TR-Dizin İndeksli Yayınlar Koleksiyonu
Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/396
Browse
15 results
Search Results
Article YSA Kullanılarak Mamogramlardan Dokusal Öznitelik Tabanlı Meme Kanseri İlgi Bölgesi Sınıflandırılması(2020-12-29) Taşdemir, Sena Büşra Yengeç; Tasdemir, Kasim; Aydin, ZaferRadyoloji uzmanlarının mamografi görüntülerine bakarak yaptığı meme kanseriteşhislerinde tip bir hata oranı yüzde otuzlara kadar çıkmaktadır. Kanserin teşhisbaşarısını artırmak adına bu çalışmada uzmanlara yardımcı olacak yeni birBilgisayar Yardımlı Teşhis sistemi, kanserli ve normal dokuyu ayırt etmek içinönerilmektedir. Önerilen sistemde kontrast limitli histogram eşitleme (CLAHE)yöntemiyle iyileştirilen görüntülerin iki boyutlu parçacık dönüşümlerinden (2B–DWT) Haralick ve HOG öznitelikleri çıkarılmıştır. Özniteliklerin sayısını azaltmasıiçin temel bileşenler analizi (PCA) algoritması kullanılmıştır. Seçilen öznitelikler çokkatmanlı algılayıcı (MLP) mimari yapısına sahip yapay sinir ağına (YSA) girdi olarakverilmiştir. Çok katmanlı algılayıcı üzerinde Adam eniyileme yapıldığında %81tespit doğruluğu yakalanmıştır. Ayrıca, diğer bir çok temel makine öğrenmesi vederin öğrenme yöntemleri denenerek karşılaştırma sonuçları detaylı olaraksunulmuştur. Sınırlı sayıda veri kümesi kullanıldığında transfer öğrenim kullanılsadahi derin öğrenme yöntemlerinin tespit başarısı azalmıştır. Buna karşılık doğru önişleme, öznitelik seçilimi ve makine öğrenmesi yaklaşımları kullanıldığı zamangeleneksel bilgisayarlı görü yöntemleri daha başarılı sonuçlar vermiştirArticle 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 Sezgisel Algoritmaları Kullanarak Raf Optimizasyonu Çalışması ve Bir Yazılım Uygulaması(2019-08-31) Özçelik, Tijen Över; Gündüz, GülOtomobil montajının çok sayıda parçadan oluşması, sürekli değişen tüketici talebinden dolayı ürün çeşitliliğine gidilmesi ve fabrikayerleşkesinin belirli bir limitinin olması sebebiyle; raf alanı bir otomotiv fabrikasının neredeyse en sınırlı kaynaklarından birinioluşturmaktadır. Raf alanının etkin, verimli ve doğru yönetimi, hem maliyet açısından performansın en iyilenmesi, hem çalışanlarınyürüme mesafelerinin azaltılmasıyla hareket mudalarının önlenmesi, hem de artan üretim talebiyle ürün miktarına rağmen fabrikayerleşkesinin aynı kalması açısından kritik önem teşkil etmektedir. Bu çalışmada; kutu çeşidi çerçevesinde, standart raflar kullanılmışve ergonomik standartları da göz önünde bulundurarak raf optimizasyonu ve raf alanı optimizasyonu gerçekleştirilmiştir. Uygulama birgerçek hayat problemi olduğu için matematiksel olarak modellenmesi ve optimum çözümlerin bulunması oldukça zordur. Modellenmesizor olan problemelerin, en uygun değere yakın bir çözüm verebilmesi için sezgisel yöntemlerden faydalanılmıştır. Çalışmada kullanılanilk metot sezgisel metotlardan biri olan Greedy Algoritmasıdır. Kutular raflara bu algoritmaya göre yerleştirilmiştir. Açgözlüalgoritmalar her zaman ve her problem için optimal çözümü vermese de bazı problemler için en uygun çözümü vermektedirler. Birkerede tek bir karar verme, karar verirken yerel bilgiyi kullanma, karar verirken o an için en çok faydayı bulma gibi işlemler açgözlüprobleminin özelliklerindendir. Algoritma en çok faydayı aramaya odaklandığı için açgözlü olarak ifade edilmektedir. Çalışmadakullanılan diğer bir yöntem ise planogram’dır. Raf ve ürün düzenleme yazılımı olan planogram probleme uyarlanmıştır. Planogram;ürünlerin raflarda hangi şekilde düzenleneceğine ve yerleştirileceğine gösteren diyagramları ifade eden yazılımlardır. Ürünlerinraflardan çıkış sırası, boyutları, optimizasyon kuralları ve ergonomi kriterleri göz önüne alınarak oluşturulan yazılım ile belirlenenkısıtlar doğrultusunda en iyiye yakın raf yerleştirme gerçekleştirilmiştir.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 Landsat 8 Görüntüleri ile Cheney Rezervuarında Bulanıklık Tahmini: Regresyon, Mars ve Treenet Yöntemlerinin Karşılaştırılması(2024-06-13) Nacar, Sinan; Bayram, Adem; Dilmen, Ömer; Gormus, Esra TuncRezervuarlardaki su kalitesi takibi, suyun kullanım amacına uygunluğu ve su canlılarının korunması için önemlidir ve su kalitesinin belirlenmesinde en yaygın kullanılan değişkenlerden biri de bulanıklıktır. Bu değişkenin takibinde kullanılan geleneksel yöntemlerin maliyetli ve zaman alıcı olması, su kalitesi takibi için daha ekonomik ve hızlı bir alternatif olan uzaktan algılama çalışmalarını ön plana çıkarmıştır. Bu çalışmada, Landsat 8 Operational Land Imager (OLI) görüntüleri kullanılarak Cheney Rezervuarında (Kansas, ABD) bulanıklık değişkenini tahmin edebilecek bir model kurulması amaçlanmıştır. Bu amaçla 99 Landsat 8 OLI görüntüsü, 2014-2022 yılları arasında rezervuarda takibi yapılan bulanıklık verileriyle aralarındaki zaman farkı 20 dakikadan az olacak şekilde eşleştirilmiştir. Tahmin modellerinin kurulmasında regresyon analizi, çok değişkenli uyarlanabilir regresyon eğrileri (MARS) ve TreeNet gradyan arttırma makinesi (TreeNet) yöntemleri kullanılmıştır. Kurulan modellerin performansları, ortalama karesel hata, ortalama karesel hatanın karekökü, ortalama mutlak hata ve Nash-Sutcliffe (NS) verimlilik katsayısı performans istatistikleri ile kıyaslanmıştır. MARS ve TreeNet yöntemlerinin tahmin gücünün test veri seti için birbirine eşit olduğu görülmüştür (NS = 0.61). En önemli parametrenin MARS yöntemi kullanılarak oluşturulan modelde B4/B1 (kırmızı/kıyı aerosol), TreeNet yöntemiyle oluşturulan modelde ise B4/B2 (kırmızı/mavi) olduğu belirlenmiştir.Article Beton Dayanım Özelliklerinin Yüzey Tepki Yöntemi, Genetik Algoritma ve Yapay Sinir Ağları İle Tahmini(2022-06-30) Koken, Ekin; Kilincarslan, Semsettin; Tuncay, Ebru BaspınarBu çalışmada, beton dayanım özellikleri yüzey tepki yöntemi, genetik algoritma ve yapay sinir ağları yöntemleri ile analiz edilmiştir. Altı farklı beton agregası kullanılarak küp (10x10x10 cm) ve prizmatik (15x15x60 cm) beton numuneleri hazırlanmış olup, beton tek eksenli basınç dayanımı (UCSc) ve eğilme dayanımının (FSc) tahminlenmesi için bazı tahmin modeller geliştirilmiştir. Geliştirilen modellerde beton yoğunluğu (ρc), beton agregalarının Los Angeles aşınma kaybı (LAA) ve betonlara ait P dalgası hızı (Vpc) gibi parametreler kullanılmıştır. Elde edilen modellerin performansları bazı istatistiksel göstergeler ışığında değerlendirilmiş ve genetik algoritma ve yapay sinir ağlarını temel alan yöntemlerin beton dayanım özelliklerini tahmininde başarılı bir şekilde kullanılabileceği belirlenmiştir.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.