Yazar "Kutluana, Gökhan" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Öğe
    GRAF DÖNÜŞÜMLÜ DERİN ÖĞRENME İLE EKG SİNYALLERİNİN SINIFLANDIRILMASI
    (2023-11) Kutluana, Gökhan
    Biyolojik sistemler, sosyal ağlar, besin ağları, bilgisayar ağları ve daha birçok karmaşık sistemi ifade etmek için kullanılan graflar, günümüzde yapay zekâ alanında bir temsil yöntemi olarak da yaygın bir kullanım alanı bulmaktadır. Özellikle bu karmaşık sistemler ile ilgili karşılaşılabilecek makine öğrenmesi problemlerinin çözümünde graf ve graf özelliklerinden yararlanılmaktadır. Zaman serilerinden olan EKG, EEG, EOG ve EMG gibi çeşitli biyomedikal sinyaller biyolojik durum ve rahatsızlıkların tespit edilmesi ve sınıflandırılması için gerekli veri altyapısını sağlarlar. Görünürlük grafları ise zaman serisi verilerinin bazı temel sinyal özelliklerinin graf olarak temsil edilmesine olanak sağlamakta, bu özelliğiyle kullanımı gittikçe artan bir dönüşüm yöntemi olarak öne çıkmaktadır. Bu tez çalışmasında, çok boyutlu bir zaman serisi olarak nitelendirilebilecek 12-derivasyonlu EKG’nin graf temsillerinden elde edilen komşuluk matrisi diyagonalleri ve düğüm ağırlık dizisi özellik setlerinin ResNet ve Inception ağ modellerine girdi olarak verilerek grafların EKG sinyallerini temsil yeteneği araştırılmıştır. Çalışmada 21801 kayıttan oluşan PTB-XL veri seti kullanılmıştır. PTB-XL veri seti üst tanı, alt tanı, form ve ritim kategorilerinde yer alan 71 farklı EKG durumunu içermektedir. Üst tanı durumları dikkate alınan çalışmada çoklu-etiket sınıflandırma gerçekleştirilmiştir. ResNet ve Inception ağ modelleri özellik setlerinin farklı kombinasyonları için tek kanallı ve çok kanallı olarak oluşturulmuş ve her bir deneme 10 kez tekrar edilmiştir. Veri setleri üzerinde gerçekleştirilen sınıflandırma denemelerinde komşuluk matrisinin ilk 3 diyagonalinin giriş verisi olarak kullanıldığı ResNet ağ modeli, orijinal sinyal, düğüm ağırlıkları ve farklı giriş verisi kombinasyonlarına oranla daha üstün bir sınıflandırma başarısı göstermiştir. Çoklu-etiket sınıflandırmada kullanılan başarı metriği olan AUC değeri dikkate alındığında, tez çalışması kapsamında elde edilen en yüksek değer olan %93,46 ile bu veri seti için daha önce gerçekleştirilen çalışmalardan daha yüksek bir sınıflandırma başarısı elde edilmiştir. Böylece graf tabanlı sınıflandırmanın geleneksel yöntemlerden daha iyi sonuç verme potansiyeli ortaya koyulmuştur. ?
  • Küçük Resim Yok
    Öğe
    Web tabanlı kompleks ağ simülatörü tasarımı
    (Karabük Üniversitesi, 2016) Kutluana, Gökhan; Türker, İlker
    Günümüzün popüler çalıma alanlarından olan kompleks ağlar, gerçek dünyada var olan birçok kompleks sistemi ifade etmek için kullanılırlar. Kompleks ağlar üzerine yapılan çalışmalar; ağların analiz edilmesi, modellenmesi ve görselleştirilmesi üzerine yoğunlaşmıştır. Bu çalışmada, bilinen temel kompleks ağ modellerinin ve bu modeller arasında gerçekleşen dönüşümler sonucunda oluşan ağların analizi yapılmış ve bu modeller geliştirilen web tabanlı uygulamayla görselleştirilmiştir. Barabási-Albert, Erd?s-Rényi ve Düzenli Ağ modelleri arasında dönüşümler gerçekleştirilmiştir. Bu dönüşümlerin sonucunda, kümelenme katsayısı, ortalama yol uzunlukları ve derece dağılımı özelliklerinin değişimi çıktı olarak verilmiştir. Ayrıca kurulum gerektirmeyen web tabanlı uygulama ile bu modeller ve aralarındaki dönüşümler kolay erişilebilir ve eğitilebilir hale getirilmiştir.