Yazar "Dinler, Özlem Batur" seçeneğine göre listele

Listeleniyor 1 - 7 / 7
  • Küçük Resim Yok
    Öğe
    Blue-eared Hedgehog Optimization (BEHO): A Nature-inspired Metaheuristic for Robust and Efficient Global Optimization
    (Intelligent Network and Systems Society, 2025) Dinler, Özlem Batur; Bektemyssova, Gulnara; Ahmed, Mahmood Anees; Ibraheem, Ibraheem Kasim; Smerat, Aseel; Montazeri, Zeinab; Eguchi, Kei
    A novel metaheuristic algorithm named the Blue-Eared Hedgehog Optimization (BEHO), inspired by the unique foraging and defensive behaviour of the blue-eared hedgehog is introduced in this study. Unlike conventional optimization methods, BEHO simulates the species’ natural strategies-nocturnal cautious exploration, gradual environmental mapping, and protective retreat-into computational operators that effectively balance exploration and exploitation. The algorithm initializes a diverse population of candidate solutions, simulates hedgehog-inspired gradual movements for exploration, and employs defensive-inspired refinement for exploitation, ensuring robust convergence and preservation of high-quality solutions. BEHO’s performance has been rigorously evaluated on 23 standard benchmark functions, including unimodal, high-dimensional multimodal, and fixed-dimensional multimodal problems, and compared with nine state-of-the-art metaheuristics, including MOA, WaOA, AOA, GWO, LSA, SWO, TLBO, BaOA, and WSO. Experimental results demonstrate that BEHO consistently achieves superior accuracy, stability, and convergence speed across all function categories. Its hedgehog-inspired mechanisms allow the algorithm to escape local optima, maintain population diversity, and achieve precise global solutions in complex and high-dimensional landscapes. The findings highlight BEHO as a highly effective and versatile optimization tool, providing a biologically grounded and computationally efficient framework for solving diverse complex problems. © This article is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. License details: https://creativecommons.org/licenses/by-sa/4.0/
  • Küçük Resim Yok
    Öğe
    Carpenter Optimization Algorithm: A Human-inspired Metaheuristic for Robust and Efficient Constrained Optimization
    (Intelligent Network and Systems Society, 2025) Dinler, Özlem Batur; Bektemyssova, Gulnara; Şahin, Canan Batur; Montazeri, Zeinab; Dehghani, Mohammad; Smerat, Aseel; Eguchi, Kei
    This paper introduces the Carpenter Optimization Algorithm (COA), a novel human-inspired metaheuristic designed to efficiently solve complex, high-dimensional, and constrained optimization problems. COA draws direct inspiration from the systematic behaviors of skilled carpenters, who initially perform broad cuts to explore raw materials and subsequently execute precise refinements to achieve high-quality outcomes. These behaviors are mathematically mapped into exploration and exploitation phases, where stochastic global modifications mimic broad exploratory actions, and targeted incremental adjustments refine promising solutions. Unlike traditional metaheuristics, COA achieves a robust balance between exploration and exploitation while requiring minimal control parameters, enhancing both adaptability and computational efficiency. The algorithm was rigorously evaluated on 22 constrained benchmark functions from the CEC 2011 suite and compared against nine well-established metaheuristics. The results demonstrate that COA consistently outperforms all competitors in terms of solution quality, convergence speed, stability, and robustness, achieving the best mean, median, and best values across all test problems. Statistical analyses, including standard deviation, rank-based evaluation, and pairwise Wilcoxon tests, confirm the significance and reproducibility of these results, while boxplot visualizations highlight controlled variability and narrow interquartile ranges, even for large-scale and multimodal problems. The findings suggest that COA’s behaviorally grounded design provides a practical and explainable framework for real-world optimization tasks. Future research directions include extending COA to multi-objective, dynamic, and large-scale industrial problems, integrating hybrid strategies or adaptive mechanisms, and conducting theoretical analyses of convergence and parameter sensitivity. Overall, COA represents a promising addition to the metaheuristic optimization landscape, offering both conceptual clarity and high practical performance. This article is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. License details: https://creativecommons.org/licenses/by-sa/4.0/
  • Küçük Resim Yok
    Öğe
    COVID-19 Pandemisi Sırasında Teknoloji ve Hizmetlerin Öğrenme Sistemlerine Etkisi
    (Osman SAĞDIÇ, 2021) Ullah, Arıfullah; Dinler, Özlem Batur; Şahin, Canan Batur
    Arka Plan/Amaç: Yeni tip koronavirüs hastalığı ilk olarak Çin'in Wuhan eyaletinde Aralık 2019'da ortaya çıktı. Dünya Sağlık Örgütü (DSÖ), bu hastalığı Şubat 2020'de bir pandemi ilan etti. Bu pandemi tüm dünyada başta sağlık olmak üzere eğitim, ekonomi, ticaret, iş hayatı, sosyal hayat gibi birçok alanı önemli ölçüde etkilemiştir. Bu bağlamda, bu çalışma COVID-19'un eğitim sistemi üzerine etkisini araştırmaktadır. COVID-19 pandemisinin dünyadaki eğitim sistemleri üzerine etkisi büyük değişikliklere yol açmış, tüm müfredatı çevrimiçi yaklaşımlarla e-öğrenme sistemlerine kaydırmıştır. Çalışma, üniversitelerin öğrencilerinin COVID-19 koşullarında eğitimlerini kolaylaştırmak için bir e-öğrenme platformu geliştirmelerine yardımcı olmayı ve COVID-19 pandemisi sonrasında teknoloji ve hizmetlerin öğrenme sistemlerindeki rolünün ne olacağını değerlendirmeyi amaçlamıştır. Yaklaşımlar: Bu anlamda Fas'taki farklı üniversitelerden gelen anketlere dayalı olarak bir inceleme yapılmıştır. Danışılan üniversite sayısı, örneklem, dahil etme ve hariç tutma kriterleri, çalışılan örneklemin demografik özellikleri, elde edilen sonuçların istatistiksel analizi, farklı öneriler ve öğrenme sistemleri uygulamaları tartışılmıştır. Sonuç ve gelecekteki araştırmalar: Bu makale, pandemi ve herhangi bir afet sırasında e-öğrenme sistemlerinin gelişimine ışık tutmuş, farklı akademik kurumlara e-öğrenme ile ilgili bu zorluklarla nasıl başa çıkılacağı konusunda önerilerde bulunmuştur.
  • Küçük Resim Yok
    Öğe
    Diyabet Tahmini İçin Geleneksel Yöntemlerin Analizi ve Değerlendirilmesi
    (Osman SAĞDIÇ, 2023) Şahin, Canan Batur; Tanyıldız, Hayriye; Dinler, Özlem Batur
    Dünya çapında milyonlarca insanı etkileyen kronik bir hastalık olan diyabet, vücudun kan şekeri düzeylerini etkili bir şekilde yönetememesiyle karakterize edilir. Kontrol edilmezse veya uygun şekilde yönetilmezse, bu durum kalp hastalığı, felç, böbrek yetmezliği ve hatta körlük gibi ciddi sonuçlara yol açabilir. Genetik ve yaşam tarzı faktörlerinin karşılıklı etkileşimi nedeniyle, diyabet insidansı artmakta ve diyabet acil müdahale gerektiren önemli bir küresel sağlık sorunu olarak konumlanmaktadır. Dünya Sağlık Örgütü (WHO), diyabetin küresel prevalansının 1980'den bu yana neredeyse iki katına çıktığını ve yetişkin nüfusta %4,7'den %8,5'e yükseldiğini bildirmektedir. Bu artış, hastalığın erken teşhisine ve etkin yönetimine yönelik stratejilerin aciliyetini ve önemini vurgulamaktadır. Böyle bir halk sağlığı sorunu karşısında sağlık hizmetleri bu salgınla mücadele için teknolojik gelişmelerden yardım istemektedir. Sağlık hizmetlerinde en umut verici teknolojik sınırlar arasında, çok büyük miktarda veriyi analiz edebilen, kalıpları tanımlayabilen ve sonuçları tahmin edebilen yapay zekanın (AI) bir alt kümesi olan Makine Öğrenimi (ML) yer alıyor. Makine öğrenimi, hasta sağlığına ilişkin değerli içgörüler sağlayarak, tedavi kararlarını bildirerek ve hatta bir kişinin gelecekte hastalığa yakalanma riskini tahmin ederek diyabet yönetiminde devrim yaratma potansiyeline sahiptir. Bu teknoloji, doğru kullanılırsa diyabetle mücadelede oyunu değiştirebilir. Bu bağlamda, diyabet riskini tahmin etmek için geleneksel sınıflandırıcı yöntemlerin kullanılması uygulanabilir ve etkili bir yaklaşım gibi görünmektedir. Bu yöntemler gelişmeye devam ettikçe, bu kronik hastalığın erken teşhisi ve etkili tedavisinde önemli bir rol oynamakta ve diyabet risk tahmininin doğruluğunu ve kesinliğini artırma sözü vermektedir. Bu yazıda, diyabeti tahmin etmek için geleneksel sınıflandırıcı yöntemlerin nasıl kullanıldığını, bu teknolojinin hastalık teşhisindeki etkilerini ve gelişen bu alanın gelecekteki potansiyelini inceleyeceğiz.
  • Küçük Resim Yok
    Öğe
    Kimlik Hırsızı Web Sitelerinin Farklı DeepLearning4J Modelleri ile Performanslarının Karşılaştırılması
    (Osman SAĞDIÇ, 2021) Dinler, Özlem Batur; Şahin, Canan Batur; Abualigah, Laith
    İlk olarak 2019’da Çin’in Wuhan şehrinde görülen yeni tip koranavirüs (COVID-19 ) hastalığı nedeniyle 11 Mart 2020 tarihinde Dünya Sağlık Örgütü (DSÖ) tarafından pandemi ilan edilmiştir. Dünya genelinde hâlâ etkisi devam etmekte olan bu salgın, kısa sürede tüm dünya toplumunun gündelik yaşam aktivitelerini ve alışkanlıklarını hızlı bir şekilde değiştirerek digital ortam uygulamalarına doğru kaydırmıştır. Bu doğrultuda, artan siber saldırı atakları ve yaşanan veri ihlalleri salgın toplumu için büyük bir risk oluşturmuştur. Bu bağlamda, dijital ortam uygulamalarının güvenliği COVID-19 salgını ile çok daha önemli bir sorun haline gelmiştir. Bu sorun özellikle kimlik hırsızı web siteleri üzerinde gözlenmiştir. Web kimlik hırsızlığı, güvenilir kurumları taklit ederek kişilerin ad, soyad, şifre ve kredi kartı numaraları gibi kişisel bilgileri çalma yöntemidir. Bu, bilginin ifşa olmasına ve mali zarara neden olacaktır. Çalışmanın odağı, kimlik hırsızı web sitelerinin tanımlanması amacı ile kullanılan birkaç DeepLearning4j (DL4j) modeline dayanmaktadır. Bununla birlikte, çalışmanın temel amacı, değerlendirme metriklerinin performanslarını iyileştirmek amacı ile DeepLearning4J (DL4J) modellerinin etkinliğini verimli bir şekilde izlemektir.
  • Küçük Resim Yok
    Öğe
    Risk Faktörlerinin Dağıtık Yazılım Ekip Yapısı Kapsamında İncelenmesi
    (Osman SAĞDIÇ, 2021) Şahin, Canan Batur; Dinler, Özlem Batur; Abualigah, Laith
    Dağıtık yazılım ekip yapısı, ekip üyelerinin yazılımın yaşam döngüsü boyunca farklı uzak yerleşkelerde bulunmasını sağlayan bir gelişim türünü temsil etmektedir. Bu nedenle, uzak alt ekiplerden oluşan bir ağ oluşturmaktadır. Günümüzde yazılım projelerinin coğrafi olarak uzak ekiplerle geliştirilmesi, yazılım geliştirme ortamlarının esnek olmasını zorunlu kılmaktadır. Bu durumda yazılım yöneticilerinin dağıtık ekip yönetimini iyi organize etmeleri ve yönetmeleri büyük önem taşımaktadır. Ülkeler ve bölgeler genelinde dağıtık ekiplerin eğilimi ile yazılım projeleri sahnesine daha fazla sayıda paydaş getirilmektedir. Risk yönetimi, projenin beklenen sonucunu elde etmenin en önemli güvencesi olmakla birlikte, söz konusu süreçler, projede yer alan paydaşların her sahadan ortak sorumlulukları ve taahhüdü olarak düşünülmelidir. Yazılımın 'kurum içi' geliştirilmesi bir dizi riske yol açmaktadır. Aynı zamanda kısmen başka bir coğrafyada gelişmesi söz konusu risklerin katlanarak artmasına neden olmaktadır. Risklerin yönetimi, projenin erken aşamalarında başlamalı ve projelerin yaşam döngüsü boyunca bir izleme ve takip çalışması şeklinde devam etmelidir. Bu çalışma kapsamın da, dağıtık ekip yapısındaki ana risk faktörlerinin geleneksel proje yöntemi yaklaşımı yerine Yetenek Olgunluk Model Entegrasyonu (CMMI) uyarınca yürütülmek üzere geliştirilen süreç adımları detaylı olarak anlatılmaktadır. Ayrıca bu çalışma, dağıtık yazılım geliştirme ile ilgili risk yönetimi sürecinde yer alan bileşenleri ortaya çıkarmayı amaçlamıştır.
  • Küçük Resim Yok
    Öğe
    WEKA Ortamını Kullanarak Derin Öğrenme ile Kimlik Hırsızı Web Sitelerinin Tahmini
    (Osman SAĞDIÇ, 2021) Dinler, Özlem Batur; Şahin, Canan Batur
    30 Aralık 2019’da, Çin’in Wuhan şehrinde görülen COVID-19 (Coranavirus) hastalığı, dünya çapında yayılarak küresel bir salgına yol açmıştır. Bu salgın, çok hızlı ve çok kolay bulaşabildiği için hükümetlerin almak zorunda kaldığı birtakım önlemler ve gönüllü karantina uygulamaları, kısa bir süre içerisinde dünya topluluklarının alışkanlıklarını önemli ölçüde değiştirmiştir. Bu değişim özellikle, uzaktan çalışma, uzaktan eğitim ve uzaktan alışveriş (e-ticaret) gibi uzaktaki etkinlikleri artırdı. Bu nedenle insanlar günlük ihtiyaçlarını karşılamak adına kullandıkları fiziksel platformları, hızlıca dijital platformlara taşıma gereksinimi duydular. Bu durumda beraberinde, dijital platformların hedef alındığı web kimlik hırsızlığı çevrimiçi siber saldırı türlerinde ciddi bir artış meydana getirmiştir. Kimlik avındaki artış ve kimlik hırzısı web sitelerinin artan hacmi, dünyadaki bilgilerin ve kuruluşların çeşitli siber saldırılara daha fazla maruz kalmasıyla sonuçlandı. Bu nedenle, 2019'daki COVID-19 salgınından sonra kimlik hırsızı web sitelerinin analizini tespit etmek, her zamankinden daha önemli hale geldi. Bu çalışmada web kimlik hırsızlığı analiz edilmekte ve Bilgi Analizi için Waikato Ortamı (Waikato Environment for Knowledge Analysis - WEKA) grafik kullanıcı arayüzünden (GUI) yararlanarak RF, SVM, MLP, k-NN ve DL’den oluşan beş popüler yöntem arasındaki sınıflandırma performansları karşılaştırılmaktadır. Eğitim ve test olarak ikiye ayrılan veri seti ile yapılan deneylerde RF ve DL yöntemleri diğer yöntemlere göre daha başarılı iken, k-NN, çapraz doğrulama kullanıldığında daha iyi performans elde etmiştir. Bunun olası nedeni, derin öğrnemeye yönelik basit bir yaklaşımdır. Bu çalışmanın, kimlik hırzısı web sitelerinin sınıflandırması için WEKA derin öğrenmeyi araştırmada rehberlik sağlayacağını umuyoruz.