Yazar "Birogul, Serdar" seçeneğine göre listele
Listeleniyor 1 - 8 / 8
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe BÜYÜK DİL MODELLERİNİ KULLANAN ÜRETKEN YAPAY ZEKA UYGULAMALARININ ETİK OLAYLARA YAKLAŞIMLARININ KARŞILAŞTIRMALI ANALİZİ(2025) Birogul, SerdarBu çalışmada bir çok farklı iş alanında kullanılan üretken yapay zeka uygulamalarının etik durumlara karşı cevap performanslarının gözlemlenmiştir. Tüm iş alanlarında büyük dil modelli (Large Language Model- LLM) üretken yapay zeka uygulamalarının sorularak karşılık ürettikleri cevaplarının dikkatle incelenmesi önemlidir. Çalışmada LLM yapısına sahip 5 büyük üretken yapay zeka uygulaması üzerinden LLM bağlamında örnek etik olaylara dair cevaplar incelenmiştir. Deepseek, ChatGpt 4o, QwenChat 2.5 Max, Gemini 2.0 Flash ve Copilot uygulamalarının etik olaylara karşı verdikleri cevaplarda nedenleri, açıklamaları, temellendirme unsuları ve yorumlamaları istenmiştir. Karşılaştırma sonuçlarına göre uygulamalar arasındaki hem fikirlik ve ayrılık durumları da incelenmiş ve verdikleri cevaplar üzerinden LLM’lerin etik konulara yaklaşımları ortaya konmuştur. Bu çalışmada etik durumların incelenmesinin sebebi etik olayların mutlak tek yönlü cevabının olmamasıdır. Kişiden kişiye değişen etik durum değerlendirmeleri LLM uygulamaları açısından da zorlayıcı problem alanıdır. 13 örnek etik vaka anlatılmış ve daha önceden ön hazırlık aşaması olmadan bu 5 üretken yapay zeka uygulamalarına sorular sorulmuştur. Alınan cevaplarda üretken yapay zeka uygulamalarının bunları temellendirmeleri ve yorum yapmaları istenmiştir. Elde edilen bulgular neticesinde ortak noktalar, farklılıklar, genel eğilimlere göre değerlendirmeler yapılmıştır. Bu bulgular, LLM’lerin etik sorunları ele alma konusunda yol katettiklerini göstermektedir. Uygulamaların, etik ikilemlere yönelik tutarlı ve adil çözümler üretme konusunda gelişmelerine devam edilmesi gerektiği gözlemlenmiştir. Bu durum, LLM'lerin etik karar verme süreçlerinde insan denetiminin önemli olduğunu ve etik kuralların entegrasyonunun önemini bir kez daha vurgulamaktadır.Öğe Effect the Number of Reservations on Implementation of Operating Room Scheduling with Genetic Algorithm(Springer International Publishing Ag, 2020) Timucin, Tunahan; Birogul, SerdarIn this paper, the problem of the most efficient use of the Operating Rooms (ORs) which one of the most important departments of hospitals, was tackled. Efficient use of operating rooms is a scheduling problem with many constraints. This type of problem is defined as NP-Hard. Complex problems involving multiple constraints are defined as NP-Hard type problems. As the NP-Hard type problem does not consist of polynomial values, the solution of such problems becomes complicated. Such problems cannot be solved by classical mathematical methods. For the solution of NP-Hard type problems which have high level of complexity and many constraints, heuristic and meta-heuristic algorithms such as Genetic Algorithm (GA), tabu search algorithm, simulated annealing algorithm and partical swarm optimization algorithm have emerged. In this paper, the operating room scheduling problem is solved by the genetic algorithm. When coding the program, the C# programming language was preferred because of the visual advantages and user-friendliness of the language.Öğe Graph-based interpretable dialogue sentiment analysis: A HybridBERT-LSTM framework with semantic interaction explainer(Elsevier, 2026) Atagun, Ercan; Temur, Gunay; Birogul, SerdarConversational sentiment analysis in natural language processing faces substantial challenges due to intricate contextual semantics and temporal dependencies within multi-turn dialogues. We present a novel HybridBERT-LSTM architecture that integrates BERT's contextualized embeddings with LSTM's sequential processing capabilities to enhance sentiment classification performance in dialogue scenarios. Our framework employs a dual-pooling mechanism to capture local semantic features and global discourse dependencies, addressing limitations of conventional approaches. Comprehensive evaluation on IMDb benchmark and real-world dialogue datasets demonstrates that HybridBERT-LSTM consistently improves over standalone models (LSTM, BERT, CNN, SVM) across accuracy, precision, recall, and F1-score metrics. The architecture effectively exploits pre-trained contextual representations through bidirectional LSTM layers for temporal discourse modeling. We introduce WordContextGraphExplainer, a graph-theoretic interpretability framework addressing conventional explanation method limitations. Unlike LIME's linear additivity assumptions treating features independently, our approach utilizes perturbation-based analysis to model non-linear semantic interactions. The framework generates semantic interaction graphs with nodes representing word contributions and edges encoding inter-word dependencies, visualizing contextual sentiment propagation patterns. Empirical analysis reveals LIME's inadequacies in capturing temporal discourse dependencies and collaborative semantic interactions crucial for dialogue sentiment understanding. WordContextGraphExplainer explicitly models semantic interdependencies, negation scope, and temporal flow across conversational turns, enabling comprehensive understanding of both word-level contributions and contextual interaction influences on decision-making processes. This integrated framework establishes a new paradigm for interpretable dialogue sentiment analysis, advancing trustworthy AI through high-performance classification coupled with comprehensive explainability.Öğe Proof of Optimum (PoO): Consensus Model Based on Fairness and Efficiency in Blockchain(Mdpi, 2023) Gunduz, Fatih; Birogul, Serdar; Kose, UtkuBlockchain systems are popular technologies that have recently emerged. As a decentralized system, blockchain technology has provided many solutions and many problems associated with these solutions. One of its most important problems is that while performing hash calculations very intensively to create a new consensus block, it reduces its efficiency depending on the duration. In this study, a new model to avoid Proof of Work (PoW), which directs the computations made to create blocks to optimization algorithms, is proposed. The proof mechanism proposed in this study is called Proof of Optimization (PoO). A traveling salesman problem (TSP) is entered into the designed system to solve the optimization algorithms. Nodes are asked to solve the TSP in certain iterations and populations. As a result, nodes are asked to create blocks with the fitness, density and time values obtained. PoO and PoW consensus algorithms were subjected to an experimental comparison in the system. The test results show that the block generation time of the PoO consensus model varies between 2 s according to the dataset solution with the least cities (ulysses22) and 60 s according to the dataset solution with the most cities (gr666). Additionally, as a result of experimental analyses, it was determined that decentralization, which is the percentage of block creation among miners in the blockchain, reached a more stable value and the fairness index rose above 0.90 on average. When the obtained values were compared with PoW, it was observed that the block time was more stable and the decentralization of the blockchain was higher. In this way, high-equipped nodes in the blockchain system are prevented from dominating the network. Thus, it is ensured that low-equipped nodes have the right to create blocks in the blockchain. The difficulty levels of the problems can be adjusted by changing the number of cities in the TSP evaluated in this study. In this way, the problem of creating blocks in the network can be made more difficult or easier at any time.Öğe Scrum Metodolojisi Kullanılarak Yönetilen Projelerde Fonksiyonel ve Otomasyon Testlerinin Türkiye’de Yazılım Geliştiren Firmalardaki İşleyiş Analizi(2025) Katranci, Hayriye; Birogul, SerdarBu çalışmada, Türkiye'deki yazılım geliştirme firmalarında Scrum metodolojisinin proje yönetiminde nasıl uygulandığı ve bu bağlamda fonksiyonel ve otomasyon test süreçlerinin işleyişi analiz edilmiştir. Araştırma, Scrum metodolojisinin çalışanlar tarafından benimsenme düzeyine ve test süreçlerine entegrasyonuna odaklanmaktadır. Özellikle fonksiyonel ve otomasyon test süreçlerinin Scrum çerçevesinde nasıl optimize edildiği ve bu süreçlerin proje verimliliği ile başarısına etkileri incelenmiştir. Çalışmada, katılımcıların demografik profilleri, mesleki ve akademik geçmişleri, Scrum metodolojisine aşinalıkları ve test süreçlerindeki deneyimleri dikkate alınarak kapsamlı bir değerlendirme yapılmıştır. Elde edilen bulgular, araştırmaya dahil olan firmaların büyük çoğunluğunun Scrum metodolojisini benimsediğini ve test süreçlerinin ağırlıklı olarak otomasyon araçlarıyla desteklendiğini göstermektedir. Sonuçlar, Scrum metodolojisinin test süreçlerinin entegrasyonu ve yönetimi açısından etkili bir çerçeve sunduğunu ortaya koymaktadır.Öğe A survey: Making Smart Contracts really smart(Wiley, 2021) Timucin, Tunahan; Birogul, SerdarBlockchain technology is a distributed data recording system developed to monitor and secure all encrypted transactions with the shortest identification. Blockchain technology made a name for itself in 2008. However, the real development of this technology has been realized with use of smart contracts in Blockchain technology. In the cryptocurrency world, a smart contract can be defined as an application or program running on the Blockchain. They operate as digital deals that have to comply with certain rules. These rules are predetermined by computer codes and then copied and implemented by the servers in the entire network. The use of the word smart as a term in smart contracts comes from the fact that it is not made manually and is realized digitally. In this study, it is aimed to contribute to future studies in the transformation of smart contracts into real smart contract structures by applying artificial intelligence algorithms.Öğe TÜRKÇE DOĞAL DİL ANLAMA BECERISINDE GERİ ÇAĞIRMA-ARTIRILMIŞ ÜRETIM: BÜYÜK DİL MODELLERİNİN KARŞILAŞTIRMALI BİR ÇALIŞMASI(2025) Barışçı, Necaattin; Birogul, Serdar; Atagün, Ercan; Güllü, MerveBüyük Dil Modelleri (BDL), doğal dil işlemeyi önemli ölçüde ilerletmiştir. Bununla birlikte, eğitim verilerinin sınırlı erişilebilirliği nedeniyle, özellikle düşük kaynaklı diller için güncel ve kesin bilgi üretmede yetersiz kalabilirler. Bu zorluğu çözmek için tasarlanan Geri Alma-Artırılmış Üretim (GAÜ) metodolojisi, harici bilgi kaynaklarından yararlanarak modellerin çıktılarının kesinliğini ve güvenilirliğini artırır. Bu çalışmada, Türkçe soru-cevap veri kümesi kullanılarak GAÜ çerçevesi içinde dört farklı BDL (Qwen-14B, Gemma3-12B, LLaMA3.1-8B ve DeepSeek-R1-14B) karşılaştırmalı olarak değerlendirilmiştir. Deneysel sonuçlar, GAÜ metodolojisinin Türkçe soru cevap sistemlerinde bilgi kesinliğini, yanıt tekdüzeliğini ve bağlamsal alaka düzeyini önemli ölçüde artırdığını göstermektedir. Ayrıca, LLaMA3.1-8B modeli kesinlik ve geri çağırma konusunda en iyi performansa sahipti. Bulgular, GAÜ tabanlı uygulamaların Türkçe için önemini ortaya koymakta ve bilgi destekli üretim yöntemlerinin geliştirilmesi için önemli bilgiler sunmaktadır. Bu çalışma, Türkçe de dahil olmak üzere morfolojik olarak zengin ve düşük kaynaklı dillerde GAÜ tabanlı sistemlerin uygulanabilirliğini göstererek literatürdeki önemli bir boşluğu doldurmaktadır. Ayrıca, sonraki Türkçe doğal dil işleme araştırmaları için temel bir referans görevi görmektedir.Öğe YOLO Object Recognition Algorithm and & x201C;Buy-Sell Decision & x201D; Model Over 2D Candlestick Charts(Ieee-Inst Electrical Electronics Engineers Inc, 2020) Birogul, Serdar; Temur, Gunay; Kose, UtkuEarning via real-time predictions with the experience in the visible trend directions of an investment instrument in the past requires a different perspective on charts. Indicators and formations within the scope of technical analysis constitute the most significant basis of this perspective. Those who can generate a high income in financial markets and even be more successful than large companies are actually the ones interpreting the data in a different way. In this study, a model which had never been encountered in the literature before, was designed through a different perspective on the same data, enabling the movements of an investment element over the 2D candlestick chart to be recognized as a & x201C;Buy-Sell & x201D; object respectively and to decide on the trend direction as a result. The model is trained by state-of-the-art, real-time object detection system (You Only Look Once) YOLO; for the training, one-year candlestick charts belonging to the stocks traded on Borsa & x0130;stanbul (BIST) between 2000 & x2013;2018 were used. The model, which can make a & x201C;Buy-Sell & x201D; decision without the need for an additional time series except for the views on the visual candlestick charts, is promising in terms of its successful predictions. Its ultimate aim is to provide a foresight strengthening the & x201C;Buy-Sell & x201D; decisions to be made in the decision-making process following the other basic and technical analyses in addition to its stand-alone use in making investment decisions. The effect of this foresight on the success can clearly be seen on the test results received. In the results, the model was found to be successful by 85 & x0025; while a 100 & x0025; profit was generated. Besides, the model can be used for all the time series for which candlestick charts can be created.
