Yazar "Ünsal, Emre" seçeneğine göre listele
Listeleniyor 1 - 6 / 6
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe A matching model to measure compliance between department and student(2020) Takcı, Hidayet; Gürkahraman, Kali; Ünsal, Emre; Yelkuvan, Ahmet FıratThe aim of all education systems is to train students who are equipped with knowledge. In thatcase, that student is able to determine the most suitable profession for him/her success ineducation and career that are related to this profession will be higher. Studies done up to thisday have been focused on finding out the factors affecting the career choice of the student, butthey have not suggested any method for determining the most suitable procession. It is notpossible to obtain satisfying results from a system that does not lead students to appropriatehigher education departments. In this context, a student- department matching system isproposed which aims to increase the success of the education systems in our study. Thedepartment of computer engineering was dealt with as a sample department and the proposedstudy was examined to determine whether a student was suitable for computer engineering or.The required data was obtained with the help of the questionnaire, and then a model ofsuccessful and unsuccessful students was created. Data mining algorithms such as C4.5,C-SVC, MLP, and Naïve Bayes are used during the test of the generated model. The best resultwas obtained by the C-SVC algorithm and the second best result by Naive Bayes. The lowesterror rate achieved was 0.2700 and the highest accurate recognition rate was 73.00%.Öğe Akıllı Sensör Verileri Üzerinde Makine Öğrenmesi Yöntemleri Kullanılarak İnsan Aktivitelerinin Tanımlanması(Sivas Cumhuriyet University, 2022) Asarkaya, Serdar; Ünsal, EmreAkıllı sensör teknolojilerindeki gelişmeler ve giyilebilir cihazların maliyetlerinin düşmesi sonucunda bu cihazlardan elde edilen sensör verileri kullanılarak günlük insan aktivitelerinin tanımlanmasına yönelik nesnelerin interneti tabanlı çalışmalar günümüzde önemli bir araştırma konusudur. İnsan aktivitelerinin tanımlanması sağlık, hasta takibi ve güvenlik gibi alanlarda aktiviteye bağlı sorunların çözümüne katkı sağlayabilmektedir. Bu çalışma, akıllı sensörlerden elde edilen veriler üzerinde makine öğrenmesi yöntemlerini kullanarak insan aktivitelerinin tanımlanmasını amaçlamaktadır. Çalışmada Karar Ağacı, OneVsOne ve Çok Katmanlı Algılayıcı sınıflandırıcıları ile modeller oluşturulmuş ve aktiviteleri içeren veri seti ile eğitim ve test aşamaları gerçekleştirilmiştir. Elde edilen sonuçlar karşılaştırılmış ve en iyi sonuca Çok Katmanlı Algılayıcı modeli ile ulaşıldığı görülmüştür.Öğe Evrişimli sinir ağları kullanılarak ince kesit görüntülerden hidrotermal alterasyon türlerinin sınıflandırılması(2024) Çenet, Rıza; Ünsal, Emre; Canbaz, OktayHidrotermal alterasyon, değerli madenlerin arama aşamalarında kullanılan önemli bir jeolojik özelliktir. Bu araştırma, mikroskop görüntülerinde hidrotermal alterasyon türlerini tanımlamak için oluşturulan iki farklı derin öğrenme ağı yapısına odaklanmaktadır. 2500 görüntüden oluşan veri setinin, %70’i ağın eğitilmesinde, %20’si ağın test edilmesinde ve %10’u ağın geçerliliğinin ölçülmesinde kullanılmıştır. Evrişimli Sinir Ağı (ESA) ve Xception modelleri, Adam, RMSprop ve SGD optimizasyon fonksiyonları kullanılarak eğitilmiş ve sonuçları karşılaştırılmıştır. ESA modeli için Adam ve SGD optimizasyon fonksiyonları %96 doğru sınıflandırma yaparak, en başarılı sınıflandırmayı gerçekleştirmiştir. Xception modeli için en yüksek doğruluk değeri %98 ile Adam ve RMSprop optimizasyon fonksiyonları kullanılan ağlarda gerçekleşmiştir. Her ne kadar Xception modeli daha yüksek doğruluk değerlerine sahip olsa da ağın eğitim süresi göz önüne alındığında ESA modelinin işlemi çok daha hızlı tamamladığı görülmüştür.Öğe Image Manipulation Detection Using Residual and Dense Connection-based Deep Learning Models(Institute of Electrical and Electronics Engineers Inc., 2024) Karakiş, Rukiye; Gürkahraman, Kali; Ünsal, EmreDigital image forgery poses a security threat by manipulating personal data shared on open networks in recent years. In this study, the performance of deep learning models with residual or dense connections, with or without transfer learning, for the classification problem of multiple image manipulations with dual JPEG compression, has been investigated. Transfer learning has produced higher and more stable results at different compression rates. The average accuracy values of the proposed model with dense connections were obtained as 0.9920, 0.9953, and 0.9907 for compression quality factors of 75, 85, and 95, respectively. These values were higher compared to similar studies in the literature. © 2024 IEEE.Öğe Missing IoT Data Prediction with Machine Learning Techniques(TUBITAK, 2022) Azizoğlu, Fatma; Ünsal, EmreEvery day, the amount of data generated by industrial applications based on the Internet of Things (IoT) grows. However, data acquired because of failures and communication disconnections in IoT devices might be noisy, inaccurate, and incomplete. These issues have become crucial for data production, quality, processing, and analysis. The datasets used in the scope of this study were collected in real-time from the water neutralizer system of Sivas Numune Hospital, which converts medical waste into household waste. Medical liquid wastes in hospitals are exposed to chemical neutralization process by means of pH change with neutralization devices before being transferred to the sewer. In this regard, the monitoring of pH levels in the medical waste neutralization system is crucial for environmental protection. In this aspect, two datasets with varying quantities of missing data were evaluated for the prediction of the PH using the linear regression (LR), support vector machines (SVM), k-nearest neighbor (KNN), random forest (RF), and decision tree (DT) machine learning algorithms. Mean absolute error (MAE), mean squared error (MSE), and root mean square error (RMSE) performance metrics were used to evaluate machine learning algorithms. Because of the analysis, it was determined that the SVM algorithm performed better performance on the two distinct datasets. The result of the evaluation indicates that machine learning algorithms are remarkably efficient at predicting missing pH data. © 2022, TUBITAK. All rights reserved.Öğe Orman Yangını Risk Haritalarının Coğrafi Bilgi Sistemleri Ortamında Hazırlanması: Manavgat Örneği(Sivas Cumhuriyet Üniversitesi, 2024) Ersoy, İzzet; Gürsoy, Önder; Ünsal, EmreOrman yangınları, maddi ve ekolojik olarak büyük afetlerdir. Bu yangınlar, ekosistemlerde ciddi hasara yol açarak bitki ve hayvan türlerinin kaybına, yaşam alanlarının zarar görmesine ve biyolojik çeşitliliğin azalmasına neden olmaktadır. Ayrıca, hava kirliliği, toprak erozyonu ve su kaynaklarının kirlenmesi gibi bir dizi olumsuz etkiye sahiptir. Her yıl dünya genelinde ve ülkemizde binlerce hektar ormanlık alan yangınlar nedeniyle yok olmaktadır. 2021 yılında Türkiye'de toplam 139.503 hektar, dünya genelinde ise toplam 2.873.268 hektar alan yangınlarla zarar görmüştür, bu da yaklaşık olarak Sivas ilinin yüzölçümüne eşdeğerdir. Orman yangınları birçok nedenle ortaya çıkabilir, bunlar doğal sebepler, ihmal, kaza, kasıt ve bilinmeyen sebepler olarak sınıflandırılır. Bu yangınları önlemek amacıyla coğrafi bilgi sistemleri (CBS) ortamında bir bilgi sistemi oluşturulmuştur. Kurulan bu sistem, çalışma sahasına ait arazi örtüsü, eğim, bakı, yollara uzaklık ve yerleşim yerlerine uzaklık olmak üzere toplam 5 farklı kriteri bir araya getirmiş ve bilgi sistemiyle bütünleştirilmiştir. Literatür taraması sonucunda belirlenen ağırlıklar doğrultusunda çalışma bölgesine ait çok yüksek riskten, çok düşük riske doğru 5 risk sınıfı belirlenmiştir. Geçmiş yangın verileriyle kıyaslandığında; çok yüksek riskin %22, yüksek riskin %31, normal riskin %25, düşük riskin %14 ve çok düşük riskin %8 olduğu belirlenmiştir. Geliştirilen bilgi sistemi ve model, orman alanlarımızın korunmasına yönelik bir bilgi sistemi olmuştur.
