Master Degree / Yüksek Lisans Tezleri

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

Browse

Filters

2019 - 201912020 - 20241

Settings

Subject: search.filters.subject.Machine learning methods

Search Results

Now showing 1 - 2 of 2
  • 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
    Container Damage Detection and Classification Using Container Images
    (Izmir Institute of Technology, 2019) İmamoğlu, Zeynep; Tuğlular, Tuğkan; Baştanlar, Yalın
    In the logistics sector, digital transformation is of great importance in terms of competition. In the present case, container warehouse entry / exit operations are carried out manually by the logistics personnel including container damage detection. During container warehouse entry / exit process, the process of detecting damaged containers is carried out by the personnel and several minutes are required to upload to the system. The aim of this thesis is to automate detection of damaged containers. This way, the mistakes made by the personnel in this stage will be eliminated and the process will be accelerated. In this thesis, we propose a machine learning method which detects damaged containers using the container images to perform statistical damaged / undamaged estimation. We modeled the problem as a binary classification problem, which considers a container as damaged or undamaged. The result obtained from the undertaken studies shows that there is no single best method for visual classification. It is shown how the dataset was created and how the parameters used in the layered structure impact the most suitable model could be created for this study.