Browsing by Author "Ayata, Faruk"

Now showing 1 - 7 of 7

Applications and Comparisons of Optimization Algorithms Used in Convolutional Neural Networks
(Ieee, 2019) Seyyarer, Ebubekir; Uckan, Taner; Hark, Cengiz; Ayata, Faruk; Inan, Mevlut; Karci, Ali
Nowadays, it is clear that the old mathematical models are incomplete because of the large size of image data set. For this reason, the Deep Learning models introduced in the field of image processing meet this need in the software field In this study, Convolutional Neural Network (CNN) model from the Deep Learning Algorithms and the Optimization Algorithms used in Deep Learning have been applied to international image data sets. Optimization algorithms were applied to both datasets respectively, the results were analyzed and compared The success rate was approximately 96.21% in the Caltech 101 data set, while it was observed to be approximately 10% in the Cifar-100 data set.
Covid-19 Diagnosis From Blood Gas Using Multivariate Linear Regression
(2024) Ayata, Faruk; Seyyarer, Ebubekir
With the impact of the COVID-19 outbreak, almost all scientists and nations began to show great interest in the subject for a long time. Studies in the field of outbreak, diagnosis and prevention are still ongoing. Issues such as methods developed to understand the spread mechanisms of the disease, prevention measures, vaccine and drug research are among the top priorities of the world agenda. The accuracy of the tests applied in the outbreak management has become extremely critical. In this study, it is aimed to obtain a function that finds the positive or negative COVID-19 test from the blood gas values of in- dividuals by using Machine Learning methods to contribute to the outbreak management. Using the Multivariate Linear Regression (MLR) model, a linear function is obtained to represent the COVID-19 dataset taken from the Van province of Turkey. The data set ob- tained from Van Yüzüncü Yıl University Dursun Odabaş Medical Center consists of blood gas analysis samples (109 positive, 1146 negative) taken from individuals. It is thought that the linear function to be obtained by using these data will be an important method in de- termining the test results of individuals. Gradient Descent optimization methods are used to find the optimum values of the coefficients in the function to be obtained. In the study, the RMSProp optimization algorithm has a success rate of 58-91.23% in all measurement methods, and it is seen that it is much more successful than other optimization algorithms.
Deep Learning-Driven Mri Analysis for Accurate Diagnosis and Grading of Lumbar Spinal Stenosis
(Elsevier Sci Ltd, 2025) Genc, Hasan; Seyyarer, Ebubekir; Ayata, Faruk
In recent years, deep neural networks (DNN) have emerged as an important solution due to the increasing complexity of healthcare data. Machine learning (ML) algorithms provide effective and powerful analytical methods that can uncover hidden patterns and important information from large healthcare data sets that cannot be detected in a reasonable time frame using traditional methods. Deep learning (DL) techniques have shown promise in areas such as pattern recognition and diagnosis in healthcare systems. This study aims to contribute to easier interpretation of medical data by applying different DL algorithms to MRI images of the lumbar spine collected between 2020and 2023 in a private clinic. In this context, Convolutional Neural Network (CNN) variations, EfficientNET models and methods such as k-fold cross-validation for more acceptable results, early stopping to save time and Genetic Algorithm (GA) to optimize hyperparameters are preferred. As a result of the study, success rates between 61% and 83.25% are achieved with CNN and between 86.25% and 91.56% with EfficientNET. Overall, this study aims to support medical professionals by mitigating some of the challenges in diagnosis and classification caused by image complexity when interpreting medical data.
Evrişimsel Sinir Ağı Temelli Yüz Tanıma Yöntemleri ile Robot Resim Oluşturma Uygulaması
(2022) Ayata, Faruk; Çavuş, Hayati
Yüz tanıma sistemleri, kriminoloji, personel takibi ve güvenlik sistemleri gibi görüntü içeren alanlarda sıklıkla kullanılmaktadır. Görüntü içeren verileri işlemek için görüntü işleme, makine öğrenmesi ve derin öğrenme algoritmalarından yararlanılmaktadır. Yüz tanıma sistemleri kayıp bireylerin bulunması için de umut verici biyometrik teknolojilerden biri olabilir. Çünkü ebeveyn ve akrabaların kaybolan bireyin yüz fotoğrafına sahip olma olasılığı, parmak izi veya iris gibi diğer biyometrik verilere ulaşma ihtimalinden daha yüksek olabilmektedir. Bu çalışmada Evrişimsel Sinir Ağları (ESA) yöntemi kullanarak kaybolan, kaçırılan ya da aranan bireylerin bulunması temeline dayanan bir sistem tasarlamak ve tasarlanan bu sistem ile yüz tahmini yapmak amaçlanmaktadır. Bu kapsamda sistemde kullanılmak üzere, tarafımızca oluşturulan ve hiçbir çalışmada henüz kullanılmamış olan, aile yüz veri setine ESA tekniği uygulanarak aile yüz referans modeli oluşturulmaktadır. Daha sonra bu çalışmaya özel geliştirilen web tabanlı bir robot resim oluşturma programı ile yüz referans modeli baz alınarak robot resim oluşturulmaktadır. Aile yüz veri seti içerisinden rastgele seçilen 10 ailenin aile referans modeline ait robot resmi ile aileden seçilen bir birey kıyaslanmıştır. Bu kıyaslama sonucunda %88,77 ile %93,90 arasında başarı oranları elde edilmiştir.
Face Recognition System in Family Individuals With Content-Based Image Access Methods
(2020) Ayata, Faruk; Çavuş, Hayati
Yüz tanıma sistemleri, kriminoloji, güvenlik sistemleri gibi görüntü içeren alanlarda veriyi işlemek için görüntü işleme, makine öğrenmesi ve derin öğrenme algoritmaları kullanılmaktadır. Yüz tanıma sistemleri kayıp bireylerin bulunması için umut verici biyometrik teknolojilerden biri olabilir; çünkü ebeveynlerin ve akrabalarının kaybolan bir bireyin yüz fotoğrafına sahip olma olasılığı, parmak izi veya iris gibi diğer biyometrik yöntemlerden daha yüksek olabilmektedir. Bu tez çalışmasında, kaybolan, kaçırılan ya da aranan bireylerin bulunması temeline dayanan içerik tabanlı bir görüntü erişim sistemi tasarlanıp, tasarlanan bu sistem ile yüz tahmini yapmak amaçlanmaktadır. Bu kapsamda sistemde kullanılmak üzere uygun makine öğrenmesi tekniğinin bulunabilmesi için FEI ve CelebA veri seti temin edilmiştir. FEI, CelebA ve aile yüz veri seti üzerinde Makine öğrenmesi tekniklerinden; ESA (Evrişimsel Sinir Ağları), YGH-DVM (Yönelimli Gradyan Histogramı-Destek Vektör Makineleri) ve DSA (Derin Sinir Ağları) yöntemleri kullanılmıştır. Bu yöntemlerin analiz sonuçları değerlendirilerek en iyi yüz tanıma özelliğine sahip olan yöntem olarak %98,86 başarı oranı ile ESA belirlenmiştir. Sonrasında, tarafımızca oluşturulan ve hiçbir çalışmada henüz kullanılmamış olan, aile yüz veri setine ESA tekniği uygulanarak aile yüz referans modeli ve bu model baz alınarak robot resim oluşturulmuştur. Aile yüz veri seti içerisinden rastgele seçilen 10 ailenin aile referans modeline ait robot resmi ile aileden seçilen bir birey kıyaslanarak %88,77 ile %93,90 arasında başarı oranı elde edilmiştir. Ayrıca web tabanlı bir robot resim oluşturma programı hazırlanmıştır.
Öğretmenlerin Etkileşimli Tahtaya Yönelik Tutumlarının Değerlendirilmesi: Peace With Ict Avrupa Birliği Proje Örneği
(2021) Ayata, Faruk; Seyyarer, Ebubekir; Uçkan, Taner; Çavuş, Hayati
Dünyamızdaki tüm ülkelerde olduğu gibi ülkemizdeki eğitim alanlarında da birçok gelişmeler yaşanmaktadır. Bu gelişmelerde etkileşimli tahtaların etkisi çoktur. Özellikle Endüstri 4.0 ve sonrasında eğitimde teknoloji kullanımının yanı sıra, örgün eğitim ortamlarında (sınıflarda) etkileşimli tahta kullanımı yaygınlaşmıştır. Bu çalışmanın amacı; İtalya, Slovenya, Romanya ve Türkiye’nin ortaklığıyla gerçekleştirilen “Peace With ICT” isimli Avrupa Birliği (AB) projesinin çıktılarını değerlendirilerek, ülkelerdeki ortak kuruluşlarda çalışan eğitmenlerin etkileşimli tahtaya yönelik tutumlarını ortaya koyan bir istatistiksel veri analizi çalışması yapmaktır. Ülkemizde etkileşimli tahta kullanımının yaygınlaşması FATİH (Fırsatları Artırma ve Teknolojiyi İyileştirme Hareketi) projesi ile hız kazanmıştır. Konu ile ilgili yapılan araştırmalarda/incelemelerde, öğretmenlerin eski alışkanlıkları nedeniyle dijital teknolojileri kullanmakta tereddüt ettikleri görülmektedir. Etkileşimli tahtalar, projeksiyon cihazı olarak ve öğrencilere verilen tabletler de oyun konsolu olarak görülmektedir. Bu durumun her anlamda israfa neden olmasından endişe duyulmaktadır. Çalışmada İtalya’dan 45, Slovenya’dan 50, Romanya’dan 107 ve Türkiye’den 69 kişi olmak üzere toplam 271 eğitimciye 22 maddeden oluşan likert tipi bir ölçek uygulanmıştır. Verilerin analizinde parametrik testler kullanılmıştır. Etkileşimli tahta kullanımı ölçeğinin demografik değişkenlere göre farklılık gösterip göstermediğini test etmek için T-Testi ve Anova Analizinden yararlanılmıştır. Ülke ve Mesleki deneyim değişkenlerinin aralarındaki ilişkiyi anlamak üzere yapılan istatistiki analizler sonucunda, farkındalık eğitimi sonrasında 1-5 yıllık mesleki deneyime sahip kişilerin etkileşimli tahtayı daha sık kullandığı ve ülke bazlı en iyi gelişmeyi de Türkiye’nin gösterdiği görülmektedir. Ayrıca uygulanan ölçek tüm ortak kuruluşlarda farkındalık eğitimi öncesi ön test, sonrasında ise son test olarak uygulanmıştır ve ülkeler arasındaki farklar belirlenmiştir. Farkındalık eğitimi öncesinde katılımcı ülkelerin etkileşimli tahtaya olan tutumları, Bilgi ve iletişim teknolojilerine ait bilgi birikimlerinin az olmasından kaynaklı, çekimser ve kararsız olarak görünse de eğitim sonrasında bu tutumun olumlu yönde geliştiği ve yapılan istatistiksel analizlerin sonucuna göre Etkileşimli tahtaya olan tutumları toplamda %32.02 oranında gelişim gösterdiği görülmüştür. Benzer çalışmaların farklı ülkelerde de yapılması ve elde edilen sonuçların karşılaştırılarak daha anlamlı sonuçlara ulaşılması noktasında faydalı olacaktır.
Using Limited-Memory Broyden-Fletcher and Emperor Penguin Algorithm To Minimize the Cell Voltage of Solid Oxide Fuel Cells
(Gazi Univ, 2025) Tuna, Ramiz Ilker; Ayata, Faruk; Seyyarer, Ebubekir
Optimization methods are widely used in various industrial, scientific, and engineering applications to determine the most efficient planning strategy, determine the best distribution of a financial portfolio, design a logistics network in the most efficient way possible, or achieve the best performance of an artificial intelligence model. In this study, the aim is to minimize the cell voltage of solid oxide fuel cells to improve their performance and energy efficiency. In the optimization studies carried out with the L-BFGS-B algorithm and Emperor Penguin algorithm, the values of temperature (T), oxygen pressure (p(O-2 )), hydrogen pressure (p(H-2)), and water vapor pressure (p(H2O)) are calculated for minimum voltage while the input values of Faraday constant, Gas constant, Activation polarization coefficient, Reverse current density, and Electrode thickness are fixed. For both optimization methods, the optimum temperature value is calculated as 1000 K, the optimum oxygen pressure value as 1.0, the optimum hydrogen pressure value as 0.000001, and the optimum water vapor pressure value as 0.000001. The minimum cell voltage was calculated as 0.6486 for both optimization methods, but the L-BFGS-B algorithm reached the result in 7 iterations and 0.0046 seconds, while the Emperor Penguin algorithm reached it in 150 iterations and 1.18 seconds. According to the analysis results, although the cell voltage values of the two methods are the same, it can be seen that the L-BFGS-B algorithm is more successful in terms of iteration and time.