Yazar "Çelik, Yüksel" seçeneğine göre listele
Listeleniyor 1 - 8 / 8
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Boosted Equilibrium Optimizer Using New Adaptive Search and Update Strategies for Solving Global Optimization Problems(MDPI AG, 2024-12-23) Tuna, Resul; Çelik, Yüksel; Fındık, OğuzThe Equilibrium Optimizer (EO) is an optimization algorithm inspired by a physical law called mass balance, which represents the amount of mass entering, leaving, and being produced in a control volume. Although the EO is a well-accepted and successful algorithm in the literature, it needs improvements in the search, exploration, and exploitation phases. Its main problems include low convergence, getting stuck in local minima, and imbalance between the exploration and exploitation phases. This paper introduces the Boosted Equilibrium Optimizer (BEO) algorithm, where improvements are proposed to solve these problems and improve the performance of the EO algorithm. New methods are proposed for the three important phases of the algorithm: initial population, candidate pool generation, and updating. In the proposed algorithm, the exploration phase is strengthened by using a uniformly distributed random initial population instead of the traditional random initial population and a versatile concentration pool strategy. Furthermore, the balance between the exploration and exploitation phases is improved with two new approaches proposed for the updating phase. These novel methods enhance the algorithm’s performance by more effectively balancing exploration and exploitation. The proposed algorithm is tested using a total of 23 standard test functions, including unimodal, multimodal, and fixed-size multimodal. The results are supported by numerical values and graphs. In addition, the proposed BEO algorithm is applied to solve real-world engineering design problems. The BEO outperforms the original EO algorithm on all problems.Öğe Determination of tympanic membrane region in the middle ear otoscope images with convolutional neural network based yolo method(2020) Başaran, Erdal; Cömert, Zafer; Çelik, Yüksel; Velappan, Subha; Togaçar, MesutDue to inflammation of the middle ear, various deformations occur in the eardrum. In order todiagnose the disease, it is necessary to examine the tympanic membrane in detail with an otoscope.In recent years, deep learning has been applied in many areas including biomedical field and veryeffective results have been achieved. Deep learning based methods are used successfully in automaticobject detection. In this study, a deep learning based object detection method namely You Only LookOnce (YOLO), is used for automatic detection of tympanic membrane in eardrum images obtainedusing otoscope device. To enable automatic detection of tympanic membrane by YOLO, experimentalstudies were conducted with AlexNet, VGGNet, GoogLeNet and ResNet. According to the performanceresults, the most efficient results were obtained with ResNet and VGGNet architectures. Tympanicmembrane region detection with YOLO, was performed with an accuracy rate of 93%.Öğe Identification of walnut variety from the leaves using deep learning algorithms(2023) Karadeniz, Alper Talha; Başaran, Erdal; Çelik, YükselIn order to determine the variety from walnut leaves, each leaf must be examined in detail. Species that are very similar in color and shape to each other are very difficult to distinguish with the human eye. Examining and classifying plant leaves belonging to many classes one by one is not appropriate in terms of time and cost. Studies on walnut varieties in the literature are generally classified as a result of experimental studies in the laboratory environment. There are two or three different classes in studies using walnut leaf images. In this study, firstly, a unique walnut dataset obtained from 1751 walnut leaf images obtained from 18 different walnut varieties was created. Classification was made using deep learning methods on the original walnut dataset. It has been tested with CNN models, which are widely used in the literature, and some performance metrics are recorded and the results are compared. The images were first preprocessed for cropping, denoising and resizing. Classification was made using CNN models on the original dataset and augmented dataset with data augmentation method. It was seen that the VGG16 CNN model gave the best results both in the original dataset and the augmented dataset. In this model, the accucarcy result found with the original data set was 0.8552, while the accuracy result in the enhanced data set was 0.9055. When the accuracy values are examined, it is seen that walnut varieties are classified successfully.Öğe Normal ve kronik hastalıklı orta kulak imgelerinin evrişimsel sinir ağları yöntemiyle tespit edilmesi(2020) Başaran, Erdal; Cömert, Zafer; Sengür, Abdulkadir; Budak, Ümit; Çelik, Yüksel; Togaçar, MesutOrta kulak iltihabı kulak zarının arkasında sıvı birikmesi olarak bilinmektedir. Orta kulak iltihabının uzun süreli tedaviye yanıt vermemesi ve kulak zarının delinmesi ile karakterize olan kronik orta kulak iltihabı işitme kaybına bile sebep olabilen ciddi bir rahatsızlıktır. Bu çalışmada gerekli etik kurulu izni alındıktan sonra Özel Van Akdamar Hastanesinde gönüllü hastalardan otoskop cihazı ile elde edilen 598 adet normal orta kulak görüntüsü ve kronik hastalıklı orta kulak görüntüleri ile sınıflandırma işlemi gerçekleştirilmiştir. Son yıllarda yapay zekâ kapsamında değerlendirilen algoritmalar hemen her alanda kullanılmaktadır. Sağlık alanında da tanı ve karar destek sistemleri geliştirilerek başarılı çalışmalar yapılmaktadır. Bu çalışmada yapay zekâ algoritmalarından olan ve özellikle biyomedikal görüntü sınıflandırma çalışmalarında da iyi sonuçlar elde edilen evrişimsel sinir ağı mimarilerinden olan AlexNet, VGG16, VGG19, GoogleNet, ResNet18, ResNet50, ResNet101 modelleri kullanılmıştır. Deneysel çalışmalar sonucu VGG19 mimarisi ile %97.2067 başarı oranı elde edilmiştir. Evrişimsel sinir ağları yöntemi normal ve kronik orta kulak görüntülerini ayırt etmede başarılı bir yöntemdir.Öğe Son üç yılda geliştirilen metasezgisel algoritmalar hakkında kısa bir inceleme(2019) Çelik, Yüksel; Yıldız, İlker; Karadeniz, Alper TalhaOptimizasyon bir problemin olabilecek farklı çözümleri arasından en iyi sonucu verenin bulunmasıdır. Optimizasyon problemlerininçözümünde birçok algoritma kullanılmaktadır. Optimizasyon algoritmaları genel olarak sezgisel optimizasyon algoritmaları vematematiksel optimizasyon algoritmaları olarak ikiye ayrılmaktadır. Matematiksel optimizasyon algoritmaları, tüm çözüm kümesinitarayarak çözüme ulaşmayı amaçlarken, sezgisel optimizasyon algoritmaları ise, çözüm kümesine sezgisel olarak yaklaşmakta ve eniyi çözüme yada en iyiye yakın bir çözüme ulaşmayı amaçlamaktadır. Çözüm kümesi geniş olan problemlerde matematikseloptimizasyon algoritmalarının kullanımı maliyetlidir. Bu tip problemlerin çözümünde, sezgisel optimizasyon algoritmaları dahaavantajlı olup daha fazla tercih edilmektedir. Bir optimizasyon algoritmasının her tür problem veya test fonksiyonu üzerinde başarılıolması beklenemez. Bu nedenle hangi tür problemin hangi algoritma ile daha iyi çözüldüğünün belirlenmesi gerekmektedir.Günümüzde temel sezgisel metotların birleşerek etkili kullanımı sonucunda Metasezgisel isimli algoritmalar geliştirilmiştir. Bualgoritmalar, yüksek seviyeli çalışma ortamında, verimli arama işlemleri kullanarak çözüm uzayındaki optimum çözüme daha hızlışekilde ulaşmaktadır. Metasezgisel optimizasyon tekniklerinin kullanımının yaygın olması nedeniyle, günümüzde birçok yenimetasezgisel optimizasyon algoritmaları önerilmektedir. Önerilen bu algoritmalar üzerinde geliştirmeler ve hibrit çalışmalar dayapılmaktadır. Bu çalışmada, literatürde son üç yılda (2017-2019) önerilmiş olan, Harris Hawks Optimizasyon Algoritması (HHO),Satin Bowerbird Optimizasyon Algoritması (SBO), Optimal Foraging Algoritması (OFA), Butterfly Optimizasyon Algoritması(BOA), Pity Beetle Algoritması (PBA) ve Collective Decision Optimizasyon Algoritması (CDOA) ele alınmıştır. Geliştirilen bu yenioptimizasyon algoritmalarının esinlendikleri alan, çalışma mantıkları ve arama stratejileri incelenerek sunulmuştur. Gerçekleştirilenbu derlemenin metasezgizel optimizasyon problemleri alanında yapılacak olan çalışmalara ışık tutacağı düşünülmektedir.Öğe Timpanik membran görüntü özellikleri kullanılarak sınıflandırılması(2021) Başaran, Erdal; Cömert, Zafer; Çelik, YükselOrta kulak inflamasyonu olarak bilinen otitis media rahatsızlığının teşhis edilmesi için otoskop cihazı ile zar bölgesine bakılarak karar verilmektedir. Dokusal özellik çıkarma algoritmaları, görüntüler üzerinde bölge tespiti ve görüntüye ait özelliklerin elde edilmesinde yaygın olarak kullanılmaktadır. Bu çalışmada gerekli yasal izinler alındıktan sonra elde edilen orta kulak görüntülerinde normal ve otitis media görüntülerinin ayırt edilmesi için literatürde yaygın olarak kullanılan gri seviyeli eş-oluşum matrisi, yerel ikili örüntüler, yönlü gradyanların histogram algoritmaları kullanılmıştır. Bu dokusal özellik çıkarma algoritmalarının görüntüleri sınıflandırma üzerinde başarıları incelendikten sonra her bir özellik setine görüntülere ait renk kanallarının ortalamaları da eklenerek bu özelliğin sınıflandırma başarısına etkisi incelenmiştir. Sonuç olarak tek başına bir dokusal özellik çıkarma algoritması kullanıldığında en iyi sonuçlar yerel ikili örüntü algoritması ile elde edilmiştir. Bu algoritmaya renk kanallarının ortalaması da eklendiği zaman sınıflandırma başarısını olumlu yönde etkilediği sonucuna varılmıştır. Sınıflandırma sonucunda % 78.67 doğruluk oranı elde edilmiştir.Öğe Urban traffic optimization with real time intelligence intersection traffic light system(2018) Çelik, Yüksel; Karadeniz, Alper TalhaThese instructions give you guidelines for preparing papers for IJISAE. Use this document as a template if you are usingMicrosoft Word 2007 or later. Otherwise, use this document as an instruction set. Paper titles should be written in uppercase and lowercaseletters, not all uppercase. Avoid writing long formulas with subscripts in the title; short formulas that identify the elements are fine (e.g.,\"Nd–Fe–B\"). Do not write “(Invited)” in the title. Full names of authors are preferred in the author field, but are not required. Put a spacebetween authors’ initials. The abstract must be a concise yet comprehensive reflection of what is in your article. In particular, the abstractmust be self-contained, without abbreviations, footnotes, or references. It should be a microcosm of the full article. The abstract must bebetween 150–250 words. Be sure that you adhere to these limits; otherwise, you will need to edit your abstract accordingly. The abstractmust be written as one paragraph, and should not contain displayed mathematical equations or tabular material. The abstract should includethree or four different keywords or phrases, as this will help readers to find it. It is important to avoid over-repetition of such phrases asthis can result in a page being rejected by search engines. Ensure that your abstract reads well and is grammatically correct.Öğe Xception derin öğrenme modeli ve gabor filtreleri ile çdööe-dvm algoritması kullanılarak mikro ifadelerin tanınması(2023) Uzun, Mehmet Zahit; Başaran, Erdal; Çelik, YükselMikro ifade (Mİ), insanların riskli bir ortamda bir olaya karşı istemsiz ve kontrolsüz duygusal tepkilerini gizlemeye çalıştıklarında ortaya çıkan sızıntıdır. Duyguyu yaşayan kişi risk altında bunu bastırmaya çalıştığı için yüze yansıması düşük yoğunlukta, belirli bir bölgede ve çok kısa sürede gerçekleşir. İfade istemsizce ortaya çıktığı için sahte değil tamamen doğal olmaktadır. Bu doğal ifadelerin doğru tespiti sayesinde adli, klinik, eğitim gibi birçok alanda etkili bir şekilde kullanılması sağlanabilir. Bu çalışmada Mİ tanıma hedefi için oluşturulan model yapısında sırasıyla önişleme, öznitelik çıkarma, öznitelik seçme ve sınıflandırma görevleri kullanılmıştır. Önerilen model yapısında literatürde en çok kullanılan, kamuya açık Mİ veri setlerinden CASME-II kullanılmıştır. Ön işleme aşamasında Optik Akış algoritmalarında kullanılmak üzere her bir video klipin görüntü dizisinden başlangıç (onset) ve tepe (apex) kareleri seçilir. Bu iki kare kullanılarak Farneback, TV-L1 Dual ve TV-L1 e ait yatay ve dikey optik akış görüntüleri elde edilmiş, ardından bu optik akış görüntüleri evrişimsel sinir ağı (ESA) modeli olan Xception ve geleneksel model olan Gabor modelleri kullanılarak görüntülere ait öznitelikler elde edilmiştir. Elde edilen bu özniteliklere ait ayırt edici olanları filtrelemek için çapraz doğrulama ile özyinelemeli özellik eleme (ÇDÖÖE) öznitelik seçim algoritması kullanılmıştır. Son olarak doğrusal destek vektör sınıflandırıcısı (DVS), filtrelenmiş Mİ özniteliklerini pozitif, negatif ve sürpriz olmak üzere üç sınıfa ayırmıştır. Önerilen Mİ model yapısından elde edilen sonuçlar 0.9248 doğruluk oranı başarısı göstermiştir.
