Search

Speech emotion recognition is an area of active human-computer interaction that can recognize human emotions from speech signals in real time. The recognition task in this area is an example of a difficult classification due to the complexity of emotions. An effective classification process depends on high-level deep features and an appropriate deep learning model. There are many classification studies in the field of speech emotion recognition. In these studies, many different models and combinations of features have been proposed to accurately extract emotions from speech data. In this article, a system for speech emotion recognition task is proposed. In this system, a long-short-term memory-based deep learning model is proposed for speech emotion recognition. The proposed system consists of four stages: preprocessing, feature extraction, feature combination, long-short-term memory and classification. In the proposed system, the clipping and pre-emphasis pre-processes are applied to the speech data first. After these processes, Mel Frequency Kepstrum Coefficients, Zero Crossing Ratio and Root Mean Square Energy acoustic properties are extracted from the obtained speech data and combined. In addition to the spatial information of these combined features, their acoustic changes over time are learned with the proposed long-short-term memory and a deep neural network model associated with it. Finally, the information learned is classified into 8 different emotions by the softmax activation function. The proposed system has been tested on a dataset using RAVDESS and TESS datasets together. Accuracies of 99.87%, 85.14% and 88.92% were measured in training, validation and test results, respectively. The results were compared in terms of the accuracies in the recent studies and the success of the proposed system was revealed., Konuşma duygu tanıma, konuşma sinyallerinden insan duygularını gerçek zamanlı olarak tanıyabilen aktif bir insan-bilgisayar etkileşimi alanıdır. Bu alanda yapılan tanıma görevi, duyguların karmaşıklığı nedeniyle zorlu bir sınıflandırma örneğidir. Etkili bir sınıflandırma işleminin yapılabilmesi yüksek seviyeli derin özelliklere ve uygun bir derin öğrenme modeline bağlıdır. Konuşma duygu tanıma alanında yapılmış birçok sınıflandırma çalışması mevcuttur. Bu çalışmalarda konuşma verilerinden duyguların doğru bir şekilde çıkarılması için birçok farklı model ve özellik birleşimi önerilmiştir. Bu makalede konuşma duygu tanıma görevi için bir sistem önerilmektedir. Bu sistemde konuşma duygu tanıma için uzun-kısa süreli bellek tabanlı bir derin öğrenme modeli önerilmiştir. Önerilen sistem ön-işlem, özellik çıkarma, özellik birleşimi, uzun-kısa süreli bellek ve sınıflandırma olmak üzere dört aşamadan oluşmaktadır. Önerilen sistemde konuşma verilerine ilk olarak kırpma ve ön-vurgu ön-işlemleri uygulanır. Bu işlemlerden sonra elde edilen konuşma verilerinden Mel Frekans Kepstrum Katsayıları, Sıfır Geçiş Oranı ve Kök Ortalama Kare Enerji akustik özellikleri çıkarılarak birleştirilir. Birleştirilen bu özelliklerin uzamsal bilgilerinin yanında zaman içindeki akustik değişimleri sistemde önerilen uzun-kısa süreli bellek ve buna bağlı bir derin sinir ağı modeliyle öğrenilir. Son olarak softmax aktivasyon fonksiyonu ile öğrenilen bilgiler 8 farklı duyguya sınıflandırılır. Önerilen sistem RAVDESS ve TESS veri setlerinin birlikte kullanıldığı bir veri kümesinde test edilmiştir. Eğitim, doğrulama ve test sonuçlarında sırasıyla %99.87 , %85.14 , %88.92 oranlarında doğruluklar ölçülmüştür. Sonuçlar, son teknoloji çalışmalardaki doğruluklarla kıyaslanmış önerilen sistemin başarısı ortaya konmuştur.

In this study, a software trivium structure was created. Trivium is one of the structures created by connecting 3 LFSRs (Linear feedback shift registers) with various logic gates and used as a random number generator. Trivium structures can be created in hardware or software. There are various methods and algorithms proposed in the literature to determine the initial values (key, initial vector and LFSR initial contents) of software trivium structures. In this study, unlike the existing studies, the first conditions were created by using the Java SecureRandom library. Pseudo-random numbers generated using the software trivium structure created in the study were analyzed with NIST SP 800-22 Rev.1a tests. The binary sequences produced using the generated trivium structure passed the randomness tests successfully., Bu çalışmada yazılımsal trivium yapısı oluşturulmuştur. Trivium, 3 adet LFSR’nin (Doğrusal geri beslemeli kaydırmalı yazmaç) çeşitli mantık kapılarıyla birbirine bağlanmasıyla oluşturulan ve rasgele sayı üreteci olarak kullanılan yapılardan biridir. Trivium yapıları donanımsal veya yazılımsal oluşturulabilir. Yazılımsal trivium yapılarının ilk değerlerini (anahtar, başlangıç vektörü ve LFSR başlangıç içerikleri) belirlemek için literatürde önerilen çeşitli yöntem ve algoritmalar mevcuttur. Bu çalışmada mevcut çalışmalardan farklı olarak ilk şartlar Java SecureRandom kütüphanesi kullanlarak oluşturulmuştur. Çalışmada oluşturulan yazılımsal trivium yapısı kullanılarak üretilen sözde rasgele sayılar NIST SP 800-22 Rev.1a testleri ile analiz edilmiştir. Oluşturulan trivium yapısı kullanılarak üretilen ikili diziler rasgelelik testlerinden başarılı şekilde geçmiştir.

Hiperspektral uzaktan algılama görüntüleri (HUAG), yüzlerce spektral bant içeren ve iki uzamsal-bir spektral boyuta sahip 3B görüntü küpleridir. Sınıflandırma, HUAG’de en popüler konulardan biridir. Son yıllarda HUAG sınıflandırması için çok sayıda derin öğrenme yöntemi önerilmiştir. Özellikle Evrişimli Sinir Ağları (ESA), HUAG'lerin sınıflandırılmasında yaygın olarak kullanılmaktadır. ESA, daha yüksek kaliteli HUAG sınıflandırması için daha ayırt edici özellikler sağlayabilen güçlü bir özellik öğrenme yeteneğine sahiptir. Bu çalışma kapsamında 3B/2B ESA, Artık ağ mimarisi ve Derinlemesine ayrılabilir evrişimin birlikte kullanıldığı bir yöntem önerilmiştir. Daha derin ESA'larda, katman sayısı arttıkça daha yüksek sınıflandırma performansı elde etmek için artık ağ kullanılmaktadır. Ayrıca artık ağ sayesinde derin ağlarda oluşabilecek bozulma ve gradyanların yok olması gibi sorunların üstesinden gelinmektedir. Öte yandan, hesaplama maliyetini azaltan, aşırı öğrenmeyi önleyen ve daha fazla uzamsal özellik çıkarımı sağlayan Derinlemesine ayrılabilir evrişimler kullanılmıştır. Son olarak, 3B ESA ile HUAG’lerden uzamsal-spektral özellikler eş zamanlı olarak çıkarılmaktadır. Ancak sadece 3B ESA kullanımı hesaplama karmaşıklığını arttırmaktadır. Yalnızca 2B ESA kullanımı ile de HUAG’lerden sadece uzamsal özellikler çıkarılmaktadır. Spektral özellikler çıkarılamamaktadır. 3B ESA ile 2B ESA’nın birlikte kullanılmasıyla bu iki problem çözülmüştür. Ayrıca önerilen yöntemde optimum spektral bant çıkarımı için temel bileşen analizi bir ön işleme adımı olarak kullanılmıştır. Popüler iki HUAG kıyaslama veriseti olan Indian pines ve Salinas verisetleri kullanılarak uygulamalar gerçekleştirilmiştir. Uygulamalar sonucunda Indian pines ile %99.45 ve Salinas ile %99.95 genel doğruluk sonucu elde edilmiştir. Elde edilen sınıflandırma sonuçları, önerilen yöntemin sınıflandırma performansının mevcut yöntemlerden daha iyi olduğunu göstermektedir., Hyperspectral remote sensing images (HRSI) are 3D image cubes containing hundreds of spectral bands and having two spatial-one spectral dimensions. Classification is one of the most popular topics at HRSI. In recent years, many deep learning methods have been proposed for HRSI classification. Especially Convolutional Neural Networks (CNN) are commonly used in the classification of HRSIs. CNN has a strong feature learning capability, which can provide more distinctive features for higher quality HRSI classification. In this study, a method in which 3D/2D CNN, Residual network architecture (ResNet) and Depthwise separable convolution (DSC) are used together is proposed. In deeper CNNs, ResNet is used to achieve higher classification performance as the number of layers increases. In addition, thanks to ResNet, problems such as degradation and vanishing gradients that may occur in deep networks are overcome. On the other hand, DSCs have been used, which reduces the computational cost, prevents overfitting and provides more spatial feature extraction. Finally, spatial-spectral features are extracted simultaneously from HRSIs with 3D CNN. However, using only 3D CNN increases computational complexity. By using only 2D CNN, only spatial features are extracted from HRSIs. Spectral features cannot be extracted. By using 3D CNN and 2D CNN together, these two problems are solved. In addition, principal component analysis is used as a preprocessing step for optimum spectral band extraction in the proposed method. Applications were carried out using two popular HUAG benchmarking datasets, Indian pines and Salinas datasets. As a result of the applications, an overall accuracy of 99.45% with Indian pines and 99.95% with Salinas was obtained. The obtained classification results show that the classification performance of the proposed method is better than the existing methods.

Bu çalışmada, otomatik yüzey hata tespiti için InceptionV3 tabanlı Zenginleştirilmiş Öznitelik Entegrasyon Ağ (Inc-ZÖEA) mimarisi geliştirilmiştir. Önerilen mimaride, InceptionV3 ağ mimarisinin her seviyesindeki öznitelikleri aynı yükseklik ve genişliğe sahip öznitelikler çıkartılmış ve birleştirilmiştir. Birleştirme sonucunda farklı boyutlara sahip olan 5 öznitelik haritası elde edilmiştir. Bu öznitelik haritalarındaki önemli detayları ortaya çıkartmak için Kanal Bazlı Sıkma ve Uyarlama (KSU) bloğu uygulanmıştır. KSU bloğu, öznitelik haritasındaki kanalları inceleyerek önemli ayrıntıları güçlendirmektedir. Öznitelik Piramit Ağ (ÖPA) modülünde mekânsal detayları içeren düşük seviyeli öznitelik haritalarındaki bilgiler, anlamsal detayları içeren yüksek seviyeli öznitelik haritalarına aktarılmıştır. Daha sonra önerilen mimaride nihai öznitelik haritası için Öznitelik Entegrasyon ve Anlamlandırma (ÖEA) modülü kullanılarak ÖPA modülünün sonunda elde edilen 4 farklı öznitelik haritaları birleştirilmiştir. ÖEA modülünde birleştirilen öznitelik haritası Mekânsal ve Kanal Bazlı Sıkma ve Uyarlama (MKSU) bloğundan geçirilerek hata tespiti için önemli olabilecek mekânsal ve anlamsal bilgiler en iyi şekilde güçlendirilmiştir. Inc-ZÖEA mimarisinin son katmanında evrişim ve sigmoid katmanları kullanılarak hata tespit sonucu elde edilmiştir. Inc-ZÖEA mimarisinin piksel seviyesinde hata tespit başarısını ölçmek için MT, MVTec-Doku ve DAGM veri setleri kullanılmıştır. Deneysel çalışmalarda, MT, MVTec-Doku ve DAGM veri setlerinde sırası ile Inc-ZÖEA mimarisi %77,44 mIoU, %81,2 mIoU ve %79,46 mIoU başarım sonuçları ile literatürde yer alan son teknolojilere göre daha yüksek başarımlar sağlamıştır, In this study, InceptionV3 based Enriched Feature Integration Network (Inc-EFIN) architecture was developed for automatic detection of surface defects. In the proposed architecture, features of all levels of the InceptionV3 network architecture with the same height and width are extracted and combined. As a result of merging, 5 feature maps with different dimensions were obtained. Channel-Based Squeeze and Excitation (CSE) block has been applied to reveal important details in these feature maps. The CSE block strengthens important details by examining the channels in the feature map. In Feature Pyramid Network (FPN) module, information from low-level feature maps containing spatial details were transferred to high-level feature maps containing semantic details. Then, for the final feature map in the proposed architecture, 4 different feature maps obtained at the end of the FPN module were combined using the Feature Integration and Signification (FIS) module. The feature map combined in the FIS module was passed through the Spatial and Channel-based Squeeze and Excitation (SCSE) block, enhancing the spatial and semantic information that may be important for defect detection in the best way. Defect detection results were obtained by using convolution and sigmoid layers in the last layer of the Inc-EFIN architecture. MT, MVTec-Texture, and DAGM datasets were used to calculate the pixel-level defect detection success of the Inc-EFIN architecture. In experimental studies, Inc-EFIN architecture achieved higher performance than the latest technologies in the literature with 77.44% mIoU, 81.2% mIoU and 79.46% mIoU performance results in MT, MVTec-Texture and DAGM datasets, respectively.Keywords: Pixel-Level Surface Defects Detection, Convolutional Neural Network, Squeeze and Excitation Block, Feature Pyramid Networks

Many methods are used in the field of multi-object tracking today. Deep learning algorithms are among the most studied methods in this field. There are many parameters that need to be adapted in order to achieve high performance in deep learning based systems. One of the important parameters affecting performance in deep learning systems is the optimization algorithm used. In this study, Adam, RMSProp, Rprop, SGD optimization algorithms were compared for FairMOT algorithm. The MOT20 dataset was used when comparing the optimization algorithms. In the MOT20 validation dataset, overall highest accuracy value was obtained as 76.7% with the RMSprop optimization algorithm., Çoklu nesne takibi alanında günümüzde birçok yöntem kullanılmaktadır. Derin öğrenme algoritmaları bu alanda en çok çalışılan yöntemler arasında yer almaktadır. Derin öğrenme tabanlı sistemlerde yüksek performans elde edilebilmesi için uyarlanması gereken birçok parametre vardır. Derin öğrenme sistemlerinde performansı etkileyen önemli parametrelerden birisi de kullanılan optimizasyon algoritmasıdır. Bu çalışmada FairMOT algoritması için Adam, RMSProp, Rprop, SGD optimizasyon algoritmaları karşılaştırılmıştır. Optimizasyon algoritmaları karşılaştırılırken MOT20 veri seti kullanılmıştır. MOT20 doğrulama veri setinde ortalama en yüksek doğruluk değeri, RMSprop optimizasyon algoritması ile %76.7 olarak elde edilmiştir.

Hiperspektral görüntü sınıflandırma, uzaktan algılanan görüntülerin analizi için yaygın olarak kullanılmaktadır. Bir hiperspektral görüntü, uygulamalarda büyük potansiyele sahip olan yer nesnelerinin zengin spektral bilgilerini ve uzamsal bilgilerini içermektedir. Spektral uzamsal bilgi kullanımı hiperspektral görüntü sınıflandırmasının performansını önemli ölçüde arttırmaktadır. Hiperspektral görüntüler, 3B küpler biçiminde gösterilmektedir. Bu nedenle, 3B uzamsal filtreleme, bu tür görüntülerdeki spektral uzamsal özellikleri eşzamanlı olarak çıkarmak için doğal olarak basit ve etkili bir yöntem sunmaktadır. Bu çalışmada, hiperspektral görüntü sınıflandırması için bir 3B evrişimli sinir ağı (3B ESA) yöntemi önerilmiştir. Önerilen yöntem, derin spektral uzamsal birleştirilmiş özellikleri etkin bir şekilde çıkarmaktadır. Aynı zamanda herhangi bir ön işleme veya son işleme dayanmadan hiperspektral görüntü küpü verileri toplu olarak görüntülemektedir. Hiperspektral görüntü küpü önce küçük üst üste binen 3B parçalara bölünmektedir. Daha sonra bu parçalar, spektral bilgileri de koruyan birden çok bitişik bant üzerinde bir 3B çekirdek işlevi kullanarak 3B özellik haritaları oluşturmak için işlenmektedir. Önerilen yöntem indian pines, pavia üniversitesi ve botswana veri setleri ile test edilmiştir. Deneysel çalışmalar sonucunda, indian pines için %99,35, pavia üniversitesi için %99,90 ve botswana için ise %99,59 genel doğruluk sonuçları elde edilmiştir. Sonuçlar, 4 farklı derin öğrenme tabanlı yöntemle karşılaştırılmıştır. Deneysel sonuçlardan, önerilen 3B ESA yöntemimizin daha iyi performans gösterdiği görülmektedir., Hyperspectral image classification is commonly used for the analysis of remotely sensed images.A hyperspectral image contains rich spectral and spatial information of ground objects that has great potential in applications.The use of spectral spatial information significantly improves the performance of hyperspectral image classification.Hyperspectral images are shown as 3D cubes.Therefore, 3D spatial filtering offers an inherently simple and effective method to simultaneously extract spectral spatial features in such images.In this study, a 3D convolutional neural network (3D CNN) method is proposed for hyperspectral image classification.The proposed method effectively extracts deep spectral spatially combined features.At the same time, the hyperspectral image cube displays data in aggregate without relying on any pre-processing or post-processing. The hyperspectral image cube is first divided into small overlapping 3D patches.Then these patches are processed to create 3D feature maps using a 3D kernel function on multiple adjacent bands that also preserve spectral information.The proposed method was tested with Indian pines, Pavia university and Botswana datasets.As a result of the experimental studies, the overall accuracy results were obtained 99.35% for Indian pines, 99.90% for the University Pavia, and 99.59% for Botswana.The results were compared with 4 different deep learning-based methods.From the experimental results, it is seen that our proposed 3D CNN method performs better.

İnternet hizmetlerinin hayatımızın her aşamasına girdiği günümüzde, kullanılan sistemlerin güvenliği her geçen gün daha da önem kazanmaktadır. Bu anlamda, Saldırı tespit sistemleri (STS) çok önemli yere sahip bir çalışma alanıdır. STS’ler büyük, orta ve küçük ölçekli kuruluşların trafik verilerinin analizinde kullanılır. Bu sistemlerin performansı, hatalı pozitif sınıflandırmalarının az olması ve saldırı türünü doğru kategorize etmesine bağlı olarak değerlendirilir. Birçok farklı yöntem ile STS çalışmaları yapılmakla birlikte, makine öğrenmesi (MÖ) yöntemleri tatmin edici çözümler sunabilmektedir. Bu çalışmada en yaygın kullanılan MÖ tekniklerinden destek vektör makinaları (DVM), rasgele orman (RO), k-NN (k- en yakın komşu), aşırı öğrenme makineleri (AÖM) yöntemleri tanıtılmış ve kıyaslanmıştır. Bu sistemlerin performansını değerlendirmek için veri seti olarak STS’lerin değerlendirilmesinde bir ölçüt olarak kabul edilen NSL-KDD kullanılmıştır. Doğruluk ve F score parametreleri kullanılarak modellerin performansları hesaplanmıştır. En iyi performans AÖM yöntemi ile elde edilmiştir. Hesaplanan doğruluk değeri %99,8, F score değeri %99,9 olarak hesaplanmıştır.

Machinelearning approaches are used for fast and accurate diagnosis of plant diseases.Recently, deep learning approach has been used in plant species and diseaserecognition problems. In this study, a model based on Deep Convolutional Neural Networks (CNN)was proposed for the detection of apricot diseases. The developed model consistsof Convolution, Relu, Normalization, Pooling, and fully connected layers. For theproposed model, experimental studies were carried out using five differentfilter types as 3×3, 5×5, 7×7, 9×9 and 11×11 window size of the filters used inconvolution layers. In order to test the proposed study, a comprehensivedatabase was constructed using the images of apricot diseases obtained from thestudy areas of the Faculty of Agriculture of the Bingöl and İnönü Universities.The developed deep network model has been tested on this database. According tothe experimental results carried out, it was observed that the proposed deep a network model for the detection of apricot diseases had a higher classificationsuccess than other traditional image descriptors., Bitkihastalıklarının hızlı ve doğru teşhisi için makine öğrenmesine dayalıyaklaşımlar kullanılmaktadır. Son zamanlarda derin öğrenme yaklaşımı bitkitürleri ve hastalıkları tanıma ile ilgili problemlerde de kullanılmaktadır. Buçalışmada, kayısı hastalıklarının tespiti için Derin Evrişimsel Sinir Ağlarına(DESA) dayalı bir model önerilmiştir. Bu model, Evrişim, Relu, Normalizasyon,Havuzlama ve tam bağlı katmanlardan oluşmaktadır. Önerilen model için evrişimkatmanlarında kullanılan filtrelerin pencere boyutu 3×3, 5×5, 7×7, 9×9 ve 11×11olmak üzere beş farklı filtre çeşitleri kullanılarak deneysel çalışmalargerçekleştirilmiştir. Önerilen çalışmayı test etmek için Bingöl ve İnönüÜniversitelerinin Ziraat Fakültelerinin çalışma alanlarından elde edilen kayısıhastalıklarından oluşan görüntüler kaydedilip kapsamlı bir veri tabanı inşaedilmiştir. Geliştirilen derin ağ modeli bu veri tabanı üzerinde testedilmiştir. Gerçekleştirilen deneysel sonuçlara göre, kayısı hastalıklarınıntespiti için önerilen derin ağ modeli diğer geleneksel görüntütanımlayıcılarına göre daha yüksek sınıflandırma başarısı elde edildiği gözlemlenmiştir.

ÖZETDOKTORA TEZİYAPAY SİNİR AĞI TABANLI AKILLI YÖNTEMLERLE KARMAŞIK SİSTEMLERİNMODELLENMESİDavut HANBAYFırat Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Anabilim Dalı2007, Sayfa: 100Karmaşık sistemlerin modellenmesi, bilim adamları tarafından uzun yıllardır çalışılmaktadır.Bu çalışmaların çoğunda matematiksel bağıntılar kullanılmıştır. Sistem parametre sayısı arttığındayada çevresel şartlar göz önünde bulundurulduğunda, sistemlerin modellenmesi zorlaşmakta hattaimkânsızlaşmaktadır. Akıllı yöntemlerin çeşitli bilim alanları için önerdikleri çözümler ve gelişimler,sistem modellemecilerin de ilgisini çekmiştir.Akıllı modelleme çalışmaları, doğrusal olmayan sistemlerin modellemesinde büyükkolaylıklar getirmiştir. Fakat sistem giriş ve çıkış bileşenleri arasındaki karmaşıklık düzeyi artıkçaakıllı modelleme yapılarında da bazı sorunlar oluşmaktadır. Örneğin, eğitim süreleri, örnek sayılarınınartması, ezberleme, modelin gecikmiş giriş sayısının çoğalması v.b. sorunlar ortaya çıkmıştır. Bu tezçalışmasında geliştirilen akıllı modelleme yapıları ile bu sorunlara çözüm getirilmekle birlikte,karmaşık sistemlerin yapay zekâ teknikleri ile modellenmesine yeni bir yaklaşım sunulmuştur.Getirilen bu yaklaşımla, karmaşık sistemleri modelleme sürecinin temeli, karmaşık sistemin doğrusalbileşenleri elde edilerek yapay zekâ teknikleri ile modelleme üzerine dayanmaktadır.Karmaşık sistemleri modellemeye yönelik geliştirilen akıllı yapılar iki önemli bileşenesahiptirler. Bunlardan birincisi, karmaşık sistemi temsil eden doğrusal anahtar model özelliklerin eldeedilmesi, ikincisi ise yapay zeka teknikleri ile bu model özelliklerinin öğrenilmesidir. Böylece, klasikkarmaşık sistem modelleme çalışmalarından farklı olarak modelleme sürecine sistem analizi ile eldeedilen model özellik çıkarım yapısı eklenmiştir. Bu tezde ele alınan karmaşık sistemlerin modelözelliklerinin çıkarımı için entropi hesaplama teknikleri ve dalgacık dönüşümü analiz yöntemlerikullanılmıştır. Yapay zekâ teknikleri olarak ise uyarlamalı bulanık sinir ağ, yapay sinir ağları vebulanık mantık tercih edilmiştir. Ayrıca geliştirilen bir diğer karmaşık sistem modelleme tekniğindeise yapay zeka tekniğinin başarımına bağlı olarak model özelliklerinin çıkarımı uyarlamalı yapılmıştır.Böylece doğrusal model özellik çıkarma süreci ile yapay zeka süreci tümleşik hale getirilmiştir.Anahtar Kelimeler: Karmaşık Sistem, Akıllı Modelleme, Doğrusallaştırma, Özellik Çıkarma, YapayZeka Teknikleri. ABSTRACTPhD ThesisCOMPLEX SYSTEM MODELING BY USING ARTIFICIAL NEURAL NETWORK BASEDINTELLIGENT METHODSDavut HANBAYFirat UniversityGraduate School of Natural and Applied Sciences, Department of Electrical - Electronics Engineering2007, Pages: 100Modeling complex systems are being studied by scientists for a long time. In most of themmathematical relationships are used. Modeling complex systems are become harder or sometimesimpossible when the numbers of input parameters are increased or environmental conditions areconsidered. The offered solutions in various science fields by intelligent methods take care of systemsannalists. Nonlinear system modeling is made easy by intelligent system modeling studies. But someproblems such as training time, increased sample data, memorization, necessitates to use delayed inputand output arise with intelligent methods when system input parameters or the level of complexity ofthe relationships between input-output pairs are increased. In this thesis, some solutions are suggestedfor these problems with developed intelligent modeling structures and offered a new modelingapproach based on artificial intelligence. The offered modeling approach is based on getting linearparts of complex system and modeling with artificial intelligence techniques.The developed intelligent structures for complex system modeling are consisting of twoimportant parts. The first of them is obtaining linear key model features which can represent thecomplex systems. The second is learning of these model features by artificial intelligence techniques.So contrary to traditional complex system modeling studies, model feature extracting process is addedto modeling stages. In this thesis, the studied complex systems are analyzed by using wavelettransform and entropy methods. Adaptive network based fuzzy inference systems, fuzzy logic andartificial neural networks are used as artificial intelligence techniques. In another developed modelingstructure, model feature extracting process is adapted related to the performance of artificialintelligence techniques. Thus model feature extracting process and artificial intelligence stage areintegrated.Keywords: Complex Systems, Intelligent Modeling, Feature Extracting, ArtificialIntelligence Techniques.I 111

Bu çalışmada, su arıtma sistemininzamanlanmış petri ağı ile modellemesi yapılmıştır. Su arıtma sitemleri mikrodenetleyicilerile otomatik olarak kontrol edilebilmektedir. Gerçekleştirilen kontrolsistemlerinin uygun olup olmadığını belirlemek amacı ile benzetim yöntemlerikullanılır. Böylece gerçekleştirme aşamasına geçilmeden önce, sistemin hatalarıbelirlenir ve çözüm üretilir. Petri ağı benzetim amacı ile kullanılan ve fazla matematikselbilgi gerektirmeyen grafiksel bir yöntemdir. Su arıtma sistemine ait özelikler zamana bağlıolarak belirlenip petri ağı ile modellenmiştir. Yapılan modellemenin sorunsuzbir şekilde çalıştığı görülmüştür.

ÖZET Yüksek Lisans Tezi İKİNCİ DERECEDEN SİGMA-DELTA MODÜLATÖRÜNÜN PRATİK OLARAK GERÇEKLEŞTİRİLMESİ VE İNCELENMESİ Davut HANBAY Fırat Üniversitesi Fen Bilimleri Enstitüsü Elektrik-Elektronik Mühendisliği Ana Bilim Dalı 2003, Sayfa: 49 Analog sinyaller genellikle klasik metotlarla sayısala çevrilmektedir. Ancak son yıllarda entegre devre teknolojisi (VLSI) ve sayısal haberleşme alanındaki gelişmeler yüksek doğruluklu çevirici olarak sigma delta modülatörlerin (SDM) yapılmasını gerekli hale getirdi. Bu tez çalışmasında birinci ve ikinci derece analog ve ayrık zamanlı SDM devreleri pratik olarak dizayn edildi. Analog ve ayrık zamanlı dizaynda karşılaşılan problemler tartışıldı. İdeal olmayan devre elemanlarının etkisi incelendi. Pratik sınırlamalar belirtildi sonuçta dizayn edilen devre şekilleri gösterildi. Anahtar Kelimeler: Aşırı örnekleme, Gürültü şekillendirme, sürekli ve ayrık zamanlı sigma delta modulator. VII ABSTRACT M. Sc. Thesis ANALYSIS AND PRACTICIAL REALISATION OF SECOND ORDER SIGMA DELTA MODULATOR Firat University Graduate School of Natural and Applied Sciences Department of Electricial-Electronics Engineering 2003, Page: 49 Analog signals are usually converted in digital format by means of conventional methods. However, in recent years, the improvements in Very Large Scale Integrated (VLSI) and digital communication are made necessary to design Sigma Delta Modulator (SDM) for high resolution converters. In this thesis, first and second order analog and digital SDM have been practically designed. Practical problems of both analog and digital designs have been discussed. The effects of the non-ideal component have been examined. The practical limitations have also been indicated. Finally, the designed circuits have been explicitly illustrated. Keywords: Over sampling, noise shaping, analog and discrete time SDM. rsfl VIII 49

Son zamanlarda, bilgisayar teknolojisindeki gelişmeler ile birlikte görüntü işleme tabanlı örüntü tanıma ve sınıflandırma konularına olan ilgi artmıştır. Bu bağlamda, görüntü işleme teknolojisi; tıp, tarım, coğrafi bilimler, güvenlik sistemleri, uzay bilimleri, endüstriyel üretimler ve savunma sanayisi gibi daha birçok alanda yenilikler ve kolaylıklar sağlamıştır. Bu tez çalışmasında; bitki türlerinin tanınması, yeni türlerin tespit edilmesi, zararlı bitkilerin belirlenmesi ve bitki hastalıklarının erken tespiti gibi konular esas olmak üzere tarımsal problemlerin çözümü için yapay zekâ ve görüntü işleme tabanlı sistemler geliştirilmesine odaklanılmıştır. Bu amaç doğrultusunda, bitki türlerinin tanınması ve hastalıkların tespiti için var olan yöntemler geliştirilmiş ve yeni yöntemler önerilmiştir. Bu geliştirilen ve önerilen yöntemler aşağıda belirtilmiştir: • Bitki yaprağının geometrik şekline dayalı Kenar Adım (KA) yöntemi, • Yaprak tabanlı bitki türlerinin sınıflandırılması için bölme yaklaşımı kullanılarak şekil, renk ve doku tabanlı hibrit bir sistem, • Doku özellikleri çıkarmak için kullanılan YİÖ yönteminin geliştirilmiş versiyonu olarak BOG-YİÖ yöntemi, • Bitki yaprak türlerinin tanınması için derin-dokusal tabanlı özellik çıkarıcı bir model, • Bitki türlerinin tanınması ve sınıflandırılması için Çok-Bölmeli Derin Evrişimsel Sinir Ağı (ÇB-DESA) modeli, • Gerçek zamanlı görüntüler kullanılarak önceden eğitilmiş derin sinir ağları ile geleneksel sınıflandırıcılarına dayalı yeni bir sınıflandırma mimarisi, • Kayısı hastalıklarının tespiti için Derin Sinir Ağlarına (DSA) dayalı farklı evrişim filtrelerini içeren derin bir model, • Derin Öğrenme Tabanlı Bitki Hastalıkları ve Zararlıları Tespit Sistemi (Çoklu-ESA PlantDiseaseNet) Önerilen bu yöntemlerin başarımını değerlendirmek amacıyla literatürde var olan veri setleri kullanılmıştır. Bunun yanı sıra, gerçek zamanlı olarak elde edilmiş 15 farklı bitki hastalık görüntülerinden oluşan yeni bir veri seti inşa edilmiş ve bu veri seti kullanılarak deneysel çalışmalar yapılmıştır. Yapılan kapsamlı deneysel çalışmalardan elde edilen sonuçlara göre, bitki türlerinin ve hastalıklarının sınıflandırılmasında geliştirilen ve önerilen yöntemler yüksek başarı sağlamıştır. Bu yöntemler, gelecekte tarımsal problemlerin çözümü ile ilgili yapılacak olan otomatik tanı ve tespit sistemlerine temel oluşturacaktır. Bu tez çalışmasında, doğal ortamdan elde edilen bitki hastalık görüntüleri kullanılarak gerçek zamanlı otomatik Bitki Hastalık Tespit Yazılımı geliştirilmiştir. Bu sistem, MATLAB GUI platformu kullanılarak tasarlanmış ve masaüstü uygulaması olarak herkes tarafından kolaylıkla kullanılabilme imkânı sağlanmıştır. Bu yazılım, uzman kişilere destek olacak, kolay ve kısa sürede bitki hastalıklarının erken tespit edilmesine olanak sağlayacak, yeni enfeksiyonların oluşması ve hastalıkların neden olduğu verim kaybını önleyecektir.ANAHTAR KELİMELER: Bitki Tanıma, Bitki Hastalık Tespiti, Özellik Çıkarımı, Derin Öğrenme, Yapay Zeka, Sınıflandırma. Recently, interest in image processing-based pattern recognition and classification has increased with advances in computer technology. In this context, image processing technology; has provided innovations and conveniences in many areas such as medicine, agriculture, geographic sciences, security systems, aerospace, industrial production, and defense industry. In this thesis; The aim of study is to focus on the development of artificial intelligence and image processing based systems for the solution of agricultural problems, mainly on the recognition of plant species, the identifying of new species, the identification of harmful plants and the early detection of plant diseases. For this purpose, existing methods for the identification of plant species and diseases have been developed and new methods have been proposed. These developed and proposed methods are as follows: • Edge Step (ES) method based on the geometric shape of the plant leaf, • A shape, color and texture-based hybrid system using a divided approach to classify leaf-based plant species, • The ROM-LBP method as an improved version of the LBP method used to extract tissue properties. • A deep-textural-based feature extractor model for the recognition of plant leaf species. • Multi-Division Deep Convolutional Neural Network (MD-DCNN) model for identification and classification of plant species, • A new classification architecture based on traditional classifiers with pre-trained deep neural networks using real-time images, • A deep model including different convolution filters based on Deep Neural Networks (DNNs) for the detection of apricot diseases, • Deep Learning Based Plant Diseases and Pests Detection System (Multi-CNN PlantDiseaseNet) In order to evaluate the performance of these proposed methods, existing datasets in the literature were used. In addition, a new dataset consisting of 15 different plant disease images obtained in real-time was constructed and experimental studies were conducted using this dataset. According to the results obtained from the comprehensive experimental studies, the methods developed and proposed for the classification of plant species and diseases have achieved high success. These methods will form the basis for automatic diagnosis and detection system which will be held regarding the solution of agricultural problems in the future. In this thesis, real-time automated Plant Disease Detection Software has been developed by using plant disease images obtained from the natural environment. This system has been designed by using MATLAB GUI platform and it can be easily used by everyone as a desktop application. This software; will support experts, will allow easy and early detection of plant diseases in a short time, will prevent the formation of new infections and loss of efficiency that caused diseases.KEYWORDS: Plant recognition, plant disease detection, feature extraction, deep learning, artificial intelligence, classification. 198

Beyin tümörlerinden kaynaklanan ölümlerin sayısı her geçen gün artmaktadır. Beyin tümörleri çok hızlı büyürler. Erken teşhis kanser tanısında, tedavi planlamasında ve tedavi sonucunun değerlendirilmesinde hayati öneme sahiptir. Eğer beyin tümörü olan bir hasta doğru ve erken tedavi görmemişse, hastanın hayatta kalma şansı düşebilir ve ölümle sonuçlanabilir. Beyin tümörlerinin tanı ve teşhisinde tıbbi görüntüleme önemli bir role sahiptir. Manyetik Rezonans Görüntüleme (MRG), en popüler medikal görüntüleme yöntemlerinden biridir. MRG'den tümörlerin varlığını ve tümör özelliklerini belirlemek uzmanlar tarafından yapılmaktadır. Beyin tümörlerinin niteliğinin belirlenmesi doktorun deneyimine ve bilgisine bağlıdır. Dünya Sağlık Örgütü (DSÖ)'nün raporları beyin tümöründen etkilenen kişilerin sayısının dünya genelinde her yıl önemli ölçüde arttığını göstermektedir. Tümörler farklı şekil ve büyüklüğe sahiptir ve beyin bölgesinde farklı alanlarda bulunabilirler. Bu durum uzmanların tümörü tespit edebilme sürecini daha karmaşık hale getirmektedir. Uzmanlar tarafından beyin tümörünün tespit edilmesi zaman alıcı ve hataya açık bir süreçtir. Uzmanın deneyimi tespit sürecinin başarımını etkilemektedir. Beyin tümörünün manuel tespiti, hasta sayısının fazla olduğu durumlarda kullanışlı bir yöntem değildir. Bu nedenle, beyin tümörlerinin otomatik olarak tespit edilmesine ihtiyaç duyulmaktadır. Hekimlerin teşhis yeteneklerini arttırmak ve doğru teşhis için uzmanlar tarafından harcanan süreleri azaltmak, Bilgisayar Destekli Otomatik Tespit Sistemleri (BDOTS) ile mümkün olabilmektedir. Bu tez çalışmasında beyin MR görüntülerinden otomatik tümör tespiti yapan ve tümörleri derecelerine ve türlerine göre sınıflandırabilen beş farklı BDOTS tasarlanmıştır. 6 farklı veri tabanı kullanılarak tasarlanan BDOTS'ların performansı değerlendirilmiştir. Tasarlanan BDOTS'lardan iki tanesi ön işlem, morfolojik işlemler, kenar tespiti ve beyin tümörlerinin dokusal, istatistiksel, morfolojik ve renk özniteliklerinin çıkarımı ve sınıflandırma işlemlerini kapsamaktadır. Diğer üç sistem ise Evrişimsel Sinir Ağları (ESA), Bölgesel Evrişimsel Sinir Ağları (BESA), AlexNet, VGG16, Yerel Alıcı Alanlar- Aşırı Öğrenme Makinesi gibi derin öğrenme mimarileri temellidir. Her bir BDOTS'un sağladığı üstünlükler ve eksiklikler tez içerisinde detaylı bir şekilde irdelenmiştir. Yapılan çalışmaların sonucunda beyin tümörlerinin tespitinin ve sınıflandırılmasının başarılı bir şekilde gerçekleştiği görülmüştür. The number of deaths stemming from brain tumors is increasing every day. Brain tumors grow quite fast. Early diagnosis has a vital role in diagnosis of cancer, treatment planning and evaluation of treatment. If a patient with brain tumor has not received accurate and early treatment, the chance of survival decreases and this may cause death. Medical imaging plays a crucial role in detection and diagnosis of brain tumors. Magnetic Resonance Imaging (MRI) is one of the most popular medical imaging methods. Detection of tumors and description of tumor features are done by experts through MRI. Defining the quality of brain tumors depends on doctors' experience and knowledge. World Health Organization (WHO) reports show that the number of people suffering from brain tumors is increasing significantly every year. Tumors have different shape and size and may exist in different parts of the brain. This creates a challenge for experts to detect the tumor. Detection of tumors by experts is a long and sensitive process. Experts' experience affects the success of tumor detection process. Manual detection of tumors is not an effective method in cases where the number of patients is redundant. Therefore, there is a need for detection of tumors automatically. Improving diagnosis skills of doctors and diminishing the time spent by experts for accurate diagnosis is possible through Computer Assisted Automatic Detection Systems (CAADS). In this dissertation study, 5 different CAADS, which can automatically identify tumors and classify them according to tumor levels and tumor types through brain MR images, have been designed. The performance of CAADS, which were designed using 6 different databases, has been evaluated. Two of the CAADS covers the pretreatment, morphological operations, side detection and definition of the textural, statistical, morphological and color qualities of brain tumors and their classification. Other three systems, on the other hand, are based on deep learning architectures such as Convolutionary Nerve Networks (CNN), Local Convolutionary Nerve Networks (LCNN), AlexNet, VGG16, Local Reciever Areas and Excessive Learning Machine. Advantages and challenges of each CAADS have been thoroughly examined in this study. As a result of studies, it is seen that systems successfully identify and classify brain tumors. 126

Kesme ve paketleme problemi, bir yüzeyin veya nesnenin içine çok sayıda düzenli veya düzensiz şeklin örtüşme olmadan düzenli bir şekilde yerleştirilmesidir. Birleştirici optimizasyon yöntemleri içinde yer alan bu problem, matematiksel modelle çözümün zor olduğu, NP-Complete problemi olarak bilinmektedir. Bu problemin amacı, elde bulunan malzemeyi verimli bir şekilde kullanarak elde edilecek atık miktarının en aza indirilmesidir.Bu tezde, çok çeşitli endüstriyel ve imalat sektöründe yaygın olarak görülen problemlerden biri olan iki boyutlu kesme ve paketleme problemi incelenmiş ve çeşitli uygulamalar geliştirilmiştir. Bu kapsamda, kesme ve paketleme problemi için, alt-sol, uygun olmayan çokgen, alt-sol dolgu gibi sezgisel yöntemler ve benzetimli tavlama (BT) ve tabu arama (TA) gibi metasezgisel yöntemler kullanılarak çözüm yaklaşımları geliştirilmiştir. Deneysel çalışmalarda, yerleştirme işlemleri için alt-sol ve alt-sol dolgu yöntemleri, yerleştirilen parçalar arasında çakışma olmaması için uygun olmayan çokgen yöntemi ve daha hızlı ve verimli paketleme işlemleri için de metasezgisel yöntemlerden BT ve TA algoritmaları kullanılmaktadır.Sezgisel yöntemlerle gerçekleştirilen deneyler sonucunda, fire oranının %11,2 ile %15,26 arasında değiştiği görülmektedir. Metasezgisel yöntemler kullanılarak gerçekleştirilen deneyler sonucunda ise, elde edilen fire oranları %2 ile %7,2 arasında değişkenlik göstermektedir ve bu fire oranları ise, çoğu endüstriler için oldukça iyi bir orandır. Deneysel sonuçlar, metasezgisel yöntemlerle yapılan paketleme işlemlerinin daha verimli olduğunu göstermektedir.ANAHTAR KELİMELER: Kesme Stok Problemi, Paketleme Problemi, Uygun Olmayan Çokgenler, Alt-Sol Yerleştirme Teoremi, Optimizasyon, Minimum Fire Cutting and packing problem is the placement of a large number of regular or irregular shapes into a surface or object without overlapping regularly. This problem, which takes part in combining optimization methods, is known as NP-Complete problem, which is difficult to solve with mathematical model. The purpose of this problem is to minimize the amount of waste that will be produced by using the available material efficiently.In this thesis, two dimensional cutting and packing problem which is one of the problems which is widely seen in various industrial and manufacturing sectors has been investigated and various applications have been developed. In this manner, solution approaches have been developed for cutting and packing problem using heuristic methods such as bottom-left, no-fit polygon and bottom-left fill and metaheuristic methods such as Simulated Annealing (SA) and Tabu Search (TA). In experimental studies, bottom-left and bottom-left fill methods are used for placement process, no-fit polygon method is used for no overlap between placed parts and metaheuristic methods such as SA and TA algorithms are used for faster and efficient packing process.As a result of experiments conducted with heuristic methods, it seen that, the waste rate varies between 11.2% and 15.26%. As a result of experiments carried out with metaheuristic methods, the waste rate varies between 2% and 7.2%, and these waste rate is pretty good for most industries. Experimental results show that the packing process using metaheuristics methods is more efficient.KEYWORDS: Cutting Stock Problem, Packing Problem, No-Fit Polygon, Bottom-Left Placement Theorem, Optimization, Minimum Waste 99

EMG sinyali kasların kasılmasın sonucunda oluşan elektriksel aktivasyonun ölçülmesi işlemidir. Bu nedenle kaslardan alınan EMG sinyalleri kaslar hakkında bilgi sağlamaktadır. Bu bilgiler günümüzde kas hastalıkları teşhisinde, protez kol ve, hareket tespiti çalışmalarında kullanılmaktadır. Bu tezde EMG sinyallerinden Yapay Sinir Ağları kullanılarak hareket tespiti amaçlanmıştır. Öncelikle alınan EMG sinyallerine Kısa Zamanlı Fourier Dönüşümü (KZFD) uygulanarak sinyallere ait zaman-frekans gösterimleri elde edilmiştir. Elde edilen zaman-frekans temsilinden İstatiksel metotlar, Gri Seviye Eş-Oluşum Matrisi (GSEM) ve Yerel İkili Örüntüler (YİÖ) metotları ile EMG sinyaline ait öznitelikler çıkarılmıştır. Çıkarılan bu öznitelikler Yapay Sinir Ağlarına (YSA) giriş verisi olarak verilerek EMG sinyalleri sınıflandırılmıştır.Deneysel sonuçlar incelendiği zaman tasarlanan sistemin kullanılan EMG verisi üzerinde başarılı sonuç aldığı gözlemlenmiştir.ANAHTAR KELİMELER: EMG Sinyal İşleme, Kısa Zamanlı Fourier Dönüşümü, Gri Seviye Eş-Oluşum Matrisi, Yerel İkili Örüntüler, Yapay Sinir Ağları The EMG signal is the process of measuring the electrical activation that occurs as a result of muscular contraction. For this reason, EMG signals from the muscles provide information about the muscles. This information is currently used in the diagnosis of muscular diseases, prosthetic arm and motion detection studies.In this thesis, motion detection is aimed by EMG signals using Artificial Neural Networks.Primarily, time-frequency representations of signals are obtained by applying Short Time Fourier Transform (STFT) to the received EMG signals. From the obtained time-frequency properties, the attributes of the EMG signal were extracted with the statistical methods, Gray-Level Co-Occurrence Matrix (GLCM) and Local Binary Pattern (LBP) methods. These extracted attributes are given as input data to Artificial Neural Network (ANN) and the system performance is calculated.When the experimental results were examined, it was observed that the designed systsem had a successful result on the used EMG data.KEYWORDS: EMG Signal Processing, Short Time Fourier Transform, Gray Level Co-Occurrence Matrix, Local Binary Patterns, Artificial Neural Networks 67

Beyinde meydana gelen elektriksel aktivitelerin ölçülmesinde ve analiz edilmesinde sırasıyla Elektroansefalografi (EEG), Pozitron Emisyon Tomografisi (PET), Tek Foton Emisyonlu Bilgisayarlı Tomografi (TFEBT), Magnetoensefalografi (MEG) ve fonksiyonel Manyetik Rezonans Görüntüleme (fMRG) teknikleri kullanılmaktadır. Ancak maliyet, boyut ve vücuda zarar verme riski açısından en güvenilir beyin sinyali ölçme ve analiz tekniği EEG olarak kabul edilmiştir. EEG sinyalleri beyin aktivitesinin analiz edilmesinde kullanılan en temel yöntemlerden biridir. EEG beyinde meydana gelen elektriksel aktiviteyi değerlendirmek için bir test aracı olarak kullanılmaktadır. 1929'da Hans Berger tarafından ilk kez insan EEG'sinin tanıtılmasıyla beyin aktivitelerinin ölçümü yapılmıştır. Yüzyıla yakın bir süredir EEG tanı aracı olarak kullanılmaktadır. EEG Beyin-Bilgisayar Arayüzü (BBA) denilen sistemlerde de kullanılmıştır. Nörologlar, bir hastanın beyin dalgası aktivitesindeki şekillere tanı koyarak epilepsi, nöbet veya diğer nörolojik rahatsızlıklara neden olan anormalliklerin bulunmasını sağlamışlardır. BBA'nın gelişmesiyle kısmi engelliler ve kas sisteminde sağlık problemlerine maruz kalan bireylerin yaşam kaliteleri artırılmıştır. Bu bireylerin özellikle de hareket kabiliyetlerini yitirmiş felçli hastaların hayata tutunma olanakları artırılmış ve onlara yardımcı olacak sistemler geliştirilmiştir. Günümüzde birçok bilim insanı bu konu üzerinde çalışmaktadır. EEG tabanlı BBA'ya ait birçok yöntem literatürde mevcuttur. Bu yöntemler arasında gerçek zamanlı BBA'larda çoklu sınıf ve doğruluk oranı göz önüne alındığında en çok kullanılan görsel uyaran tabanlı yöntemlerdir.Bu tez çalışmasında Sabit Durum Görsel Uyaran Potansiyel (SDGUP) tabanlı EEG sinyal analizi gerçekleştirilmiş. Amaca uygun olarak bireyin ekran üzerinde belli frekanslarda titreşen sol (6,66 Hz), sağ (8.57 Hz) ve yukarı (12 Hz) olmak üzere üç farklı yönü gösteren şekillere bakması istenilmiştir. Birey ekran üzerindeki titreşen şekillere bakarken Emotiv Epoc+ cihazı ile EEG sinyalleri bilgisayar ortamına alınmış, OpenVibe ve Matlab yazılım platformunda bu sinyaller analiz edilip sinyal anlamlandırma işlemi gerçekleştirilmiştir. OpenVibe'da kişisel EEG sinyal verileri kullanılarak sistem ağı eğitilmiştir. Daha sonra eğitilen bu ağ kullanılarak gerçek zamanlı EEG sinyalleri ile sistem online olarak test edilmiştir. Matlab yazılım ortamına alınan EEG sinyalleri ise bant geçirgen filtreden geçirilmiş daha sonra Hilbert ve Kısa Zamanlı Fourier Dönüşüm işlemlerine tabi tutulmuştur. Deneğin baktığı farklı frekanstaki her şekil için görsel olarak uyarıldığı Oksipital bölgede SDGUP cevabı bulma işlemi yapılmıştır. SDGUP cevabı tespit edildikten sonra eğitim için Multimedia Authoring and Management using your Eyes and Mind (MAMEM) kuruluşu tarafından Emotiv Epoc+ cihazı ile on bir denekten toplanmış veri Yapay Sinir Ağları (YSA) ve Destek Vektör Makinaları (DVM) ile eğitim için kullanılmıştır. Eğitilen sınıflandırıcı ağını test için Emotiv Epoc+ cihazı ile kişisel EEG verileri kullanılmıştır. Bu şekilde bireyin ekran üzerinde hangi yöne baktığı beyin sinyalleri kullanılarak tespit edilmiş ve Lego Mindstorm EV3 robotu bu yönlere göre hareketi sağlanarak kontrol edilmiştir. Sonuçların başarılı bir şekilde test edilmesi gelecekte nano teknolojiler ve mobil cihazlar ile sistem bütünleştirilerek EEG tabanlı BBA çalışmalarında cihaz kontrolünün çok daha hassas, hızlı ve başarılı olacağı hakkında ümit vermektedir. Electroencephalography (EEG), Positron Emission Tomography (PET), Single Photon Emission Computed Tomography (TPEBT), Magnetoencephalography (MEG) and Functional Magnetic Resonance Imaging (fMRI) techniques are used in the measurement and analysis of electrical activities in the brain. However, the most reliable brain signal measurement and analysis technique has been accepted as EEG in terms of cost, size and risk of damage to the body. EEG signals are one of the most basic methods used to analyze brain activity. EEG is used as a test tool to evaluate the electrical activity in the brain.In 1929, for the first time by Hans Berger, brain activities were measured by introducing human EEG. Nearly a century ago, EEG was used as a diagnostic tool. It was also used in systems called Brain-Computer Interface (BBA). Neurologists have been able to diagnose the shape of a patient's brain wave activity and have found abnormalities that lead to epilepsy, seizures or other neurological disorders.With the development of the BBA, the quality of life of individuals with partial disabilities and health problems in the musculoskeletal system has been increased. Patients with paralysis, especially those who have lost their mobility, have increased the possibilities of survival and have developed systems to assist them. Today, many scientists are working on this subject. Many methods of EEG-based BBA are available in the literature. These methods are the most commonly used visual stimulus based methods when multiple classes and accuracy rates are considered in real-time BBAs.In this thesis, Steady State Visually Evoked Potential(SSVEP) based EEG signal analysis was performed. In accordance with the aim, the individual is asked to look at three different directions on the screen, left (6.66 Hz), right (8.57 Hz) and up (12 Hz), which oscillate at certain frequencies. When looking at the flickering shapes on the screen, the EEG signals were received with the Emotiv EpoC + device and the signals were analyzed and signals were analyzed in OpenVibe and Matlab software platform. OpenVibe also trained the system network using personal EEG signaling. Then, this network was trained and the system was tested online with real-time EEG signals.The EEG signals received in the Matlab software platform were passed through a bandpass filter and then subjected to Hilbert and Short Time Fourier Transform operations. Visually stimulated in the occipital region the SSVEP response was made to find out for every shape that Subject look at in different frekans. After the SSVEP response was detected, data collected from eleven subjects by Emotiv Epoc+ device by Multimedia Authoring and Management using your Eyes and Mind (MAMEM) organization for training were used for training with Artificial Neural Networks (ANN) and Support Vector Machines (SVM). Emotiv Epoc+ device and personal EEG data were used to test the trained classifier network. In this way, the direction in which the individual looked on the screen was determined using brain signals, and the Lego Mindstorm EV3 robot was controlled according to these directions. Successful testing of the results is expected in the future to integrate the system with nanotechnologies and mobile devices, which will make the device control in EEG based BBA workings much more precise, faster and more successful. 71

Orman yangınları, atmosferi olumsuz yönde etkileyen, birçok canlı türünün yaşam alanını yok eden, bitki ve hayvan türlerinin yok olmasına sebep olan bir afettir. Orman yangınları ile mücadele sürecinde, yangının erken tespit edilmesi ve ihbar sistemlerine ulaştırılması önemli bir konudur. Teknolojinin gelişmesine bağlı olarak günümüzde görüntü işleme teknikleri ile yangın/alev tespiti yapılmaktadır. Yangın/Alev tespitinde geliştirilen yöntemler de genellikle alevin statik ya da dinamik özellikleri kullanılmıştır. Bu çalışma da, yangın görüntülerinin renk özellikleri kullanılmış ve yangın görüntüleri yeni bir renk uzayına taşınarak alevin tespit edilmesi sağlanmıştır. Elde edilen yeni renk uzayı, Yapay Arı Kolonisi (YAK) algoritması kullanılarak geliştirilmiştir. Yeni renk uzayına dönüştürülen görüntüler üzerinde Otsu eşik yöntemi kullanılmış ve ikili görüntülere dönüştürülen görüntülerden alev tespiti yapılmıştır. Alev tespit işlemi bittikten sonra, elde edilen ikili görüntüler veri seti içerisinde bulunan gerçek ikili görüntüler ile benzerlik ölçütüne tabi tutulmuş ve önerilen yöntemin başarı ölçütü hesaplanmıştır. Forest fires are a disaster that affects the atmosphere in the negative way, destroying the habitat of many living species and destroying plant and animal species. In the fight against forest fires, the early detection of fire and the introduction of warning systems have a great important. Nowadays, depending on the development of the technology, image processing techniques are used in fire / flame detection. Usually, static or dynamic characteristics of fire/flame are used in developed methods for fire / flame detection. In this study, the color features of the fire images were used and the fire images transformed to a new color space to detect the flame. The obtained new color space is developed by using the Artificial Bee Colony (ABC) algorithm. Otsu thresholding method was used on converted images in new color space. Flame detection was performed on binary images. After the flame detection process is completed, the obtained binary images are subjected to the similarity measure with the real binary images contained in the data set and the success criterion of the proposed method is calculated. 58

Bu tez çalışmasında öncelikle bilgi güvenliğine yönelik tehditler açıklanmış; bu tehditlere karşı savunma yöntemleri ve öneriler sunulmuştur. Oltalama web sitelerinin tespit edilmesine yönelik olarak iki uygulama gerçekleştirilmiştir. Birinci uygulamada Yapay Sinir Ağı modeli ile oltalama web sitelerinin tespit edilmesine yönelik sınıflandırma uygulaması gerçekleştirilmiştir. Bu uygulama ile oluşturulan ağlara 5-li çapraz geçerlilik testi uygulanmıştır. Ortalama sınıflandırma doğruluğu %90,61, en yüksek sınıflandırma doğruluğu ise %92,45 olarak ölçülmüştür. İkinci uygulamada ise Aşırı Öğrenme Makinesi modeli ile oltalama web sitelerinin tespit edilmesine yönelik sınıflandırma uygulaması gerçekleştirilmiştir. Bu uygulamada 10-lu çapraz geçerlilik testi uygulanmıştır. Ortalama sınıflandırma doğruluğu %95,05, en yüksek sınıflandırma doğruluğu ise %95,93 olarak ölçülmüştür. In this thesis, firstly the threats on information security are described; methods of defense against these threats, and recommendations are presented. Two applications in order to identify the phishing website were performed. In the first application, classification application has been performed for the detection of phishing website by Artificial Neural Network model. 5-fold cross-validation test has been applied to the created networks with the first application. The average classification accuracy was achieved as 90.61%, and the highest classification accuracy was achieved as 92.45%. In the second application, classification application has been performed for the detection of phishing website by Extreme Learning Machine model. In the second application, 10-fold cross-validation test has been applied. The average classification accuracy was achieved as 95.05%, and the highest classification accuracy was achieved as 95.93%. 100

Bu tezde, ortalama kayma algoritması ve uyarlamalı Kalman filtresi birlikte kullanılarak görüntü dizilerinde nesne takibi gerçekleştirilmiştir.Ortalama kayma algoritması takip edilen nesnenin ardışık iki görüntü arasında hızlı yer değiştirmesi veya nesnenin başka nesneler tarafından engellenmesi gibi durumlarda iyi sonuçlar verememektedir. Yapılan çalışmada, takip edilen nesnenin aranacağı başlangıç konumu Kalman filtresi tarafından tahmin edilir ve ortalama kayma algoritması nesneyi bu konumda aramaya başlar. Ortalama kayma algoritmasından elde edilen Bhattacharyya katsayısı, Kalman filtresinin ölçüm hata kovaryans matrisini anlık güncellemede ve nesnenin engele maruz kalıp kalmadığına karar vermede kullanılır.Deneysel sonuçlar önerilen yöntemin nesnenin engellenme ve hızlı hareket etme durumları için standart ortalama kayma algoritmasına kıyasla daha etkili olduğunu göstermektedir. In this thesis, object tracking in video sequences isimplemented by using both mean shift algorithm and adaptive Kalman filter.Mean shift algorithm cannot give good results when the position of the tracked object is changed rapidly between subsequent two frames or the tracked object is occluded.In this study,initial position to searchthe tracked object is predicted by Kalman filter and then the mean shift algorithm begins to search the object in this position. Bhattacharyya coefficient, which is obtained from mean shift algorithm, is used to instantly update Kalman filters error covariance matrix and determine whether object is occluded or not.Experimental results demonstrate that the proposed method has been more efficient technique as compared to standard mean shift algorithm in case of occlusion and fast object tracking. 80

Teknolojinin gelişmesiyle akıllı sistemlerin, insan taklitli makinelerin icatları hız kazanmıştır. Sanal yaşantının arttığı günümüzde, dünya küçük bir ekrana sığar olmuştur. Bu ilerlemeler ile birlikte güvenlik vazgeçilmez unsurlar arasında yerini almıştır. Sistem güvenliğinin artırıcı değişik algoritmalar geliştirilmiş ve alternatif formüller araştırılmıştır. Kişinin sadece kendisinin sahip olduğu, değişmeyen ve ayırt edici fizyolojik özelliklerin tanınması prensipleri ile çalışan biyometri, şirketlerin kaynaklarını tehdit eden güvenlik açıkları, giriş için kullanılan parola ve kart gibi tanıtıcıların unutulması, kaybolması vs. nedenler biyometrik sistemlerin kullanımına olan talebi artırmıştır. Görüntü işleme temelli çalışan sistemlerin anlaşılabilmesi ve uygulamanın verimliliği için bu tez çalışmasında YSA, Nesne Tanıma Sistemleri, Şablon Eşlemede Kullanılan Yöntemler, Kuramsal Temeller ele alınmış, görüntü karelerinden yüz bulma algoritmaları geliştirilmiş ve şablon eşleştirme algoritmaları ile doğrulaması yapılmıştır.Bu tez çalışmasında MATLAB 7.10.0 (R2010a) programı kullanılarak Grafik Kullanıcı Arayüzü(GUI) tasarlanmış ve veri taban bağlantısı için kod geliştirilmiştir. Çeşitli fonksiyonlar icra edilerek ön işlem adımı oluşturmuş, filtreleme için Gabor dalgacıkları, sınıflandırma için de Yapay Sinir Ağları (YSA) kullanılmıştır.Özellik vektörleri çıkartmak için Gabor dalgacıkları, sınıflandırma için de Yapay sinir ağları kullanılmıştır. Belirlenen alanlar içerisinde istenen alanın ayrıntısını görmek, analizini yapmak ve aynı olup olmadığı tespitini yapabilmek için faz korelasyon denklemleri kullanılarak oluşturulan arama algoritması ile hedef alan araması ve doğrulanması gerçekleştirilmiştir.Grafik Kullanıcı Arayüzü (GUI) kullanılarak görüntü elde edilir, eğitilmiş net ağı kullanılarak taranır ve algılanan yüz kare içerisinde gösterilir. Bulunan görüntü ile aranan şablonun aynı olup olmadığı faz korelasyon denklemleri ile doğrulanması yapılır.Anahtar Kelimeler: Yapay Sinir Ağları, Grafik Kullanıcı Arayüzü, Gabor Dalgacıkları, Şablon Eşleme, Faz Korelasyon, Nesne Tanıma By the Development of technology, intelligent systems, human imitative inventions of machines have gained velocity. Throughout increase in virtual life today, the World has become a small screen fits. With this advanced security has become one of the indispensable elements. The security of the system developed with different algorithms and alternative formulation investigated. Only for his own personality, not changes and works with principles of the recognition of the distinctive features of physiological biometrics, vulnerabilities the companies resources that threaten, descriptors, such as forgetting the password used to Access the card loss etc. factors increased the demand for the use of biometric systems.In this thesis, for the efficiency of working systems based on image processing, understanding and application of ANN, Object Recognition Systems, the methods used in Template Matching, Theoretical foundations are discussed and picture frames with face detection algorithms have been developed and template matching algorithms were validated.In this study, MATLAB 7.10.0 (R2010a) program was used and Graphical User Interface (GUI) was designed. MATLAB code has been developed for the connection of the data base. Created a pre-processing step the various functions performed by Gabor wavelets for filtering, for the classification, Artificial Neural Networks (ANN) was used. To extract the feature vectors Gabor wavelets, for classification artificial neural networks. are used. In the desired area to see the detail of the designated areas, and to analyze the correlation equations of the same phase to be able to detect whether a new search algorithm by using the search and verification was carried out with the target area. Use the Graphical User Interface (GUI) to obtain the image. Network trained using the detected face is scanned and displayed within a frame. The template is the same as that shown in the image sought to be confirmed in phase correlation equations is done.Keywords: Artificial Neural Networks, Graphical User Interface, Gabor wavelet, Pattern Matching, Phase Correlation, Object Recognition. 97

Bu çalışmada YOHO veri tabanından alınan cümleler üzerinde Yapay Sinir Ağları (YSA) ve Uyarlamalı Sinirsel Bulanık Ağ (USBA) kullanılarak metin bağımlı konuşmacı tanıma uygulamaları geliştirilmiştir. Konuşmacı tanıma sisteminin öznitelik çıkarım aşamasında Mel Frekansı Kepstrum Katsayıları (MFKK) ve Dalgacık Dönüşümlü (DD) entropi değerleri kullanılmıştır. Elde edilen özellik vektörleri, YSA ve USBA tabanlı modellere giriş olarak uygulanmış ve modeller eğitilmiştir. Test aşamasında ise verilen konuşma örneğinden konuşmacının kim olduğu tespit edilmeye çalışılmıştır. Aynı zamanda MFKK öznitelik vektörleri ve DD sonucu elde edilen entropi değerleri ile YSA ve USBA gibi akıllı metotların çeşitli parametrelerinin değişmesinin konuşmacı tanıma üzerindeki etkileri incelenerek karşılaştırılmıştır. In this study, text depended speaker recognizer system; based on Neural Network (NN) and Adaptive Network Fuzzy Inference System (ANFIS) are designed by using YOHO database. In feature extracting stage of speaker recognizer, MFCC and Wavelet Transform (WT) entropy values were used. The obtained feature vectors are used as inputs to the NN and ANFIS models. In test stage, recognition of the speakers is performed from the given speech samples. At the same time, MFCC feature vectors and wavelet transforms entropy values are used for examining the NN and ANFIS model parameters effects on the systems performance and finally the results are compared. 66

Konuşma tanıma günümüz bilgi teknolojilerinde popüler bir konu olmaya başlamıştır. Konuşma tanıma sayesinde kelimelerin dijital ortama transferi diğer yöntemlerden çok daha hızlı ve kusursuz yapılmaktadır. Ayrıca konuşma tanıma ile cihazların sesle kontrolü sağlanabilmektedir.Bu çalışmada konuşma tanıma sistemlerinde kullanılan genel metotlar hakkında bilgi verilmiştir. En yaygın kullanılan yapay zekâ metotlarından YSA ve UBSA tanıtılmıştır. Gerçeklenen konuşma tanıma sisteminde ilk olarak Dalgacık Dönüşümü ile entropi değerleri ve MFKK hesaplanarak konuşmayı temsil eden özellikler çıkarılmıştır. Daha sonra elde edilen özellik vektörleri kullanılarak yapay zekâ tabanlı konuşma tanıma sistemlerinin eğitimi gerçeklenmiştir. Eğitilen modeller daha sonra konuşma saptama başarımı için test edilmiştir. Elde edilen sonuçlar tablolar halinde verilmiştir.Anahtar kelimeler: konuşma tanıma, yapay sinir ağları, mfcc, entropi, dalgacık dönüşümü Speech recognition becomes popular for information technologies in recent years. Translating words to the digital media is being easier thanks to the speech recognition. Most of the electronic devices can be controlled by voices using speech recognition technologies.In this study, basics methods for speech recognition are described briefly, the most popular artificial intelligence methods NN and ANFIS was also described. At first in the realized systems the features vectors of speech signals based on wavelet transform entropy and mel frequency cepstral coefficients are evaluated. After than these feature vectors are used for training of artificial intelligence based speech recognizer models. The trained models are tested for speech determination. Obtained results are tabulated.Keywords: Speech recognition, neural network, Adaptive Network Based Fuzzy Inference System, Entropy, Wavelet Transform 69