Utilizing explainable artificial intelligence tools on food safety early warning model
Gıda güvenliği erken uyarı modeli üzerinde açıklanabilir yapay zeka araçlarının uygulanması
- Tez No: 753272
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖRKEM KAR, PROF. DR. ÇAĞATAY ÇATAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Her geçen gün daha da küreselleşen bir dünyada yaşıyoruz ve neredeyse her ülkeden ürün alabiliyoruz. Dünya nüfusunun artması ile beraber pazarlar her geçen gün daha da küreselleşiyor. Bu sebeple, küresel gıda tedarik zinciri daha karmaşık hale gelmiş ve ölçeklenebilirliği artmıştır. Tarladan sofraya, gıda üretim sistemlerinin performansı iklim, demografi ve ekonomi gibi alanlardaki önemli değişikliklerden etkilenmektedir. Bu değişimler, gıda sahtekarlığı ve güvenlik risklerinin artmasına neden olabilir ve nitekim bu insan sağlığını etkilemektedir. Gıda tedarik zincirine Yapay Zeka (YZ) sistemlerini adapte etmek, bu risklerin en aza indirilmesini sağlayan yöntemlerden biridir. YZ doğru şekilde kullanılırsa, zorlu problemleri çözmede işe yarayabilir. YZ'nın bir çok alanda kullanılıp geliştirilmesine karşın, bu sistemlerin verdiği kararların açıklanabilirliği ve saydamlığı olmadığı için halen bir kara kutu olarak düşünülmektedir. Açıklanabilir Yapay Zeka (AYZ) bu kara kutu olarak düşünülen YZ sistemlerinin verdiği kararların nasıl verildiğini ele almak amacı ile ortaya çıkmış gelişmekte olan bir alandır. Bu çalışma, LIME, SHAP ve WIT gibi AYZ araçlarını kullanarak gıda sahtekarlığı risk tahmininin çeşitli kullanım senaryolarını sunmaktadır. Bu teknolojiler yardımı ile bir makine öğrenmesi modelinin tahminlerini kavramayı ve yorumlamayı amaçladık. Bu çalışma, RASFF ve EMA veritabanlarından tağşiş/sahtekarlık bildirimleri kullanılarak oluşturulmuş bir gıda sahtekarlığı veri seti üzerinde gerçekleştirilmiş olup bu veri seti kullanılarak bir derin öğrenme modeli geliştirilmiştir ve bu model üzerinde YZ araçları uygulanmıştır. Gıda sahtekarlığı alanındaki mevcut AYZ araçlarının güçlü ve zayıf yönleri bu çalışmada sunulmuştur.
Özet (Çeviri)
In the globalized world we live in, almost any product can be ordered from almost every country in the world. The markets become increasingly globalized with each passing year, and the world's population continues to grow. For such reasons, the global food supply chain has become so complex, and its scalability has increased. From farm to fork, the performance of food-producing systems is influenced by significant changes in climate, demographics, and economy. These significant trends may drive the development of food fraud and safety risks and thus, influence human health. Adopting Artificial Intelligence (AI) systems to the food supply chain is one approach to ensure that these risks are minimized. If AI-based techniques are used appropriately, many challenging problems can be addressed adequately. While the use of AI has been growing in different fields, too much of what AI systems do is a black box due to its less explainability. Explainable Artificial Intelligence (XAI) is an emerging topic that aims to address how black box decisions of AI systems are made. This study presents several use cases of food fraud risk prediction using XAI tools, such as LIME, SHAP, and WIT. We aimed to comprehend and interpret the predictions of a machine learning model with the aid of these technologies. The case study was performed on a food fraud dataset using adulteration/fraud notifications retrieved fromRASFF and EMA databases, a deep learning model was built based on this dataset, and XAI tools have been investigated on the proposed deep learning model. Both strengths and weaknesses of the current XAI tools in the food fraud domain have been presented.
Benzer Tezler
- Elektrikli otobüslerde çizge tabanlı öznitelik seçimi ve makine öğrenmesi ile kestirimci bakım
Predictive maintanance with graph based feature selection & machine learning in electrical busses
AYŞE IRMAK ERÇEVİK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET MURAT ÖZBAYOĞLU
- Comparative analysis of explanatory methods in explainable artificial intelligence: An assessment of robustness, error, and efficiency
Açıklanabilir Yapay Zeka'da açıklayıcı yöntemlerin karşılaştırmalı analizi: Dayanıklılık, hata ve verimlilik değerlendirmesi
BEYZA AYDOĞAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiYapay Zeka Teknolojileri Ana Bilim Dalı
DOÇ. DR. TEVFİK AYTEKİN
- Advancing software defect prediction through ensemble Xai methods: Insights and performance evaluation
Entegre Xai yöntemleri ̇ile yazılım hata tahmininin geliştirilmesi: Analizler ve performans değerlendirmesi
BAHAR GEZİCİ GEZİCİ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYÇA KOLUKISA
- Aiding agricultural practices with the exploration of earth observation data via machine learning
Yer gözlem uydu verilerinin tarımsal uygulamalara yardımcı olmak amacıya makine öğrenme algoritmaları ile incelenmesi
MEHMET FURKAN ÇELİK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ESRA ERTEN
- Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease
Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi
İNANÇ MORAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR