Yazar "Altuntaş, Yahya" seçeneğine göre listele
Listeleniyor 1 - 3 / 3
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Finansal zaman serisi görüntü temsillerinin ön-eğitimli evrişimsel sinir ağları ile sınıflandırılması yoluyla alım satım sinyal tahmini ve algoritmik ticaret uygulamaları(İnönü Üniversitesi, 2025) Altuntaş, Yahya; Kocamaz, Adnan FatihBu doktora tezinde, finansal zaman serisi tahmini yoluyla finansal varlıklar için uygun alım-satım zamanlarının belirlenmesi hedeflenmiştir. Araştırma, algoritmik ticaretin temel bileşeni olan alım-satım kararlarının otomatikleştirilmesi bağlamında, derin öğrenmeye dayalı bir çerçeve önermektedir. Çalışmanın temel problemi; geçmiş finansal zaman serisi verilerinden elde edilen teknik analiz göstergelerine ait grafiklerin, görüntü sınıflandırma yaklaşımları ile işlenerek gelecekteki fiyat hareketlerinin tahmin edilip edilemeyeceği ve bu tahminlere dayalı işlemlerin kârlı olup olamayacağıdır. Bu amaç doğrultusunda, finansal zaman serisi verileri çeşitli teknik analiz göstergeleri aracılığıyla görüntü temsillerine dönüştürülmüş, bu görüntüler ön-eğitimli evrişimsel sinir ağı (CNN) modelleri ile transfer öğrenme yaklaşımı kullanılarak sınıflandırılmıştır. Öğrenme algoritmalarının performansını artırmak amacıyla, CNN tahmin çıktılarının göreceli güç endeksi (RSI) göstergesi ile desteklenmesi yoluyla heuristik bir karar mekanizması önerilmiş, bunun yanı sıra derin öğrenme modellerinin stokastik yapısından kaynaklanan varyansın finansal etkilerini dengelemek amacıyla topluluk öğrenme yaklaşımı geliştirilmiştir. Elde edilen deneysel sonuçlar, önerilen modellerin altın, gümüş, borsa endeksleri ve hisse senedi gibi çeşitli finansal enstrümanlarda geleneksel alım-satım stratejilerine kıyasla daha yüksek kârlılık sağladığını ortaya koymuştur. Model sınıflandırma başarımları sınıra yakın değerlerde seyretmesine rağmen, yapılan kârlılık analizlerinde anlamlı ve istikrarlı bir performans üstünlüğü elde edilmiştir. Bu bulgu, literatürdeki yaygın kabulün aksine, sınıflandırma doğruluğundaki artışların her zaman kârlılık sağlamadığını; bu nedenle kârlılık analizlerinin algoritmik ticaret modellerinde mutlaka değerlendirilmesi gerektiğini göstermektedir. Bu tez çalışması, finansal tahminleme ve algoritmik ticaret alanında derin öğrenmenin potansiyelini ortaya koyarken; transfer öğrenmenin farklı bir alana uygulanması, RSI tabanlı karar mekanizmasının entegrasyonu ve topluluk öğrenme modeli ile yeniden üretilebilir ve istikrarlı finansal sonuçların elde edilmesi gibi özgün yöntemsel katkılar sunmaktadır.Öğe Haploid ve diploid mısır tohumlarının imge analizi ve makine öğrenme algoritmaları kullanılarak sınıflandırılması(İnönü Üniversitesi, 2018) Altuntaş, YahyaKatlanmış haploid bitkiler günümüzde gelişmiş mısır ıslah programlarında yaygın olarak kullanılmaktadır. Bu teknik ıslah süresini kısaltmakta ve ıslahın etkinliğini arttırmaktadır. Bu ıslah tekniğinde önemli işlerden biri haploid tohumların seçimidir. Haploid tohumların seçiminde en yaygın yöntem R1-nj renk markörüdür. Bu seçimin elle yapılıyor olması seçim başarımını azaltmakta, zaman ve emek kaybına sebep olmaktadır. Bu nedenle seçim başarımını arttıracak, zaman ve emek tasarrufu sağlayacak otomatik seçim yöntemlerinin geliştirilmesi bir ihtiyaç haline gelmiştir. Bu tez çalışmasında, R1-nj renk markörüne göre haploid ve diploid mısır tohumlarını imge analizi ve makine öğrenme algoritmaları kullanarak sınıflandıracak bir yöntem önerilmiştir. Tez çalışması kapsamında iki ayrı veri seti oluşturulmuştur. Öznitelik vektörü olarak 8, 16 ve 32 renk ölçekli gri seviyeli renk histogramları, renk momentleri ve doku öznitelikleri kullanılmıştır. Öznitelikler karar ağacı, k-en yakın komşu, destek vektör makinesi ve yapay sinir ağı yöntemleri ile sınıflandırılmıştır. Sınıflandırıcı başarımı 10-katlı çapraz doğrulama yöntemi ile sınanmıştır. En iyi performans, k-en yakın komşu sınıflandırma yöntemi ile renk momentleri öznitelikleri kullanılarak %90,39 doğruluk oranıyla elde edilmiştir.Öğe Renk Momentleri ve Destek Vektör Makineleri Kullanarak Haploid Mısır Tohumlarının Tanımlanmasında Renk Uzaylarının Sınıflandırma Performansına Etkisinin Karşılaştırılması(2019) Altuntaş, Yahya; Kocamaz, Adnan FatihÖz: Katlanmış haploid mısır ıslah tekniği gerek ıslah süresini kısaltması, gerekse %100 homozigot hatlar elde edilmesi açısından, geleneksel ıslah yöntemleri ile karşılaştırıldığında önemli avantajlar sağlar. Katlanmış haploid mısır ıslah yönteminde önemli işlerden biri melezleme sonucunda elde edilen haploid ve diploid tohumların ayrıştırılmasıdır. Günümüzde bu işlemin elle yapılıyor olması, emek ve zaman kaybının yanı sıra yüksek sınıflandırma hatalarına neden olmaktadır. Bu çalışmada, haploid mısır tohumlarının tanımlanması için bilgisayar görmesine dayalı bir yöntem önerilmiştir. 3000 mısır tohumundan oluşan veri seti üzerinde yürütülen çalışmada, k-ortalamalar kümeleme yöntemi ile mısır tohum embriyoları bölütlenmiştir. RGB, HSV ve Lab renk uzaylarında her renk kanalı için ilk dört dereceden renk momentleri çıkarılmıştır. Böylece her renk uzayı için 12 öznitelik kullanılmıştır. Elde edilen öznitelikler destek vektör makinesi ile sınıflandırılmıştır. Daha genel sonuçlar elde edebilmek için 10-kat çapraz doğrulama yöntemi 20 kez tekrar edilmiştir. Deneysel sonuçlara göre en iyi performans Lab renk uzayında %87,03 doğruluk, %80,15 duyarlılık ve %93,00 özgünlük değerleriyle ölçülmüştür.
