Browsing by Author "Seyyarer, Ebubekir"

Now showing 1 - 11 of 11

Ağırlıklandırılmış Çizgelerde Tf-ıdf ve Eigen Ayrışımı Kullanarak Metin Sınıflandırma
(2019) Karcı, Ali; Uçkan, Taner; Seyyarer, Ebubekir; Hark, Cengiz
Günümüzde gerek metin gerekse cümle sınıflandırma problemleri üzerinde yoğunlukla çalışılmaktadır. Metinsınıflandırma işlemlerinde en önemli problemlerden biri sınıflandırılacak metinlerin yapısal olmamasıdır. Belli birformata sahip olmayan metinlerin öncelikle bir önişlemden geçirilmesi gerekmektedir. Bu çalışmada metinlerisınıflandırma işleminde öncelikle sınıflandırılacak metinlerin önişlemini yapmak amacıyla KUSH (Karci-UçkanSeyyarer-Hark) adında bir önişleme aracı geliştirildi. Sonrasında elde edilen işlenmiş metinlerinsınıflandırılmasında çizge tabanlı matematiksel bir yaklaşım sunulmaktadır. Yapılan çalışmada Türkiye’de iyibilinen 6 haber portalından ve 6 farklı alandan elde edilen metinleri içeren TTC-3600 veri seti kullanılmaktadır.Sınıflandırılacak metinler Tf (Terim frekansı) ve Idf (Ters doküman Frekansı) değerleri dikkate alınarak çeşitliönişlemlerden geçirildikten sonra kenar ve düğümlerden oluşan bir ağırlıklı çizge oluşturulmaktadır.Ağırlıklandırılmış çizgeler kullanılarak sınıflandırma işleminin etkililiği ve matematiksel verimliliği arttırılmıştır.Elde edilen çizgeyi ifade eden Komşuluk Matrisi ve Derece Matrisi kullanılarak Laplace Matrisi elde edilmektedir.Laplace Matrisinin özdeğer ayrışımı sonucunda elde edilen özdeğer ve özdeğer vektörleri ile metinlersınıflandırılmaktadır. Yapılan testler sonucunda sınıflandırma oranlarında dikkate değer bir doğruluk değerineulaşıldığı görülmektedir.
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.
Aşırı Akım Röle Optimizasyonunda Optimizasyon Algoritmalarının Karşılaştırmalı Analizi
(2023) Özgüner, Özge; Seyyarer, Ebubekir
Optimizasyon algoritmaları, belirli bir amaç fonksiyonunun minimum veya maksimum değerini bulmayı amaçlayan problemleri çözmede yaygın olarak kullanılmaktadır. Optimizasyon yöntemleri, en iyi alternatifi seçmek için hem matematiksel hem de sezgisel yaklaşımları kullanmaktadır. Bu çalışmada Aşırı Akım Rölelerinin Koordinasyon (Overcurrent Relay Coordination - ORC) problemini dört optimizasyon algoritması kullanarak en aza indirgemeyi ve sonuçlarını karşılaştırmayı amaçlamaktadır. Aşırı akım röleleri, güç sistemlerinde arızaları tespit eden ve hasarı en aza indiren kritik koruyucu cihazlardır. Güç sistemlerinin güvenliğini sağlamak için koruma rölelerinin doğru seçimi ve ayarlanması önem arz etmektedir. ORC, bir elektrik dağıtım sisteminde röle çalışma süreleri ve ayarları, yük değişiklikleri ve bakım gereksinimleri gibi çok sayıda kısıtlamanın dikkate alınmasını içermektedir. Hasançelebi trafo merkezinin ORC sorunu için Fidan Gelişim Algoritması (Saplings Growing up Algorithm -SGA), Lig Şampiyonluk Algoritması (League Championship Algorithm - LCA), Genetik Algoritma (Genetic Algorithm - GA) ve Balina Optimizasyon Algoritması (Whale Optimization Algorithm - WOA) ile üretilen sonuçlar karşılaştırılmaktadır. Elde edilen sonuçlara göre, WOA’nın diğer optimizasyon algoritmalarına göre daha hızlı sonuçlar ürettiği görülmektedir.
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.
Effects of the Stochastic and Deterministic Movements in the Optimization Processes
(Gazi Univ, Fac Engineering Architecture, 2022) Seyyarer, Ebubekir; Karci, Ali; Ates, Abdullah
In this study, a linear function representing the iris data set is obtained by making use of the MLR model. SGD, Momentum, Adagrad, RMSProp, Adadelta and Adam optimization algorithms are used to find the optimum values of coefficients of this function. An initialization method with initial population is recommended for these coefficients, which are generally initialized with a fixed or random value in MLRs. IAE, ITAE, MSE and ISE error functions are used as objective functions in the MLR model used. Initial populations of the methods are developed by using a proposed deterministic and classical stochastic initialization methods between upper and lower bounds. The method that are initialized stochasticaly is run several times as seen in literature and the mean values are calculated. On the other hand, the application that is initialized deterministic is only run once. According to the results of deterministic and stochastic initialization methods, it is observed that the coefficients and iteration numbers obtained in both applications are close to each other. Despite very high temporal gain is achieved from the application that is initialized deterministic. As a result of the comparisons, the linear model obtained with Adadelta and MSE reaches the result in the shortest time.
Extractive Text Summarization Via Graph Entropy
(Ieee, 2019) Hark, Cengiz; Uckan, Taner; Seyyarer, Ebubekir; Karci, Ali
There is growing interest in automatic summarizing systems. This study focuses on a subtractive, general and unsupervised summarization system. It is provided to represent the texts to be summarized with graphs and then graph entropy is used to interpret the structural stability and structural information content on the graphs representing the text files. The performance of the proposed text summarizing approach for the purpose of summarizing the text on the data set of Document Understanding Conference (DUC-2002) including open access texts and summaries of these texts was calculated using the Recall-Oriented Understudy for Gisting Evaluation (ROUGE) evaluation metrics. Experimental processes were repeated for 200 and 400 word abstracts. Experimental results reveale that the proposed text summarizing system performs competitively with competitive methods for different ROUGE metrics.
Honey Badger Optimizasyon Algoritması ile Üç Elemanlı Kafes Sisteminin Ağırlık ve Maliyet Minimizasyonu
(2023) Aslan, Cengiz; Seyyarer, Ebubekir; Uçkan, Taner
Meta-sezgisel optimizasyon yöntemleri geleneksel algoritmalarla çözümün çok maliyetli olacağı büyük ölçekli gerçek hayat problemleri için başarılı sonuçlar sergilemekte ve birçok alandan araştırmacının ilgi odağı haline gelmektedir. Bu alana duyulan ilgi sayesinde genetik, fizik, biyoloji, müzik gibi ilhamını çeşitli kaynaklardan alan araştırmacılar, yeni meta-sezgisel algoritmalar oluşturmaya devam etmektedir. Şubat 2022’de yayımlanan Bal Porsuğu Algoritması (Honey Badger Algorithm, HBA), ilhamını bal porsuğunun yiyecek arama stratejilerine dayandırmaktadır. Bu çalışmada HBA’nın yanı sıra alan yazının başarısı kanıtlanmış algoritmalarından olan Genetik Algoritma (Genetik Algorithm, GA), Parçacık Sürü (Partical Swarm Optimization, PSO), Yapay Arı Kolonisi (Artificial Bee Colony, ABC), Karınca Kolonisi (Ant Colony Optimization, ACO), Benzetimli Tavlama (Simulated Annealing, SA) algoritmaları, bir yapı problemi olan “üç elemanlı kafes sisteminin ağırlık ve maliyet minimizasyonu” na uygulanmaktadır. Elde edilen sonuçlara göre HBA’ nın, GA, ABC, ACO, SA algoritmalarına kıyasla daha iyi yakınsama hızına ve değerlere ulaştığı gözlemlenmektedir.
Metin Özetlemesi için Düğüm Merkezliklerine Dayalı Denetimsiz Bir Yaklaşım
(2019) Hark, Cengiz; Karcı, Ali; Seyyarer, Ebubekir; Uçkan, Taner
Cümle seçerek özetleme çalışmaları kapsamında birçok farklı yaklaşım mevcuttur. Bu çalışmada tek dokümanlıçıkarıcı metin özetleme için yeni ve denetimsiz bir süreç önerilmektedir. Çalışma kapsamında metin dokümanlarıçizgelerle temsil edilmektedir. Sunulan yaklaşım temel olarak metinleri temsil eden çizgeleri kullanmakta vecümlelere yönelik bir ağırlıklandırma önermektedir. Önerilen sürecin farklı düğüm ağırlıklandırma yöntemlerinikullanarak önemli düğümleri belirlenmesi, önerilen özetleme sisteminin cümle puanlandırma aşamasınıoluşturmaktadır. Son olarak bu çalışma kapsamında metin özetleme amaçlı önerilen yaklaşımın, açık erişimlimetinler ve bu metinlere ait özetleri içeren Document Understanding Conference (DUC-2002) veri seti üzerindekiperformansı ROUGE değerlendirme metrikleri kullanılarak hesaplanmıştır. Yapılan deneysel çalışmalarsonucunda önerilen özetleme sisteminin geleneksel çizge tabanlı yaklaşımlar ile rekabet edebilir ölçüdeperformans değerleri ortaya koyduğunu göstermektedir. Önerilen özetleme yaklaşımı ile elde edilen ROUGE-2metriğinin Duyarlılık, Kesinlik ve F-Skor değerleri sırasıyla 0.17068, 0.15772, 0.16383 olarak hesaplandı. Ayrıcasunulan bu basit ve etkili yöntemin dilbilimsel bir süreç izlememesi oldukça önemlidir.
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.