Announcements
Research News
Bu tez sanal gerçeklik veya karma gerçeklik ortamlarının model-tabanlı sistem mühendisliğinin icra edilmesine uygulanabilirliğini anlamaya ve bu tarz kullanımlara uygun bir çerçeve yazılım prototip geliştirmeyi hedeflemektedir. Sistem mühendisliği veya etkileşimli uygulamalar ve oyun geliştirme deneyimli kişiler ile kullanıcı testleri gerçekleştirilerek, bu ortamların bilgisayar ortamlarına karşı avantajlarını ve dezavantajlarını tanımlamaktadır. Sonuç olarak olası gelecek araştırmalara kuvvetli temel oluşturulmuş ve sanal gerçeklik veya karma gerçekliğin model-tabanlı sistem mühendisliği için uygun bir ortam olduğu tespit edilmiştir.
Tarih: 26.11.2024 Yer: A-212
Bu tez, görsel ve işitsel ipuçların birleştirildiklerinde bir yanılsama meydana getirmeyi sağlayan McGurk etkisini kullanarak, 3B model sadeleştirme algoritmalarının verimliliklerini kıyaslamaya yarayan bir yöntem sunmaktadır. Çalışma, bir insan başı modeli tasarlamayı, ağız hareketlerini canlandırmayı ve belirli hece seslerini kaydederek sanal bir sahne oluşturmayı içerir. Oluşturulan bu sanal sahne kapsamında bir kullanıcı çalışması gerçekleştirilmiştir. Bu çalışmada, canlandırma yapılan başa uygulanan üç farklı model sadeleştirme algoritması orta ve yüksek zorluk seviyelerinde her hece için ayrı ayrı icra edilmiş ve her bir algoritmanın etkinliğini test etmek ve ölçmek amacıyla bir analiz yapılmıştır. Sonuçlar, 3B modelleme ve sanal gerçeklik uygulamaları için verimlilik ile algıda doğruluk arasında olabilecek bir dengeye dair görüşler sunmaktadır.
Tarih: 29.11.2024 / 10:00 Yer: A-212
Active Directory (AD), günümüzde en yaygın kullanılan dizin hizmetlerinden biridir ve bir organizasyon içindeki ağ kaynaklarını organize etme ve yönetmede önemli bir rol oynar. Normal ağ trafiğiyle karışması nedeniyle tespit edilmesi zor olabilen AD saldırılarını önlemek ve tespit etmek için sağlam bir güvenlik stratejisi çok önemlidir. Bu tür saldırılardan biri, Kerberos kimlik doğrulama protokolündeki zayıflıkları istismar eden Kerberoasting saldırısıdır. Bu saldırıları tespit etmek için denetlenen makine öğrenimi algoritmaları önerilmektedir. Ayrıca, bu algoritmaların Kerberoasting saldırıları için verimliliğini ölçmek üzere herkese açık bir veri kümesi oluşturuldu ve paylaşıldı.
Tarih: 22.11.2024 / 14:00 Yer: A-108
Bu çalışmada EnSCAN çerçevesini tanıtarak, farklı genotipleme platformlarında seçilen varyantları konsolide eden ve bu varyantları öncelikli aday lokus olarak sıralayarak her bir genotiplendirme platformundaki makine öğrenmesi sonuçlarından elde edilen önsel bilgiyi iyileştiren ve birleştiren yenilikçi bir algoritma önerilmektedir. Önerilen EnSCAN algoritması, varyatların kromozomal konumlarını sitogenetik bantlara göre haritalama ve çiftler arasındaki yakınlıkları ile çoklu model üzerinde Random Forest doğrulamalarını kullanarak SNV'leri ve Alzheimer Hastalığı için ayırt edici genleri önceliklendirmeyi sağlar. EnSCAN algoritmasındaki skorlama yöntemi ölçeklenebilir olup, herhangi bir çoklu platform genotipleme çalışmasına uygulanabilir durumdadır. Bu çalışmada EnSCAN skorlama algoritmasının, üç GWAS veri seti arasında LOAD ile ilişkili aday ayırt edici varyantlarını nasıl önceliklendirdiği sunulmaktadır.
Tarih: 06.09.2024 / 16:00 Yer: B-116
Açık kaynak kodlu yazılım projelerinin gelişen dünyasında, etkili sorun yönetimi, proje başarısını sürdürmenin temel bir unsuru olmaya devam etmektedir. Sorun raporları, yazılım ürünleri ile ilgili hataları bildirmek, yeni özellikler talep etmek veya sorular sormak amacıyla oluşturuldukları için değerli bilgiler sağlar. Kalite açısından büyük ölçüde farklılık gösteren çok sayıda sorun raporu, çalışmaları önceliklendirmek ve kaynakları etkili bir şekilde yönetmek için doğru sorun sınıflandırma mekanizmalarını gerektirir. Doğru şekilde atanan sorun etiketleri, etkili proje yönetimi ve sorun yönetimini geliştirmek amacıyla yapılan araştırmaların güvenilirliği açısından kritik öneme sahiptir, çünkü bu araştırmalar genellikle atanmış olan sorun etiketlerini gerçek referans değer olarak varsayar. Bu çalışma, sorun yönetim süreçlerini iyileştirmek için açık kaynak kodlu yazılım geliştirme projelerindeki atanan sorun etiketlerinin güvenilirliğini değerlendirmeyi amaçlamaktadır. Araştırma, GitHub’da bulunan açık kaynak kodlu yazılım geliştirme projelerinden iki sorun raporu veri kümesi toplanmasını içermektedir. Sorun etiketi sınıflandırması kapsamında en gelişkin büyük dil modelleri ile deneyler gerçekleştirilmiştir. Ayrıca, atanan sorun etiketlerinin, sorun içeriği açısından ilgisini değerlendirmek için nitel bir analiz yapılmıştır. Sorun raporları üzerinde gerçekleştirilen deneysel çalışma, atanan etiketler ile sorunların asıl içeriği arasında önemli bir uyumsuzluk olduğunu ortaya koymuştur. Çalışma ayrıca, en gelişkin büyük dil modellerinin sorun etiketlerini sınıflandırmadaki etkinliğini göstererek açık kaynak kodlu yazılım geliştirme projelerinde sorun etiketlerinin güvenilirliğine ilişkin endişeleri vurgulamıştır.
Tarih: 06.09.2024 / 11:00 Yer: A-108
