Yazar "Metlek, Sedat" seçeneğine göre listele
Listeleniyor 1 - 8 / 8
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe 3BResNet: A Novel Residual Block-Based ResNet Model Approach for COVID19 Detection(Bitlis Eren Üniversitesi, 2023) Kılınç, Ekrem Eşref; Aka, Fahrettin; Metlek, SedatIn recent years, upper respiratory tract infections that have affected the whole world have caused the death of millions of people. It is predicted that similar infections may occur in the coming years. Therefore, it is necessary to develop methods that can be used widely, especially during epidemic periods. The study developed a decision support system for use in upper respiratory tract infections. At this stage, first, the ResNet models in the literature were examined and an application was developed on the SARS-CoV-2 Ct dataset. Next stage, the block structure in the ResNet models in the literature was changed, the number of layers was reduced, and a new model was proposed that provides higher success with fewer parameters. With the proposed model, the values 0.97, 0.97, 0.94, and 0.98 were achieved for accuracy, F1 score, precision and sensitivity on the SARS-CoV-2 Ct dataset, respectively. When the obtained values are compared to state of the art methods in the literature, it has been determined that they are at a competitive level with much fewer parameters. Hardware-related problems encountered in the training of ResNet models at low hardware levels were solved with the proposed model, resulting in a higher success rate. Furthermore, the proposed model can be widely used in different decision support systems that are urgently needed in adverse conditions such as pandemics due to its lightweight structure and high-performance results.Öğe ANALYSIS OF DIFFERENT POOLING FUNCTIONS ON A CONVOLUTION NEURAL NETWORK BASED MODEL(Kerim ÇETİNKAYA, 2024) Çetiner, Halit; Metlek, SedatThe common denominator of deep learning models used in many different fields today is the pooling functions used in their internal architecture. These functions not only directly affect the performance of the study, but also directly affect the training time. For this reason, it is extremely important to measure the performance of different pooling functions and share their success values. In this study, the performances of commonly used soft pooling, max pooling, spatial pyramid pooling and average pooling functions were measured on a dataset used as benchmarking in the literature. For this purpose, a new CNN based architecture was developed. Accuracy, F1 score, precision, recall and categorical cross entropy metrics used in many studies in the literature were used to measure the performance of the developed architecture. As a result of the performance metrics obtained, 97.79, 92.50, 91.60 and 89.09 values from best to worst for accuracy were obtained from soft pooling, max pooling, spatial pyramid pooling and average pooling functions, respectively. In the light of these results, the pooling functions used in this study have provided a better conceptual and comparative understanding of the impact of a CNN-based model.Öğe CNNTuner: Image Classification with A Novel CNN Model Optimized Hyperparameters(Bitlis Eren Üniversitesi, 2023) Çetiner, Halit; Metlek, SedatToday, the impact of deep learning in computer vision applications is growing every day. Deep learning techniques apply in many areas such as clothing search, automatic product recommendation. The main task in these applications is to perform the classification process automatically. But, high similarities between multiple apparel objects make classification difficult. In this paper, a new deep learning model based on convolutional neural networks (CNNs) is proposed to solve the classification problem. These networks can extract features from images using convolutional layers, unlike traditional machine learning algorithms. As the extracted features are highly discriminative, good results can be obtained in terms of classification performance. Performance results vary according to the number of filters and window sizes in the convolution layers that extract the features. Considering that there is more than one parameter that influences the performance result, the parameter that gives the best result can be determined after many experimental studies. The specified parameterization process is a difficult and laborious process. To address this issue, the parameters of a newly proposed CNN-based deep learning model were optimized using the Keras Tuner tool on the Fashion MNIST (F-MNIST) dataset containing multi-class fashion images. The performance results of the model were obtained using the data separated according to the cross-validation technique 5. At the same time, to measure the impact of the optimized parameters on classification, the performance results of the proposed model, called CNNTuner, are compared with state-of-the-art (SOTA) studies.Öğe DERİN ÖĞRENME İLE BALIK TÜRLERİNİN TESPİTİ(Kerim ÇETİNKAYA, 2021) Kayaalp, Kıyas; Metlek, SedatBeslenmemizde önemli bir yere sahip olan deniz ürünleri, mükemmel bir vitamin ve mineral kaynağıdır. Protein kaynakları içerisinde sindirilmesi oldukça kolay olan deniz mahsulleri, diğer yüksek proteinli kaynaklara göre oldukça az zararlı yağ içermektedir. Balıklarda bulunan omega-3 gibi yağ asitlerinin, insan sağlığını olumsuz etkileyen kalp ve damar hastalıklarından, diyabet ve kanser gibi daha birçok hastalığa iyi geldiği bilinmektedir. Bunun yanı sıra az da olsa insan sağlığını tehdit edebilecek balık türleri de bulunmaktadır. Gerçekleştirilen çalışma ile günümüzün popüler makine öğrenme yöntemlerinden birisi olan derin öğrenme algoritmaları vasıtasıyla, insanoğlunun beslenmesinde önemli bir role sahip olan balıkların, görüntüleri üzerinden türlerinin tahmin edilmesi amaçlanmıştır. Bu amaç doğrultusunda geliştirilen uygulamada, farklı ortamlardan elde edilen 4410 adet balık görüntüsü kullanılmıştır. Kullanılan balık görüntüleri, 483 adet farklı türden oluşmakla beraber, farklı koşullar altında elde edilen gerçek balık görüntüleridir. Çalışmada hazırlanan derin öğrenme algoritmasının eğitim ve test işlemleri için “QUT FISH” veri seti kullanılmıştır. Derin öğrenme yöntemlerinde sıkça kullanılan, Evrişimsel sinir ağları yöntemi ile veri setindeki görüntülerden, balık türlerine ait öznitelikler çıkartılmıştır. Çıkartılan bu öznitelikler çok katmanlı bir yapay sinir ağı modeli ile sınıflandırılmıştır. Yapılan çalışma ile sınıflandırma başarısı olarak %73,72 değeri elde edilmiştir.Öğe INCEPTION SH: SAHNE GÖRÜNTÜLERININ SINIFLANDIRILMASINDA INCEPTION MODÜL TABANLI YENI BIR CNN MODELI(Süleyman Demirel Üniversitesi, 2024) Metlek, Sedat; Çetiner, HalitBu çalışmada otonom insansız hava araçlarında (İHA) kullanılabilecek optimum seviyede blok yapısına sahip hafif ağırlıklı bir model tasarlanmıştır. Inception V3 modeli temel alınarak geliştirilen Inception SH modeli, literatürde halka açık bir veri seti olan "Intel Image Dataset" üzerinde karşılaştırılmıştır. Karşılaştırma sonucunda Inception V3 modeli için doğruluk, kesinlik, geri çağırma ve F1 skoru metrikleri için sırasıyla 0,882, 0,883, 0,882 ve 0,882 değerleri elde edilmiştir. Inception SH modelinde ise doğruluk, kesinlik, geri çağırma ve F1 skoru metrikleri için sırasıyla 0,958, 0,957, 0,974 ve 0,967 değerleri elde edilmiştir. Bu değerlerden de anlaşılacağı üzere, önerilen Inception SH modeli, temel alınan Inception V3 modeline göre daha yüksek performans değerleri sunmaktadır. Inception SH modeli aynı veri setini kullanan literatürdeki farklı modellerle de karşılaştırılmış ve karşılaştırılan modellere göre doğruluk, kesinlik, geri çağırma ve F1 skoru metriklerinde üstünlük sağlamıştır. Elde edilen sonuçlara göre, otonom İHA'ların popülerliği de göz önünde bulundurulduğunda, Inception SH modelinin çeşitli IoT cihazlarında hafif bir model olarak kullanılabileceği öngörülmektedir.Öğe SAHRAN: Sentiment Analysis of Hotel Reviews with Attention-Based Recurrent Neural Network(Igdir University, 2025) Çetiner, Halit; Metlek, SedatAutomatically analysing the sentiment of comments expressed by a user on a web page for any purpose is a rapidly expanding important research area. Text sentiment analysis, as it is known in the literature, is a technique that allows users to determine their emotional tendencies in comments defined for any purpose. Users comment on the content of web pages used by thousands of people such as vacation sites, shopping pages, social media, brand reviews, financial reviews, health sites, political pages. The comments made have the ability to directly affect a user who wants to benefit from these services in any way. For these reasons, it is important to examine people's emotions in their comments in automatic review of comments. Recurrent Neural Network (RNN) based architectures have achieved remarkable success in solving Natural Language Processing (NLP) problems. In this article, an RNN based deep learning model is proposed that works on a publicly available dataset obtained from the TripAdvisor web page and performs sentiment analysis. The proposed SAHRAN model uses an attention mechanism based on the dot product structure to capture emotional words in user comments. In the model, Bidirectional Gated Recurrent Unit (BiGRU) and Bidirectional Long Short Term Memory (BiLSTM) deep learning layers are integrated into the model to capture emotional features. As a result of the experimental studies, the proposed SAHRAN model achieved performance values of 0.9524, 0.9685, 0.9082 and 0.9338 in terms of precision, recall, F1 score and accuracy performance measures, respectively.Öğe Su Altı Görüntülerinden Nesne Tespiti(Osman SAĞDIÇ, 2021) Kılınç, Ekrem Eşref; Metlek, SedatYeryüzünün büyük bir kısmı sularla kaplıdır. Bu suların büyük bir çoğunluğunu da okyanuslar oluşturmaktadır. Bu kadar çok alanın sularla kaplı olmasına rağmen sualtı görüntüleme ilgili yapılan araştırmalar, yer üstü araştırmaları kadar çok değildir. Su altı araştırmaları ile ilgilenen araştırmacıların yeterli düzeyde görüntüleme yapabilmeleri için kullanmış oldukları görüntüleme cihazları son derece özel ve maliyetli cihazlardır. Bu cihazlarında özellikle maliyetli olması sualtı görüntülemesi ile ilgilinen araştırmacılar için önemli bir engel oluşturmaktadır. Bu nedenle yapılan çalışmada bu durum göz önüne alınarak düşük kapasiteye sahip donanım ve ekipmanlar kullanılarak elde edilen sualtı görüntüleri üzerinden nesne tespit edilmesi amaçlanmıştır. Bu amaç doğrultusunda AQUALOC veri setinde ki düşük çözünürlüklü sualtı görüntüleri ve görüntü işleme algoritmaları kullanılarak, görüntüden nesne tespit işlemi gerçekleştirilmiştir. Çalışma sonunda su altı görüntüleri üzerinden nesne tespiti yapabilecek masaüstü bir yazılım geliştirilmiş olup, tespit ettiği nesnelerin görüntüleri de çalışmada sunulmuştur. Geliştirilen yazılımda minimum hata değerleri olarak MSE, RMSE, MAE ve MAPE hata fonksiyonları için sırasıyla 0.08, 0.09, 0.28 ve %16 olarak elde edilmiştir Çalışmanın gerçek zamanlı alınabilecek görüntüler üzerinde de uygulanabilir nitelikte olması sualtı araştırmaları ile ilgilenen araştırmacılar içinde oldukça önem arz etmektedir. Bununla birlikte çalışma deniz tabanından geçirilen petrol boru hattı gibi enerji hatları ile diğer iletişim hatlarının güvenliklerini sağlamak amacıyla kullanılan insansız sualtı araçlarında da kullanılabilecektir. Çalışma bu yönü ile de önümüzdeki dönemlerde de geliştirilebilecek bir yapıya sahiptir.Öğe Türkiye’de Hazine Sukuk Fiyatlarının Yapay Sinir Ağı Modeli ile Tahmini(İstanbul Üniversitesi, 2021) Çetin, Dilşad Tülgen; Metlek, SedatSon yıllarda yapay sinir ağları, finansal zaman serilerinin tahmini, finansal başarısızlığın öngörülmesi ve derecelendirme notlarının sınıflandırılması gibi birçok alanda başarıyla uygulanmaktadır. Bununla birlikte, İslami sermaye piyasalarının en yaygın ürünü olarak nitelendirilen sukuk fiyatlarının tahmininde hemen hemen hiç uygulanmamıştır. Sukuk yeni bir finansal varlık olduğu için bu alanda yeterli çalışma bulunmamaktadır.. Bu nedenle çalışmada, Türkiye’deki hazine sukuk fiyatlarının yapay sinir ağı modeli ile tahmin edilmesi ve sukuk fiyatlarının tahminindeki belirleyicilerin ortaya konulması amaçlanmaktadır. Bu amaç doğrultusunda, Türkiye Hazine ve Maliye Bakanlığı tarafından ihraç edilen dolar bazlı uluslararası hazine sukuk fiyat verileri kullanılarak çok katmanlı geri beslemeli yapay sinir ağı modeli oluşturulmuştur. Dolar endeksi, volatilite endeksi, jeopolitik risk endeksi, Standard and Poor’s MENA sukuk endeksi ve Eurobond fiyatları geliştirilen modelin giriş değişkenlerini, hazine sukuk fiyatı ise modelin çıkışını oluşturmuştur. Sonuç olarak, hazine sukuk kapanış fiyatları tasarlanan model ile %99,98 başarı oranıyla doğru tahmin edilmiştir. Sukuk fiyatlarının yüksek başarıyla tahmini, sukuk yatırımcılarının risk algılamasının azaltılmasını ve kârlılığının artırılmasını sağlamada etkin bir rol oynayacaktır. Çalışmanın bulguları, yapay sinir ağı modelinin sukuk fiyatlarını tahmin etmede etkin bir model olduğunu kanıtlaması ve dolar endeksi, volatilite endeksi, jeopolitik risk endeksi, Standard and Poor’s MENA sukuk endeksi ve Eurobond fiyatlarının, sukuk fiyatlarını tahmin etmede belirleyici olduğunu ortaya koyması bakımından önem taşımaktadır.
