TR-Dizin İndeksli Yayınlar Koleksiyonu
Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/396
Browse
11 results
Search Results
Article Symbolic Aggregate Approximation-Based Clustering of Monthly Natural Gas Consumption(2024-03-24) Söylemez, İsmet; Ünlü, Ramazan; Nalici, Mehmet ErenNatural gas is an indispensable non-renewable energy source for many countries. It is used in many different areas such as heating and kitchen appliances in homes, and heat treatment and electricity generation in industry. Natural gas is an essential component of the transportation sector, providing a cleaner alternative to traditional fuels in vehicles and fleets. Moreover, natural gas plays a vital role in boosting energy efficiency through the development of combined heat and power systems. These systems produce electricity and useful heat concurrently. As nations move towards more sustainable energy solutions, natural gas has gained prominence as a transitional fuel. This is due to its lower carbon emissions when compared to coal and oil, thus making it an essential component of the global energy framework. In this study, monthly natural gas consumption data of 28 different European countries between 2014 and 2022 are used. Symbolic Aggregate Approximation method is used to analyse the data. Analyses are made with different numbers of segments and numbers of alphabet sizes, and alphabet vectors of each country are created. These letter vectors are used in hierarchical clustering and dendrogram graphs are created. Furthermore, the elbow method is used to determine the appropriate number of clusters. Clusters of countries are created according to the determined number of clusters. In addition, it is interpreted according to the consumption trends of the countries in the determined clusters.Article Performance Analysis of Machine Learning and Bioinformatics Applications on High Performance Computing Systems(2020-01-31) Aydin, ZaferNowadays, it is becoming increasingly important to use the most efficient and most suitable computational resources for algorithmic tools that extract meaningful information from big data and make smart decisions. In this paper, a comparative analysis is provided for performance measurements of various machine learning and bioinformatics software including scikit-learn, Tensorflow, WEKA, libSVM, ThunderSVM, GMTK, PSI-BLAST, and HHblits with big data applications on different high performance computer systems and workstations. The programs are executed in a wide range of conditions such as single-core central processing unit (CPU), multi-core CPU, and graphical processing unit (GPU) depending on the availability of implementation. The optimum number of CPU cores are obtained for selected software. It is found that the running times depend on many factors including the CPU/GPU version, available RAM, the number of CPU cores allocated, and the algorithm used. If parallel implementations are available for a given software, the best running times are typically obtained by GPU, followed by multi-core CPU, and single-core CPU. Though there is no best system that performs better than others in all applications studied, it is anticipated that the results obtained will help researchers and practitioners to select the most appropriate computational resources for their machine learning and bioinformatics projects.Article Optimal Location Determination of Electric Vehicle Charging Stations: A Case Study on Turkey's Most Preferred Highway(2022-06-30) Gülbahar, İbrahim Tümay; Sütçü, MuhammedToday, electric vehicles are seen as one of the most suitable and environmentally friendly alternatives to internal combustion engine vehicles. An important issue related to the dissemination of electric vehicles is the location of the vehicle charging network and specifically the optimum location selection of the charging stations. Generally, most of the studies focus on popular destinations such as city centers, shopping areas, bus stations, and airports. Although these places are often used in normal life, they can usually provide an adequate solution for daily charging needs due to the number of alternative charging stations. However, finding adequate charging stations is not possible in intercity travels especially in highways. In this paper, we proposed a decision model to determine the location of electric car charging stations in highways. We create an optimization model to decide the optimum locations for the charging stations that can meet the customer demands on the Istanbul-Ankara highway. The proposed model determines optimum charging stations that enable passengers traveling with their electric vehicles to travel in Istanbul-Ankara highway in the shortest time.Article Machine Learning Based Early Prediction of Type 2 Diabetes: A New Hybrid Feature Selection Approach Using Correlation Matrix With Heatmap and SFS(2022-04-30) Buyrukoglu, Selim; Akbaş, AyhanA new hybrid machine learning method for the prediction of type 2 diabetes is introduced and explained in detail. Also, outcomes are compared with similar researches. Early prediction of diabetes is crucial to take necessary measures (i.e. changing eating habits, patient weight control etc.), to defer the emergence of diabetes and to reduce the death rate to some extent and ease medical care professionals’ decision-making in preventing and managing diabetes mellitus. The purpose of this study is the creation of a new hybrid feature selection approach combination of Correlation Matrix with Heatmap and Sequential forward selection (SFS) to reveal the most effective features in the detection of diabetes. A diabetes data set with 520 instances and seven features were studied with the application of the proposed hybrid feature selection approach. The evaluation of the selected optimal features was measured by applying Support Vector Machines(SVM), Random Forest(RF), and Artificial Neural Networks(ANN) classifiers. Five evaluation metrics, namely, Accuracy, F-measure, Precision, Recall, and AUC showed the best performance with ANN (99.1%), F-measure (99.1%), Precision (99.3%), Recall (99.1%), and AUC (99.2%). Our proposed hybrid feature selection model provided a more promising performance with ANN compared to other machine learning algorithms.Article A Comparison of Ensemble and Base Learner Algorithms for the Prediction of Machining Induced Residual Stresses in the Turning of Aerospace Materials(2022-09-30) Buyrukoglu, Selim; Kesriklioglu, SinanThe estimation of residual stresses is essential to prevent the catastrophic failures of the components used in the aerospace industry. The objective of this work is to predict the machining induced residual stresses with bagging, boosting, and single-based machine learning models based on the design and cutting parameters used in the turning of Inconel 718 and Ti6Al4V alloys. Experimentally measured residual stress data of these two materials was compiled from the literature, including the surface material of the cutting tools, cooling conditions, rake angles, as well as the cutting speed, feed, and width of cut to show the robustness of the models. These variables were also grouped into different combinations to clearly show the contribution and necessity of each element. Various predictive models in machine learning (AdaBoost, Random Forest, Artificial Neural Network, K-Neighbors Regressor, Linear Regressor) were then applied to estimate the residual stresses on the machined surfaces for the classified groups using the generated data. It was found that the AdaBoost algorithm was able to predict the machining induced residual stresses with a mean absolute error of 18.1 MPa for the IN718 alloy and 31.3 MPa for Ti6Al4V by taking into account all the variables, while the artificial neural network provides the lowest mean absolute errors for the Ti6Al4V alloy. On the other hand, the linear regression model gives poor agreement with the experimental data. All the analyses showed that AdaBoost (boosting) ensemble learning and artificial neural network models can be used for the prediction of the machining induced residual stresses with the small datasets of the IN718 and Ti6Al4V materials.Article Multilevel Thresholding for Brain MR Image Segmentation Using Swarm-Based Optimization Algorithms(2024-09-03) Sahin, Omur; Kurban, Rifat; Toprak, Ahmet NusretBir görüntüyü bölüt adı verilen çeşitli piksel kümelerine ayırma işlemi olan görüntü bölütleme, görüntü işlemede önemli bir tekniktir. Görüntü bölütleme, görüntünün karmaşıklığını azaltmakta ve görüntüyü bölütlere ayırarak analiz edilmesini kolaylaştırmaktadır. Görüntü bölütlemenin en basit ancak etkin yollarından biri, piksellerin değerlerine göre birden çok bölgeye ayrıldığı çok düzeyli eşiklemedir. Bu çalışma, yaygın kullanılan sürü tabanlı optimizasyon algoritmalarının beyin MR görüntülerinde çok düzeyli eşikleme tabanlı görüntü bölütleme performansını araştırmayı ve karşılaştırmayı amaçlamaktadır. Yedi sürü zekâsı temelli optimizasyon algoritması: Parçacık Sürü Optimizasyonu (PSO), Yapay Arı Kolonisi (ABC), Gri Kurt Optimize Edici (GWO), Güve Alevi Optimizasyonu (MFO), Karınca Aslanı Optimizasyonu (ALO), Balina Optimizasyonu (WOA) ve Denizanası Arama Optimizasyon (JS) eşik seviyelerini belirlemek üzere beyin MR görüntülerine uygulanarak karşılaştırılmaktadır. Bahsi geçen algoritmalar ile yapılan deneylerde minimum çapraz entropi ve sınıflar arası varyans amaç fonksiyonları kullanılmıştır. Kapsamlı deneyler, JS, ABC ve PSO algoritmalarının daha iyi performans sergilediğini göstermektedir.Article A Multi-Criteria Group Decision-Making Method for Outranking Problems under Sustainability, Risks, and Intuitionistic Fuzzy Environment(2022-12-29) Madenoglu, Fatma SelenBu makale, sezgisel bulanık bir ortamda sıralama problemlerini düzgün bir şekilde yönetmek için bir grup karar verme mekanizması sunmaktadır. Sezgisel bulanık küme teorisi kapsamında çok kriterli karar verme (ÇKKV) yöntemi olan TOPSIS kullanılmaktadır. Bu çözüm tekniğinde karar verme problemlerinde kullanılan birtakım kriterler, karar vericiler grubunun tercihleri ve karar vericilerin önem düzeyleri incelenmektedir. Yöneticiler, sıralama yöntemlerini tedarikçi değerlendirme kararlarını vermek için güvenilir bir teknik olarak kullanır. Ayrıca, COVID-19 döneminden sonra tedarik zinciri malzeme sıkıntısı, ulaşım sorunları vb. sıkıntılardan muzdariptir, pratik ve kapsamlı bir araca olan ihtiyaç açıktır. Prosedürü adım adım detaylandırarak önerilen tekniğin uygulanabilirliğini göstermek için, COVID-19 sonrası dönemde sürdürülebilirliği ve riskleri dikkate alan bir tedarikçi seçimi sorununa ilişkin örnek bir vaka kullanılmıştır. Sonuçların karşılaştırmalı analizi gerçekleştirilmiştir. Sonuçlar, MARCOS yönteminin sonuçları ile karşılaştırılmıştır. Sonuçlar, sunulan metodolojinin diğer alanlara da uygulanabilir olduğunu göstermektedir.Article Distributed Coverage Control with Mobile Robots: A Potential Game Approach(2023-09-17) Guler, SametEndüstriyel uygulamalarda mobil robotların kullanımı, gürbüz ve dağıtık algoritma içeren otonom çoklu-robot sistemlerine bir gereksinim oluşturmuştur. Bir robot takımının sınırlı bir alanda uzaysal-zamansal olaylara cevap vermesi anlamına gelen kapsama kontrolü bu tür sistemlerde kritik bir hedeftir. Bu çalışmada, bir grup mobil robotun doğrusal bir iş istasyonunun iki tarafında belirli lokasyonları kapsamakla görevli olduğu özel bir kapsama problemini ele alıyoruz. Problemi iyi kurgulanmış oyuncu stratejileri ile mobil robotlar arasında oynanan bir oyun olarak formalize ediyor ve ortaya çıkan yapının eşit paylaşılan fayda temelli bir potansiyel oyun olduğunu gösteriyoruz. Sunulan yapı, robotlarda anonim kimlikler ve kısıtlı algılama yeteneklerine izin veren dağıtık ve merkezi olmayan bir yapıdır. Bir grup simülasyon çalışması yaklaşımımızı doğrulamaktadır.Article Solving the Hybrid Flow Shop Scheduling Problem Using Heuristic Algorithms(2019-08-28) Madenoglu, Fatma SelenEksik operasyonlar, taşıma zamanı ve sıra-bağlı hazırlık süreleri dikkate alınarak hibrit akış tipi çizelgeleme probleminin bir çeşidi incelenmiştir. Gönderim kuralları ile birlikte sezgisel algoritmalar ve gönderim kuralları verilen sorunu çözmek için kullanılmıştır. Toplam tamamlanma zamanının en küçüklenmesi amaç fonksiyonudur. Hesaplamalı deneyler, sezgisel algoritmalar ve gönderme kurallarının performansını test etmek için yapılmıştır. Faktörlerin sonuca etkilerini göstermek için iş sayısı, makine sayısı, üretim aşaması sayısı, eksik operasyon oranların değişiminin incelendiği deneyler gerçekleştirilmiştir. Önerilen hibrit akış tipi çizelgeleme problemlerinde NEH'nin SPTF kuralı ile oluşturulan sezgisel algoritmanın sonucu diğer sezgisellerden daha iyi sonuç vermiştir.Article Evaluation of the Capacity of Apron Feeders Used in Crushing–Screening Plants by Response Surface Methodology and Artificial Intelligence Methods(2024-06-30) Koken, EkinBu çalışmada Apron besleyicilerin kapasitesi (Q), yüzey tepki yöntemi (RSM) ve bazı yapay zekâ yöntemleriyle araştırılmıştır. Bu bağlamda, Türk Madencilik Sektöründe (TMI) kullanılan Apron besleyicilerin yaygın çalışma koşullarına ilişkin niceliksel verilerin toplanması amacıyla kapsamlı bir saha araştırması yapılmıştır. Toplanan bu verilere göre, Apron besleyicilerin Q değerini etkileyen değiştirgelerin ortaya konması için RSM analizleri gerçekleştirilmiştir. Buna göre, besleyici hazne genişliği (B), taşınan malzemenin bant üzerindeki yüksekliği (D), konveyör hızı (V) ve doluluk faktörü (φ), Q değeri için en önemli faktörler olarak belirlenmiştir. Q değerlerindeki gözlemlemek için çeşitli etkileşim ve kontur grafikleri sunulmuştur. Ayrıca, apron besleyicilerin Q değerini tahmin için, çok değişkenli uyarlamalı regresyon analizi (MARS), uyarlamalı ağ tabanlı bulanık mantık çıkarım sistemi (ANFIS) ve yapay sinir ağları (ANN) gibi bazı yapay zekâ yöntemlerine dayılı bazı tahmin modelleri tanıtılmıştır. Kurulan tahmin modellerinin performansı dağılım grafiklerine göre değerlendirilmiş ve RSM metodolojisine dayalı tahmin modelinin, yapay zekâ tabanlı tahmin modellerine göre nispeten daha iyi sonuçlar sağladığı bulunmuştur. Sunulan tahmin modelleri, yüksek kapasiteli Apron besleyicilerin Q değerini tahmin etmek için güvenilir bir şekilde kullanılabilir. Ancak kırma-eleme tesisi tasarımcıları, düşük kapasiteli Apron besleyicileri değerlendirmek için sunulan tahmin modellerini kullanırken dikkatli olmalıdır. Elde edilen bulgulara dayanarak, bu çalışma, Apron besleyicilerinin Q değerini değerlendirmek için RSM metodolojisinin ve çeşitli yapay zekâ yöntemlerinin uygulanabilirliğini göstermiştir.