Bilgisayar Mühendisliği Bölümü Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.11779/1940

Browse

Filters

2015 - 201952020 - 202317

Settings

COAR Access Rights: search.filters.coarAccessRights.open accessScopus Q: search.filters.scopusQuartile.N/A

Search Results

Now showing 1 - 10 of 22
  • Research Project
    İmece-depo: İşbirlikçi Hücresel Ağlarda Veri Önbellekleme için Cihazdan Cihaza Iletişim ile Dağıtık Depolama, Optimale Yakın Kodlama ve Protokol Tasarımı.
    (2023) Haytaoğlu, Elif; Pourmandı, Massoud; Kaya, Erdi; Arslan, Şefik Şuayb
    Hücresel ağlarda popüler dosyaların cihazlarda önbelleklenmesi ile, cihazlar arası etkileşim baz istasyonu (Bİ) üzerine düşen iletişim yükünü oldukça azaltmaktadır. Dağıtık veri önbellekleme işlemi popüler bir dosyanın parçalarının kodlanmamış orijinal haliyle ya da herhangi bir silinti kodu kullanılarak kodlanmış halinin mobil cihazlar içerisinde dağıtık bir şekilde depolanması yardımıyla gerçekleştirilir. Dosyanın herhangi bir parçası, komşu mobil cihazlardan ya da mümkün değilse, doğrudan Bİ?lerden, yüksek bir iletişim maliyeti pahasına indirilebilir. Bir hücresel ağda, rastgele zamanlarda bazı düğümlerin hücreye katıldığı ve bazılarının ayrıldığı göz önüne alındığında, performans için Bİ ile iletişimin minimum düzeyde olmasını sağlayacak akıllı veri onarım yöntemlerine ihtiyaç duyulacaktır. Tek bir veya birden fazla Bİ?nin sisteme katılımı, önceki onarım paradigmalarına, özellikle de işbirlikçi düğüm onarım süreçlerine farklı bir boyut eklemektedir. Bunun nedeni, çalışma protokolü kurallarının yanı sıra iletişim kısıtlamalarının da değişmesidir. Literatür, bu durum için temel bant genişliği/depolama ödünleşim uzayını inceleyen bir çalışma içermemektedir. Yeni hücre mimarileri buna göre, yeni silinti kod yapılarını, verimli protokol tasarımlarını, veri erişim gecikmesi, gerçekçi kuyruk modelleri ve gerçekçi benzetim platformları dahil ancak bunlarla sınırlı olmamak üzere farklı tasarım değerlendirmelerini gerektirmektedir. Bu projede ilk olarak, daha önceki hiçbir çalışmada düşünülmemiş işbirliği yapan Bİ?lerin cihaz ayrılışlarında yaşanan kayıp verinin onarımı için bant genişliği ve depolama kapasitesinin iyileştirilmiş teorik sınırlarının veri akış diyagramları kullanılarak elde edilmesi amaçlanmıştır. Bununla beraber, bant genişliği ve depolama alanını en iyi kullanan kod yapılarından esinlenerek, veri önbellekleme işlemini optimale yakın bir maliyetle gerçekleştirecek tamamen özgün çizge tabanlı kod yapıları ve bu yeni kodlar için daha önce düğüm onarım problemine uygulanmamış genetik algoritma, optimize edilmiş artık veri dağıtımı gibi yeni yaklaşımlar kullanılarak önceden düşünülmemiş düğüm onarım algoritmaları önerilecektir. Ayrıca, düğümlerin hücreye katılma ve ayrılma süreçleri için, bant genişliği ve veri depolaması gereksinimlerini en aza indirmeye yardımcı olacak enerji tüketimi odaklı son derece özgün protokoller önerilecektir. Bu protokoller, düğümlerin bir hücreden diğerine geçiş yapabileceği ve hücre içi kaynakların etkin kullanılmasına yardımcı olmak için Bİ?lerin işbirliği yapmasını sağlayan geçiş senaryoları ile güçlendirilecektir. Bu durum, iki onarım işlemi arasındaki sürenin ayarlanması, veri erişim maliyetlerinin azaltılması, hücreye katılan düğüm içeriğinin kullanımı, artık veri kullanımı v.s. gibi yenilikleri içerecektir. Son olarak, önerilen kod yapıları ve protokol mimarisinin performansını analitik olarak türetmek için bilinen çeşitli ve daha gerçekçi kuyruklama modelleri değerlendirilecektir. Analitik sonuçlarımızı doğrulamak için daha sonra hücresel ağ tabanlı büyük ölçekli benzetimler yapılıp sayısal yöntemler ile toplam iletişim ve dosya onarım işlemlerinin maliyet hesaplamaları ve karşılaştırmaları yapılacaktır. MEF Üniversitesi öğretim üyesi Dr. Şuayb Arslan?ın yürütücüsü olduğu ve 36 ay sürecek projede, Pamukkale üniversitesi Bilgisayar Mühendisliği Bölümü öğretim üyesi Dr. Elif Haytaoğlu araştırmacı olarak görev alacaktır. Projede, iki doktora, iki yüksek lisans ve son iki senemizde iki lisans öğrencisi bursiyer olarak görev alacaktır.
  • Article
    Ön Eğitimli Dil Modelleriyle Duygu Analizi
    (İstanbul Sabahattin Zaim Üniversitesi Fen Bilimleri Enstitüsü, 2023) Yürütücü, Ömer Yiğit; Demir, Şeniz
    Duygu analizi, çeşitli platformlarda bir konu hakkında düşünce, duygu ya da tutumu irdelemek, analiz etmek ve yorumlamak amacıyla kullanılan yöntemlerden biridir. Farklı konulardaki metinlerin öznel içeriklerine göre sınıflandırılabildiği duygu analizinde makine öğrenmesi ve derin öğrenme modellerinden sıklıkla faydalanılmaktadır.Bu çalışmada, önceden eğitilmiş dil modellerinden yararlanılarak Covid-19 tweet metinleri üzerinde duygu analizi yapılmıştır. Naive Bayes sınıflandırıcıya ek olarak BERT, RoBERTa ve BERTweet dil modelleri kullanılarak farklı sınıflandırıcılar eğitilmiş ve tweet veri kümesi üzerinde elde edilen sonuçlar kıyaslanmıştır. Bildiride aktarılan çalışmanın ileride bu alanda yürütülecek araştırmalara bir zemin oluşturacağı öngörülmektedir.
  • Article
    Performing Disc Personal Inventory Analysis in Job Postings Using Artificial Intelligence Methods
    (Data science and applications, 2023) Sayar, Alperen; Yıldız, Ahmet; Çakar, Tuna; Şengüloğlu, Dilara; Ertuğrul, Seyit
    One of the application fields of DISC selfevaluation analysis was introduced to predict people's performance and orientation in their working life. Each letter in the word DISC represents an essential personal characteristic, dividing the profiles of people in business life into four essential parts. In the current study, DISC analysis is conducted on job postings to match the person with the job posting. The current study was based on the analysis of 3 different datasets with job postings in English, Turkish and Romanian prepared by using web scraping methods and then labeled in accordance with DISC criteria. Several different machine learning algorithms have been performed on the DISC analysis outputs, and they reached the best results with accuracy values of around over 96% on the English dataset, around over 95% on the Turkish dataset, and around over 96% on the Romanian dataset, for both D, I, S, C models.
  • Patent
    Artificial Intelligence Augmented Iterative Product Decoding
    (2023) Arslan , Şuayb Şefik; Göker, Turguy
    A method for product decoding within a data storage system includes receiving data to be decoded within a first decoder; performing a plurality of decoding iterations to decode the data utilizing a first decoder and a second decoder; and outputting fully decoded data based on the performance of the plurality of decoding iterations. Each of the plurality of decoding iterations includes (i) decoding the data with the first decoder operating at a first decoder operational mode to generate once decoded data; (ii) sending the once decoded data from the first decoder to the second decoder; (iii) receiving error information from the first decoder with an artificial intelligence system; (iv) selecting a second decoder operational mode based at least in part on the error information that is received by the artificial intelligence system; and (v) decoding the once decoded data with the second decoder operating at the second decoder operational mode to generate twice decoded data; and outputting fully decoded data based on the performance of the plurality of decoding iterations.
  • Conference Object
    An Exploratory Study on the Effect of Contour Types on Decision Making Via Optic Brain Imaging Method (fnirs)
    (eScholarship, 2023) Demircioglu, Esin Tuna; Girişken, Yener; Çakar, Tuna
    Decision-making is a combination of our positive anticipations from the future with the contribution of our past experiences, emotions, and what we perceive at the moment. Therefore, the cues perceived from the environment play an important role in shaping the decisions. Contours, which are the hidden identity of the objects, are among these cues. Aesthetic evaluation, on the other hand, has been shown to have a profound impact on decision-making, both as a subjective experience of beauty and as having an evolutionary background. The aim of this empirical study is to explain the effect of contour types on preference decisions in the prefrontal cortex through risk-taking and aesthetic appraisal. The obtained findings indicated a relation between preference decision, contour type, and PFC subregion. The results of the current study suggest that contour type is an effective cue in decision-making, furthermore, left OFC and right dlPFC respond differently to contour types.
  • Article
    What Is Neuroentrepreneurship? the Theoretical Framework, Critical Evaluation, and Research Program
    (2020-04-30) Çakar,Tuna; Girişken, Arzu
    As interest in entrepreneurship research to identify the possible economic development opportunities that entrepreneurs can provide, entrepreneurship research's objective tools are reaching their limits. Researchers in entrepreneurship are striving to discover new techniques and methodologies to answer questions about what makes a person an entrepreneur and perhaps identify and encourage an entrepreneur in the next step. Although a great deal of research has been done to answer these questions scientifically, traditional techniques have failed to produce the desired answers. For this reason, researchers working in the entrepreneurship field have recently been increasingly interested in applying neuroscience methods, especially after the proliferation of research fields such as neuroeconomics, neuromarketing, and neuropolitics. Although the population of neuroentrepreneurship research is gradually increasing, we cannot say that the field has been studied theoretically enough yet. In this article, a theoretical definition of neuroentrepreneurship is made, and a scientific framework is tried to be gained on the way to future research.
  • Article
    Neural Coreference Resolution for Turkish
    (2023-03-15) Demir, Şeniz
    Coreference resolution deals with resolving mentions of the same underlying entity in a given text. This challenging task is an indispensable aspect of text understanding and has important applications in various language processing systems such as question answering and machine translation. Although a significant amount of studies is devoted to coreference resolution, the research on Turkish is scarce and mostly limited to pronoun resolution. To our best knowledge, this article presents the first neural Turkish coreference resolution study where two learning-based models are explored. Both models follow the mention-ranking approach while forming clusters of mentions. The first model uses a set of hand-crafted features whereas the second coreference model relies on embeddings learned from large-scale pre-trained language models for capturing similarities between a mention and its candidate antecedents. Several language models trained specifically for Turkish are used to obtain mention representations and their effectiveness is compared in conducted experiments using automatic metrics. We argue that the results of this study shed light on the possible contributions of neural architectures to Turkish coreference resolution.
  • Conference Object
    Citation - Scopus: 4
    Ssqem: Semi-Supervised Quantum Error Mitigation
    (IEEE, 2022-09-14) Sayar, Alperen; Arslan Suayb S.; Çakar Tuna; Arslan, Suayb S.; Cakar, Tuna
    One of the fundamental obstacles for quantum computation (especially in noisy intermediate-scale quantum (NISQ) era) to be a near-term reality is the manufacturing gate/measurement technologies that make the system state quite fragile due to decoherence. As the world we live in is quite far away from the ideal, complex particle-level material imperfections due to interactions with the environment are an inevitable part of the computation process. Hence keeping the accurate state of the particles involved in the computation becomes almost impossible. In this study, we posit that any physical quantum computer sys-tem manifests more multiple error source processes as the number of qubits as well as depth of the circuit increase. Accordingly, we propose a semi-supervised quantum error mitigation technique consisting of two separate stages each based on an unsupervised and a supervised machine learning model, respectively. The proposed scheme initially learns the error types/processes and then compensates the error due to data processing and the projective measurement all in the computational basis. © 2022 IEEE.
  • Conference Object
    Citation - Scopus: 10
    Steel Surface Defect Classification Via Deep Learning
    (IEEE, 2022-09-14) Yildiz, Ahmet; Çakar, Tuna; Tunal, Mustafa Mert
    Deep learning and image processing methods have taken place in many parts of our lives, as well as in the quality control stages of production lines. The aim of this study is to train and use a deep learning model to improve quality management using limited data and computing power. To achieve that, deep learning for quality control models were trained by classifying six different steel surface defect images in the NEU-DET dataset. Xception, ResNetV2 152, VGG19 and InceptionV3 architectures were used to train the model. High accuracy was obtained with both Xception and ResNetV2 152. © 2022 IEEE.
  • Conference Object
    Citation - Scopus: 1
    Modeling Consumer Creditworthiness Via Psychometric Scale and Machine Learning
    (IEEE, 2022-09-14) Çakar, Tuna; Ertugrul, Seyit; Sayar, Alperen; Sahin, Türkay; Bozkan, Tunahan
    Although the predictive power of economic metrics to detect the creditworthiness of the customers is high, there is a rising interest in the integration of cognitive, psychological, behavioral, alternative, and demographic data into credit risk systems and processing the data through modern methods. The primary motivation for the rising interest is increased customer classification accuracy. In this research, customer creditworthiness was modeled through data consisting of personality, money attitudes, impulsivity, self-esteem, self-control, and material values and processed through artificial intelligence. The obtained findings have been evaluated as a reference point for the following research. © 2022 IEEE.