“algoritmalar” için sonuçlar
257 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Otonom Sürüş İçin Yayalar ve Bisikletçiler Veri Seti: OnSiteVRU
Şehir trafiğinde yayalar ve bisikletçiler gibi savunmasız yol kullanıcılarının güvenliği, otonom sürüş teknolojilerinin gelişimi için kritik bir konu haline geldi. Araştırmacılar, bu alandaki veri eksikliğini gidermek için OnSiteVRU adında kapsamlı bir veri seti geliştirdi. Bu veri seti, kavşaklar, yol bölümleri ve şehir mahallelerini kapsayan çeşitli senaryolarda toplam 17.429 yörünge verisi içeriyor. Motorlu araçlar, elektrikli bisikletler ve pedallı bisikletlerin 0.04 saniyelik hassasiyetle kaydedilen hareket verilerini bir araya getiren çalışma, hem havadan çekim hem de araç üstü kamera verilerini entegre ediyor. Bu yüksek çözünürlüklü veri seti, otonom araçların karma trafik ortamlarında daha güvenli kararlar alabilmesi için gerekli olan makine öğrenmesi algoritmalarının eğitiminde kullanılacak.
Yapay Zeka Sayma Sistemlerinin Öğrenilme Kolaylığının Sırrını Çözdü
İnsanların neden düzenli sayma sistemleri kullandığını merak ettiniz mi? Araştırmacılar, yapay zeka yöntemleriyle bu sorunun cevabını aradı. Pekiştirmeli öğrenme algoritmaları kullanarak yaptıkları çalışmada, düzenli sayma sistemlerinin düzensiz olanlara göre öğrenilmesinin çok daha kolay olduğunu keşfettiler. İngilizce'deki 10'luk sistem gibi düzenli yapıların yaygınlığının, öğrenme kolaylığından kaynaklandığını ortaya koydular. Çalışma, dil biliminden yapay zeka öğrenmesine kadar geniş bir alanda önemli bulgular sunuyor.
Elektrikli Kamyonlar İçin Yapay Zeka Destekli Rota Optimizasyonu Geliştirildi
Araştırmacılar, elektrikli kamyonların karşılaştığı operasyonel zorlukları aşmak için yeni bir yapay zeka tabanlı sistem geliştirdi. Sınırlı batarya menzili, uzun şarj süreleri ve şarj istasyonlarındaki rekabet gibi faktörler, elektrikli kamyon operasyonlarını kompleks bir lojistik ve enerji problemi haline getiriyor. Geleneksel sezgisel yöntemler bu karmaşıklıkla başa çıkmakta yetersiz kalırken, yeni sistem pekiştirmeli öğrenme algoritmaları kullanarak belirsizlikler altında optimal rotalar belirliyor. Bu gelişme, elektrikli ticari araç filosu yönetiminde devrim yaratabilir ve sürdürülebilir ulaşıma geçişi hızlandırabilir.
DC Mikro Şebekelerde Yeni Kontrol Yöntemi: Gerilim ve Akım Davranışını Ölçen İndeksler
Veri merkezlerinden endüstriyel tesislere kadar geniş kullanım alanına sahip DC mikro şebekeler, elektrik sistemlerinin geleceğinde önemli rol oynuyor. Ancak bu sistemlerde voltaj kontrolü ve kararlılık sağlanması kritik bir zorluk teşkil ediyor. Araştırmacılar, AC sistemlerde kullanılan şebeke-oluşturucu ve şebeke-takipçi ayrımını DC sistemlere uyarlayarak yeni bir yaklaşım geliştirdi. Çalışmada sunulan üç yeni empedans tabanlı indeks, dönüştürücülerin voltaj ve akım davranışlarını net bir şekilde ölçebiliyor. Bu yöntem, farklı kontrol algoritmalarının etkinliğini değerlendirmek ve karşılaştırmak için fiziksel olarak yorumlanabilir bir çerçeve sunuyor. Yeni indeksler sayesinde DC mikro şebekelerdeki dönüştürücülerin performansı daha objektif kriterlere göre değerlendirilebilecek.
Yapay Sinir Ağlarının Kararlılığını Garantileyen Yeni Matematiksel Yöntem
Araştırmacılar, yapay sinir ağlarının kararlılığını matematiksel olarak garantileyebilen yeni bir yöntem geliştirdi. Kontraksyon teorisine dayanan bu yaklaşım, tekrarlayan sinir ağlarının (RNN) ne zaman kararlı çalışacağını önceden belirleyebiliyor. Çalışma, sinir ağlarının tasarımında önemli bir güvenlik sorunu olan kararlılık problemine çözüm sunuyor. Geliştirilen doğrusal matris eşitsizliği koşulları, farklı sinir ağı mimarilerinin kararlı çalışma garantilerini veriyor. Bu matematiksel çerçeve, kontrol sistemleri ve öğrenme algoritmalarında da uygulanabilir nitelikte. Bulgular, sürekli zaman modelleri ve monoton aktivasyon fonksiyonlarının daha geniş ağırlık uzaylarında çalışabildiğini gösteriyor. Yöntem ayrıca Graf RNN'leri ve birbirine bağlı sistemler için de genişletilebiliyor.
Kuantum İlhamlı Algoritmalar Klasik Yöntemlerden 100 Kat Hızlı Çıktı
Kuantum işlemcilerin pratikte ne kadar avantajlı olduğu konusu bilim dünyasında halen tartışılıyor. Yeni bir araştırma, kuantum tavlama yönteminden ilham alan GPU tabanlı algoritmaların, çok amaçlı optimizasyon problemlerinde klasik yöntemlerden yaklaşık 100 kat daha hızlı çözüm üretebileceğini gösterdi. Bu çalışma, önceki kuantum üstünlüğü iddialarını sorguluyor ve klasik bilgisayarların halen güçlü rakipler olduğunu ortaya koyuyor. Araştırmacılar, kuantum işlemcilerin ön ve son işleme maliyetlerinin tam olarak hesaba katılmadığı durumların yanıltıcı sonuçlar doğurduğunu vurguluyor.
Kuantum Algoritmaları Uydu Görüntülerinden Arazi Sınıflandırmasında Test Edildi
Araştırmacılar, çok spektralli uydu görüntülerinden arazi örtüsü sınıflandırması için varyasyonel kuantum sınıflandırıcıları (VQC) geliştirdiler. EuroSAT-MS veri seti kullanılarak yapılan kapsamlı testlerde, kuantum algoritmaları klasik yöntemlerle karşılaştırıldı. Sonuçlar, kuantum devrelerinin doğrusal okuma ile tek başına klasik algoritmaları geçemediğini, ancak aynı kuantum özellik haritası çekirdek tabanlı karar sistemleriyle birleştirildiğinde performansın önemli ölçüde arttığını gösterdi. Bu çalışma, kuantum bilgisayarlarının uydu görüntü analizi gibi pratik uygulamalardaki potansiyelini araştıran önemli bir adım.
Kuantum bilgisayarlar kötü amaçlı yazılımlarla mücadelede devrim yaratabilir
Araştırmacılar, bilgisayar ağlarında zararlı yazılımların yayılımını durdurmak için yeni bir kuantum hibrit yaklaşım geliştirdi. Bu yöntem, klasik Monte Carlo simülasyonlarının yerine Kuantum Genlik Tahmini ve Grover Minimum Bulma algoritmalarını kullanarak, hem tahmin hem de optimizasyon süreçlerinde karesel iyileştirmeler sağlıyor. Geleneksel yöntemlerin hesaplama maliyeti çok yüksek olduğu için, bu kuantum yaklaşım siber güvenlik alanında önemli bir atılım niteliği taşıyor. Çalışma, kuantum bilgisayarların teorik avantajlarının pratik güvenlik problemlerine nasıl uygulanabileceğini gösteriyor.
Kuantum ağlarda güvenlik açıkları nasıl tespit edilir?
Araştırmacılar kuantum ağlarda siber saldırılara karşı yeni bir savunma yöntemi geliştirdi. Bu yöntem, oyun teorisi ve kuantum hesaplama tekniklerini birleştirerek, saldırganların hedef alabileceği kritik düğümleri önceden tespit ediyor. Çalışma, kuantum ağlardaki bağlantıların korunması için hangi noktaların en önemli olduğunu belirlemeye odaklanıyor. Geleneksel yöntemlerin hesaplama açısından karmaşık olması nedeniyle, araştırmacılar kuantum algoritmalar kullanarak bu süreci hızlandırıyor. Yöntem, Shapley değerleri ve grafik teorisi kavramlarından yararlanarak, ağdaki her düğümün önemini değerlendiriyor. Bu yaklaşım, kuantum iletişim ağlarının güvenliğini artırmak için praktik bir çözüm sunuyor.
Instagram'da Siber Zorbalığı Yapay Zeka ile Tespit Etmek Mümkün
Endonezyalı araştırmacılar, Instagram yorumlarındaki siber zorbalığı tespit etmek için farklı makine öğrenmesi ve derin öğrenme yöntemlerini karşılaştırdı. 650 yorumdan oluşan dengeli bir veri seti kullanılan çalışmada, geleneksel makine öğrenmesi algoritmaları ile modern derin öğrenme modellerinin performansı test edildi. Araştırma, Endonezyaca'daki günlük konuşma diline özgü ön işleme teknikleri geliştirerek, sosyal medyadaki zararlı içeriklerin otomatik tespitinde önemli ilerlemeler kaydetti. Bulgular, kaynak kısıtlı ortamlarda geleneksel yöntemlerin hala rekabetçi olduğunu gösterirken, derin öğrenme modellerinin bağlamsal anlama konusunda üstün performans sergilediğini ortaya koydu.
Batı müziği giderek daha basit ve tekrarlı hale geliyor
Son yıllarda çıkan şarkıların birbirine benzediğini hissediyorsanız, hayal kurmuyorsunuz. Yeni bir bilimsel araştırma, Batı müziğinin sadece birbirine daha çok benzemekle kalmayıp, geçmişe kıyasla yapısal olarak da daha az karmaşık hale geldiğini ortaya koydu. Müzik endüstrisindeki bu dönüşüm, algoritmaların ve veri analizinin müzikal yaratıcılık üzerindeki etkisini gözler önüne seriyor. Araştırma, modern şarkıların melodi yapıları, ritim kalıpları ve harmonik çeşitliliğinin önceki dönemlere göre belirgin şekilde azaldığını gösteriyor. Bu bulgu, müzik endüstrisinin ticari başarı arayışı ile sanatsal özgünlük arasındaki gerilimi bilimsel verilerle destekliyor. Sonuçlar, dinleyicilerin sezgisel gözlemlerinin matematik ve veri bilimi yöntemleriyle doğrulandığını kanıtlıyor.
Yapay Zeka Destekli Robotlar Otomotiv Fabrikalarında Kusurlu Parçaları Tespit Edip Çıkarıyor
GFT Technologies, Google Cloud ile işbirliği yaparak geliştirdiği yapay zeka destekli robotları otomotiv fabrikalarında devreye aldı. Bu robotlar sadece kusurlu parçaları tespit etmekle kalmayıp, bunları üretim hattından çıkarma konusunda da aktif rol oynuyor. Sistemin en önemli özelliği, geleneksel kalite kontrolünden farklı olarak müdahale edebilme yeteneğine sahip olması. Bu gelişme, otomotiv sektöründe kalite kontrol süreçlerinin otomasyonda yeni bir dönüm noktasını temsil ediyor. Yapay zeka algoritmaları sayesinde robotlar, hatalı parçaları yüksek doğrulukla belirleyip anında aksiyon alabiliyor.
Yapay Atıf Ağları: Bilimsel Toplulukları Modelleyen Yeni Yaklaşım
Araştırmacılar, gerçekçi yapay atıf ağları oluşturmak için yeni bir yöntem geliştirdi. Bu çalışma, bilimsel makalelerin birbirini nasıl referans aldığını taklit eden sentetik ağlar yaratarak, topluluk tespiti ve veri madenciliği algoritmalarının test edilmesine olanak sağlıyor. Ekip, 12 farklı yöntemi 7 gerçek atıf ağında karşılaştırarak, hangi tekniklerin daha başarılı olduğunu belirledi. Özellikle graf yapılarındaki döngüleri kırarak atıf benzeri akış oluşturma tekniği, mevcut modellerin performansını önemli ölçüde artırdı. Bu gelişme, bilimsel ağların yapısını daha iyi anlamamıza ve akademik toplulukların nasıl şekillendiğine dair önemli ipuçları sunuyor.
TEACar: Açık Kaynak Kodlu Otonom Sürüş Test Platformu Geliştirildi
Araştırmacılar, otonom araç teknolojilerinin test edilmesi için TEACar adlı yenilikçi bir platform geliştirdi. 1/14 - 1/16 ölçeğindeki bu miniatur platform, gerçek boyutlu otonom araçların maliyetli ve karmaşık test süreçlerine pratik bir alternatif sunuyor. Sistem, modüler mimari yapısı sayesinde farklı sensör ve yazılım konfigürasyonlarının kolayca test edilmesine olanak tanıyor. Dört katmanlı tasarımı ile algılama, hesaplama, hareket ve güç sistemlerini fiziksel olarak ayıran platform, hem yapısal dayanıklılığı artırıyor hem de yeniden yapılandırma işlemlerini basitleştiriyor. ROS 2 tabanlı yazılım altyapısı ve donanım soyutlama katmanı ile araştırmacılar, otonom sürüş algoritmalarını gerçekçi koşullarda test edebiliyor. Bu gelişme, otonom araç teknolojilerinin daha hızlı ve ekonomik şekilde geliştirilmesine katkı sağlayacak.
Robotlar İçin Yeni Nesil Nesne Tanıma Sistemi: SODA-CitrON
Araştırmacılar, otonom araçlar ve robotik sistemler için devrim niteliğinde bir nesne takip teknolojisi geliştirdi. SODA-CitrON adlı bu sistem, farklı sensörlerden gelen verileri birleştirerek sabit nesneleri gerçek zamanlı olarak tanımlayabiliyor. Geleneksel yöntemlerden farklı olarak, hareket halindeki hedeflere odaklanan klasik yaklaşımların aksine, durağan nesnelerin tespitinde daha etkili çalışıyor. Sistem, yapay zeka destekli kümeleme algoritmaları kullanarak çok sayıda sensörden gelen bilgileri işleyebiliyor ve bilinmeyen sayıda nesneyi aynı anda takip edebiliyor. Bu teknoloji, otonom sürüş, çevre haritalama ve robotik uygulamalarda önemli bir ilerleme sağlayacak.
Otonom araçların test süreçleri yapay zeka ile nasıl geliştiriliyor?
MIT ve endüstri ortaklarının yürüttüğü yeni araştırma, otonom araçların güvenlik testlerinde pekiştirmeli öğrenme algoritmalarının etkinliğini inceliyor. Çalışma, tek hedefli ve çok hedefli yapay zeka yaklaşımlarını karşılaştırarak, hangi yöntemin otonom araçlarda güvenlik açıklarını tespit etmede daha başarılı olduğunu araştırıyor. Bulgular, her iki yaklaşımın da benzer etkinlik gösterdiğini, ancak güvenlik ihlallerini farklı şekillerde ortaya çıkardığını gösteriyor. Bu araştırma, gelecekte yollarda dolaşacak otonom araçların test süreçlerinin nasıl optimize edilebileceği konusunda önemli ipuçları sunuyor.
Ağaç Yapılarında Hızlı Arama: Yeni Veri Analiz Algoritması Geliştirildi
Bilgisayar bilimi araştırmacıları, ağaç benzeri veri yapılarında frekans sorguları için daha hızlı çalışan yeni algoritmalar geliştirdi. Bu yenilik, büyük veri kümelerinde belirli öğelerin ne sıklıkla geçtiğini bulma işlemini önemli ölçüde hızlandırıyor. Özellikle 'yol modu' ve 'en az sık görülen öğe' sorgularında, önceki yöntemlere göre daha iyi performans sergiliyor. Araştırma, veri tabanı yönetimi, makine öğrenmesi ve büyük veri analitiği alanlarında önemli uygulamalara sahip olabilir. Yeni algoritma, lineer hafıza kullanımı sağlarken sorgu sürelerini kısaltmayı başarıyor.
Yapay zeka yusufçuk ve kızböceklerinin renklerini otomatik tespit edebilecek
Araştırmacılar, iklim değişikliğinin böceklerin fiziksel özelliklerine etkisini daha hızlı inceleyebilmek için yeni bir yapay zeka sistemi geliştirdi. Sistem, yusufçuk ve kızböceği (Odonata) fotoğraflarından vücut parçalarını otomatik olarak ayırt ediyor ve her bölümün renklerini çıkarıyor. Geleneksel yöntemlerle böcek özelliklerini analiz etmek çok zaman alıyor ve pahalı. Bu yeni yaklaşım, vatandaş bilimi platformlarından alınan açık kaynak görüntüleri kullanarak büyük ölçekli analizlere olanak tanıyor. Derin öğrenme algoritmaları sayesinde böceklerin baş, göğüs, karın ve kanat bölümlerini hassas şekilde segmentlere ayırabiliyor ve her parçanın renk paletini oluşturuyor.
Yapay Zeka Güvenlik Sistemlerindeki 'Gevşetme' Yaklaşımının Gizli Maliyeti
Yapay sinir ağlarının güvenilirliğini test eden doğrulama sistemleri, performans artışı için 'konveks gevşetme' yöntemini kullanıyor. Bu yaklaşım, karmaşık tamsayı kısıtlamalarını basitleştirerek hesaplama süresini kısaltıyor ancak sistemin doğruluğunu tehlikeye atıyor. Araştırmacılar, orijinal sinir ağı ile gevşetilmiş versiyonu arasındaki sapmanın ağın derinliğiyle üstel olarak arttığını matematiksel olarak kanıtladı. Bu bulgu, AI güvenlik sistemlerinde hız ile doğruluk arasındaki kritik dengeyi gözler önüne seriyor ve gelecekteki doğrulama algoritmalarının tasarımında önemli bir kılavuz sunuyor.
DNA ve Dil İşlemede Kullanılan Üç Farklı Difüzyon Yöntemi Tek Çatı Altında Birleştirildi
Yapay zeka araştırmacıları, DNA dizileri, proteinler ve dil gibi ayrık verileri modellemek için kullanılan üç farklı difüzyon yöntemini tek bir teorik çerçeve altında birleştirmeyi başardı. Şimdiye kadar araştırmacılar ayrık uzayda difüzyon, Öklid uzayında Gauss difüzyonu ve simpleks üzerinde difüzyon olmak üzere üç farklı yaklaşım arasında seçim yapmak zorundaydı. Her yöntemin kendine özgü avantajları bulunuyordu: ayrık difüzyon en doğal alanı sunarken, Gauss difüzyonu daha olgun algoritmalar sunuyor, simpleks difüzyon ise teoride diğer ikisinin güçlü yanlarını birleştirse de pratikte sayısal kararsızlık sorunları yaşıyordu. Bu yeni birleştirici teori, farklı uygulamalar için yöntemler arası geçiş yapılmasını mümkün kılarak bilim insanlarına daha esnek araçlar sunuyor.
Karanlık Görüntüleri Aydınlatan Yapay Zeka Algoritmaları Yarıştı
NTIRE 2026 Düşük Işık Görüntü İyileştirme Yarışması, karanlık ve gürültülü fotoğrafları netleştiren yapay zeka algoritmalarının geliştirilmesi için düzenlendi. Yarışmaya toplam 348 katılımcı kayıt yaptırırken, 22 takım geçerli çözümlerini sundu. Bu çalışma, düşük kontrast ve gürültülü görüntülerdeki bilgi kaybını gidermek için görsel ipuçlarını öğrenen ağların etkinliğini değerlendirmeyi amaçlıyor. Güvenlik kameraları, gece fotoğrafçılığı ve tıbbi görüntüleme gibi birçok alanda kritik öneme sahip olan bu teknoloji, özellikle zor koşullarda çekilmiş görüntülerin kalitesini artırmaya odaklanıyor. Yarışma sonuçları, gürültü giderme ve düşük ışık iyileştirme alanındaki en son gelişmeleri sergiliyor.
3D Biyolojik Görüntüleri Sıkıştıran Yeni Algoritma: Structured 3D-SVD
Araştırmacılar, biyolojik hacimsel görüntülerin sıkıştırılması ve yeniden yapılandırılması için Structured 3D-SVD adında yenilikçi bir framework geliştirdi. Matris tekil değer ayrışımı mantığından ilham alan bu yaklaşım, üçüncü boyuttaki hacimsel verileri uzamsal alanda temsil ederek, aşamalı yeniden yapılandırmayı destekliyor. Balık ve beyin taramalarında yapılan testlerde, algoritma Tucker ayrışımına yakın kalitede sonuçlar verirken daha kısa sürede işlem yapabildiğini gösterdi. Ayrıca kanonik polyadik ayrışımdan hem doğruluk hem de işlem süresi açısından üstün performans sergiledi. Bu gelişme, tıbbi görüntüleme ve biyolojik araştırmalarda büyük veri setlerinin daha verimli saklanması ve analiz edilmesi için önemli bir adım teşkil ediyor.
Adil Dağıtım Algoritmaları için Yeni 'Kıskançlıksızlık' Yaklaşımı
Araştırmacılar, rastgele atama sistemlerinde adalet kavramını yeniden tanımladı. Geleneksel stokastik-dominans kıskançlıksızlık yönteminin eksikliklerini tespit eden bilim insanları, 'ayrışım kıskançlıksızlığı' adı verilen yeni bir yaklaşım geliştirdi. Bu yöntem, özellikle üç veya daha az katılımcının olduğu ya da katılımcıların benzer tercihlere sahip olduğu durumlarda daha adil sonuçlar üretiyor. Çalışma, yapay zeka sistemlerinden kaynak dağıtımına kadar birçok alanda kullanılabilecek algoritmaların geliştirilmesine katkı sağlıyor.
Robot navigasyonunda güvenlik ve hız dengesini sağlayan yeni algoritma geliştirildi
Kapalı alanlarda çalışan robotların güvenli ve verimli navigasyonu için yeni bir hibrit yaklaşım geliştirildi. Araştırmacılar, offline Hamilton-Jacobi erişilebilirlik analizi ile online graf arama algoritmalarını birleştirerek, robotların karmaşık ortamlarda hem hızlı hem de güvenli hareket etmesini sağlayan bir çerçeve oluşturdu. Bu yöntem, özellikle dinamik ortamlarda çalışan otonom robotlar için kritik olan gerçek zamanlı planlama sorununu ele alıyor. Geleneksel graf arama algoritmalarının yüksek boyutlu uzaylarda karşılaştığı hesaplama karmaşıklığı sorununu, önceden hesaplanmış değer fonksiyonlarını kullanarak çözmeyi hedefliyor.