Özkan, Ali OsmanTönbül, Beyza2026-08-142026-08-1420262026Tönbül, B. (2026). Saydam iletken oksitlerin elektriksel iletkenliklerinin ve optik geçirgenliklerinin yapay zeka teknikleriyle analiz edilmesi. (Yayınlanmamış yüksek lisans tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Elektrik Elektronik Mühendisliği Anabilim Dalı, Konya.https://hdl.handle.net/20.500.12452/20309Yüksek Lisans Tez,Bu tez çalışması kapsamında saydam iletken oksitlerin optimize edilmesinde ayarlanan parametreler kullanılarak bu parametreler Yapay Sinir Ağları (YSA) ve Uyarlamalı Sinirsel Bulanık Çıkarım Sistemi (ANFIS) modellerine girdi değişkeni olarak verilerek saydam iletken oksitlerin elektriksel ve optik özellikleri tahmin edilmeye çalışılmıştır. Çalışma kapsamında elektriksel özelliklerin tahmini için katman ve veri setindeki eğitim, doğrulama ve test oranları değiştirilerek geliştirilen 65 farklı YSA modeli incelenmiş ve modeller içinde en iyi R2 değerleri 0,9998 olarak G04, H05 ve P05 kodlu modellerinde olduğu görülerek doğrulama sonuçları değerlendirildiği zaman ise en iyi R2 değeri E02 kodlu 0,98386561 olarak tespit edilmiştir. Test sonuçları incelendiği zaman ise en iyi R2 değeri ise L04 kodlu numunede 0,9998 olarak elde edilmiştir. Aynı yapı korunarak optik özellikleri tahmin etmek için geliştirilen yapay sinir ağları kullanılarak yine 65 farklı model oluşturulmuş ve eğitilen modeller değerlendirildiğinde en iyi R2 değerleri 0,99680256 olarak M12 kodlu modelde olduğu gözlemlenerek doğrulama sonuçları değerlendirildiği zaman ise en iyi R2 değeri B11 kodlu modelde 0,79121025 olarak tespit edilmiştir. Test sonuçları değerlendirildiğinde ise en iyi R2 değeri ise E15 kodlu numune de 0,95238081 olarak görülmüştür. Geliştirilen ANFIS modellerinde farklı üyelik fonksiyonu, üyelik sayısı ve döngü (epoch) kullanılarak elektriksel özelliklerin tahmini için 105 farklı ANFIS modeli oluşturulmuş ve eğitilen modellerin eğitim parametreleri değerlendirildiğinde ise en iyi R2 değerleri H03, H04, H05, H06, H07, N01, P01, P02, P03, P04, P05, P06 ve P07 kodlu modellerde gözlemlenerek 0,9999 olarak bulunmuştur. Test sonuçları değerlendirildiği zaman ise en iyi R2 değerleri H02, H03, H04, H05, H06 ve H07 kodlu modellerde elde edilerek 0,4721 olarak gözlemlenmiştir. Optik özelliklerin tahmini için aynı yapı kıyas kolaylığı için korunarak 105 farklı ANFIS model geliştirilmiştir. Eğitim sonuçlarından elde edilen veriler değerlendirildiği zaman ise en iyi R2 değerleri L14, L15, L16, L17, N15, N16 ve N17 kodlu modellerde elde edilerek 0,7161 olduğu gözlemlenmiştir. Test sonuçları değerlendirildiği zaman ise en iyi R2 değerleri L14, L15, L16 ve L17 kodlu modellerde elde edilerek 0,3841 olarak bulunmuştur. Sonuçlar kıyaslandığı zaman hem elektriksel özelliklerin tahmininde hem de optik özelliklerin tahmininde yapay sinir ağları yöntemi ANFIS yönteminden daha iyi sonuçlar verdiği gözlemlenmiştir.This thesis aims to predict the electrical and optical properties of transparent conductive oxides by optimizing these oxides and providing the adjusted parameters as input variables to ANN (Artificial Neural Network) and ANFIS models. In this study, 65 different ANN models were developed by varying the training, validation, and test ratios in the layers and datasets for predicting electrical properties. The best R2 values were found to be 0.9998 in models coded G04, H05, and P05. When the validation results were evaluated, the best R2 value was determined to be 0.98386561 in model coded E02. When the test results were examined, the best R2 value was obtained as 0.9998 in sample coded L04. Using artificial neural networks developed to predict optical properties while maintaining the same structure, 65 different models were created and trained. When the trained models were evaluated, it was observed that the best R2 value was 0.99680256 in the model coded M12, and when the validation results were evaluated, the best R2 value was determined to be 0.79121025 in the model coded B11. When the test results were evaluated, the best R2 value was observed in sample coded E15 as 0.95238081. Using different membership functions, membership numbers, and epochs, 105 different ANFIS models were created for the prediction of electrical properties. When the training parameters of the trained models were evaluated, the best R2 values were observed in models coded H03, H04, H05, H06, H07, N01, P01, P02, P03, P04, P05, P06, and P07, and were found to be 0.9999. When the test results were evaluated, the best R2 values were obtained in models coded H02, H03, H04, H05, H06, and H07, and were observed as 0.4721. For ease of comparison, the same structure was maintained and 105 different ANFIS models were developed for the prediction of optical properties. When the data obtained from the training results were evaluated, the best R2 values were obtained in the models coded L14, L15, L16, L17, N15, N16, and N17, and it was observed that the R2 value was 0.7161. When the test results were evaluated, the best R2 values were obtained in the models coded L14, L15, L16, and L17, and it was found to be 0.3841. When the results were compared, it was observed that the artificial neural network method gave better results than the ANFIS method in both predicting electrical and optical properties.trinfo:eu-repo/semantics/embargoedAccessANFISAZOSaydam İletken OksitlerYapay Sinir AğlarıArtificial Neural NetworksTransparent Conductive OxidesMaster Thesis1017777