Yazar "Alçin, Ömer Faruk" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    Gerçek Ortam Görüntülerinin Yapay Zekâ ile Sınıflandırılmasında Sanal Gerçeklik Görüntülerinin Etkisi
    (2025) Alçin, Ömer Faruk; Arı, Berna; Özel, Nur Özbek; Öztorun, Sevgi
    Sanal gerçeklik (SG) yeni ve güncel bir çalışma alanı olduğundan araştırmacılar tarafından yoğun şekilde çalışılmaktadır. Sağlık, eğitim, mühendislik, kültür ve turizm, mimari, askeri alanlar ve daha birçok çalışma alanı SG teknolojisi ile çalışmalarını destekleyici adımlar atmış ve ilgili konu birçok araştırmacının odağı haline gelmiştir. Bu çalışmada gerçek ortam görüntülerinin sınıflandırma başarımını artırmak için SG teknolojisinden yararlanılmıştır. Önerilen yaklaşım transfer öğrenme ile gerçek ortam görüntülerinin sınıflandırılması işleminden oluşmaktadır. İlgili çalışmada bahsedilen transfer öğrenme, eğitilmemiş bir derin mimarinin SG görüntüleri ile eğitilmesi ardından ağın gerçek görüntülerle yeniden eğitimi (fine-tuning) olarak tanımlanır. UNITY ortamında tasarlanan SG sahnelerinden V-Env15 olarak isimlendirilen ve 15 ortamdan oluşan bir veri seti hazırlanmıştır. Ortam sınıflama çalışmalarında sıklıkla kullanılan Scene-15 veri seti ile önerilen yaklaşım test edilmiştir. Çalışmada tasarlanan Seri ve Paralel ağ ile GoogLeNet ve Inception-ResNet-V2 derin öğrenme mimarileri kullanılmıştır. Deneysel çalışmalarda tasarladığımız seri mimaride %0,56 ve paralel mimaride ise %4,68 daha yüksek doğruluk performans artışı elde edilmiştir. GoogLeNet ile Seri ağ arasında performasn doğruluğu açısından %4,79 artış, Paralel ağ arasında %0,44 azalma elde edilmiştir. Inception-ResNet-V2 ile Seri ağ arasında %4,47 artış, Paralel ağ arasında %4,57 azalma elde edilmiştir.
  • Küçük Resim Yok
    Öğe
    Transfer Öğrenme Yaklaşımı Kullanılarak İzolatör Kusurlarının Tespiti
    (2024) Alçin, Ömer Faruk; Gençoğlu, Muhsin Tunay; Özküçük, Muhammed Buğracan
    Elektrik enerjisinin iletimi ve dağıtımı, modern toplumların işleyişinde hayati bir rol oynamaktadır. Bu enerjinin güvenli ve kesintisiz bir şekilde taşınması, elektrik sistemlerinin sağlıklı bir şekilde çalışmasıyla mümkün olmaktadır. Ancak, elektrik iletim hatlarındaki kusurlar, sistemde arızalara ve enerji kesintilerine neden olabilmektedir. İzolatör kusurları, elektrik hatlarındaki en yaygın arızalar arasında yer almaktadır. Bu kusurlar, genellikle izolatör yüzeyindeki çatlaklar, kırıklar, erozyon veya kimyasal bozulmalar şeklinde ortaya çıkmaktadır. Son yıllarda, yapay zeka ve makine öğrenmesi teknikleri, izolatör kusurlarının belirlenmesi için alternatif bir çözüm sunmuştur. Bu alanda transfer öğrenme, özellikle dikkat çeken bir yaklaşım olarak ön plana çıkmaktadır. Bu yaklaşım, izolatör kusurlarının tespitinde kullanılan verilerden öğrenilen bilgilerin, yeni bir izolatördeki kusurların belirlenmesinde kullanılmasına olanak sağlamaktadır. Bu çalışmada izolatör görüntülerinden transfer öğrenme yaklaşımı kullanılarak izolatör türü ve sağlamlık durumu (normal/kusurlu) tespiti yapılmıştır. Bu problemlerin verimli çözümü için Çoklu Öğrenme yaklaşımı dikkate alınmıştır. Bu durumlar literatürde yaygın olarak kullanılan çok sınıflı görüntü veri setlerinde iyi başarımlar gösteren AlexNet, ResNet50 ve GoogLeNet gibi mimarilere giriş olarak uygulanmıştır. İzolatörün sağlamlık durumunun tespitinde en iyi doğruluk oranına % 97.674 ile AlexNet ve ResNe50 mimarilerinde ulaşılmıştır. İzolatör türünün belirlenmesinde en iyi doğruluk oranına % 90.698 ile ResNe50 mimarisinde ulaşılmıştır.