TR-Dizin İndeksli Yayınlar Koleksiyonu / TR Dizin Indexed Publications Collection
Permanent URI for this collectionhttps://hdl.handle.net/20.500.11779/1927
Browse
2 results
Search Results
Article Anomali Tespiti ve Suistimal Önleme: Telekomünikasyon Sektöründe Bir Uygulama(2025) Koç, Utku; Bulut, Özgür; Özalanyalı, Özge; 01. MEF University; 02.01. Department of Industrial Engineering; 02. Faculty of EngineeringBu çalışmada, telekom sektöründeki satış kanallarında ortaya çıkan anomalilerin tespitine ve suistimal olabilecek durumların engellenmesine yönelik istatistiksel bir yöntem geliştirilmiştir. Yöntemin geliştirilmesi ve test edilmesi sürecinde 371 farklı satış kanalına ait 9 aylık tüm satış bilgileriyle 340 binden fazla gerçek veri noktası kullanılmıştır. Anomali tespitinde en çok karşılaşılan engellerden biri yöntemin anomali olarak işaretlediği noktaların gerçekten anomali olup olmadığının teyit edilmesindeki zorluktur. Her bir kanalın kendi kontrol grubunu oluşturduğu bu çalışmada ise yöntemin anomali olarak işaretlediği noktaların gerçekten bir anomali olup olmadığı ilgili iş birimi tarafından değerlendirilmiş ve teyit edilmiştir. Her bir satış kanalı için günlük güven aralıkları ayrı ayrı hesaplanmış ve bu aralığın dışına çıkan durumlara hızlı tepki veren bir yöntem kullanılarak olası suistimallerin önüne geçilmiştir. Elde edilen bulgular, önerilen yöntemin anomali tespitinde başarılı olduğunu ve satış süreçlerindeki potansiyel suistimallerin önüne geçtiğini ve dolayısıyla müşteri memnuniyetini artırdığını göstermektedir. Geliştirilen yöntem yüksek performans ve ölçeklenebilirliği sağlamak için çoklu mimari yapısında uygulamaya alınmıştır. Geliştirilen yöntem ve uygulama, güvenlik ve veri bütünlüğü konularında da önemli avantajlar sunmaktadır. İlgili iş birimlerinin hızlı ve etkili kararlar alabilmesi, organizasyonun genel risk yönetimi stratejisine büyük katkı sağlamaktadır. Bu sayede, potansiyel tehditler zamanında tespit edilerek işletmenin güvenlik standartları korunmakta ve sürdürülebilir bir operasyonel çevre yaratılmaktadır. Ayrıca, projenin teknik yapısı anomali tespit sisteminin sürekli iyileştirilmesi hem yazılımın performansını artıracak hem de daha ileri düzeyde veri analizi imkanı sunacaktır. Sonuçlar, telekom şirketlerinin stratejik karar alma süreçlerine önemli katkılarda bulunarak rekabet avantajı sağlamalarına yardımcı olmaktadır.Article Citation - WoS: 1Facial Emotion Recognition Using Residual Neural Networks(Aves, 2024) Kırbız, Serap; 02.05. Department of Electrical and Electronics Engineering; 02. Faculty of Engineering; 01. MEF UniversityFacial emotion recognition (FER) has been an emerging research topic in recent years. Recent automatic FER systems generally apply deep learning methods and focus on two important issues: lack of sufficient labeled training data and variations in images such as illumination, pose, or expression-related variations among different cultures. Although Convolutional Neural Networks (CNNs) are widely used in automatic FER, they cannot be used when the number of layers is large. Therefore, a residual technique is applied to CNNs and this architecture is named residual neural network. In this paper, an automatic facial emotion recognition method using residual networks with random data augmentation is proposed on a merged FER dataset consisting of 41,598 facial images of size 48 × 48 pixels from seven basic emotion classes. Experimental results show that ResNet34 with data augmentation performs better than CNN with a classification accuracy of 81%.