Geri Dön

Açıklanabilir yapay zekâ tasarımı ve sürdürülebilirlik

Explainable artificial intelligence design and sustainability

  1. Tez No: 958871
  2. Yazar: RAHMİ AHMET SELİM DELİLOĞLU
  3. Danışmanlar: PROF. AYÇA ÇAKMAK PEHLİVANLI
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: 80

Özet

Günümüzde kurumlar yapay zekâyı stratejik bir unsur olarak benimsemekte ve bu teknolojiyi iş süreçlerine hızla entegre etmektedir. Ancak yüksek performans kadar, yapay zekâ sistemlerinin şeffaf, adil ve sürdürülebilir olması da büyük önem taşımaktadır. Bu bağlamda açıklanabilirlik, güvenilir yapay zekâ sistemlerinin temel koşulu olarak öne çıkmaktadır. Tez kapsamında, açıklanabilirliği artırmak amacıyla şeffaf modellerle (örneğin karar ağaçları) az sayıda ve anlamlı değişken seçilmiş, ardından bu modelin çıktısı yüksek doğruluklu bir kara kutu modele (random forest, XGBoost) girdiler olarak aktarılmıştır. Böylece hem performansı hem açıklanabilirliği yüksek hibrit bir yapı oluşturulmuştur. Ayrıca, alan uzmanlarının katkısıyla modele kuramsal dayanak da eklenmiştir. Modelin sağlamlığı, bilgi kaybı ve hiperparametre değişiklikleri gibi senaryolarla test edilmiş; hibrit modelin dayanıklılığı ve tutarlılığı istatistiksel ve görsel analizlerle değerlendirilmiştir. Bu çalışma, performans ve açıklanabilirlik arasında denge kuran, farklı alanlarda uygulanabilir güçlü bir yapay zekâ yaklaşımı sunmaktadır.

Özet (Çeviri)

Today, organizations are increasingly positioning artificial intelligence (AI) as a strategic asset rather than just an operational tool, rapidly integrating it into their business processes. However, beyond high performance, it is equally critical that AI systems are designed to be transparent, fair, and sustainable. In this context, explainability is considered a fundamental requirement for developing trustworthy and robust AI systems. This thesis proposes a hybrid approach that enhances explainability by first selecting a small set of meaningful variables using transparent models (e.g., decision trees), and then using the output of this interpretable model as input to a more complex, high-performance black-box model (e.g., random forest, XGBoost). This structure ensures both high accuracy and interpretability. Additionally, expert knowledge is incorporated into the transparent model to strengthen the theoretical grounding and reliability of the system. The robustness of the hybrid model was tested under two scenarios: one involving the gradual removal of highly important variables, and the other involving systematic changes to the hyperparameters of the black-box model. The model's resilience and predictive performance were analyzed using both statistical and visual methods. This study demonstrates that the trade-off between performance and explainability can be overcome, offering a balanced AI approach. The proposed method contributes to the literature by improving model flexibility and durability, and aims to support broader adoption of AI in domains where explainability is crucial—such as finance, healthcare, security, and law.

Benzer Tezler

  1. Tez No

    958700

    Sürdürülebilir peyzaj planlama ve tasarımı için kentsel alanlarda iklim parametrelerinin ve iklim bölgesi temelli morfolojik yaklaşımın iklim senaryoları ile değerlendirilmesi

    Assessment of climate indicators and morphological features in urban areas within the framework of climate scenarios: A sustainable landscape planning approach

    AMRAGIA H MOSTAFA ELAHSADI

    Doktora

    Türkçe

    Türkçe

    2025

    MimarlıkKastamonu Üniversitesi

    Peyzaj Mimarlığı Ana Bilim Dalı

    PROF. DR. MEHMET ÇETİN

  2. Tez No

    954777

    Predictive modeling of non-routine maintenance workload in aircraft operations: a task card-level approach using real mro data and machine learning

    Uçak bakım operasyonlarında non-routıne iş yükünün öngörüsel modellemesi: gerçek mro verileri ve makine öğrenmesi ile görev kartı düzeyinde bir yaklaşım

    TALHA GÜÇLÜ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN

  3. Tez No

    799950

    Çok katmanlı yapay sinir ağları modelleri için genetik algoritmalar kullanarak özgün mimari tasarımı: Nöral lojik devreler

    A novel architecture design for multi-layer neural networks by using genetic algorithms: Neural logic circuits

    HAMİT TANER ÜNAL

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı

    PROF. DR. FATİH BAŞÇİFTÇİ

  4. Tez No

    968788

    Deep learning-driven visual analysis of tangible architectural heritage data: classification of Ottoman vernacular houses through facade images

    Somut mimari miras verilerinin derin öğrenme tabanlı görsel analizi: Osmanlı vernaküler konutlarının cephe görselleri üzerinden sınıflandırılması

    VELİ MUSTAFA YÖNDER

    Doktora

    İngilizce

    İngilizce

    2025

    Mimarlıkİzmir Yüksek Teknoloji Enstitüsü

    Mimarlık Ana Bilim Dalı

    PROF. DR. FEHMİ DOĞAN

    DR. ÖĞR. ÜYESİ HASAN BURAK ÇAVKA

  5. Tez No

    953818

    İş sağlığı ve güvenliği kapsamında yapay zekâ destekli genel risk yönetimi sistemi tasarımı ve uygulaması

    Design and implementation of an artificial intelligence supported general risk management system within the scope of occupational health and safety

    MEHMET YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Mühendislik BilimleriKOCAELİ SAĞLIK VE TEKNOLOJİ ÜNİVERSİTESİ

    İş Sağlığı ve Güvenliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FATMA DAĞDELEN

Geri Dön