TR Dizin İndeksli Yayınlar Koleksiyonu / TR Dizin Indexed Publications Collections

Permanent URI for this collectionhttps://hdl.handle.net/20.500.13091/4

Browse

Now showing 1 - 20 of 26

Citation - WoS: 11
Citation - Scopus: 19
Artificial Intelligence in Healthcare Competition (teknofest-2021): Stroke Data Set
(AVES, 2022) Koç, U.; Sezer, E.A.; Özkaya, Y.A.; Yarbay, Y.; Taydaş, O.; Ayyıldız, V.A.; Bahadır, Murat
Objective: The artificial intelligence competition in healthcare was organized for the first time at the annual aviation, space, and technology festival (TEKNOFEST), Istanbul/Türkiye, in September 2021. In this article, the data set preparation and competition processes were explained in detail; the anonymized and annotated data set is also provided via official website for further research. Materials and Methods: Data set recorded over the period covering 2019 and 2020 were centrally screened from the e-Pulse and Teleradiology System of the Republic of Türkiye, Ministry of Health using various codes and filtering criteria. The data set was anonymized. The data set was prepared, pooled, curated, and annotated by 7 radiologists. The training data set was shared with the teams via a dedicated file transfer protocol server, which could be accessed using private usernames and passwords given to the teams under a non-disclosure agreement signed by the representative of each team. Results: The competition consisted of 2 stages. In the first stage, teams were given 192 digital imaging and communications in medicine images that belong to 1 of 3 possible categories namely, hemorrhage, ischemic, or non-stroke. Teams were asked to classify each image as either stroke present or absent. In the second stage of the competition, qualifying 36 teams were given 97 digital imaging and communications in medicine images that contained hemorrhage, ischemia, or both lesions. Among the employed methods, Unet and DeepLabv3 were the most frequently observed ones. Conclusion: Artificial intelligence competitions in healthcare offer good opportunities to collect data reflect-ing various cases and problems. Especially, annotated data set by domain experts is more valuable. © 2022, AVES. All rights reserved.
Atıksu Arıtma Tesislerinde Mikrokirleticilerinizlenmesi ve Kontrolü
(2019) Kara, Meryem; Nas, Bilgehan; Argun, Mehmet Emin; Yel, Esra; Dinç, Saliha; Koyuncu, Serdar
Yerüstü ve yeraltı sularında su kalitesinin belirlenmesi için AB Su Çerçeve Direktifindeki 45 öncelikli maddede yer alan MK?lerin izlenmesi yönünde araştırmalar hızlanmıştır. Su kütlelerinde MK?lerin önemli kaynaklarından biri atıksu arıtma tesisleri (AAT)?dir. Bu projede, küçük, orta ve büyük ölçekli 3 yerleşim yerinde 3 farklı arıtma prosesinde MK?ler 1 yıl süreyle izlenmiş ve proseslerin MK?leri giderme performansları ortaya konulmuştur. MK gruplarından; pestisit (Kloropirifos, Atrazin, Klorfenvinfos), fitalat ester (BBP, DEHP, DnOP), yüzey aktif madde (Oktil fenol, Nonil fenol), PAH (Benzo[b]fluoranten, Benzo[k]fluoranten, Benzo(a)piren, Indeno[1,2,3-cd]piren, Benzo[g,h,i]perilen, Fluoranten, Antrasen, Naftalin), VOC (Diklorometan, Benzen, 1.2-dikloroetan), ilaç etken madde (Diklofenak, Karbamazepin, 17-beta-estradiyol, 17-alfa-etinilestradiol) ve ağır metallerden (Cd, Pb, Hg, Ni) toplam 27 MK izlenmiştir. Konya (İleri biyolojik arıtma), Ereğli (Anaerobik ve fakültatif stabilizasyon), Zincirlikuyu (Yapay sulak alan) AAT?lerinden, atıksu geri kazanım tesisinden, pilot ölçekli ultrafiltrasyon (UF), nanofiltrasyon (NF) ve ters osmoz (RO) ünitelerinden oluşan membran tesisten her numune alma döneminde 17 su, 6 çamur numunesi alınarak GC/MS, LC/MSMS ve ICP/MS?de MK ölçülmüştür. Tesislerin ve arıtma proseslerinin MK verileri arasındaki ilişkilerin anlamlılığının istatistiksel olarak ortaya konulabilmesi için saçılma diyagramları, kutu diyagramlar, varyans analizi ve Korelasyon hesaplamaları yapılmıştır. Atıksularda en yüksek konsantrasyonda tespit edilen MK?ler; sırası ile Ni, DEHP, Nonil fenol, Naftalin, Pb ve Diklofenak?dır. VOC?ler en düşük konsantrasyondadır ve görülme sıklığı çok düşüktür. Her üç AAT?de arıtılmış atıksuda; Ni, Pb, Hg, DEHP, Nonil fenol, Naftalin, Diklofenak, Karbamazepin hariç olmak üzere diğer MK?ler 100 ng/L?den düşüktür. %80?in üzerinde verimle arıtılan MK?ler Konya AAT?de Oktil fenol (%93,4), Nonil fenol (%92,7), Atrazin (%92,1), Naftalin (%91,5) ve DEHP (%89,3); Ereğli AAT?de Atrazin (%83,8)?dir. Zincirlikuyu AAT?de hiçbir parametrede %80?den fazla giderim gerçekleşmemiştir. Konya AAT?de Karbamazepin ve Ni, Zincirlikuyu AAT?de Nonil fenol negatif kütle dengesi görülen ve çıkış suyunda konsantrasyonları artan MK?lerdir. Membran proseslerden, UF?in MK gideriminde etkin olmadığı, NF?in 17 MK?de %50?den fazla giderim sağladığı görülmüştür. RO, NF?den sonra bazı MK?lerde ilave giderim sağlamıştır.
Aydınlatma Özniteliği Kullanılarak Evrişimsel Sinir Ağı Modelleri İle Meyve Sınıflandırma
(2020) Büyükarıkan, Birkan; Ülker, Erkan
Aydınlatma, nesnelerin olduğu gibi görünmesini sağlayan doğal veya yapay kaynaklardır. Özellikle görüntü işleme uygulamalarında yakalanan görüntüdeki nesne bilgisinin eksiksiz ve doğru şekilde alınabilmesi için aydınlatmanın kullanılması bir gerekliliktir. Ancak aydınlatma kaynağının tür, parlaklık ve konumunun değişimi; nesnenin görüntüsü, rengi, gölgesi veya boyutunun da değişmesine ve nesnenin farklı olarak algılanmasına sebep olmaktadır. Bu sebeple görüntülerin ayırt edilmesinde güçlü bir yapay zeka tekniğinin kullanılması, sınıfların ayırt edilmesini kolaylaştıracaktır. Bir yapay zeka yöntemi olan Evrişimsel Sinir Ağları (ESA), otomatik olarak özellikleri çıkarabilen ve ağ eğitilirken öğrenme sağlandığı için bariz özellikleri kolaylıkla belirleyen bir algoritmadır. Çalışmada ALOI-COL veriseti kullanılmıştır. ALOI-COL, 12 farklı renk sıcaklığıyla elde edilmiş 1000 sınıftan oluşan bir verisetidir. ALOI-COL verisetindeki 29 sınıftan oluşan meyve görüntüleri, ESA mimarilerinden AlexNet, VGG16 ve VGG19 kullanılarak sınıflandırılmıştır. Verisetindeki görüntüler, görüntü işleme teknikleriyle zenginleştirilmiş ve her sınıftan 51 adet görüntü elde edilmiştir. Çalışma; %80-20 ve %60-40 eğitim-test olmak üzere iki yapıda incelenmiştir. 50 devir çalıştırılması sonucunda test verileri, AlexNet (%80-20) ve VGG16 (%60-40) mimarilerinde %100, VGG19 (%80-20) mimarisinde ise %86.49 doğrulukla sınıflandırılmıştır.
Classification of Invoice Images by Using Convolutional Neural Networks [article]
(2022) Arslan, Ömer; Uymaz, Sait Ali
Abstract ? Today, as the companies grow, the number of personnel working within the company and the number of supplier companies that the company works with are also increasing. In parallel with this increase, the amount of expenditure made on behalf of the company increases, and more invoi- ces are created. Since the in-voices must be kept for legal reasons, physical invoices are transferred to the digital environment. Since large companies have large numbers of invoices, labor demand is higher in digitalizing invoices. In addition, as the number of invoices to be transferred to digital media increases, the number of possible errors during entry becomes more. This paper aims to automate the transfer of invoices to the digital environment. In this study, invoices be-longing to four different templates were used. Invoice images taken from a bank system were used for the first time in this study, and the original invoice dataset was prepared. Furthermore, two more datasets were obtained by applying preprocessing methods (Zero-Padding, Brightness Augmentation) on the original dataset. The Invoice classification system developed using Convolutional Neural Networks (CNN) archite- ctures named LeNet-5, VGG-19, and MobileNetV2 was trained on three different data sets. Data preprocessing techniques such as correcting the curvature and aspect ratio of the invoices and image augmentation with variable brightness ratio were applied to create the data sets. The datasets created with preprocessing techniques have increased the classification success of the proposed models. With this proposed model, invoice images were automatically classified according to their templates using CNN architectures. In experimental studies, a classification success rate of 99.83% was achieved in training performed on the data set produced by the data augmentation method.
Çok Amaçlı Mühendislik Tasarımı ve Kısıtlı Problemler için Hibrit Birçok Amaçlı Optimizasyon Algoritması
(2021) Karakoyun, Murat; Kodaz, Halife
Gerçek dünya problemlerine bakıldığında çoğunun birden fazla hedefi gerçekleştirmeye yönelik olduğu görülmektedir. Bu problemlerin çözümü için kullanılan birçok klasik yöntem mevcuttur. Klasik yöntemlerin çözüm geliştirme noktasında farklı sebeplerden dolayı eksik kalması araştırmacıları farklı yaklaşımlar geliştirmeye yöneltmiştir. Genellikle doğada sürü halinde yaşayan hayvanların veya farklı yaşam alanlarına sahip bitkilerin davranışlarından esinlenilerek geliştirilen doğa esinli algoritmalar bu yaklaşımlardan bir tanesi olmuştur. Bu çalışmada, tek amaçlı problemlerin çözümü için geliştirilmiş olan kurbağa sıçrama (SFLA) ve gri kurt optimizasyonu (GWO) algoritmaları hibrit bir şekilde kullanılarak çok amaçlı optimizasyon problemlerine uygulanmıştır. Önerilen algoritma bazı çok amaçlı mühendislik tasarımı ve çok amaçlı kısıtlı problemlerin üzerinde uygulanmıştır. Önerilen algoritmanın performansı NSGA-II, IBEA, MOCell ve PAES algoritmalarının performansı ile kıyaslanmıştır. Performans karşılaştırma metriği olarak HV, IGD, Spread ve Epsilon metrikleri kullanılmıştır. Performans analizi; elde edilen ortalama sonuçlar, Friedman sıralama testi ve Wilcoxon anlamlılık testi ile yapılmıştır. Deneysel sonuçlar, önerilen algoritmanın diğer algoritmalardan daha başarılı sonuçlar ürettiğini göstermiştir.
Citation - Scopus: 4
A Comprehensive Study of Parameters Analysis for Galactic Swarm Optimization
(Ismail Saritas, 2021) Kaya, Ersin
The galactic swarm optimization algorithm is a metaheuristic approach inspired by the motion and behavior of stars and galaxies. It is a framework that can use basic metaheuristic search methods. The method, which has a two-phase structure, performs exploration in the first phase and exploitation in the second phase. GSO tries to find the best solution in the search space by repeating these two phases for the specified number of times. In this study, the analysis of maximum epoch number (EPmax), the number of iterations in the first phase (L1), and the number of iterations in the second phase (L2) parameters, which determine the exploration and exploitation balance in the GSO method, was performed. 15 different parameter sets consisting of different values of these three parameters were created. The methods with 15 different parameter sets were performed at 30 independent runs. The methods were analyzed using 26 benchmark functions. The functions are tested in 30, 60, and 100 dimensions. Detailed results of the analysis were presented in the study, and the results obtained were also evaluated statistically. © 2021, Ismail Saritas. All rights reserved.
Continuous Time Threshold Selection for Binary Classification on Polarized Data
(2019) Sağlam, Ali; Baykan, Nurdan Akhan
Binary classification is used to distinguish some of the data elements from others in a meaningful way according to certain characteristics. Supervised classification techniques often use the ground-truth data, which assists to determine the distinctive characteristics of the elements to be extracted from the data. These techniques also generate new features for all of the data using the current features in accordance with the ground-truth data. One of the purposes of generating new features is to polarize the data elements (to be extracted and others) toward the separate pools on a coordinate axis for binary classification. In this way, the binary classification process is easy using only a threshold value on the axis. In this work, the Linear Discriminant Analysis (LDA) is used to polarize the data and a threshold selection algorithm is proposed, which use the harmonic mean F-score values of the binary classification outputs resulting from some specific threshold values. The key condition in the proposed method is that the most suitable threshold must give the best classification score (F-score value) and other threshold values must give lower classification scores as they become distant from the best threshold value (move away toward the ends of the axis). The proposed method is experimented for binary classifications of some meaningful elements on a remote sensing image taken from a 2D semantic labelling dataset that has the ground-truth images. The proposed method convergences the best threshold value continuously in logarithmic time.
Etkin Eeg Özellikleri Çıkarılarak Arousal Tespiti
(2020) Erol, Gizemnur; Göğüş, Fatma Zehra; Tezel, Gülay
Son zamanlarda toplumun en önemli problemlerinden biri olan uyku bozuklukları, bireylerin sağlığını ve yaşam kalitesini ciddi şekilde etkilemektedir. Uykusuzluk (Insomnia), narkolepsi, uyku apnesi ve huzursuz bacak sendromu gibi birçok uyku bozukluklarının neden olduğu rahatsızlıklar vardır. Uyku bozukluklarına sebep olan ana faktör ise bireyin uyku anındaki uyanma ile sonuçlanamayan, uyku kalitesini düşüren uyku kesintileridir. Arousal diğer bir adı ile uyanayazma geçici olan bu kesintilerdir ve bir beyin dalga (Elektroansefalogram -EEG) aktivitesinin paternindeki ani değişikliği temsil etmektedir. Arousal tespiti genellikle EEG verileri kullanılarak Amerikan Uyku Tıbbı Akademisi (American Academy of Sleep Medicine-AASM) tarafından belirlenen kriterlere göre yapılmaktadır. Bu çalışmada amaç, AASM tarafından belirlenen kriterler doğrultusunda EEG sinyalleri vasıtasıyla hasta bireylerdeki arousalların tespitidir. Bu amaç doğrultusunda, öncelikle, çalışmaya dahil edilen 5 hasta bireyin tek kanallı (C3/A2) EEG sinyallerine sırasıyla filtreleme, normalizasyon ve segmantasyon önişlemleri uygulanmıştır. Daha sonra Spektral Güç Yoğunluğu (Power Spectral Density-PSD) ve Ayrık Dalgacık Dönüşümü (Discrete Wavelet Transform-DWT) yöntemleri ile gerçekleştirilen özellik çıkarma süreci sayesinde, EEG sinyal segmentlerine ait 2 özellik seti ve bu özellik setlerinin birleştirilmesiyle 3. özellik seti oluşturulmuştur. Ardından oluşturulan 3 özellik seti üzerine Sarmal Alt Küme Değerlendirme (Wrapper Subset Evaluation-WSE) özellik seçme yöntemi uygulanarak etkin özellikler belirlenmiştir. Nihai olarak belirlenen özelliklerin Yapay Sinir Ağları (YSA) ve Rasgele Orman (RO) algoritmaları tarafından sınıflandırılmaları ile arousal içeren EEG segmentleri tespit edilmiştir. Gerçekleştirilen bu çalışmaların beraberinde EEG sinyal kayıtlarından başka hiçbir PSG sinyal kaydına ihtiyaç duymadan, yalnızca tek kanallı EEG sinyalleri ile oldukça başarılı sonuçlar elde edildiği tespit edilmiştir. Çalışma sonucunda ise Özellik Seti 3’ün etkin özellikleri ve YSA ile en yüksek doğruluk oranı %99.05 olarak elde edilmiştir.
Citation - WoS: 4
Citation - Scopus: 5
Evaluating the Attributes of Remote Sensing Image Pixels for Fast K-Means Clustering
(2019) Sağlam, Ali; Baykan, Nurdan Akhan
Clustering process is an important stage for many data mining applications. In this process, data elements are grouped according to their similarities. One of the most known clustering algorithms is the k-means algorithm. The algorithm initially requires the number of clusters as a parameter and runs iteratively. Many remote sensing image processing applications usually need the clustering stage like many image processing applications. Remote sensing images provide more information about the environments with the development of the multispectral sensor and laser technologies. In the dataset used in this paper, the infrared (IR) and the digital surface maps (DSM) are also supplied besides the red (R), the green (G), and the blue (B) color values of the pixels. However, remote sensing images come with very large sizes (6000 × 6000 pixels for each image in the dataset used). Clustering these large-size images using their multiattributes consumes too much time if it is used directly. In the literature, some studies are available to accelerate the k-means algorithm. One of them is the normalized distance value (NDV)-based fast k-means algorithm that benefits from the speed of the histogram-based approach and uses the multiattributes of the pixels. In this paper, we evaluated the effects of these attributes on the correctness of the clustering process with different color space transformations and distance measurements. We give the success results as peak signal-to-noise ratio and structural similarity index values using two different types of reference data (the source images and the ground-truth images) separately. Finally, we give the results based on accuracy measurement for evaluating both the success of the clustering outputs and the reliability of the NDV-based measurement methods presented in this paper.
Evaluation of Most Visited Web Sites in Turkey in Aspects of Structure and Security
(2018) Daşdemir, Atakan; Örnek, Mustafa Nevzat; Örnek, Humar Kahramanlı
Applications on World Wide Web have made our daily lives easier with their basic and fast access, neglecting time and place, they have become indispensable. It made Web applications a popular target for malevolent users and increased web security risk. In this study web penetration test which is indispensable for web security and threating risks for web security are mentioned. In Turkey, 60 of the most visited sites were identified in five different categories scanned as an ordinary user to consider a safety assessment of the general situation of the websites. For the review, large sites in news sites, e-commerce, government, universities and other categories have been selected that are thought to have strong security infrastructure. The knowledge about these sites such as used technologies and infrastructure which considers as vulnerability of sites and can be obtained by the ordinal person who uses penetration tests has been investigated in this study. As a result of the research, operating system information and web server information from 62% and 87% of the reviewed sites were identified respectively. Medium and low degree vulnerabilities were found in all scanned websites. With the vulnerability screening tests, weakness map revealed and information about the most identified weaknesses was given
Gerçek Dünya Kısıtlı Optimizasyon Problemlerinin Çözümü için En Değerli Oyuncu Algoritmasının Değerlendirilmesi
(2021) Uymaz, Sait Ali
Gerçek-dünya kısıtlı optimizasyon problemlerinin, karar değişkenlerine ek olarak kısıtlamaları ve yerel minimum noktaları vardır. Kısıtlamalar nedeniyle bu problemlerin arama alanları çok küçük olduğu için çözülmesi zor ve zaman alıcıdır. Son yıllarda, bu tür problemleri çözmek için birçok yeni meta -sezgisel algoritma önerilmiş ve kısıt işleme teknikleriyle birleştirilmiştir. Spor etkinliklerinden esinlenerek yakın zamanda önerilen bir meta -sezgisel optimizasyon algoritması olan En Değerli Oyuncu Algoritması (MVPA), matematiksel test fonksiyonları üzerinde test edilmiştir. Bu çalışmada, MVPA algoritması kısıt işleme teknikleri ve bazı modifikasyonlar ile birleştirilerek 19 kısıtlı gerçek dünya mühendislik optimizasyon problemi üzerinde test edilmiştir. Sonuçlar, kısıtları sağlayan uygun çözümler bulmada yüksek bir başarı oranı göstermiştir.
Geri Dönüştürülebilir Atıkların Materyallerine Göre Sınıflandırılması için Raspberry Pi Tabanlı Donanım Geliştirilmesi
(2020) Sağlam, Ali; Taş, Melike; Baykan, Nurdan Akhan
Hem doğanın korunması hem de sürekli artan insan ihtiyaçları için gerekli olan ve doğada kısıtlı miktarda bulunan materyallerin takviye edilmesi için ortaya çıkan “geri dönüşüm” kavramı son yıllarda en önemli konulardan birisi olmuştur. Belirli bir geri dönüşüm işlemi sonucunda, “ham maddesi yeniden kullanılabilir hale getirilebilen atıklar” olarak bilinen geri dönüştürülebilir atıkların toplanması konusu dünya genelinde üst ve yerel yönetimlerin de ilgilendiği bir problem olmuştur. Bunun için belirli merkezlere geri dönüştürülebilir atıklar için özel kutular yerleştirilmekte ve insanlar geri dönüşüm konusunda teşvik edilmeye çalışılmaktadır. Bu çalışmada, geri dönüşüm projelerinde kullanılmak üzere kâğıt, cam ve plastik atıklarının geri dönüşüm kutuları içerisinde gerçek zamanlı olarak tespit edilebilmesi için gerekli elektronik malzemeler ve yazılımlar kullanılarak bir materyal tanıma sistemi geliştirilmektedir. Sistem geri dönüşüm kutusuna atılan geri dönüştürülebilir katı atıkların materyallerini tanıyan ve materyale göre kullanıcı hesabına ücret yükleyen bir simülasyon işlevi görmektedir. Geliştirilen donanım kamera, LCD ekran, LED, IR LED, devre tahtası ve jumper kablo gibi Raspberry Pi üzerine bağlanabilen elektronik cihazları da içermektedir. Materyallerin tanınması için gerekli yazılımının geliştirilmesi aşamasında; kâğıt, cam ve plastik materyallerini içeren 845 adet resim çalışma kapsamında hazırlanmış ve bunların 662 tanesi Tensorflow nesne tanıma kütüphanesi üzerinde eğitim için kullanılmıştır. Materyallerin geliştirilen donanım tarafından gerçek zamanlı olarak algılanması ve elde edilen nesne tanıma modelinin donanım üzerinde kullanılabilmesi için Raspberry Pi içerisine OpenCV bilgisayarlı görme kütüphanesi yüklenmiştir. En son olarak, geliştirilen donanım ilgili materyallere özel ayrılmış kutular üzerine sabitlenerek sistem gerçek zamanlı olarak çalışır hale getirilmiştir. Sistemin düzgün çalıştığını doğrulamak için kutu içerisine bazı atıklar atılmış ve LCD ekran üzerinde sonuçlar görüntülenmiştir.
Havucun Boy ve Çap Verileri Kullanılarak Hacminin Hesaplanması için Matematiksel Model Geliştirilmesi
(2019) Örnek, Mustafa Nevzat; Kahramanlı Örnek, Humar
Havuç, dünyada patatesten sonra en çok üretimi yapılan sebzedir. Türkiye’de havucun en çok yetiştirildiği bölge Konya iline bağlı Kaşınhanı’dır. Bu nedenle çalışmada uygulama amacı ile Kaşınhanı’nda üretilen havuçlar seçilmiştir. Toplam 464 adet Nantes türü havuç kullanılmıştır. Havuçların boyu, 5 santimetre ara ile çapları ve hacimleri ölçülmüştür. Daha sonra sunulan yöntem ile havuçların hacimleri hesaplanmış ve gerçek hacimlerle karşılaştırılmıştır. Tüm havuçlar için hesaplanan hacim ile ölçülen hacim arasındaki R2 değeri 0,9 olarak bulunmuştur. Ölçülen ve hesaplanan değerler arasında korelasyon doğrusunun eğimi 1,06 olmuştur ki, bu da ideal değere çok yakındır.
Improved Social Spider Algorithm for Minimizing Molecular Potential Energy Function
(2020) Baş, Emine; Ülker, Erkan
The social spider algorithm (SSA) is a new heuristic algorithm created on spider behaviors to solve continuous optimization problems. In this study, SSA is used in order to minimize a simplified model of the energy function of the molecule. The Molecular potential energy function problem is one of the most important real-life problems. The Molecular potential energy function problem attempts to predict the 3D structure of a protein. SSA is developed by various techniques (Crossover-mutation and Gbest convergence-silent spider techniques) and SSA is called Improved SSA (ISSA). By these techniques, the exploration and exploitation capabilities of SSA in the continuous search space are improved. The general performances of SSA and ISSA are tested on low-scaled and large-scaled thirteen benchmark functions and obtained results are compared with each other. Wilcoxon signed-rank test is applied to SSA and ISSA results. Then, the general performance of the SSA and ISSA is tested on a simplified model of the molecule for different dimensions. Also, the performance of the ISSA is compared to various state-of-art algorithms in the literature. The results showed the superiority of the performance of ISSA.
Citation - Scopus: 1
A K-Elm Approach To the Prediction of Number of Students Taking Make-Up Exams
(Gazi Univ, Fac Engineering Architecture, 2022) Kıran, Mustafa Servet; Sıramkaya, Eyup; Esme, Engin
Purpose: The main objective of this study is to present a novel problem, and novel methodology to solve this problem. The problem is to predict the number of students who fail the course and will join the make-up exams. Theory and Methods: The number of students who fail the course should take a make-up exam, but some of them do not join these exams due to internal or external motivations, and this causes waste of resources. Majority of voting-based extreme learning machines have been proposed to solve the problem, and the ELM parameters have been optimized by artificial bee colony algorithm. Results: The proposed approach shows better performance than the extreme learning machines in terms of classification accuracy. Conclusion: Before the scheduling make-up exams, the number of students who will join the exams should be predicted by the proposed or similar approaches in order to use resources efficiently.
Lidar 3d Nokta Bulutu Verilerinin Konum ve Renközelliklerine Göre Bölütlenmesi
(2020) Baykan, Nurdan; Baykan, Ömer Kaan
Lidar (ışık algılayan ve mesafe ölçen) sistemler ile taranan çevre ve nesnelerin, üç boyutlu ve renkli 3D nokta bulutu verileri elde edilebilmektedir. Lidar teknolojisinin gün geçtikçe daha da gelişmesi ile birlikte, elde edilen verinin kalitesi artmakta (daha detaylı ve yüksek çözünürlüklü olmakta) ve bunun sonucu olarak da çok yüksek miktarlarda düzensiz bir veri yığını ortaya çıkmaktadır. Homojen özelliğe sahip ve konum olarak birbirine yakın veri elemanlarını gruplayarak, birlikte değerlendirilmesini sağlayan bölütleme aşaması, verinin beklenebilir bir zamanda işlenmesi ve nesnelerin ayırt ediciliği yüksek özelliklerinin ortaya çıkmasına imkân verdiği için 3D nokta bulutu işlemede önemli bir role sahiptir. Bölütleme işleminin de, veri miktarına ve kullanım amacına göre beklenebilir derecede hızlı çalışması ve doğru sonuçlar üretmesi önemli bir uğraş konusu olmuştur. Projede geliştirilen metot, bölütleme işlemini sadece yerel yüzeylerdeki nokta gruplarının oluşturdukları düzlemsel eğim açıları ve ağırlık merkezleri gibi basit geometrik özelliklerini kullanarak bölütleme yapabildiği gibi, verideki ayırt edici renk bilgisi yeterli olduğu takdirde noktaların renk özelliklerinden de faydalanabilmektedir. Proje kapsamında, birisi iç mekân ve ikisi dış mekân olmak üzere üç farklı ortam taranarak 3D nokta bulutu verisi temin edilmiştir. Bu ham nokta verileri, veri indirgeme ve/veya gürültü giderme gibi bazı ön işlemlerden geçirilmiş ve önişlem sonucunda bölütleme referans verisi hazırlanmak üzere her birinden örnek bir kesit alınmıştır. Böylece, referans verilerine sahip üç adet örnek bölütleme veri seti oluşturulmuştur. Hazırlanan referans veri setleri üzerinden, metodun nicel test sonuçları (doğruluk ve F1 skor değerleri) elde edilmiş ve literatürde başarı sağlamış metotlar ile hem bölütleme başarısı hem de işlem süresi göz önüne alınarak karşılaştırılmıştır. Test sonuçlarına bakıldığında, projede kapsamında geliştirilen metot 0.85 (%85) doğruluk ve 0.77 (%77) F1 skor ortalama değerleri ile diğer metotlarla karşılaştırıldığında bölütleme başarısı ve hız açısından üstünlük sağlamıştır.
Citation - WoS: 4
Citation - Scopus: 4
Medical Image Fusion With Convolutional Neural Network in Multiscale Transform Domain
(TUBITAK SCIENTIFIC & TECHNICAL RESEARCH COUNCIL TURKEY, 2021) Abas, Asan İhsan; Koçer, Hasan Erdinç; Baykan, Nurdan Akhan
Multimodal medical image fusion approaches have been commonly used to diagnose diseases and involve merging multiple images of different modes to achieve superior image quality and to reduce uncertainty and redundancy in order to increase the clinical applicability. In this paper, we proposed a new medical image fusion algorithm based on a convolutional neural network (CNN) to obtain a weight map for multiscale transform (curvelet/ non-subsampled shearlet transform) domains that enhance the textual and edge property. The aim of the method is achieving the best visualization and highest details in a single fused image without losing spectral and anatomical details. In the proposed method, firstly, non-subsampled shearlet transform (NSST) and curvelet transform (CvT) were used to decompose the source image into low-frequency and high-frequency coefficients. Secondly, the low-frequency and high-frequency coefficients were fused by the weight map generated by Siamese Convolutional Neural Network (SCNN), where the weight map get by a series of feature maps and fuses the pixel activity information from different sources. Finally, the fused image was reconstructed by inverse multi-scale transform (MST). For testing of proposed method, standard gray-scaled magnetic resonance (MR) images and colored positron emission tomography (PET) images taken from Brain Atlas Datasets were used. The proposed method can effectively preserve the detailed structure information and performs well in terms of both visual quality and objective assessment. The fusion experimental results were evaluated (according to quality metrics) with quantitative and qualitative criteria.
Modified Gravitational Search Algorithm for Energy Demand Estimation of Turkey
(2019) Beşkirli, Mehmet; Tefek, Mehmet Fatih; Uğuz, Harun
Estimation of energy demand beforehand is a quite significant problem in respect of economy and sources of country. In this study, Gravitational Search Algorithm (GSA) was modified by making some innovations in GSA and called as Modified Gravitational Search Algorithm (MGSA). Energy demand estimation is conducted through the relationship between the increase in economic indicators in Turkey and energy consumption. Estimation was actualized by using gross domestic product (GSYH), importation, exportation and demography for energy demand estimation and both linear and exponential equations. Energy demand between the years 2017-2037 was predicted by using the data belong to 1997-2011. The years between 2012 and 2016 were used as test data. It was observed that the results acquired via MGSA estimate better compared to GSA results.
Modified Region Growing Method for Image Segmentation Using Ant Lion Optimization Algorithm
(2020) Jama, Bashir Sheikh Abdullahi; Akhan Baykan, Nurdan
Image segmentation is a significant step in image processing that applies to various fields. These fields include machine vision, object detection, astronomy, biometric recognition systems (face, fingerprint, plate, and eye), medical imaging, video surveillance, and many other image-based technologies. Efficient image segmentation is one of the most important tasks and critical roles in automatic image processing. Especially in engineering studies, finding the most suitable solutions for problems is one of the important research topics. Bio-inspired algorithms such as Particle Swarm Optimization (PSO), Ant Colony Optimization (ACO), Artificial Bee Colony (ABC), and Bat Algorithm (BAT), etc. are used to find the optimal solutions in search spaces and Ant Lion Optimization (ALO) is one of these algorithms. In recent years, bio-inspired algorithms are used to optimize the segmentation parameters of the images. This research proposes a modified region growing (RG) image segmentation approach using bio-inspired ALO. Region growing (RG) has three main problems as the selection of the right seeds, the number of seeds, and the region growing strategy. Therefore, ALO was used to solve seed selection problems in RG. In this study, firstly, the median filter was applied to the inputs to improve the quality of the images. Subsequently, the region growing segmentation was carried out using optimal seed points obtained from the ALO. For obtaining the optimal seeds, ALO was used to solve the limitations of RG during the segmentation process. The success of the proposed approach was tested using some images taken from the BSDS300 (Berkeley) dataset. The experimental results show that the proposed method segments almost all the images.
Citation - WoS: 4
Citation - Scopus: 4
Modifiye Hibrit Optimizasyon Yöntemi ile Rüzgâr-termal Güç Sistemleri için Ekonomik Dağıtım Probleminin Çözümü
(2019) Tefek, Mehmet Fatih; Uğuz, Harun
Ekonomik dağıtım problemi (EDP) karmaşık, sınırlamalı ve doğrusal olmayan bir optimizasyon problemidir. EDP’de talep edilen güç için, aktif güç baralarının minimum ve maksimum sınırları arasında sistemin yakıt maliyetini minimum yapmak amaçlanmaktadır. Bu çalışmada, Türkiye 19 baralı rüzgâr-termal güç sisteminin EDP çözümü amacıyla yerçekimsel arama algoritması (YAA) ile öğretme-öğrenme temelli optimizasyon (ÖÖTO) algoritmasının birleştirilmesi ile hızlı, etkili ve güvenilir bir hibrit optimizasyon algoritması olan modifiye hibrit yerçekimi arama-öğretme-öğrenme temelli optimizasyon yöntemi (MHYÖ) tasarlanmıştır. MHYÖ yöntemi, sınırlamalı optimizasyon problemi çözümü için YAA’nın güçlü global arama ve TLBO’nun yerel arama özelliği modifiye edilerek geliştirilmiştir. MHYÖ, literatürde iyi bilinen ve sık kullanılan on adet benchmark fonksiyonlarıyla deneysel amaçlı test edilmiştir. Geliştirilen MHYÖ yöntemi, EDP çözümü için ilk olarak 6-baralı rüzgâr-termal güç sisteminde talep edilen sırasıyla 400 MW, 450 MW ve 500 MW güç için uygulanmıştır. Daha sonra geliştirilen MHYÖ yöntemi, Türkiye 19 baralı rüzgâr-termal güç sisteminin EDP çözümü amacıyla sistemdeki toplam planlanan gücün %25, %27,5 ve %30 talep edilen güç oranına göre üç farklı durumda uygulanmıştır. Elde edilen sonuçlar diğer çalışmaların sonuçları ile kıyaslanmıştır. Bu sonuçlara göre, MHYÖ yönteminin hem yakıt maliyeti hem de hesaplama zamanı ikilisi açısından, kısa çalışma zamanında, güvenilir, etkili ve minimum yakıt maliyeti ile sonuçları bulduğunu göstermektedir.

Browse

Browsing TR Dizin İndeksli Yayınlar Koleksiyonu / TR Dizin Indexed Publications Collections by Department "Fakülteler, Mühendislik ve Doğa Bilimleri Fakültesi, Bilgisayar Mühendisliği Bölümü"