Browsing by Author "Erdem, Hamit"

Now showing 1 - 20 of 27

Akıllı batarya kapasitesinin derin öğrenme yöntemleriyle tahmini
(Başkent Üniversitesi Fen Bilimler Enstitüsü, 2024) Tun., Tuğhan; Erdem, Hamit
Günümüzde lityum iyon bataryalar, verimli bir enerji depolama elemanı olarak üretimin ve yaşamın çeşitli alanlarında yeri doldurulamaz bir rol oynamaktadır. Lityum iyon bataryaların sağlık durumu (SOH), enerji depolama sisteminin güvenli çalışması için kritik öneme sahiptir. Lityum iyon bataryaların sağlık durumunun bozulması batarya performansının düşmesine, mevcut maksimum kapasitenin azalmasına, hizmet ömrünün kısalmasına, elektrikli araçların sürüş menzilinin azalmasına ve hatta elektrikli araç kullanımında güvenlik açıkları meydana gelmesine yol açabilmektedir. Bu tez çalışmasında batarya yönetim sisteminden gelen, yaşlanmaya bağlı olarak değişen gerilim, akım ve sıcaklık profilleri gibi ölçülebilir veriler kullanılmış bu veriler ile kapasite değişim vektörü elde edilmiş ve Dikkat Mekanizmalı Geçitli Tekrarlayan Birim yöntemi ile bir kapasite tahmin çerçevesi önerilmiştir. Bu verilere dayanarak kapasite ile şarj profilleri arasındaki ilişki sinir ağları tarafından öğrenilir. Bu çalışmada ulaştığımız deneysel sonuçlar hem soğuk hem sıcak hem de oda sıcaklığı koşullarından NASA lityum iyon batarya veri setlerine dayanır. Önerilen dikkat mekanizmalı GRU yöntemi, bataryanın sağlığının tahmininde ortalama mutlak yüzde hata açısından derin öğrenme yöntemlerinden olan LSTM, GRU, BiLSTM, LSTM-AM ve BiLSTM-AM yöntemlerine kıyasla sırasıyla %35, %27, %20, %16 ve %10'a kadar daha başarılı olduğu görülmüştür. Yapılan benzetim çalışmaları MATLAB ortamında derin öğrenme toolbox’ı kullanılarak gerçekleştirilmiştir. Son yıllarda dikkat mekanizmaları, zaman serisi tahmin modellerinin performansını artırmak için güçlü bir araç olarak ortaya çıkmıştır. Bu çalışmada, zaman serisi problemlerinin çözümlerinde kullanılan LSTM, BiLSTM ve GRU aynı NASA veri setleri üzerinde denenmiş ve her biri dikkat mekanizması ile birleştirilerek performansları ölçülmüştür. Bu üç yöntemden daha hızlı ve basit olmasıyla GRU tercih edilmiştir. Bu çalışmada önerilen mekanizma GRU ile Dikkat Mekanizmasını birleştirerek oluşturulmuş SoH öngörüm mekanizmasıdır. Lithium-ion batteries play an irreplaceable role in various areas of production and life as an efficient energy storage element. The state of health (SOH) of lithium-ion batteries is critical to the safe operation of the energy storage system. Deterioration of the health status of lithium-ion batteries can lead to a decrease in battery performance, a decrease in the current maximum capacity, a shortening of the service life, a decrease in the driving range of electric vehicles and even security vulnerabilities in the use of electric vehicles. In this paper, measurable data such as voltage, current and temperature profiles coming from the battery management system, which change due to aging, were used to obtain the capacity change vector with these data and a capacity estimation framework was proposed with the Gated Recurrent Unit with Attention Mechanism method. Based on these data, the relationship between capacity and charging profiles is learned by neural networks. The experimental results we reached in this study are based on NASA lithium-ion battery data sets from both cold, hot and room temperature conditions. The proposed GRU with attention mechanism method has been found to be successful in terms of average absolute percentage error in estimating the health of the battery up to 35%, 27%, 20%, 16% and 10% better than the deep learning methods LSTM, GRU, BiLSTM, LSTM-AM and BiLSTM-AM, respectively. The simulation studies were carried out using the deep learning toolbox in the MATLAB environment. In recent years, attention mechanisms have emerged as a powerful tool to improve the performance of time series forecasting models. In this work, LSTM, BiLSTM and GRU, which are used in solving time series problems, were tested on the same NASA data sets and their performances were measured by combining each with the attention mechanism. GRU was preferred because it is faster and simpler than these three methods. The mechanism proposed in this study is the SoH prediction mechanism created by combining GRU and Attention Mechanism.
Ataletsel ölçüm birimi hata analizi ve modellenmesi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2017) Akbaş, Eren Mehmet; Erdem, Hamit
Ataletsel navigasyon sistemi, navigasyon denklemleri üzerinden ataletsel ölçüm birimi algılayıcı çıktılarını kullanarak konum, hız, ivme ve yönelim hesaplamaktadır. Hız değerlerin elde edilmesi için gerekli tümlev alma işlemleri sonucu biriken algılayıcı hataları ve sistemin yanlış modellenmesi, uzun süren navigasyon uygulamalarında, bir sonraki durumun kestirilmesinde kritik öneme sahiptir. Bu durum, kestirim için kullandığımız Kalman filtresi yapısını etkilemektedir. Kalman filtresi, durum uzay modeli ile temsil ettiğimiz sistemde, modelin önceki bilgileri ile giriş ve çıkış bilgilerinden sistemimizin durumlarını tahmin edilebilen başarılı bir filtredir. Bu tez çalışmasının amacı, geliştirilen ve güçlendirilerek adaptif hale getirilen Kalman Filtresi algoritması ile ataletsel navigasyon için kestirim hatalarını minumum değerlere indirerek sistem performansının artırılmasıdır. Unutma faktörü ile adaptif hale getirilen Kalman filtresi algoritması denenip, geleneksel Kalman filtresi ile karşılaştırılacaktır. Hata kompanzasyonu sonrasında, doğruluk analizi ile performans karşılaştırması yapılacaktır. Sistem modelinin hatalı ve hatasız olarak kurulması sonucu iki farklı durum için karşılaştırma yapılmıştır. Imu01b ataletsel algılayıcısı, Arduino denetleyicisi üzerinden I2C haberleşme protokolü ile alınan ivme değerleri Matlab benzetim ortamına aktarılarak tasarlanan adaptif Kalman algoritmasının performası değerlendirilmiştir. The working principle of Inertial navigation system, determines acceleration, velocity, position and attitude by using navigation equations and inertial sensor outputs.For calculation of these values, accumulation of sensor errors propagated by integration and wrong modelling of the system become very crucial in long-term applications and estimating the next state. The Kalman Filter is filtered in a dynamic system, which is represented by the state space model, in which the state of the system can be estimated from input and output information along with the model's previous information. The purpose of this thesis is to developed and enhanced by adapting of the Kalman Filter algorithm, increases the system performance by decreasing the estimation errors for inertial navigation. For this, adaptive Kalman filter algorithm tried and compared to classic Kalman filter. After the error compensation, accuracy analysis and performance comparison will be done. Imu01b inertial sensor, acceleration values obtained by I2C communication protocol via Arduino controller are transferred to matlab simulation environment so the performance of the adaptive Kalman algorithm has been evaluated.
CAN Bus Sistemi için FPGA Tabanlı Saldırı Tespit Sisteminin Geliştirilmesi
(Başkent Üniversitesi Fen Bilimler Enstitüsü, 2022) Arpacı, Orhan; Erdem, Hamit
Günümüz araç sistemleri teknolojik açıdan hızla gelişmektedir. Gelişen araç sistemlerindeki elektronik ünitelerin sayısı da git gide artmaktadır. Araç içi elektronik birimlerin farklı iletişim ağları ile dış dünya iletişimime açılması ile bu birimlerin veri iletişiminin güvenliği araştırma konusu olmuştur. Günümüz araçlarda araç içi iletişimde CAN veri yolu kullanılmaktadır. CAN veri yolu bit hatası açısından güvenilir bir veri yolu olsa da birçok güvenlik açığını da barındırmaktadır. CAN veri yolunun güvenlik açıklarını kapatmak için birçok saldırı tespit sistemi geliştirilmektedir. Saldırı tespit sistemleri ile CAN veri yoluna yapılabilecek saldırıların tespiti ve karşı önlemlerin alınması hedeflenmektedir. Bu tez kapsamında araç içerisindeki CAN veri yoluna fiziksel olarak yapılacak bir saldırıyı tespit edebilen bir saldırı tespit sistemi gerçeklenmiştir. Bu gerçeklemede elektronik birimlerin veri transferi sırasında, CAN veri yolunda oluşturdukları sinyaller incelenmiştir. İncelenen CAN sinyallerinden, sinyallerin parmak izlerinin çıkarılabileceği kanıtlanmıştır. Sinyallerin parmak izlerinin çıkarılması için FPGA üzerinde bir CAN IP çekirdeği geliştirilmiştir. Çıkarılan sinyal özellikleri MLP ve LSTM olmak üzere iki farklı tür yapay sinir ağlarının eğitiminde kullanılmıştır. Eğitilen yapay sinir ağları ile CAN veri yoluna fiziksel olarak saldırı gerçekleştiren bir elektronik cihazın bıraktığı sinyalin parmak izlerinden saldırı tespiti yapılmıştır. Today’s vehicle systems have been developing rapidly. The number of electrical units in the vehicle systems are increasing. With the opening of the in-vehicle electronic units to the outside world with different communication networks, the security of the data communication of these units has been the subject of research. In vehicle systems CAN bus is used to communicate between electrical control units (ECU). CAN bus is a very reliable communication network according to bit error rate. However, CAN bus has numerous vulnerabilities in terms of security. In order to seal these security vulnerabilities many intrusion detection systems (IDS) have been developed. With intrusion detection systems, it is aimed to detect attacks on the CAN bus and take countermeasures. In this thesis, an intrusion detection system which can detect attacks in the physical layer of the CAN bus. For his purpose, CAN signals, which are produced by ECUs, were analyzed. It is proven that ECU footprints can be extracted from CAN signals. In this thesis, to extract footprint of signals, a CAN IP core was implemented on FPGA. Extracted footprints were used to train different neural network architectures which are MLP and LSTM. Trained neural networks were used to detect intrusions by using signal footprints of intruder ECUs.
Derin öğrenmeye dayalı bir yaklaşım kullanarak kitap öneri videolarından başlık çıkarma
(Başkent Üniversitesi Fen Bilimler Enstitüsü, 2024) Sarımehmetoğlu, Bartu; Erdem, Hamit
Resimlerden ve videolardan metin çıkarmak; video arama, video düzenleme ve çeviri dahil olmak üzere çok çeşitli uygulamalarla ortaya çıkan bir araştırma alanıdır. Günümüzde farklı dillerde kitap tanıtım videoları sosyal medyada ve özellikle YouTube'da paylaşılmaktadır. Bu çalışmada, kitap tanıtım videoları aracılığıyla kitap başlıklarının alınması önerilmektedir. Geliştirilen sistem girdi olarak video çeker ve kitapların adlarını ayırır. İzleyici, tespit edilen kitap başlıklarına tıklayarak istediği kitabı seçebilir ve videonun ilgili bölümünü izleyebilir. Bu uygulama, izleyici tarafından zaman tasarrufu sağlar. Bu uygulamaya ulaşmak için kitapların adlarını videolardan almak için derin öğrenmeye dayalı bir sistem geliştirilmiştir. Çalışmada YOLO bazlı yöntem kullanılmıştır. Çalışmada farklı YOLO algoritmaları kullanılmış ve YOLOv5'in daha başarılı olduğu bulunmuştur. Bu çalışma, kitap tanıtım videolarından kitap başlıklarını çıkarmak için derin öğrenmeye dayalı bir yaklaşım geliştirerek metin çıkarma ve video analizi alanına katkıda bulunmaktadır. Extracting text from images and videos is an emerging field of research with a wide range of applications, including video search, video editing, and translation. Nowadays, book promotion videos in different languages are shared on social media and especially on YouTube. In this study; It is recommended to take book titles through book promotion videos. The developed system takes video as input and separates the names of the books. The viewer can select the desired book by clicking on the detected book titles and watch the relevant part of the video. This application result in time saving by the viewer. In order to achive this application, a deep learning-based system was developed to retrieve the names of books from videos. YOLO-based method was used in the study. Different YOLO algorithms were used in the study, and YOLOv5 was found to be more successful. This study contributes to the field of text extraction and video analysis by developing a deep learning-based approach to extract book titles from book promotion videos.
Development of a MFCC-SVM Based Turkish Speech Recognition System
(2016) Tombaloglu, Burak; Erdem, Hamit
In this study, a SVM-MFCC based Turkish Speech Recognition system is devoloped. In the structure, Mel Frequency Cepstral Coefficients (MFCC) are used for feature extraction and Support Vector Machines(SVM) are used for classification of the phonemes. Three more phoneme recognition methods are applied to same dataset and their perfomance is compared. The applied methods are the combination of the Linear Prediction Cepstral Coefficients (LPCC), which is a commonly used method of feature extraction and Hidden Markov Method (HMM) which is a known classification method. The applied feature extraction and classification methods has been selected due to phoneme-based property of the Turkish language.
Elektrik güç sistemi harmoniklerinin yapay arı kolonisi algoritmasıyla kestirimi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2021) Bütün, İsmail Mert; Erdem, Hamit
Elektrik enerjisi talebi gün geçtikçe artmaktadır. Kullanılan doğrusal olmayan yüklerden dolayı güç kalitesi problemleri oluşmaktadır. Güç kalitesi problemlerinden en önemlisi harmoniklerin oluşmasıdır. Harmoniklerin genlik, frekans ve faz açısından doğru tahmini ve engellenmesi, güç kalitesini ve verimi artırır. Yapay zeka ve akıllı sistemlerin gelişmesiyle harmoniklerin tahmini için Fourier dönüşümü temelli algoritmaların yanısıra akıllı yöntemler de kullanılmaktadır. Bu tez çalışmasında harmoniklerin genlik ve faz kestirimi için küçük kareler yöntemi ile yapay arı kolonisi algoritmasından oluşan hibrit bir algoritma geliştirilmiştir. Harmoniklerin genliği en küçük kareler yöntemiyle hesaplanırken faz açıları global optimizasyon algoritması olan yapay arı kolonisi algoritması ile tahmin edilmiştir. Önerilen algoritmanın başarısını benzetim ortamında test etmek için literatürde önerilen iki farklı harmonikli sinyal kullanılmıştır. Geliştirilen algoritma payton yazılımı ortamında denenmiş ve sonuçlar, standart ölçütlere göre, benzer çalışmalarla karşılaştırılarak tartışılmıştır. The demand for electrical energy increases by time. Power quality problems ocur due to the non-linear loads used. The most important of the power quality problems is the occurence of harmonics. The correct estimation and preventation of harmonics in terms of amplitude, frequency and phase improves power quality and efficiency. With the development of artificial intelligence and smart systems, intelligent methods are used to estimate harmonics as well as Fourier transform based algorithms. In this thesis, a hybrid algorithm was developed for amplitude and phase estimation of harmonics. While the amplitude of the harmonics was calculated by the least squares method, the phase angles were estimated by the artificial bee colony algorithm which is a global optimization algorithm. Two different harmonic signals proposed in the literatüre were used to test the success of the proposed algorithm in the simulation environment. The developed algorithm was tested in the Python software environment and the results were discussed according to standard measures by comparing with similar studies.
Elektrik güç sistemlerinde harmonik analizi algoritmaları geliştirme
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2015) Germeç, Kadir Egemen; Erdem, Hamit
Elektrik güç sistemlerinde, enerji kalitesinin artırılması ve kayıpların azaltılması açısından harmonik bileĢenlerin hızlı ve doğru olarak belirlenmesi önem taĢımaktadır. Bu amaçla yapılan tez çalıĢmasında, elektrik güç sistemlerinde zamanla değiĢen sinyaller için, ADALINE ( Uyarlamalı Doğrusal Eleman ) tabanlı algoritmalar kullanılarak, temel frekans tespiti ile harmonik ve ara harmonik bileĢenlerin genlik ve faz açılarının kestirimini kapsayan çok iĢlevli bir sistem yapısı geliĢtirilmiĢtir. Bu algoritmalardan FADALINE (Fourier ADALINE) tabanlı algoritmalar sadece harmonik ve ara harmonik bileĢenlerini kestirirken, geliĢtirilen GADALINE (GeniĢletilmiĢ ADALINE) algoritması ile sistemde olası temel frekans değiĢiklikleri de kestirebilmektedir. ÇalıĢmada, geliĢtirilen bu algoritmaların matematiksel çözümlemesi yapılmıĢ ve baĢarımı, benzetim çalıĢmalarıyla ara harmonikli ve temel frekansı değiĢen gürültü içeren sinyaller uygulanarak denenmiĢtir. MATLAB programı ile benzetim ortamında yapılan bu çalıĢmalar sistemin, akım ve gerilim dalga Ģekillerinin harmonik analizinde kullanıĢlı, etkin sonuçlar verdiğini göstermektedir. Elde edilen çıktılar, harmonik ve ara-harmonik bileĢenlerin genlik ve faz açılarının hangi değerlere sahip oldukları bilgisine ek olarak, bu bileĢenlerin hangi zaman aralığında ve ne oranda etkin oldukları bilgisini de sunmaktadır. Böylece, zamanla değiĢen harmonik ve ara harmoniklerin bireysel etkilerinin, zaman-harmonik uzayında 3 boyutlu olarak izlenebilmesine olanak sağlanarak analiz yönteminin etkinliği artırılmaktadır. Ayrıca sistem, parametrelerinin dahil edildiği ortama uygun olarak seçilebilmesinden dolayı, uyarlanabilir özellik taĢımaktadır. In Electrical Power Systems, a rapid and accurate estimation of harmonic components in terms of reducing losses and increasing the quality of energy is an important concern. In this study, a multifunctional system structure which includes fundamental frequency detection, phase angle and amplitude estimation of harmonic and inter harmonic components is developed by using ADALINE (Adaptive Linear Element) based algorithms for time varying signals. Among these algorithms, FADALINE (Fourier ADALINE) estimates only harmonic and inter harmonic components, whereas EADALINE (Extended ADALINE) estimates probable values of the fundamental frequency variances. In this study, these algorithms are analyzed mathematically and the performance of these improved algorithms is tested in simulations by applying noisy signals including variable fundamental frequency and inter harmonic components. The results of the experimental studies which are obtained by using MATLAB simulation environment demonstrate that this system is convenient and effective for the harmonic analysis of the current and voltage waveforms. In addition to the information of amplitude and phase angle values of harmonic and inter harmonic components, the results also provide information regarding in which time interval and at what ratio these components are efficient. Thus, the individual effects of this time-variant harmonic and inter harmonic components can be instantly detected in the 3D time-harmonic space, then the efficiency of the evaluation method can be increased. Moreover, the system is adaptive because its parameters can be chosen appropriate to the environment where it was integrated.
Ev ve işyeri otomasyonunun uzaktan çoklu yöntemle sağlanması
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2007) Üner, Armağan; Erdem, Hamit
Bu çalısmada ev ve isyeri otomasyonunun uzaktan çoklu yöntemle saglanması amaçlanmıstır. Bu alanda yapılan önceki çalısmalarda uzaktan denetim ayrı ayrı kanallar üzerinden yapılmıstır. Yapılan bu çalısmada ise var olan denetim yöntemleri birlestirilerek birden çok kanalla uzaktan erisim saglanması amaçlanmıstır. Bu erisim seçenekleri arasında web sitesi, el bilgisayarı, akıllı telefon, kısa mesaj ve çevirmeli telefon yer almaktadır. Uzaktan denetim metotları sayesinde kullanıcıya mekan ve zamandan bagımsız, sisteme kolay ve esnek ulasma olanagı saglanabilir. Bu dogrultuda yazılım ve donanım tabanlı bir sistem gelistirilmistir. Yazılım .NET platformu ve çok katmanlı mimari yapı kullanılarak gelistirilmistir. Donanım olarak sunucu ve mikrodenetleyici devresi kullanılmıstır. Erisim metotlarından sisteme gelen bilgiler sunucu veritabanında toplanmaktadır. Çoklu denetim kanalları sistem erisim yöntemleri detayları ile sunulmustur. Tasarlanan sistem sayesinde çoklu yöntemle uzaktan kontrolün etkili bir sekilde kullanılması deneysel olarak analiz edilmistir. This study aims to achieve home and business automation systems with multichannel remote controller methods. Other similar studies in this field have managed the remote control from different channels separately. In this study existing controlling methods combined and managed the remote control with multichannel. Web site, PDA, smarthphone, SMS and telephone line are among these access channels. With multichannel remote controller methods users have the possibility to reach the system by an easy and flexible way in any time or any place. With consideration of system requirements; a software and hardware based system has been developed. Software has been developed with .NET platform and n-tier architecture. Hardware components include server and microcontroller circuit. Client devices requests have been collected on a server database. Client devices, remote automation system access methods have been presented in details. By means of the designed system; an efficient usage of multichannel home and business automation have been experimentally analysed.
Feature selection and multiple classifier fusion using genetic algorithms in intrusion detection systems
(2018) Erdem, Hamit; Ozgur, Atilla
With the improvements in information systems, intrusion detection systems (IDS) become more important. IDS can be thought as a classification problem. An important step of classification applications is feature selection step. Nowadays, to improve accuracy of classifiers, it is recommended to use classifier fusion instead of single classifiers. This study proposes to use genetic algorithms for both feature selection and weight selection for classifier fusion in IDS. This proposed system called GA-NS-AB, has been applied to NSL-KDD dataset. Number of classifiers used in fusion changes between 2 and 8. Following classifiers have been used: Adaboost, Decision Tree, Logistic Regression, Naive Bayes, Random Forests, Gradient Boosting, K-Nearest Neighbor, and Neural Networks Multi-Layer Perceptron. The results of the proposed method have been compared with simple voting and probability voting fusion methods and single classifiers. In addition, GA-NS-AB is also compared with previous results. GA-NS-AB is a high accuracy classifier fusion that reduces test and training time.
Journal Finder for TRDIZIN: Baseline Study
(2021) Demirkan, Mert; Ozgur, Atilla; Erdem, Hamit; https://orcid.org/0000-0002-1396-2060; https://orcid.org/0000-0002-9237-8347; https://orcid.org/0000-0003-1704-1581; AAD-6546-2019
One of the main steps in publication of a paper is finding a related journal for the work of the researchers. In the recent years, there have been an increase in scientific papers publications. This situation leads the introduction of journal recommender systems by leading academic publishers. Without using a journal recommender system, this step would be a very time consuming task. This study reviewed similar studies in the literature. Current study is the first version' of journal recommender system for TRDIZIN index which has an increasing amount of articles. A dataset is created by collecting titles, keywords, and abstracts of papers from dergipark web page. Using the collected dataset, a target journal from TRDIZTN is suggested according to title, abstract and keyword of the given article. For the first version of the journal recommender system, cosine similarity is used. The results of the suggested algorithm are evaluated by using performance criteria as the nearest 5 and 10 journals' accuracy.
Lip Reading Using Various Deep Learning Models with Visual Turkish Data
(GAZI UNIVERSITY JOURNAL OF SCIENCE, 2024-09-23) Tumer Sivri, Talya; Berkol, Ali; Erdem, Hamit
In Human-Computer Interaction, lip reading is essential and still an open research problem. In the last decades, there have been many studies in the field of Automatic Lip-Reading (ALR) in different languages, which is important for societies where the essential applications developed. Similarly to other machine learning and artificial intelligence applications, Deep Learning (DL) based classification algorithms have been applied for ALR in order to improve the performance of ALR. In the field of ALR, few studies have been done on the Turkish language. In this study, we undertook a multifaceted approach to address the challenges inherent to Turkish lip reading research. To begin, we established a foundation by creating an original dataset meticulously curated for the purpose of this investigation. Recognizing the significance of data quality and diversity, we implemented three robust image data augmentation techniques: sigmoidal transform, horizontal flip, and inverse transform. These augmentation methods not only elevated the quality of our dataset but also introduced a rich spectrum of variations, thereby bolstering the dataset's utility. Building upon this augmented dataset, we delved into the application of cutting- edge DL models. Our choice of models encompassed Convolutional Neural Networks (CNN), known for their prowess in extracting intricate visual features, Long-Short Term Memory (LSTM), adept at capturing sequential dependencies, and Bidirectional Gated Recurrent Unit (BGRU), renowned for their effectiveness in handling complex temporal data. These advanced models were selected to leverage the potential of the visual Turkish lip reading dataset, ensuring that our research stands at the forefront of this rapidly evolving field. The dataset utilized in this study was gathered with the primary objective of augmenting the extant corpus of Turkish language datasets, thereby substantively enriching the landscape of Turkish language research while concurrently serving as a benchmark reference. The performance of the applied method has been compared regarding precision, recall, and F1 metrics. According to experiment results, BGRU and LSTM models gave the same results up to the fifth decimal, and BGRU had the fastest training time.
Matematiksel sembollerin tanınmasına yönelik yeni bir algoritma
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2015) Çakar, Ceyhun; Erdem, Hamit
Matematiksel İfadelerin Tanıma (MİT), matematiksel ifadelerin bilimsel yazındaki yaygınlığı nedeniyle önemli bir gerekliliktir. Standart Yazı Tanımanın (SYT) aksine MİT'de simgeler yatay olarak sıralanmazlar ve yakın büyüklükte olmayabilirler. Sonuç olarak, matematiksel ifadelerin tanınması standart yazıya göre çok daha zor olabilir. Bu nedenle günümüzde MİT üzerine yapılan akademik çalışmalar etkin olarak devam etmektedir. Bu tez çalışması, Simge Ayrıştırma, Simge Tanıma ve Yapısal Çözümleme algoritmalarından oluşan İstatiksel Örüntü Tanıma temelli çevrimdışı bir MİT sistemi önermektedir. Ayrıca, Simge Tanıma aşamasının doğruluğunu ve hızını arttırmak için tezde Yetim-Piksel-Oranı/Yerel- Yetim-Piksel-Oranı (YPO/YYPO) olarak isimlendirilen yeni bir istatistiksel nitelik ailesi önermektedir. YPO/YYPO nitelikleri simgeyi oluşturan siyah piksellerin, beyaz pikselleri ne şekilde çevrelediklerine göre tanımlanırlar. Bu tezde YPO/YYPO nitelikleri kullanılarak oluşturulmuş bir nitelik vektörünün, sistemin yabancı simgeleri tanıma başarısını ve tanıma hızını önemli ölçüde artırabileceği diğer yaygın nitelik vektörleri ile karşılaştırılarak incelenecektir. Bu amaçla, YPO/YYPO nitelik vektörü üç farklı sınıflandırma yöntemi (Kstar, MLP, KNN) ile sınıflandırılıp elde edilen sonuçlar tanıma hızı ve doğruluğu açısından diğer iki yaygın nitelik vektörü (3 x 3 Bitmap, dalgacık) ile karşılaştırılacaktır. Önerilen çevrimdışı MİT sistemi Java tabanlı Weka yazılım paketi kullanılarak gerçekleştirilmiştir. Mathematical Expression Recognition (MER) is an important requirement in science because of the prevalence of the mathematical expressions in the science literature. The symbols are not lined up horizantally and their size may not be similar in MER in contrast with Standart Text Recognition (STR). Thus, recogniton of the mathematical expression can be very difficult in comparison with STR. So, academical studies on MER are goes on effectively today. In this thesis, a software system; which is composed of Symbol Segmentation, Symbol Recognition and Spatial Analysis steps; are proposed. Also, A new statistical feature family called Orphan-Pixel-Rate/Local-Orphan-Pixel-Rate (OPR/LOPR) are introduced. OPR/LOPR features are defined by how black pixels of the binary image encloses its white pixels. In this thesis, it will be shown that a feature vector mainly created by using OPR/LOPR can increase significantly the accuracy of recogniton. For that purpose, OPR/LOPR vector will be compared with two other common feature vectors.(3 x 3 Bitmap, wavelet) according to their results of recognition speed and accuracy after its classification with three different method (Kstar, MLP, KNN). This offline MER sistem have been implemented using Weka software packet based on Java.
Optimization of Waiting and Journey Time in Group Elevator System Using Genetic Algorithm
(2014) Tartan, Emre Oner; Erdem, Hamit; Berkol, Ali
Efficient elevator group control is an important issue for vertical transportation in high-rise buildings. From the engineering design perspective, regulation of average waiting time and journey time while considering energy consumption is an optimization problem. Alternatively to the conventional algorithms for scheduling and dispatching cars to hall calls, intelligent systems based methods have drawn much attention in the last years. This study aims to improve the elevator group control system's performance by applying genetic algorithm based optimization algorithms considering two systems. Firstly, average passenger waiting time is optimized in the conventional elevator systems in which a hall call is submitted by indicating the travel direction. Secondly, a recent development in elevator industry is considered and it is assumed that instead of direction indicators there are destination button panels at floors that allow passengers to specify their destinations. In this case optimization of average waiting time, journey time and car trip time is investigated. Two proposed algorithms have been applied considering preload conditions in a building with 20 floors and 4 cars. The simulation results have been compared with a previous study and conventional duplex algorithm.
Optımızed weıghted ensemble classıfıer for ıntrusıon detectıon applıcatıon
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2017) Özgür, Atilla; Erdem, Hamit
Computer and communication systems become the foundations of modern life. With the advances in the Internet, usage of these systems increases and intrusions against these systems increases too. Therefore, finding and preventing intrusions against these systems becomes more and more important. To protect these systems, Intrusion Detection Systems (IDS) are implemented. In recent years, machine learning and optimization techniques are increasingly used in IDS. New methods are implemented using KDD99 and its derivative NSL-KDD datasets based on intelligent IDS systems in this thesis study. First, a detailed review is made on studies that uses above mentioned datasets, and according to this review, detailed statistics are derived on usage of these datasets. Next, two different methods are proposed for IDS. These methods are based on principles of classifier ensemble and hybrid IDS. In the first method, genetic algorithms (GA) are used for feature selection (an important part for classification) and ensemble weight finding. The proposed method is named as Genetic Algorithms based Feature Selection and Weights Finding (GA-FS-WF). In the second method, hybrid ensemble classifier subject re-visited again. In this method, convex optimization techniques are used for finding weights for ensemble classifiers. Proposed method models weights finding in ensemble as a mathematical objective function and solves it as an optimization problem. In both proposed methods, full dataset NSL-KDD is used. Success of proposed methods are measured with classifier performance metrics and compared with similar methods in the literature. Bilgisayar ve iletişim sistemleri modern hayatın temellerini oluşturmaktadır. Internet ağının gelişmesiyle birlikte bu sistemlerin kullanımında büyük artışlar olmakta, ancak bu sistemlere yönelik saldırılar da aynı oranda artmaktadır. Bu yüzden, söz konusu sistemlerin saldırılara karşı korunması ve gelen saldırıların tespiti giderek önem kazanmış ve bu amaçla Saldırı Tespit Sistemleri (STS) geliştirilmiştir. Son yıllarda STS’lerde makine öğrenmesi ve eniyileme tekniklerinin kullanımı giderek artmaktadır. Bu tez çalışmasında özgün STS yöntemleri önerilmiş ve önerilen bu yöntemler KDD99 ve türevi NSL-KDD veri setleri kullanılarak doğrulanmıştır. STS çalışmaları üzerinde yapılan detaylı literatür taraması sonucuna göre, bu veri setlerinin makine öğrenmesi alanında kullanımına yönelik detaylı istatistikler çıkarılmıştır. Çalışmanın devamında, STS için iki farklı sınıflandırıcı füzyon yöntemi geliştirilmiştir. Genetik Algoritma tabanlı Nitelik Seçme ve Ağırlık Bulma (GA-NS-AB) olarak adlandırılan ilk yöntemde, sınıflandırıcı çalışmaları için önemli bir aşama olan nitelik çıkarma ve sınıflandırıcı füzyonu ağırlık bulma işlemleri, Genetik Algoritmalar (GA) kullanılarak gerçekleştirilmiştir. İkinci yöntemde ise sınıflandırıcı ağırlıklarını bulma problemi, eniyileme problemi olarak modellenmiş ve yeni bir maliyet fonksiyonu tanımlanmıştır. Bu fonksiyonun çözümü için dışbükey gevşetme ve dışbükey eniyileme yöntemleri kullanılmıştır. Geliştirilen her iki yöntemde de NSL-KDD veri setinin tamamı kullanılırken, yöntemlerin başarısı benzer yöntemlerle karşılaştırılmıştır.
Parkinson's Disease Monitoring from Gait Analysis via Foot-Worn Sensors
(2018) Asuroglu, Tunc; Acici, Koray; Erdas, Cagatay Berke; Toprak, Munire Kilinc; Erdem, Hamit; Ogul, Hasan; https://orcid.org/0000-0002-3821-6419; https://orcid.org/0000-0001-7979-0276; AAC-7834-2020; HDM-9910-2022; AAJ-8674-2021
Background: In Parkinson's disease (PD), neuronal loss in the substantia nigra ultimate in dopaminergic denervation of the stiratum is followed by disarraying of the movements' preciseness, automatism, and agility. Hence, the seminal sign of PD is a change in motor performance of affected individuals. As PD is a neurodegenerative disease, progression of disability in mobility is an inevitable consequence. Indeed, the major cause of morbidity and mortality among patients with PD is the motor changes restricting their functional independence. Therefore, monitoring the manifestations of the disease is crucial to detect any worsening of symptoms timely, in order to maintain and improve the quality of life of these patients. Aim: The changes in motion of patients with PD can be ascertained by the help of wearable sensors attached to the limbs of subjects. Then analysing the recorded data for variation of signals would make it possible to figure an individualized profile of the disease. Advancement of such tools would improve understanding of the disease evolution in the long term and simplify the detection of precipitous changes in gait on a daily basis in the short term. In both cases the apperception of such events would contribute to improve the clinical decision making process with reliable data. To this end, we offer here a computational solution for effective monitoring of PD patients from gait analysis via multiple foot-worn sensors. Methods: We introduce a supervised model that is fed by ground reaction force (GRF) signals acquired from these gait sensors. We offer a hybrid model, called Locally Weighted Random Forest (LWRF), for regression analysis over the numerical features extracted from input signals to predict the severity of PD symptoms in terms of Universal Parkinson Disease Rating Scale (UPDRS) and Hoehn and Yahr (H&Y) scale. From GRF signals sixteen time-domain features and seven frequency-domain features were extracted and used. Results and conclusion: An experimental analysis conducted on a real data acquired from PD patients and healthy controls has shown that the predictions are highly correlated with the clinical annotations. Proposed approach for severity detection has the best correlation coefficient (CC), mean absolute error (MAE) and root mean squared error (RMSE) values with 0.895, 4.462 and 7.382 respectively in terms of UPDRS. The regression results for H&Y Scale discerns that proposed model outperforms other models with CC, MAE and RMSE with values 0.960, 0.168 and 0.306 respectively. In classification setup, proposed approach achieves higher accuracy in comparison with other studies with accuracy and specificity of 99.0% and 99.5% respectively. Main novelty of this approach is the fact that an exact value of the symptom level can be inferred rather than a categorical result that defines the severity of motor disorders. (C) 2018 Nalecz Institute of Biocybernetics and Biomedical Engineering of the Polish Academy of Sciences. Published by Elsevier B.V. All rights reserved.
A Random Forest Method to Detect Parkinson's Disease via Gait Analysis
(2017) Acici, Koray; Erdas, Cagatay Berke; Asuroglu, Tunc; Toprak, Munire Kilinc; Erdem, Hamit; Ogul, Hasan; 0000-0001-7979-0276; 0000-0003-4153-0764; 0000-0002-3821-6419; 0000-0003-3467-9923; AAJ-8674-2021; AAC-7834-2020; ITV-2441-2023; HDM-9910-2022
Remote care and telemonitoring have become essential component of current geriatric medicine. Intelligent use of wireless sensors is a major issue in relevant computational studies to realize these concepts in practice. While there has been a growing interest in recognizing daily activities of patients through wearable sensors, the efforts towards utilizing the streaming data from these sensors for clinical practices are limited. Here, we present a practical application of clinical data mining from wearable sensors with a particular objective of diagnosing Parkinson's Disease from gait analysis through a sets of ground reaction force (GRF) sensors worn under the foots. We introduce a supervised learning method based on Random Forests that analyze the multi-sensor data to classify the person wearing these sensors. We offer to extract a set of time-domain and frequency-domain features that would be effective in distinguishing normal and diseased people from their gait signals. The experimental results on a benchmark dataset have shown that proposed method can significantly outperform the previous methods reported in the literature.
Rüzgar santrallerinin melez elektrik sistemine entegrasyonu ve ekonomik analizi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2015) Kıymaz, Özkan; Erdem, Hamit
Enerji, ekonomik ve sosyal kalkınmanın en önemli öğelerinden birisidir. Fosil enerji kaynaklarının sınırlı olmaları ve çevresel zararlarından dolayı insanlar, yenilenebilir ve temiz enerji kaynaklarına yönelmiştir. Rüzgar enerjisi de uygulama alanları ile yenilenebilir enerji kaynakları arasında öne çıkmaktadır. Bu çalışma kapsamında, rüzgar enerjisi ve rüzgar türbinleri ile elektrik üretimi hakkında bilgi verilmiş olup, rüzgar enerjisinin şebekeye entegrasyonu ve şebeke üzerindeki olumsuz etkileri anlatılmaktadır. Rüzgar enerjisinin şebekeye entegrasyonunda oluşabilecek olumsuz etkileri azaltmak için kullanılan yöntemlerden biri olan hibrit enerji santrali uygulaması Başkent Üniversitesi Mühendislik Fakültesi için HOMER programı yardımıyla modellenmiştir. Mevcut yük ve iklimsel özelliklere göre rüzgar – güneş ve yakıt pilinden oluşan şebekeden bağımsız bir konfigürasyon ile rüzgar ve güneş enerjisinden oluşan şebeke bağlantılı bir konfigürasyon optimum sistem olarak öne çıkmıştır. Yapılan analizlerde, yükün yenilenebilir enerji kaynakları tarafından en büyük oranda beslenebildiği ve en düşük maliyetli sistem olan rüzgar ve güneş enerjisi bileşenlerinden oluşan şebeke bağlantılı sistem, 1,28 Milyon ABD Doları toplam maliyeti ve 0,107 ABD Doları/kWh enerji maliyetine sahiptir. Söz konusu sistemde mevcut yük %56 oranında güneş enerjisi, %24 oranında rüzgar enerjisi tarafından beslenmekte, kalan %20’lik kısım ise şebeke tarafından karşılanmaktadır. Energy is one of the major component of the economical and social development. Since fossil fuels are both limited source and environmentally hazardous, people have turned towards usage of renewable and clean energy sources recently. Wind energy, with its applications, became prominent within the renewable energy sources. In the scope of this study, not only wind energy and electricity production by wind turbines are explained but also main challanges and adverse impacts of wind energy integration to the grid are explained. Hybrid renewable power plant which is a method used for reducing the disadvantages of wind energy integration to the grid was modelled for Başkent University by the HOMER software. According to the current load and wind-solar characteristics, the optimum configurations are pv-wind grid connected system and pv-wind-fuel cell stand alone system. Aiming of maximum renewable fraction and lowest cost, results gave wind – pv grid connected system is a clean and cost effective option with comparable energy costs which has 1,28 Million US Dollar for whole system and 0,107 USD per kWh, in addition to this the load is supplied 56% by PV, 24% by wind turbines and 20% by grid.
A Simple Population Based Hybrid Harmonic Estimation Algorithm
(2016) Tartan, Emre Oner; Erdem, Hamit
This paper presents a new hybrid algorithm for harmonic estimation. The algorithm combines a simple fast population based search algorithm with Least Squares Method. It is based on the structural property of the harmonic estimation problem which implies that the signal model is linear in amplitude and nonlinear in phase. The hybrid algorithm uses the search algorithm for phase estimation and LS for amplitude estimation, iteratively. Exploiting the objective function defined according to the error of single harmonic's phase estimation, the proposed search algorithm distributes the population through equal intervals and simply narrows the search space sequentially in every generation. Unlike the other heuristic optimization algorithms that uses random distribution in initialization stage, the proposed method provides more robust convergence in the limits determined by the generation number. Simulation results show that the proposed hybrid algorithm not only gives accurate results but also significantly improves the computation time when compared with other heuristic optimization algorithms. Moreover this approach can be used to reduce the search duration when involved in other evolutionary optimization algorithms in a hybrid way and then can deal with frequency deviation and subharmonic estimation which are pitfalls for DFT based algorithms.
Sparsity-driven weighted ensemble classifier
(2018) Erdem, Hamit; Ozgur, Atilla; Nar, Fatih
In this study, a novel sparsity-driven weighted ensemble classifier (SDWEC) that improves classification accuracy and minimizes the number of classifiers is proposed. Using pre-trained classifiers, an ensemble in which base classifiers votes according to assigned weights is formed. These assigned weights directly affect classifier accuracy. In the proposed method, ensemble weights finding problem is modeled as a cost function with the following terms: (a) a data fidelity term aiming to decrease misclassification rate, (b) a sparsity term aiming to decrease the number of classifiers, and (c) a non-negativity constraint on the weights of the classifiers. As the proposed cost function is non-convex thus hard to solve, convex relaxation techniques and novel approximations are employed to obtain a numerically efficient solution. Sparsity term of cost function allows trade-off between accuracy and testing time when needed. The efficiency of SDWEC was tested on 11 datasets and compared with the state-of-the art classifier ensemble methods. The results show that SDWEC provides better or similar accuracy levels using fewer classifiers and reduces testing time for ensemble.
A SVM Based Speech to Text Converter for Turkish Language
(2017) Tombaloglu, Burak; Erdem, Hamit
In proposed speech to text conversion, a Support Vector Machines (SVM) based Turkish speech to text converter system has been developed. In the recognition system, Mel Frequency Cepstral Coefficients (MFCC) has been applied to extract features of Turkish speech and SVM based classifier has been used to classify the phonemes. The morphological structure of Turkish, a language based on phonemes, has been taken into consideration in the devoloped person-dependent voice recognition system. Unlike the multiclass classifiers which are used in the SVM-MFCC based voice recognition system, a new SVM classifier system has been developed that uses fewer classes in layers, increasing the number of multiclass layers. A new Text Comparison Algorithm is proposed, which also uses phoneme sequence to measure similarity in word similarity measurement. Along with these enhancements, as the training period becomes higher, performance of voice recognition is improved and word recognition performance is increased. The performance of the proposed structure is compared with similar systems.