Bu çalışmada Türkiye’nin Kayseri ilinde faaliyet gösteren bir lojistik firmasının gerçek verileri kullanılarak, firmanın karşı karşıya kaldığı homojen kapasiteli çok araçlı araç rotalama problemi ele alınmıştır. Firma Kayseri’de bulunan depodan, 50 farklı konumda bulunan talep noktalarının siparişlerini haftalık periyotlar ile karşılayacak sevkiyat rotasını, elde bulunan araç sayısını aşmadan, minimum maliyet ile elde etmek istemektedir. Problemin çözümü için literatürde yer alan lineer matematiksel model OpenSolver yazılımı ile üzerinde kodlanmıştır. Matematiksel model 10, 15 ve 20 talep noktalı küçük alt problemler için optimum çözüm elde edebilmiştir. 50 talep noktalı gerçek problem için Karınca kolonisi metasezgiseli kodlanmıştır. Metasezgisel modelin kodlanmasında Pycharm paket program ara yüzü üzerinden Python programlama dili kullanılmıştır. Metasezgisel çözümlerinin kalitesi matematiksel çözümler ile ispat edilmiştir. Metasezgisel model ile elde edilen gerçek problem çözümü firmanın mevcut durum değerleri ile kıyaslanmıştır. Elde edilen çözüm firmanın mevcut politikasına oranla %297,6 daha iyi maliyet, %236,61 daha az mesafe sonucunu sağlamıştır.
{"title":"Karınca Kolonisi Algoritmasının Gerçek Hayat Kapasiteli Araç Rotalama Problemi İçin Uygulanması","authors":"Buğra Davut Daşkin, Kadir Büyüközkan","doi":"10.31202/ecjse.1135814","DOIUrl":"https://doi.org/10.31202/ecjse.1135814","url":null,"abstract":"Bu çalışmada Türkiye’nin Kayseri ilinde faaliyet gösteren bir lojistik firmasının gerçek verileri kullanılarak, firmanın karşı karşıya kaldığı homojen kapasiteli çok araçlı araç rotalama problemi ele alınmıştır. Firma Kayseri’de bulunan depodan, 50 farklı konumda bulunan talep noktalarının siparişlerini haftalık periyotlar ile karşılayacak sevkiyat rotasını, elde bulunan araç sayısını aşmadan, minimum maliyet ile elde etmek istemektedir. Problemin çözümü için literatürde yer alan lineer matematiksel model OpenSolver yazılımı ile üzerinde kodlanmıştır. Matematiksel model 10, 15 ve 20 talep noktalı küçük alt problemler için optimum çözüm elde edebilmiştir. 50 talep noktalı gerçek problem için Karınca kolonisi metasezgiseli kodlanmıştır. Metasezgisel modelin kodlanmasında Pycharm paket program ara yüzü üzerinden Python programlama dili kullanılmıştır. Metasezgisel çözümlerinin kalitesi matematiksel çözümler ile ispat edilmiştir. Metasezgisel model ile elde edilen gerçek problem çözümü firmanın mevcut durum değerleri ile kıyaslanmıştır. Elde edilen çözüm firmanın mevcut politikasına oranla %297,6 daha iyi maliyet, %236,61 daha az mesafe sonucunu sağlamıştır.","PeriodicalId":11622,"journal":{"name":"El-Cezeri Fen ve Mühendislik Dergisi","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-12-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"73197545","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Serkan Gönen, Mehmet Ali Barişkan, Gökçe Karacayılmaz, Birkan Alhan, Ercan Nurcan Yilmaz, Harun Artuner, Erhan Sindiren
With the developments in information technologies, every area of our lives, from shopping to education, from health to entertainment, has transitioned to the cyber environment, defined as the digital environment. In particular, the concept of the Internet of Things (IoT) has emerged in the process of spreading the internet and the idea of controlling and managing every device based on IP. The fact that IoT devices are interconnected with limited resources causes users to become vulnerable to internal and external attacks that threaten their security. In this study, a Flood attack, which is an important attack type against IoT networks, is discussed. Within the scope of the analysis of the study, first of all, the effect of the flood attack on the system has been examined. Subsequently, it has been focused on detecting the at-tack through the K-means algorithm, a machine learning algorithm. The analysis results have been shown that the attacking mote where the flood attack has been carried out has been successfully detected. In this way, similar flood attacks will be detected as soon as possible, and the system will be saved from the attack with the most damage and will be activated as soon as possible.
{"title":"A Novel Approach to Prevention of Hello Flood Attack in IoT Using Machine Learning Algorithm","authors":"Serkan Gönen, Mehmet Ali Barişkan, Gökçe Karacayılmaz, Birkan Alhan, Ercan Nurcan Yilmaz, Harun Artuner, Erhan Sindiren","doi":"10.31202/ecjse.1149925","DOIUrl":"https://doi.org/10.31202/ecjse.1149925","url":null,"abstract":"With the developments in information technologies, every area of our lives, from shopping to education, from health to entertainment, has transitioned to the cyber environment, defined as the digital environment. In particular, the concept of the Internet of Things (IoT) has emerged in the process of spreading the internet and the idea of controlling and managing every device based on IP. The fact that IoT devices are interconnected with limited resources causes users to become vulnerable to internal and external attacks that threaten their security. In this study, a Flood attack, which is an important attack type against IoT networks, is discussed. Within the scope of the analysis of the study, first of all, the effect of the flood attack on the system has been examined. Subsequently, it has been focused on detecting the at-tack through the K-means algorithm, a machine learning algorithm. The analysis results have been shown that the attacking mote where the flood attack has been carried out has been successfully detected. In this way, similar flood attacks will be detected as soon as possible, and the system will be saved from the attack with the most damage and will be activated as soon as possible.","PeriodicalId":11622,"journal":{"name":"El-Cezeri Fen ve Mühendislik Dergisi","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-11-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"72798632","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
In this study, we investigated the effect of talc (magnesium-silicate-monohydrate/3MgO.4SiO2.H2O) nucleating agent (NA) on the thermal and mechanical properties of isotactic-polypropylene (i-PP) at loadings ranging from 0.5 to 5% by weight using the melt compounding method. The results demonstrated that NA/i-PP exhibited significantly improved mechanical performance compared to neat i-PP. In addition, the influence of the concentration of the NA on the melting and crystallization behavior of neat i-PP was also analyzed through DSC curves. The tensile and flexural properties of i-PP enhanced as NA concentration increased. Furthermore, scanning electron microscopy revealed that there is a significant difference in the fracture surface between the NA/i-PP and the i-PP matrix. Consequently, it was determined that the NA (talc) used in this study was a good NA for i-PP, improved the mechanical and thermal properties of the product, affected the crystallization properties and the microstructure, and reduced the mold cycle time. Besides these, the use of various additives between talc and i-PP matrix that can improve interface features are expected to be an alternative approach to the new i-PP design with much higher mechanical and thermal properties.
{"title":"Experimental Investigation of Effects of the Nucleating Agent on Mechanical and Crystallization Behavior of Injection-Molded Isotactic Polypropylene","authors":"Mesut Kandemi̇r, İ. Karagöz, Harun Sepetcioglu","doi":"10.31202/ecjse.1165527","DOIUrl":"https://doi.org/10.31202/ecjse.1165527","url":null,"abstract":"In this study, we investigated the effect of talc (magnesium-silicate-monohydrate/3MgO.4SiO2.H2O) nucleating agent (NA) on the thermal and mechanical properties of isotactic-polypropylene (i-PP) at loadings ranging from 0.5 to 5% by weight using the melt compounding method. The results demonstrated that NA/i-PP exhibited significantly improved mechanical performance compared to neat i-PP. In addition, the influence of the concentration of the NA on the melting and crystallization behavior of neat i-PP was also analyzed through DSC curves. The tensile and flexural properties of i-PP enhanced as NA concentration increased. Furthermore, scanning electron microscopy revealed that there is a significant difference in the fracture surface between the NA/i-PP and the i-PP matrix. Consequently, it was determined that the NA (talc) used in this study was a good NA for i-PP, improved the mechanical and thermal properties of the product, affected the crystallization properties and the microstructure, and reduced the mold cycle time. Besides these, the use of various additives between talc and i-PP matrix that can improve interface features are expected to be an alternative approach to the new i-PP design with much higher mechanical and thermal properties.","PeriodicalId":11622,"journal":{"name":"El-Cezeri Fen ve Mühendislik Dergisi","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-11-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"83862909","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Kenar algılama operatörlerinin başarısı bilgisayarlı görü algoritmaları için çok önemli bir aşamadır. İyi çıkarılmış bir kenar haritası kendisinden sonra gelen bütün işlemlerin performansında hayati bir rol oynayacaktır. Bu çalışmada çeşitli şehir fotoğrafları alınarak standart bir dizi işleme sürecinden geçirilmiştir. Elde edilen bu görüntüler seçilen Canny, Sobel ve Prewitt kenar algılama algoritmalarınca işlenmiş ve gerçek referans değer veriler kullanılarak performansları yönünden karşılaştırılmıştır. Bu karşılaştırmalarda kenar algılama operatörleri sınıflandırma algoritması kabul edilerek sınıflandırma algoritmalarının başarısı için kullanılan kesinlik, duyarlılık ve f skoru hesaplamaları yöntemleriyle değerlendirilmiştir. Yaptığımız literatür taramasında bu yöntem ilk defa kullanılmıştır. Bu çalışma içerisine görüntü işleme ve algoritmaların karşılaştırılması için kullanılan programlar ve kod parçaları eklenmiştir. Elde edilen sonuçlara göre kullanılan veri seti üzerinde Canny, Sobel, ya da Prewitt kenar algılama operatörleri arasında gerçek referans değere karşı anlamlı üstünlük tespit edilememiş ancak karşılaştırma işleminin nesnel bir çıktıya dönüştürülebileceği ispatlanmıştır. Bu çalışmanın ikinci kısmında diğer algoritmalar da karşılaştırmaya eklenerek çalışma genişletilecek ve eksiksiz bir performans testi elde edilmiş olacaktır.
{"title":"Kenar Algılama Algoritmaları Arasında Nesnel Performans Karşılaştırması","authors":"Ramazan Emre Oduncuoglu, Ozge OZTİMUR KARADAG","doi":"10.31202/ecjse.1133560","DOIUrl":"https://doi.org/10.31202/ecjse.1133560","url":null,"abstract":"Kenar algılama operatörlerinin başarısı bilgisayarlı görü algoritmaları için çok önemli bir aşamadır. İyi çıkarılmış bir kenar haritası kendisinden sonra gelen bütün işlemlerin performansında hayati bir rol oynayacaktır. Bu çalışmada çeşitli şehir fotoğrafları alınarak standart bir dizi işleme sürecinden geçirilmiştir. Elde edilen bu görüntüler seçilen Canny, Sobel ve Prewitt kenar algılama algoritmalarınca işlenmiş ve gerçek referans değer veriler kullanılarak performansları yönünden karşılaştırılmıştır. Bu karşılaştırmalarda kenar algılama operatörleri sınıflandırma algoritması kabul edilerek sınıflandırma algoritmalarının başarısı için kullanılan kesinlik, duyarlılık ve f skoru hesaplamaları yöntemleriyle değerlendirilmiştir. Yaptığımız literatür taramasında bu yöntem ilk defa kullanılmıştır. Bu çalışma içerisine görüntü işleme ve algoritmaların karşılaştırılması için kullanılan programlar ve kod parçaları eklenmiştir. Elde edilen sonuçlara göre kullanılan veri seti üzerinde Canny, Sobel, ya da Prewitt kenar algılama operatörleri arasında gerçek referans değere karşı anlamlı üstünlük tespit edilememiş ancak karşılaştırma işleminin nesnel bir çıktıya dönüştürülebileceği ispatlanmıştır. Bu çalışmanın ikinci kısmında diğer algoritmalar da karşılaştırmaya eklenerek çalışma genişletilecek ve eksiksiz bir performans testi elde edilmiş olacaktır.","PeriodicalId":11622,"journal":{"name":"El-Cezeri Fen ve Mühendislik Dergisi","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-11-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"89463042","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Yüzyıllardır süregelen yazarı belirsiz metinler sorunu, internet çağının başlamasıyla oldukça artmıştır. Bu durumun en büyük sebebi internetteki verilerin çok yüksek oranını yapısal olmayan verilerin oluşturması ve bu yapısal olmayan verilerin de büyük bir bölümünü sınıflandırılmamış, yazarları belirsiz metinlerin oluşturmasıdır. Son yıllarda yapılan sınıflandırma işlemlerinde makine öğrenmesi yöntemlerinin kullanılması, yazar tanıma problemlerine yeni bir bakış açısı getirmiştir. Bu çalışmada makine öğrenmesi yöntemleri kullanılarak yazar tanıma problemi için web tabanlı arayüze sahip uçtan uca bir uygulama geliştirilmiştir. Sınıflandırma işlemi için 37 yazarın köşe yazılarından oluşturulmuş 46715 metin verisi içeren bir derlem kullanılmıştır. Bu derlemden TF-IDF yöntemi kullanılarak öznitelikler çıkarılmış ve bir veri kümesi elde edilmiştir. Daha sonra veri kümesi, Destek Vektör Makineleri (DVM), NB (NB) ve RO (RO) gibi makine öğrenme algoritmaları ile eğitilmiş ve test edilmiştir. Test sonucunda, DVM %90 doğruluk oranıyla en iyi performansı gösteren sınıflandırıcı model olmuştur. Elde edilen DVM modeline, Python programlama dilinin kütüphanelerinden olan Flask kullanılarak bir web arayüzü geliştirilmiştir. Son olarak uygulama, kararlı ve dağıtıma uygun bir halde çalıştırılması amacıyla Docker konteynerına dönüştürülmüştür. Sonuç olarak, uçtan uca geliştirilen bir yazar tanıma uygulaması doğrudan son kullanıcı tarafından kullanılabilir biçimde sunulmuştur. Makine öğrenmesi desteğiyle web tabanlı böyle bir uygulamanın oluşturulması, yazar tanıma çalışmasını daha anlamlı ve kullanılabilir hale getirmiştir.
{"title":"Destek Vektör Makineleri Algoritması ile Uçtan Uca Yazar Tanıma Uygulaması Geliştirme","authors":"İlayda Erdoğan, Merve Güllü, H. Polat","doi":"10.31202/ecjse.1134698","DOIUrl":"https://doi.org/10.31202/ecjse.1134698","url":null,"abstract":"Yüzyıllardır süregelen yazarı belirsiz metinler sorunu, internet çağının başlamasıyla oldukça artmıştır. Bu durumun en büyük sebebi internetteki verilerin çok yüksek oranını yapısal olmayan verilerin oluşturması ve bu yapısal olmayan verilerin de büyük bir bölümünü sınıflandırılmamış, yazarları belirsiz metinlerin oluşturmasıdır. Son yıllarda yapılan sınıflandırma işlemlerinde makine öğrenmesi yöntemlerinin kullanılması, yazar tanıma problemlerine yeni bir bakış açısı getirmiştir. Bu çalışmada makine öğrenmesi yöntemleri kullanılarak yazar tanıma problemi için web tabanlı arayüze sahip uçtan uca bir uygulama geliştirilmiştir. Sınıflandırma işlemi için 37 yazarın köşe yazılarından oluşturulmuş 46715 metin verisi içeren bir derlem kullanılmıştır. Bu derlemden TF-IDF yöntemi kullanılarak öznitelikler çıkarılmış ve bir veri kümesi elde edilmiştir. Daha sonra veri kümesi, Destek Vektör Makineleri (DVM), NB (NB) ve RO (RO) gibi makine öğrenme algoritmaları ile eğitilmiş ve test edilmiştir. Test sonucunda, DVM %90 doğruluk oranıyla en iyi performansı gösteren sınıflandırıcı model olmuştur. Elde edilen DVM modeline, Python programlama dilinin kütüphanelerinden olan Flask kullanılarak bir web arayüzü geliştirilmiştir. Son olarak uygulama, kararlı ve dağıtıma uygun bir halde çalıştırılması amacıyla Docker konteynerına dönüştürülmüştür. Sonuç olarak, uçtan uca geliştirilen bir yazar tanıma uygulaması doğrudan son kullanıcı tarafından kullanılabilir biçimde sunulmuştur. Makine öğrenmesi desteğiyle web tabanlı böyle bir uygulamanın oluşturulması, yazar tanıma çalışmasını daha anlamlı ve kullanılabilir hale getirmiştir.","PeriodicalId":11622,"journal":{"name":"El-Cezeri Fen ve Mühendislik Dergisi","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-11-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"85644046","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Yapay zekâ ve makine öğrenimi yöntemlerindeki ilerlemeler, bilimsel araştırmalarda geniş uygulanabilirliği olan araçlar sağlamışlardır. Bu teknikler, nükleer teori, deneysel yöntemler, hızlandırıcı teknoloji ve nükleer verilerdeki konuları kapsayan çeşitli alanlarda uygulanmakta ve bilimsel keşifleri ve toplumsal uygulamaları kolaylaştıracak ilerlemeleri sağlamaktadır. Deneysel verilerin analizi ve nükleer sistemlerin teorik olarak modellemesi, fiziğin tüm alanlarında olduğu gibi, korelasyonlara dayalı tahmin yapmak ve etkileşimleri sağlamak amaçlar. Deneysel çalışmalar, her biri benzersiz operasyon, veri toplama ve analiz yöntemlerine sahip dünya çapında birçok laboratuvarı kullanır. Benzer şekilde, teorik nükleer fizikte yayılan odak ölçekleri, algoritma yöntemleri ve belirsizlik ölçümü için geniş ihtiyaçlara yol açar. Boyut ve enerji ölçeklerinde veri türleri dizilerini kullanan bu teorik çalışmalar, YSA/ML yöntemlerinin uygulamaları için mükemmel bir ortam yaratır. Ayrıca, bu yöntemlerin son on yılda daha pratik hale gelmesiyle, nükleer bilim ve teknolojide öğrenmeye dayalı yöntemlerin popülaritesinin artacağı öngörülmekte; sonuç olarak, bu tür metodolojileri uygulamanın yararlarını ve engellerini anlamak, daha iyi araştırma planları oluşturmaya ve proje risklerini ve fırsatlarını belirlemeye yardımcı olabilir. Bu çalışma, yapay zekâ ve makine öğrenmesi teknikleri ile yapılmış nükleer fizik araştırmaları ve nükleer tıp teknolojileri hakkında bilgi vermektedir.
{"title":"Yapay Sinir Ağları ve Makine Öğrenme Yöntemlerinin Nükleer Fizik Uygulamaları","authors":"Veli Çapali","doi":"10.31202/ecjse.1132803","DOIUrl":"https://doi.org/10.31202/ecjse.1132803","url":null,"abstract":"Yapay zekâ ve makine öğrenimi yöntemlerindeki ilerlemeler, bilimsel araştırmalarda geniş uygulanabilirliği olan araçlar sağlamışlardır. Bu teknikler, nükleer teori, deneysel yöntemler, hızlandırıcı teknoloji ve nükleer verilerdeki konuları kapsayan çeşitli alanlarda uygulanmakta ve bilimsel keşifleri ve toplumsal uygulamaları kolaylaştıracak ilerlemeleri sağlamaktadır. Deneysel verilerin analizi ve nükleer sistemlerin teorik olarak modellemesi, fiziğin tüm alanlarında olduğu gibi, korelasyonlara dayalı tahmin yapmak ve etkileşimleri sağlamak amaçlar. Deneysel çalışmalar, her biri benzersiz operasyon, veri toplama ve analiz yöntemlerine sahip dünya çapında birçok laboratuvarı kullanır. Benzer şekilde, teorik nükleer fizikte yayılan odak ölçekleri, algoritma yöntemleri ve belirsizlik ölçümü için geniş ihtiyaçlara yol açar. Boyut ve enerji ölçeklerinde veri türleri dizilerini kullanan bu teorik çalışmalar, YSA/ML yöntemlerinin uygulamaları için mükemmel bir ortam yaratır. Ayrıca, bu yöntemlerin son on yılda daha pratik hale gelmesiyle, nükleer bilim ve teknolojide öğrenmeye dayalı yöntemlerin popülaritesinin artacağı öngörülmekte; sonuç olarak, bu tür metodolojileri uygulamanın yararlarını ve engellerini anlamak, daha iyi araştırma planları oluşturmaya ve proje risklerini ve fırsatlarını belirlemeye yardımcı olabilir. Bu çalışma, yapay zekâ ve makine öğrenmesi teknikleri ile yapılmış nükleer fizik araştırmaları ve nükleer tıp teknolojileri hakkında bilgi vermektedir.","PeriodicalId":11622,"journal":{"name":"El-Cezeri Fen ve Mühendislik Dergisi","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-11-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"78301144","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Sahte yüz bulunan görüntü ve video içerikleri en yaygın dijital manipülasyon türüdür. Genellikle eğlence amaçlı üretilen bu içerikler zararlı sonuçlar doğurabilir. Sahte yüz görüntüsü üretiminde makine öğrenmesi algoritmaları kullanılmaya başlanmıştır. Makine öğrenmesi algoritmaları ile gerçeğe oldukça yakın yüz manipülasyonları yapılabilmektedir. Bu nedenle gerçek ile sahte içeriklerin ayırt edilebilmesi oldukça zorlaşmıştır. Yüz manipülasyonları tüm yüz sentezi, kimlik değiştirme, nitelik manipülasyonu ve ifade değiştirme olmak üzere 4 temel gruba ayrılır. Tüm yüz sentezi ile çekişmeli üretici ağlar kullanılarak gerçekte olmayan yüzler üretilmektedir. Kimlik değiştirme video içerisindeki kişinin yüz görüntüsünün başka bir yüz ile değiştirilmesidir. Nitelik manipülasyonu yüzün cilt, cinsiyet, yaş, gözlük, saç rengi vb. özelliklerinin değiştirilmesidir. İfade değiştirme manipülasyon yöntemi kişinin yüz ifadesinin değiştirilmesidir. Yapılan çalışmada tüm yüz sentezi manipülasyon yöntemi ile üretilen sahte yüz görüntülerinin tespiti için hafif evrişimsel sinir ağları kullanılmıştır. Eğitim işlemi için MobileNet, MobileNetV2, EfficientNetB0 ve NASNetMobile algoritmaları kullanılmıştır. Kullanılan veri setinde FFHQ veri setindeki 70.000 gerçek görüntü ile FFHQ veri seti kullanılarak StyleGAN2 ile üretilen 70.000 sahte görüntü yer almaktadır. Eğitim işleminde modellerin ImageNet veri seti üzerinde eğitilmiş ağırlıkları transfer öğrenme ile tekrar kullanılmıştır. EfficientNetB0 algoritmasında %93,64 başarı oranı ile en yüksek doğruluk oranına ulaşılmıştır.
{"title":"Hafif Evrişimsel Sinir Ağları Kullanılarak Sahte Yüz Görüntülerinin Tespiti","authors":"Emre Şafak, Necaattin Barisçi","doi":"10.31202/ecjse.1133527","DOIUrl":"https://doi.org/10.31202/ecjse.1133527","url":null,"abstract":"Sahte yüz bulunan görüntü ve video içerikleri en yaygın dijital manipülasyon türüdür. Genellikle eğlence amaçlı üretilen bu içerikler zararlı sonuçlar doğurabilir. Sahte yüz görüntüsü üretiminde makine öğrenmesi algoritmaları kullanılmaya başlanmıştır. Makine öğrenmesi algoritmaları ile gerçeğe oldukça yakın yüz manipülasyonları yapılabilmektedir. Bu nedenle gerçek ile sahte içeriklerin ayırt edilebilmesi oldukça zorlaşmıştır. Yüz manipülasyonları tüm yüz sentezi, kimlik değiştirme, nitelik manipülasyonu ve ifade değiştirme olmak üzere 4 temel gruba ayrılır. Tüm yüz sentezi ile çekişmeli üretici ağlar kullanılarak gerçekte olmayan yüzler üretilmektedir. Kimlik değiştirme video içerisindeki kişinin yüz görüntüsünün başka bir yüz ile değiştirilmesidir. Nitelik manipülasyonu yüzün cilt, cinsiyet, yaş, gözlük, saç rengi vb. özelliklerinin değiştirilmesidir. İfade değiştirme manipülasyon yöntemi kişinin yüz ifadesinin değiştirilmesidir. Yapılan çalışmada tüm yüz sentezi manipülasyon yöntemi ile üretilen sahte yüz görüntülerinin tespiti için hafif evrişimsel sinir ağları kullanılmıştır. Eğitim işlemi için MobileNet, MobileNetV2, EfficientNetB0 ve NASNetMobile algoritmaları kullanılmıştır. Kullanılan veri setinde FFHQ veri setindeki 70.000 gerçek görüntü ile FFHQ veri seti kullanılarak StyleGAN2 ile üretilen 70.000 sahte görüntü yer almaktadır. Eğitim işleminde modellerin ImageNet veri seti üzerinde eğitilmiş ağırlıkları transfer öğrenme ile tekrar kullanılmıştır. EfficientNetB0 algoritmasında %93,64 başarı oranı ile en yüksek doğruluk oranına ulaşılmıştır.","PeriodicalId":11622,"journal":{"name":"El-Cezeri Fen ve Mühendislik Dergisi","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-11-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"79828664","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
WLAN applications operating at a frequency of 2.45 GHz are a frequently used communication method in transmission tools. The connection functions to send and receive data between access points and smart devices are also fulfilled by WLAN technology. Communication quality in data transfer gains importance for this technology at every stage. Front-end module structures are used to increase such quality affects directly the efficiency. Circuits including power amplifier (PA), low noise amplifier (LNA), antenna and filter are the most significant components compose front-end structures. In this study, PA and LNA using PW570 gain block & BFP760 RF transistor circuit respectively are proposed. By means of the usage of the proposed circuits, there will be considerable improvements in data communication speed and area of coverage, which are among the WLAN performance factors.
{"title":"Power Amplifier and Low Noise Amplifier for WLAN Applications","authors":"M. Duman","doi":"10.31202/ecjse.1162783","DOIUrl":"https://doi.org/10.31202/ecjse.1162783","url":null,"abstract":"WLAN applications operating at a frequency of 2.45 GHz are a frequently used communication method in transmission tools. The connection functions to send and receive data between access points and smart devices are also fulfilled by WLAN technology. Communication quality in data transfer gains importance for this technology at every stage. Front-end module structures are used to increase such quality affects directly the efficiency. Circuits including power amplifier (PA), low noise amplifier (LNA), antenna and filter are the most significant components compose front-end structures. In this study, PA and LNA using PW570 gain block & BFP760 RF transistor circuit respectively are proposed. By means of the usage of the proposed circuits, there will be considerable improvements in data communication speed and area of coverage, which are among the WLAN performance factors.","PeriodicalId":11622,"journal":{"name":"El-Cezeri Fen ve Mühendislik Dergisi","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-11-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"79876179","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Metin etiketleme olarak da bilinen metin sınıflandırması verilen bir metni organize gruplara ayırma işlemidir. Metin sınıflandırıcılar, Doğal Dil İşleme yöntemlerini kullanarak metni otomatik olarak analiz edebilir ve ardından içeriğine göre bir dizi önceden tanımlanmış etiket veya kategori ataması yapabilir. Söz konusu bir Kur'an ayeti ise, etiketlenmedeki temel amaç ayetin ilgili olduğu temanın belirlenmesidir. Ancak mevcuttaki ayet etiketleme yaklaşımları öncelikli olarak Arapça dilinde ve Kur'an tefsirinde derin uzmanlığa sahip alimlerin mevcudiyetine bağlıdır. Bu çalışmada metin sınıflandırma algoritmalarını kullanarak Kur'an ayetlerinin etiketlenmesi görevinin otomatikleştirilmesi önerilmektedir. Sınıflandırma algoritmaları ile gerçekleştirdiğimiz deneylerde ayetlerin İngilizce çevirilerinin ait oldukları önceden tanımlanmış 15 kategori öznitelik olarak kullanılmıştır. Literatürdeki benzer çalışmalardan farklı olarak öznitelik seçimi aşamasında Genetik Algoritma kullanılmıştır. Böylece gerçekleştirilen bu ara adımın nihai performansa olumlu etki etmesi amaçlanmıştır. Çalışmanın sonunda çeşitli performans değerlendirme metrikleri kullanılarak sınıflandırma modellerinin başarım değerleri karşılaştırılmalı olarak verilmiştir.
{"title":"Öznitelik Seçiminde Genetik Algoritma Kullanılarak Kur’an-ı Kerim Ayetlerinin Otomatik Sınıflandırılması","authors":"Fatih Mert, M. Aydın, Zeynep Orman","doi":"10.31202/ecjse.1135868","DOIUrl":"https://doi.org/10.31202/ecjse.1135868","url":null,"abstract":"Metin etiketleme olarak da bilinen metin sınıflandırması verilen bir metni organize gruplara ayırma işlemidir. Metin sınıflandırıcılar, Doğal Dil İşleme yöntemlerini kullanarak metni otomatik olarak analiz edebilir ve ardından içeriğine göre bir dizi önceden tanımlanmış etiket veya kategori ataması yapabilir. Söz konusu bir Kur'an ayeti ise, etiketlenmedeki temel amaç ayetin ilgili olduğu temanın belirlenmesidir. Ancak mevcuttaki ayet etiketleme yaklaşımları öncelikli olarak Arapça dilinde ve Kur'an tefsirinde derin uzmanlığa sahip alimlerin mevcudiyetine bağlıdır. Bu çalışmada metin sınıflandırma algoritmalarını kullanarak Kur'an ayetlerinin etiketlenmesi görevinin otomatikleştirilmesi önerilmektedir. Sınıflandırma algoritmaları ile gerçekleştirdiğimiz deneylerde ayetlerin İngilizce çevirilerinin ait oldukları önceden tanımlanmış 15 kategori öznitelik olarak kullanılmıştır. Literatürdeki benzer çalışmalardan farklı olarak öznitelik seçimi aşamasında Genetik Algoritma kullanılmıştır. Böylece gerçekleştirilen bu ara adımın nihai performansa olumlu etki etmesi amaçlanmıştır. Çalışmanın sonunda çeşitli performans değerlendirme metrikleri kullanılarak sınıflandırma modellerinin başarım değerleri karşılaştırılmalı olarak verilmiştir.","PeriodicalId":11622,"journal":{"name":"El-Cezeri Fen ve Mühendislik Dergisi","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-11-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"78153343","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Beyin tümörleri kafatası içinde anormal hücre ve kitle büyümesinin genel adıdır. Beyin tümörü tanısı konulabilmesi için en yaygın tetkik beyin dokusu ve dokudaki yabancı kitleleri gösteren MR (manyetik rezonans) görüntülemesinin yapılmasıdır. Tanı konduktan sonra hızlıca tedavi süreci planlamalıdır. MR görüntüleri çekildikten sonra uzman radyologlar tarafından görüntülerin incelenerek raporlanması zaman alabilmektedir. Son yıllarda hızla gelişen derin öğrenme teknolojileri ile tıp alanında bulunan yenilikler sayesinde hastalıkların erken ve doğru teşhis edilmesi için çeşitli çalışmalar yapılmaktadır. İnsan kaynaklı hataların en aza indirilmesi bu çalışmalar içerisinde önemli bir yere sahiptir. Bu çalışmada MRI görüntülerinin işaretlenerek uzmanlara yardımcı olması için yapay zekâ tekniklerinden yararlanılarak yeni bir evrişimli sinir ağı modeli eğitilmiştir. Eğitim aşamasında U-Net modelinden yararlanılarak, BRAST veri kümesinin %80’i kullanılmıştır. Veri kümesi içerisindeki örneklerin %20’si modelin performansının değerlendirilmesi için kullanılmıştır. Eğitim ve test işlemleri sonucunda elde edilen bulgular incelendiğinde eğitilen modelin tüm tümör, tümör çekirdeği ve genişleyen tümör bölgelerini sırayla 0.908, 0.807 ve 0.877 Benzerlik oranı (BO, Dice Coefficent Score) ile başarılı bir şekilde işaretleme yapabilen bir model eğitildiği görülmektedir.
{"title":"Evrişimli Sinir Ağlarında Beyin Tümörü Segmentasyonu","authors":"Emin Gökçe, M. Demi̇ral, A. Isik, Mehmet Bilen","doi":"10.31202/ecjse.1141335","DOIUrl":"https://doi.org/10.31202/ecjse.1141335","url":null,"abstract":"Beyin tümörleri kafatası içinde anormal hücre ve kitle büyümesinin genel adıdır. Beyin tümörü tanısı konulabilmesi için en yaygın tetkik beyin dokusu ve dokudaki yabancı kitleleri gösteren MR (manyetik rezonans) görüntülemesinin yapılmasıdır. Tanı konduktan sonra hızlıca tedavi süreci planlamalıdır. MR görüntüleri çekildikten sonra uzman radyologlar tarafından görüntülerin incelenerek raporlanması zaman alabilmektedir. Son yıllarda hızla gelişen derin öğrenme teknolojileri ile tıp alanında bulunan yenilikler sayesinde hastalıkların erken ve doğru teşhis edilmesi için çeşitli çalışmalar yapılmaktadır. İnsan kaynaklı hataların en aza indirilmesi bu çalışmalar içerisinde önemli bir yere sahiptir. Bu çalışmada MRI görüntülerinin işaretlenerek uzmanlara yardımcı olması için yapay zekâ tekniklerinden yararlanılarak yeni bir evrişimli sinir ağı modeli eğitilmiştir. Eğitim aşamasında U-Net modelinden yararlanılarak, BRAST veri kümesinin %80’i kullanılmıştır. Veri kümesi içerisindeki örneklerin %20’si modelin performansının değerlendirilmesi için kullanılmıştır. Eğitim ve test işlemleri sonucunda elde edilen bulgular incelendiğinde eğitilen modelin tüm tümör, tümör çekirdeği ve genişleyen tümör bölgelerini sırayla 0.908, 0.807 ve 0.877 Benzerlik oranı (BO, Dice Coefficent Score) ile başarılı bir şekilde işaretleme yapabilen bir model eğitildiği görülmektedir.","PeriodicalId":11622,"journal":{"name":"El-Cezeri Fen ve Mühendislik Dergisi","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2022-11-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"84610517","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：