TARIM VE ORMANCILIK YÖNETİMİNDE NESNE TESPİT ALGORİTMALARININ KULLANIM ALANLARINA GENEL BİR BAKIŞ
Akkurt, Ramazan | Kahveci, Semih
Nesne tespit algoritmaları literatüre kazandırıldıktan kısa bir süre sonra birçok farklı alanda kullanımı yaygınlaşmıştır. Tarım ve ormancılık yönetimi de nesne tespit algoritmalarının kullanıldığı alanların en başında gelmektedir. Tarım ve ormancılık yönetimindeki birçok problemlere uyarlanan nesne tespiti algoritmaları, bu alana ciddi katkılar sağlamaktadır. Ağaç sınıflandırma, ölü ağaç örtüsü tespiti, verimli üretim, mahsul izleme, hastalık tespiti vb. birçok konu başlığında tarım ve ormancılık faaliyetlerinde yaygın şekilde kullanılmaktadır. Nesne tespit algoritmalarının sunduğu avantajlar bu alandaki insan hatalarının minimum seviyelere indirildiği, maliyetlerin azaldığı ve mahsul verimliliğin ciddi artışlar sağladığı literatürde yapılan birçok çalışma ile doğrulanmıştır. Bu çalışma k...
Tahminden Eyleme: Enerji Yönetim Sistemlerinde Makine Öğrenimi ve Derin Öğrenme Uygulamaları
Korucu, Gizen Mutlu
Küresel enerji sektörü, artan talep, yenilenebilir kaynakların entegrasyonu ve sürdürülebilirlik hedeflerinin getirdiği baskılarla köklü bir dönüşüm geçirmektedir. Geleneksel enerji yönetim yöntemlerinin bu yeni ve karmaşık ekosistemde yetersiz kalması, Makine Öğrenimi (MÖ) ve Derin Öğrenme (DÖ) gibi veri odaklı teknolojilerin benimsenmesini zorunlu kılmıştır. Bu çalışma, MÖ'nün enerji yönetimindeki dönüştürücü rolünü; temel yöntemleri, pratik uygulamaları ve gelecek perspektiflerini kapsayacak şekilde bütüncül bir yaklaşımla ele almaktadır. Bölümde ilk olarak, Karar Ağaçları, Destek Vektör Makineleri, K-En Yakın Komşu ve Uzun Kısa Vadeli Bellek gibi temel MÖ/DÖ algoritmalarının teorik altyapıları ve enerji sistemlerindeki kullanım amaçları açıklanmaktadır. Ardından, güncel literatürd...
YOLO Versiyonlarının Doğruluk, Hız ve Hesaplama Maliyeti Bakımından Karşılaştırmalı Analizi
Akkurt, Ramazan | Kahveci, Semih
Son yıllarda kullanımı her alanda yaygınlaşan nesne tespit algoritmalarının yüksek tespit başarısının yanı sıra kullanıldığı platforma getirdiği yük birbirine bağlı 2 kritik parameter olarak karşımıza çıkmaktadır. Bu çalışmada, son YOLO versiyonlarının karşılaştırmalı analizi yapılarak hangi modelin hangi yönlerden daha güçlü olduğu ortaya konmuştur. Aynı veri seti üzerinde YOLO v8, v9, v10 ve v11 small varyantları 300 iterasyon boyunca eğitilmiş ve performansları değerlendirilmiştir. Elde edilen sonuçlara göre, YOLO v9, v10 ve v11, eğitim süresi ve çıkarım hızı açısından avantajlı olurken, en yüksek doğruluk YOLO v9 tarafından sağlanmıştır. YOLO v11, düşük hesaplama maliyeti ve yüksek hız avantajı sayesinde mobil cihazlar ve kısıtlı donanıma sahip platformlar için en uygun model olarak ön...
Görüntü Zenginleştirme: Süper Çözünürlük Ve Derin Öğrenme Tekniklerine Genel Bir Bakış
Kahveci, Semih | Akkurt, Ramazan
Günümüz yapay zeka ve bilgisayar dünyasında kaynağı görüntü olan uygulamaların performans ve doğruluğunda kullanılan görüntülerin kalitesi önemli bir rol oynamaktadır. Görüntülerin kalitesini görüntüdeki detay seviyesi ve görüntünün çözünürlüğü ile doğru orantılı iken gürültü miktarı ile ters orantılıdır. Bu bağlamda görüntülerdeki gürültü oranını azaltırken detay seviyesini ve çözünürlüğünü arttırma işlemleri görüntü zenginleştirme olarak tanımlanır. Görüntü zenginleştirme odağında olan süper çözünürlük teknikleri ise düşük çözünürlüklü görüntüleri yüksek çözünürlüklü hale getirerek, görüntülerin görsel kalitesini ve detaylarını iyileştirir. Yapay zeka ve derin öğrenme fenomeni öncesinde görüntü enterpolasyon algoritmaları görüntü çözünürlüğü arttırma görevini yerine getiriyordu. Son yıll...
Eğitim Alanında Yapay Sinir Ağları Kullanılan Çalışmalar
Mutlu Korucu, Gizen | Vuran Sarı, Nisa
Son yıllarda yapay zekâ ve büyük veri analitiği, eğitim alanında köklü bir dönüşüme öncülük etmektedir. Bu kitap bölümü, son beş yılda yapay sinir ağları (Artificial Neural Network, ANN) tabanlı modellerin eğitimdeki uygulamalarını inceleyerek bu alandaki güncel eğilimleri ve metodolojileri sistematik bir çerçevede sunmayı amaçlamaktadır. Çalışma, literatürü dört ana tematik başlık altında kategorize etmektedir: akademik performans tahmini, kişiselleştirilmiş eğitim, içerik üretimi ve soru çözümü ile eğitim sistemlerinin geliştirilmesi ve değerlendirilmesi. Ayrıca, Çok Katmanlı Algılayıcı (Multilayer Perceptron, MLP), Konvolüsyonel Sinir Ağları (Convolutional Neural Network, CNN), Uzun-Kısa Süreli Bellek (Long Short-Term Memory, LSTM) ve Transformatör gibi temel derin öğrenme modellerinin ...