Yazar "Atila, Ümit" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    3b cbs kapsamında çok katlı bina yangınlarına yönelik akıllı bireysel tahliye modelinin yapay sinir ağı ile tasarlanması
    (Karabük Üniversitesi, 2013) Atila, Ümit; Karaş, İsmail Rakıp
    Günüzümün modern şehirlerinde çok katlı, karmaşık ve geniş alanlara yayılmış binaların sayısı her geçen gün artmaktadır. Onlarca kat, yüzlerce koridor, oda ve geçitlerden oluşan bu binalar, hem karmaşık yapıları, hem de barındırdıkları nüfus itibarı ile adeta birer küçük şehir gibidirler. Bu tür yüksek katlı binalarda nüfus yoğunluğu beraberinde yangın çıkma riskini de artırmaktadır. İç mekânlarda meydana gelebilecek yangınlarda en kısa sürede binanın tahliyesi büyük önem kazanmaktadır. Modern binaların karmaşıklığı ve içinde yaşayan insanların fazlalığı göz önüne alındığında böylesine hızlı bir tahliyenin çok zor olduğu ortadadır. Bu tür olaylarda panik, yığılma, birbirini çiğneme, çıkışlara ulaşamama gibi durumların oluşması kaçınılmaz gibidir. Bu sebeple bilgi tabanlı, dinamik, gerçek zamanlı, etkileşimli tahliye stratejileri ve sistemlerinin oluşturulması büyük önem kazanmaktadır. Bu tez çalışmasıyla, gerekli teknolojik alt yapıya sahip yüksek binalarda meydana gelen yangın olaylarında ortamın fiziksel şartlarını ve tahliye edilecek olan kişinin özelliklerini dikkate alarak kişinin en uygun güzergâhtan tahliyesini sağlayacak tahliye komutlarını gerçek zamanlı olarak üretebilecek akıllı bireysel tahliye modelinin yapay sinir ağı ile tasarlanması amaçlanmıştır. Akıllı tahliye motorunun beyni olan zeki model, yapay sinir ağlarında tahmin ve sınıflandırma problemlerinde sıklıkla tercih edilen ve yapay sinir ağlarının danışmanlı öğrenme stratejisini kullanan Çok Katmanlı Algılayıcı- ÇKA (Multilayer Perceptron) modeli kullanılarak geliştirilmiştir. Tasarlanan ÇKA modeli belirlenen uygun parametreler ile eğitilmiş ve test işlemleri gerçekleştirilerek akıllı tahliye süreci için en uygun hale getirilmiştir. Tahliye sürecini daha iyi anlayabilmek ve üç boyutlu (3B) ortamda test edebilmek amacıyla bir simülasyon modülü geliştirilmiştir. Geliştirilen modül, yangın sonucu oluşan acil duruma ait karakteristik özelliklerin benzetimini 3B simülasyon ortamında gerçekleştirir. Hazırlanan tahliye simülasyonu, altyapı olarak tez kapsamında Java programlama dili ile geliştirilmiş bir CBS yazılımını kullanmaktadır. Geliştirilen bu CBS uygulaması, CityGML biçiminde saklanan 3B bina ve 3B bina içi ulaşım ağı modellerini görselleştirebilmekte ve Oracle Spatial'ın ağ modeliyle oluşturulan 3B bina ulaşım ağı üzerinde çeşitli ağ analizleri gerçekleştirebilmektedir.
  • Küçük Resim Yok
    Öğe
    A study on performance improvement of heart disease prediction by attribute selection methods
    (2019) Akyol, Kemal; Atila, Ümit
    Heart pumps blood for all tissues of the body. The deteriorate of this organ causes a severe illness, disability and death since cardiovascular diseases involve the diseases that related to heart and circulation system. Determination of the significance of factors affecting this disease is of great importance for early prevention and treatment of this disease. In this study, firstly, the best attributes set for Single Proton Emission Computed Tomography (SPECT) and Statlog Heart Disease (STATLOG) datasets were detected by using feature selection methods named RFECV (Recursive Feature Elimination with cross-validation) and SS (Stability Selection). Secondly, GBM (Gradient Boosted Machines), NB (Naive Bayes) and RF (Random Forest) algorithms were implemented with original datasets and with datasets having selected attributes by RFECV and SS methods and their performances were compared for each dataset. The experimental results showed that maximum performance increases were obtained on SPECT dataset by 14.81% when GBM algorithm was applied using attributes provided by RFECV method and on STATLOG dataset by 6.18% when GBM algorithm was applied using attributes provided by RFECV method. On the other hand, best accuracies were obtained by NB algorithm when applied using attributes of SPECT dataset provided by RFECV method and using attributes of STATLOG dataset provided by SS method. The results showed that medical decision support systems which can make more accurate predictions could be developed using enhanced machine learning methods by RFECV and SS methods and this can be helpful in selecting the treatment method for the experts in the field.