Master Degree / Yüksek Lisans Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/11147/3008

Browse

Filters

2021 - 20243

Settings

Publisher: search.filters.publisher.01. Izmir Institute of TechnologySubject: search.filters.subject.Neural networks

Search Results

Now showing 1 - 3 of 3
  • Master Thesis
    Machine-learning-assisted de novo design of molybdenum disulfide binding peptides
    (01. Izmir Institute of Technology, 2024) Öğüt, Alp Deniz; Yücesoy, Deniz Tanıl; Apaydın, Mehmet Serkan
    Kısa amino asit zincirleri, peptitler, biyolojik süreçler ve yüksek teknoloji uygulamaları için vazgeçilmez moleküllerdir. Geniş kullanım alanları arasında, moleküler tanıma özelliği ile bio-nano arayüzler oluşturmak ilgi toplayan bir araştırma konusu olmuştur. Yapılan çalışmalar sonucunda yönlendirilmiş evrim metodolojileri oluşturulmuş ve çeşitli hedeflere -enzim, antijen veya inorganik yapılar- bağlanan fonksiyonel peptit tanısı mümkün hale gelmiştir fakat bu geleneksel yaklaşım ölçeklenebilirlik ve sekans uzayındaki ilişkilerin anlaşılması konusunda zayıflıklar taşımaktadır. Bu zafiyetler, yüksek çıktılı sekanslama ve hesaplama verimlerinin artması ile beraber derin yönlendirilmiş evrim gibi daha güçlü teknolojilerinin geliştirilmesini motive etmiştir. Bu yöntemle üretilen büyük veri setleri, sekans-fonksiyon ilişkilerinin makine öğrenmesi ile modellenebilmesinin önünü açmıştır. Bu tezin amacı bu veri setlerine uygun bir makine öğrenmesi akışı oluşturmaktır. Bu düzlemde Random Forest algoritması ve derin nöral ağlar kullanılmış, eğitilen modellerin bağlanma puanı öngörüleri beraber kullanıldığında mutlak hata sırasıyla, 0.0304, Pearson korelasyon ölçütü 0.904 olarak elde edilmiştir. Bu modelleri kullanarak rastgele arama ve tekrarlayan optimizasyonlar ile güçlü bağlanan örnek bir peptit tasarlanmıştır. Bulgular alan bilgisinin makine öğrenme modeli eğitimdeki yerini vurgulamış, kullanılan örnek ağırlıklarının ve semantik amino asit vektörlerinin başarıya önemli katkıları gözlemlenmiştir. Bu çalışma çeşitli fonksiyonlara sahip peptit tasarlayabilen bir platform oluşturabilmek için temel noktaları göz önüne serer.
  • Master Thesis
    Recognition of Counterfactual Statements in Turkish
    (01. Izmir Institute of Technology, 2023) Acar, Ali; Tekir, Selma
    Counterfactual statements describe an event that did not happen or cannot happen, and optionally the consequence of this event if it would happen. Counterfactual statements are the building blocks of human thought processes as people constantly reflect upon past happenings and consider their future implications. Counterfactual reasoning is essential for machine intelligence and explainable artificial intelligence studies. Detecting counterfactuals automatically with machine learning algorithms is very crucial for these areas. This thesis presents the development of the first-ever Turkish counterfactual detection dataset. It presents a comprehensive classification baseline and expands the scope of counterfactual detection to include the Turkish language.
  • Master Thesis
    Improvement on Motion-Guided Siamese Object Tracking Networks Using Prioritized Windows
    (01. Izmir Institute of Technology, 2021) Ünlü, Ünver Can; Baştanlar, Yalın
    In recent years, there has been significant progress in Visual Object Tracking with evolutions of both computers and learning algorithms, especially in Neural Networks. Therefore, we obtain better results by combining Neural Networks and traditional tracking methods such as Kalman Filter and Correlation Filters. SiamFC is an example of such algorithms because SiamFC combines Siamese Neural Networks and Correlation Filters. SiamFC is open to development because it does not have an online learning process. An example of the improved SiamFC is Kalman-Siam that combines Kalman Filter and Multi-feature SiamFC. Kalman-Siam uses Kalman-Filter to solve the occlusion situation problem by processing the target's previous motion trajectory. Therefore, the tracking can fail in other complex scenarios for Kalman-Siam. One of the methods for solving such problems is detecting this situation and starting the re-tracking process as we used in this research. Also, we used a parameter calculated on the response map after the correlation operation in SiamFC to detect these situations. First, our algorithm generates possible prioritized search windows. Then, it runs in a specific order of priority for these generated search windows surrounding the target's last known location. We named this process Adaptive Window Search that starts from the highest priority search windows and continues until the lowest search windows do not exist. Therefore, we named our algorithm Adaptive-Kalman-Siam. We demonstrated more successful results on commonly used datasets. Adaptive-Kalman-Siam tracks an object better than SiamFC and Kalman-Siam in Background Clutters, Fast Motion, Motion Blur, and Occlusion complex tracking scenarios.