Yazar "Mammadov, Sarkan" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    Kütüphane ortamlarının verimlilik analizi:IOt sensörleri ve makine öğrenimi ile optimum çalışma koşullarının belirlenmesi
    (Düzce Üniversitesi, 2025) Mammadov, Sarkan; Küçükkülahlı, Enver
    Bu çalışma, üniversite kütüphanelerindeki çevresel koşulların izlenmesi ve analizine yönelik olarak Nesnelerin İnterneti (IoT) tabanlı bir sistemin geliştirilmesini amaçlamaktadır. Sistemde; ses düzeyi, ışık şiddeti, sıcaklık, nem, hava kalitesi ve kişi yoğunluğu gibi çevresel faktörler sensör ve mikrodenetleyiciler aracılığıyla toplanmış, kişi yoğunluğu ise kamera tabanlı görüntü işleme teknikleri ile ölçülmüştür. Kullanıcı deneyimleri anket yöntemiyle elde edilen geri bildirimlerle değerlendirilmiştir. Elde edilen veriler, K-En Yakın Komşu (K-Nearest Neighbors, KNN), Lojistik Regresyon (Logistic Regression), Karar Ağacı (Decision Tree), Rastgele Orman (Random Forest), Destek Vektör Makineleri (Support Vector Machines, SVM), Aşırı Gradyan Artırma (Extreme Gradient Boosting, XGBoost) ve Naive Bayes algoritmalarıyla analiz edilmiştir. Her bir çevresel faktör için ayrı ayrı ve tüm veriler bütünleştirilerek modelleme yapılmıştır. Analiz sonuçlarına göre; ses düzeyinde KNN %96.14, ışık verilerinde Random Forest %74.70, hava kalitesi analizinde Random Forest %90.14, sıcaklık verilerinde KNN %98.13, kalabalık analizinde Random Forest %40.46 ve genel değerlendirmede KNN %99.04 F1 skoru ile en yüksek başarıyı göstermiştir. Geliştirilen kullanıcı arayüzü, eğitilmiş modellerin ağırlık dosyalarını kullanarak her kullanıcı için ortam analizleri sunmakta; iç ortam hava kalitesi, ses düzeyi, sıcaklık ve ışık düzeyi gibi parametreleri değerlendirerek ortam kalitesini düşüren ana faktörleri kullanıcıya sunmaktadır. Kullanıcı geri bildirimlerinin çevresel verilerle entegre edilmesiyle oluşturulan model, ortamın genel uygunluk seviyesini belirlemekte ve çalışma ortamının verimliliği hakkında bütüncül analiz sağlamaktadır. Sonuçlar, çevresel faktörlerin bütüncül izlenmesinin ve kullanıcı geri bildirimlerinin kütüphane çalışma ortamlarını iyileştirmede kritik bir rol oynadığını ortaya koymuş, özellikle KNN algoritması %99.04 F1 skoru ile en yüksek başarıyı elde ederek veri bütünlüğü ve kullanıcı geri bildirimlerinin entegrasyonunun modelin doğruluğunu artırdığını göstermiştir. Bu tez, çevresel izleme sistemlerini klasik kontrol mekanizmalarının ötesine taşıyarak, kullanıcı odaklı geri bildirimlerle entegre edilmiş, esnek, ölçeklenebilir ve sahada uygulanabilir bir karar destek sistemine dönüştürmektedir. Ortaya konulan yaklaşım; yalnızca kütüphane ortamlarının değil, tüm ortak kullanım alanlarının çevresel konforunu artırmaya yönelik sürdürülebilir dijital dönüşüm politikaları için güçlü, bilimsel temelli ve uygulanabilir bir yol haritası sunmaktadır.
  • Küçük Resim Yok
    Öğe
    A User-Centric Smart Library System: IoT-Driven Environmental Monitoring and ML-Based Optimization with Future Fog-Cloud Architecture
    (Mdpi, 2025) Mammadov, Sarkan; Kucukkulahli, Enver
    University libraries are essential academic spaces, yet existing smart systems often overlook user perception in environmental optimization. A key challenge is the lack of adaptive frameworks balancing objective sensor data with subjective user experience. This study introduces an Internet of Things (IoT)-powered framework integrating real-time sensor data, image-based occupancy tracking, and user feedback to enhance study conditions via machine learning (ML). Unlike prior works, our system fuses objective measurements and subjective input for personalized assessment. Environmental factors-including air quality, sound, temperature, humidity, and lighting-were monitored using microcontrollers and image processing. User feedback was collected via surveys and incorporated into models trained using Logistic Regression, Decision Trees, Random Forest, Support Vector Machine (SVM), K-Nearest Neighbors (KNNs), Extreme Gradient Boosting (XGBoost), and Naive Bayes. KNNs achieved the highest F1 score (99.04%), validating the hybrid approach. A user interface analyzes environmental factors, identifying primary contributors to suboptimal conditions. A scalable fog-cloud architecture distributes computation between edge devices (fog) and cloud servers, optimizing resource management. Beyond libraries, the framework extends to other smart workspaces. By integrating the IoT, ML, and user-driven optimization, this study presents an adaptive decision support system, transforming libraries into intelligent, user-responsive environments.