksiyonlarý için, baskýn kutuplarýn konumlanmasý istenen bölge ayrýk zaman düzleminde sabit yarýçaplý iki çember ve sabit bir sönüm oraný eðrisi, kalan kutuplarýn konumlanmasý istenen bölge ise sabit yarýçaplý bir çember kullanýlýr. Daha sonra, baskýn kutup bölgesi atama probleminin çözüm yöntemi ayrýk PI kontrolör için verilmiþtir. Önerilen yöntem, kontrolörün bir parametresini sabitleyerek (Kp=kp*) ayrýk PID ve PIR kontrolörler için geniþletilmiþtir. PIR kontrolörde ek olarak gecikme parametresi h’nin pozitif bir tamsayý olarak seçilmesi ile tasarýma baþlanýr. Önerilen yöntem, iki sistem üzerinden ayrýk PI, PID ve PIR kontrolörler için anlatýlmýþtýr.

In this study, it is aimed to design discrete time PI, PID and PIR controllers with the dominant pole region assignment method in order to have time domain characteristics of the closed loop system in the desired interval. First of all, determination of the boundary functions for the regions where the dominant and non-dominant poles of the closed-loop system are desired to be located are explained. Here, for the boundary functions, the region where the dominant poles are desired to be located are two circles of constant radius and a constant damping ratio curve in the discrete time domain, and the region where the remaining poles are desired to be located is a circle of constant radius. Then, solution method of dominant pole region assignment problem is given for discrete PI controller. The proposed method is extended for discrete PID and PIR controllers by fixing a parameter of the controller (Kp=kp*). In addition, the design starts with selecting the delay parameter h as a positive integer in the PIR controller. The proposed method is demonstrated for discrete PI, PID and PIR controllers via two systems.

Bu çalýþmada, tanýtýlmýþ bir hiperkaotik denklem setinin yeni bir analizi ele alýnmýþtýr. Denklem seti önce matematiksel olarak analiz edilmiþ, ardýndan aktif elemanlarla daha verimli bir devre tasarlanarak sonuçlar kanýtlanmýþtýr. Çalýþmanýn amacý, etkili bir güvenli iletiþim uygulamasý ve rastgele sayý üreteci uygulamasý sunmaktýr. Bu nedenle, denklem setinin yeni analizi temel alýnarak güvenli iletiþim sistemi ve rastgele sayý üretme uygulamasý önerilmiþtir. Bu baðlamda, bir Sözde Rastgele Sayý Üreticisi oluþturmak, bu çalýþmadaki yolun yarýsýdýr. Kaotik osilatörden alýnan sinyaller düþük frekansta örneklenmiþ ve basit bir post-processing ile bit dizileri oluþturulmuþtur. Elde edilen bit dizisi NIST testinden baþarý ile geçmiþtir. Çalýþmadaki yolun diðer yarýsý ise verici ve alýcýda bulunan iki kaotik osilatörün senkronizasyonu ile güvenli bir iletiþim sistemi oluþturmaktýr. Hem verici hem de alýcý parçalarda özdeþ bir gürültü benzeri sinyal üretilir. Verici kýsmýnda bilgiye gürültü benzeri kaotik bir sinyal eklenmektedir. Alýcýda, bu ayný gürültü benzeri sinyal algýlanan sinyalden çýkarýlýr. Böylece bilgiler güvenli bir þekilde iletilebilir. Önerilen iki uygulamanýn da SPICE benzetimleri yapýlmýþ, matematiksel analizler ile uyumlu olduðu gösterilmiþtir. Önerilen devreler, ticari olarak bulunan devre elemanlarý ile gerçeklenmeye uygundur.

In this study, the new analysis of the introduced hyperchaotic equation set was handled. The equation set was firstly analyzed mathematically and then the results were proven by designing a more efficient circuit with active elements. The aim of the study is offering an effective secure communication application and random number generator application. Hence, based on the new analysis of equation set, secure communication system and random number generation application were proposed. Accordingly, creating a Pseudorandom Number Generator is the halfway house in this study. The signals received from the chaotic oscillator were sampled at low frequency and with a simple post-processing, a bit stream was created. The resulting bit stream passed the NIST test successfully. The other halfway of the study is creating a secure communication system by the synchronization of two chaotic oscillators that are in transmitter and receiver. An identical noise-like signals are generated in both transmitter and receiver parts. At the transmitter part adding a noise-like chaotic signal to the information was done. At the receiver, this same noise-like signal is subtracted from the perceived signal. Thus, the information can be transmitted securely. Spice simulations of both proposed applications have been made and it has been shown that they are compatible with mathematical analysis. The proposed circuits are suitable for realization with commercially available circuit elements.

Türkiye’nin yenilenebilir enerji kaynaklarý (YEK) ile elektrik üretim miktarý artýrýlarak, enerji sektörü kaynaklý emisyonlarý önemli miktarda azaltýlabilir. Gönüllü karbon piyasalarý, YEK kullanýlarak elektrik üretiminin özendirilmesi ve bu kaynaklardan daha fazla yararlanýlmasýný saðlarlar. Bu çalýþmada; Türkiye elektrik þebekesine baðlanacak YEK ile elektrik üretimi yapan tesislerden saðlanacak emisyon azaltým ve karbon kredisi miktarlarý ile karbon kredi ticareti ile elde edilecek olan gelir hesaplanmýþtýr. Emisyon azaltým miktarý hesaplamasý; birleþik marj CO2 emisyon faktörleri kullanýlarak gerçekleþtirilmiþtir. 2021-2024 yýllarý arasýnda YEK kullanýlarak gerçekleþtirilecek elektrik enerji üretimi ile saðlanabilecek CO2 emisyon azaltým miktarý 454,94 MtCO2’dir. 2016-2024 yýllarý arasýnda elde edilebilecek gönüllü karbon kredisi geliri 1,116 milyar dolar’dýr. Türkiye’nin YEK ile elektrik üretimi yapan tesisleri ile saðlanan karbon azaltýmýn çok düþük bir bölümü gönüllü karbon sertifikasý ihraç eden kuruluþlar aracýlýðýyla ticarete konu olmuþtur. Türkiye’nin zengin YEK potansiyeli yeterince deðerlendirilmemiþtir. Türkiye’nin yenilenebilir enerji projeleri ile geliþtirilebileceði karbon kredisi hacmi yüksektir.

Turkey's renewable energy sources (RES) can be utilized to increase the amount of electricity generation and significantly reduce emissions from the energy sector. Voluntary carbon markets encourage electricity generation using RES and make greater use of these sources. In this study, the amount of emission reduction and carbon credits to be obtained from the renewable power plants to be connected to the Turkish electricity grid and the revenue to be obtained from carbon credit trading have been calculated. Emission reduction amount has been calculated by using combined margin CO2 emission factors. The amount of CO2 emission reduction that can be achieved through the renewable electricity generation between 2021-2024 is estimated as 454.94 MtCO2. Voluntary carbon credit revenue that can be obtained for the period between 2016 and 2024 is $1.116 billion. A very small part of the carbon reduction potential generated by renewable projects has been the subject of trade through voluntary carbon certificate issuing organizations. Turkey's rich RES potential has not been adequately utilized. The volume of carbon offsets that Turkey can generate by renewable projects is considerably high.

MongoDB'de kullanýlan B-Tree tabanlý metin dizinleri, ters çevrilmiþ dizinler gibi farklý yapýlara kýyasla yavaþtýr. Bu çalýþmada, metindeki her farklý kelimenin yalnýzca bir kez yer aldýðý bir yapý indekslenerek tam metin arama hýzýnýn önemli ölçüde artýrýlabileceði gösterilmiþtir. Daha önceki çalýþmalarýmýzda geliþtirilen Çok Akýþlý Kelime Tabanlý Sýkýþtýrma Algoritmasý (MWCA), kelime sözlüklerini ve verileri farklý akýþlarda saklar. Belgeler bir MongoDB koleksiyonuna eklenirken MWCA ile kodlanmýþ ve altý farklý akýþa ayrýlmýþtýr. Her akýþ farklý bir alan ismi ile saklanmýþ ve bunlardan benzersiz kelimeler içeren üçü metin dizini oluþturulurken kullanýlmýþtýr. Bu sayede indeks daha kýsa sürede oluþturulabilmiþ ve daha az yer kaplamýþtýr. MongoDB‘de kullanýlan Snappy ve Zlib blok sýkýþtýrma yöntemlerinin MWCA ile kodlanan veriler üzerinde daha yüksek sýkýþtýrma oranlarýna ulaþtýðý da görülmüþtür. Farklý yöntemler ile sýkýþtýrýlan koleksiyonlar üzerinde oluþturulan metin dizinlerinde yapýlan arama testleri, yöntemimizin 19 ila 146 kat hýz artýþý ve %34 ila %40 daha az bellek kullanýmý saðladýðýný göstermiþtir. Metin dizinini kullanmayan regex aramalarý ile ilgili testler de MWCA modelinin 7 ila 13 kat hýz artýþý ve %29 ila %34 daha az bellek kullanýmý saðladýðýný göstermiþtir.

B-Tree based text indexes used in MongoDB are slow compared to different structures such as inverted indexes. In this study, it has been shown that the full-text search speed can be increased significantly by indexing a structure in which each different word in the text is included only once. The Multi-Stream Word-Based Compression Algorithm (MWCA), developed in our previous work, stores word dictionaries and data in different streams. While adding the documents to a MongoDB collection, they were encoded with MWCA and separated into six different streams. Each stream was stored in a different field, and three of them containing unique words were used when creating a text index. In this way, the index could be created in a shorter time and took up less space. It was also seen that Snappy and Zlib block compression methods used by MongoDB reached higher compression ratios on data encoded with MWCA. Search tests on text indexes created on collections using different compression options shows that our method provides 19 to 146 times speed increase and 34% to 40% less memory usage. Tests on regex searches that do not use the text index also shows that the MWCA model provides 7 to 13 times speed increase and 29% to 34% less memory usage.

Son zamanlarda yapay zeka (YZ) tekniklerinin farklý alanlarda kullanýmý ile ilgili artan bir ilgi vardýr. Bu çalýþmada, halojen içermeyen alev geciktiricili (HFFR) kablolarda, kablo kýlýf malzemelerinin mekanik özelliklerinden olan kopma uzamasýnýn tahmin edilmesinde farklý makine öðrenmesi algoritmalarýnýn (MÖA) kullanýmýný amaçlamýþtýr. Geliþtirilen tahmin modellerinde kullanýlmak amacý ile numunelere çekme deneyi uygulanmýþ, yüzde uzama deðerleri tespit edilmiþtir. Elde edilen deney sonuçlarý farklý yapay zeka tahmin modellerinde kullanýlmýþtýr. HFFR kablo numunelerinden elde edilen sýnýrlý sayýda veri ile destek vektör makinasý (DVM), yapay sinir aðlarý (YSA) yöntemlerinin mutlak yüzdesel hatalarý oldukça kabul edilebilir seviyede elde edilmiþtir. Bu metotlar ile elde edilen tahminler, ek olarak MS Excel programý ile regresyon analizi yapýlarak elde edilen tahminlerin verileri ile karþýlaþtýrýlmýþtýr. Elde edilen istatiksel sonuçlara göre, bu alanda DVM ve YSA’nýn kullanýmý ile baþarýlý tahmin oraný %87.5, gerçekleþtirilen tahminler için baþarý oraný ortalama %92 elde edilmiþtir. Bu alanda MÖA’nýn kullanýlmasý, deneme yanýlma yöntemi ile yapýlan üretimlerde oluþan belirsizliði büyük oranda sonlandýracak ve baþarýsýz üretim oranýný azaltacaktýr.

Recently, there has been an increasing interest in the use of artificial intelligence techniques in different fields. In this work is aimed to use different machine learning algorithms (MLA) to predict the elongation at break from the mechanical properties of cable sheath materials in halogen-free flame retardant (HFFR) cables. In order to be used in the developed prediction models, tensile test was applied to the samples and the percent elongation values were determined. Obtained experimental results were used in different artificial intelligence prediction models. Absolute percentage errors of support vector machine (SVM) and artificial neural network (ANN) methods were obtained at a quite acceptable level with a limited number of data obtained from HFFR cable samples. The estimations obtained by these methods were compared with the data of the estimations obtained by performing regression analysis with the MS Excel program. According to the statistical results, with the use of SVM and ANN in this area, the successful prediction rate was 87.5%, and the average success rate for the predictions made was 92%. The use of MEA in this area will largely end the uncertainty in the trial and error production and reduce the rate of unsuccessful production.

Havanýn insan yaþamý ve faaliyetleri üzerinde önemli bir etkisi vardýr. Hava sýcaklýðýndaki ani deðiþimler günlük yaþamý ve çeþitli endüstrileri olumsuz etkilendiðinden hava tahmini doðruluðunun önemini günden güne artýrmaktadýr. Mevcut hava tahmin yöntemleri iki ana gruba ayrýlabilir: sayýsal tabanlý ve makine öðrenim tabanlý yaklaþýmlar. Sayýsal tabanlý hava tahmin yöntemleri, hesaplama maliyetini önemli ölçüde artýran karmaþýk matematiksel formüller kullanýr. Buna karþýn, makine öðrenim tabanlý yöntemler ise düþük iþlem maliyetleri nedeniyle son yýllarda daha çok tercih edilir. Bu çalýþmada, geleneksel makine öðrenmesi yöntemlerinin yaný sýra son yýllarda geliþtirilen yükseltme tabanlý makine öðrenmesi algoritmalarý ile birlikte 12 farklý regresyon yöntemi kullanýlarak Güney Kore Seul için bir sonraki günün maksimum ve minimum hava sýcaklýðý tahmin edilmektedir. Ayrýca, hiperparametrelerin ayarlanmasý, makine öðrenmesi algoritmalarýnýn iþlem süresini ve performansýný etkilediðinden, 12 yöntemin tümü zaman ve hiperparametreler açýsýndan kapsamlý bir þekilde çalýþýlmýýþtýr. Yöntemlerin performanslarýnýn karþýlaþtýrýlmasýnda literatürde sýklýkla tercih edilen kare korelasyon katsayýsý (R^2) kullanýlmaktadýr. Gözlemlenen sonuçlara göre, yükseltme tabanlý XGBoost ve LightGBM yöntemleri, hem istatistiksel test analizi hem de en yüksek R^2 puaný ile tüm yýllar için maksimum ve minimum hava sýcaklýðýný tahmin etmede en baþarýlý makine öðrenmesi algoritmalarýdýr.

Weather has a significant impact on human life and activities. As abrupt changes in air temperature negatively affect daily life and various industries, the importance of weather forecast accuracy is increasing day by day. Current weather forecasting methods can be divided into two main groups: numerical-based and machine learning-based approaches. Numerical-based weather forecasting methods use complex mathematical formulas that significantly increase the computational cost. On the other hand, machine learning-based methods have been preferred more in recent years due to their lower computational costs. In this study, the next day's maximum and minimum air temperature are estimated for Seoul, South Korea by using 12 different regression methods together with the boosting-based machine learning algorithms developed in recent years, as well as traditional machine learning methods. Furthermore, since tuning of hyperparameters affects the process time and performance of machine learning algorithms, all 12 methods have been extensively studied in terms of time and hyperparameters. The square correlation coefficient (R^2), which is frequently adopted in the literature, is used to compare the performances of the methods. According to the observed results, the boosting-based XGBoost and LightGBM methods are the most successful machine learning algorithms in predicting the maximum and minimum air temperature for all years with both statistical test analysis and the highest R^2 score

Görüntünün bir kýsmýnýn kopyalayýp ayný görüntü üzerinde baþka bir bölgeye bölge gizlemek veya çoðaltmak amacýyla yapýþtýrýlarak oluþturulan kopya-taþý sahteciliði, son yýllarda en çok karþýlaþýlan görüntü sahteciliði tekniðidir. Literatürde bu tür sahtecilikleri tespit etmek için birçok çalýþma önerilmiþtir. Bu yaklaþýmlarýn ana dezavantajý, sahte görüntü bazý iþleme öncesi veya sonrasý saldýrýlara maruz kaldýðýnda performanslarýnýn düþebilmesidir. Bu çalýþmada, derin öznitelikler ile DCT tabanlý blok özniteliklerinin bir arada kullanýldýðý hibrit bir yaklaþým ile çeþitli saldýrý senaryolarýnda dahi daha iyi tespit oranlarýnýn elde edilmesi amaçlanmaktadýr. Önerilen yöntem, ön iþleme aþamasýnda LDR adý verilen global bir kontrast düzeltme tekniði kullanýr ve daha sonra derin bir sinir aðý kullanarak görüntü yamalarýndan derin öznitelikler çýkarýr. Yöntem ayrýca, yöntemi JPEG sýkýþtýrma saldýrýlarýna karþý daha saðlam hale getirmek için görüntüden blok özellikleri alýr. Hibrit özellikler (derin ve blok tabanlý özellikler) Yama Eþleþtirme kullanýlarak eþleþtirilir ve ardýndan yanlýþ eþleþmeleri en aza indirmek için eþleþtirme sonuçlarý üzerinde önerilen son iþleme iþlemi gerçekleþtirilir. Mevcut veri tabanlarý üzerinde gerçekleþtirilen deneysel çalýþmalara göre önerilen þema, yüksek oranda parametrelerle yapýlan saldýrýlar altýnda bile hem anahtar nokta tabanlý hem de blok tabanlý referanslara kýyasla daha iyi sonuçlar vermektedir.

Copy-move forgery, in which copied a region of the image and pasted onto another region on the same image, is the most encountered image forgery technique recently. Many frameworks have been presented to detect such forgeries. The main drawback with these approaches is their performance can be degraded when the duplicated image has undergone some attacks. In this work, it is aimed to propose a hybrid approach, which uses deep features and DCT-based block features in a combined manner, to achieve higher detection performance even if under various attack scenarios. The proposed method uses a global contrast correction technique called LDR during the preprocessing phase and then extracts deep features from the image patches using a deep neural network. The method also obtains block features from the image to robustness against JPEG compression attacks. Hybrid features (deep and block-based features) are matched using Patch Match and then the proposed post-processing operation is realized on the matching results to minimize false matches. According to empirical studies performed on available databases, the proposed scheme gives better results when compared to both keypoint-based and block-based references even under attacks with challenging parameters.

Videolarýn güvenilirliðinin denetlenmesi, son yýllarýn önemli konularýndan biridir. Videolarýn güvenilirliðinin tespiti için üzerilerinde yapýlan bu deðiþikliklerin araþtýrýlmasý gerekmektedir. Videolar üzerinde; bir olayýn veya bir nesnenin gizlenmesi amacýyla oynama yapýlabilmektedir. Bu çalýþmada video çerçeveleri arasýnda yapýlan tekrarlama sahteciliðinin tespitine yönelik yeni bir yöntem önerilmiþtir. Geliþtirilen yöntem üç aþamadan oluþmaktadýr. Ýlk olarak çerçevelerden çýkarýlan kenar bilgisi ile özellik vektörleri elde edilmektedir. Sonra özellik vektörlerinin çerçeve gruplarý arasýndaki korelasyon bilgisine dayalý benzerlik analizi yapýlmakta; son olarak elde edilen yanlýþ pozitif konumlarýn elenmesi gerçekleþtirilmektedir. Yüksek doðruluk oranýna sahip; videonun sahte veya orijinal olduðuna otomatik olarak karar verebilen yeni bir yöntem ile literatüre katkýda bulunulmuþtur.

Inspection of the reliability of videos is one of the most important issues in recent years. In order to determine the reliability of the videos, the changes made on them should be investigated. Editing can be made on the videos to hide an event or an object. In this study, a new method for the detection of duplication fraud, between video frames is proposed. The developed method consists of three stages. First of all, feature vectors are obtained with the edge information extracted from the frames. Then, similarity analysis is performed based on the correlation information between the frame groups of feature vectors. Finally, the false positive locations obtained are eliminated. A new method that can automatically decide whether the video is fake or original with high accuracy has been contributed to the literature.

Günümüzde standart duygu analizinin yetersiz kalmasý sonucunda, hedef tabanlý duygu analizi (HTDA) çalýþmalarý büyük ilgi görmüþtür. HTDA, bir metindeki her terim/nitelik hakkýnda ayrýntýlý duygu ve düþüncelerin ortaya çýkarýlmasýný saðlar. HTDA yönteminin en önemli alt aþamasý, bir metinden hedef terimlerinin çýkarýlmasý iþlemidir. Türkçe gibi sondan eklemeli dil yapýlarýna sahip metinlerde bu süreç daha da zorlaþmaktadýr. Bu çalýþmada, Türkçe kullanýcý yorumlarýndan hedef terimlerini çýkarmak için istatistiksel (TF-IDF), konu modelleme (LDA ve NMF) ve kural-tabanlý yöntemleri bir arada kullanan bir topluluk yaklaþýmý önerilmiþtir. Önerilen yöntem, farklý yöntemlerle elde edilen aday hedef terim kümelerini stratejik olarak birleþtirir ve nihai hedef terimleri listesini belirler. Önerilen yöntem, Türkçe restoran yorumlarýndan oluþan SemEval-2016 HTDA kýyaslama veri seti üzerinde test edilmiþtir. Önerilen yöntemin deneysel sonuçlarý ayný veri kümesi üzerinde yapýlan önceki çalýþmalarla karþýlaþtýrýlmýþtýr.

Today, as a result of the inadequacies of the standard sentiment analysis, aspect-based sentiment analysis (ABSA) studies have great attracting interest. ABSA reveals detailed sentiment and opinion about every term/attribute in a text. The most important sub-stage of the ABSA method is the process of extracting the aspect terms from a text. This process becomes more difficult in texts with agglutinative language structures such as Turkish. In this study, we proposed an ensemble approach that uses statistical (TF-IDF), topic modeling (LDA and NMF), and rule-based methods together to extract aspect terms from Turkish user comments. The proposed method strategically combines the candidate aspect term obtained by different methods and determines the final aspect term lists. The proposed method has been tested on the SemEval-2016 ABSA benchmarking dataset, which consists of Turkish restaurant reviews. The experimental results of the proposed method were compared with previous studies on the same dataset.