Yazar "YILDIRIM, Muhammed" seçeneğine göre listele

Listeleniyor 1 - 6 / 6
  • Küçük Resim Yok
    Öğe
    CLASSIFICATION OF MALICIOUS NETWORK DATASET WITH RESIDUAL CNN
    (2025) Karaduman, Mucahit; YALÇIN, Sercan; YILDIRIM, Muhammed
    This paper proposes a Residual Convolutional Neural Network (CNN) based model for malicious traffic detection. Network security is becoming increasingly important every day as the digital world develops. It aims to classify the data labeled as benign and malicious in the ready dataset. In the proposed model, first of all, all the information in the dataset is digitized. Then, it is normalized to the range of 0-1 and made ready as an input to the proposed architecture. It is aimed to classify the information in this two-class dataset with the proposed Residual Convolutional Neural Network (CNN) architecture. The accuracy rate obtained after the training and testing stages of the model is 94.9%. This accuracy rate shows that the proposed model successfully results in the detection of malicious packets in network attacks and can be used for network security.
  • Küçük Resim Yok
    Öğe
    Detection and Localization of Glioma and Meningioma Tumors in Brain MR Images using Deep Learning
    (2023) CENGİL, Emine; EROĞLU, YEŞİM; CINAR, Ahmet; YILDIRIM, Muhammed
    Brain tumors are common tumors arising from parenchymal cells in the brain and the membranes that surround the brain. The most common brain tumors are glioma and meningioma. They can be benign or malignant. Treatment modalities such as surgery and radiotherapy are applied in malignant tumors. Tumors may be very small in the early stages and may be missed by showing findings similar to normal brain parenchyma. The correct determination of the localization of the tumor and its neighborhood with the surrounding vital tissues contributes to the determination of the treatment algorithm. In this paper, we aim to determine the classification and localization of gliomas originating from the parenchymal cells of the brain and meningiomas originating from the membranes surrounding the brain in brain magnetic resonance images using artificial intelligence methods. At first, the two classes of meningioma and glioma tumors of interest are selected in a public dataset. Relevant tumors are then labeled with the object labeling tool. The resulting labeled data is passed through the EfficientNet for feature extraction. Then Path Aggregation Network (PANet) is examined to generate the feature pyramid. Finally, object detection is performed using the detection layer of the You Only Look Once (YOLO) algorithm. The performance of the suggested method is shown with precision, recall and mean Average Precision (mAP) performance metrics. The values obtained are 0.885, 1.0, and 0.856, respectively. In the presented study, meningioma, and glioma, are automatically detected. The results demonstrate that using the proposed method will benefit medical people.
  • Küçük Resim Yok
    Öğe
    Film Yorumları Kullanılarak Önerilen Yapay Zekâ Tabanlı Yöntemle Duygu Analizinin Gerçekleştirilmesi
    (2022) YILDIRIM, Muhammed
    Gelişen teknoloji ile birlikte sosyal medya, forum siteleri ve bloklar yaygın bir şekilde kullanılmaya başlanmıştır. İnsanlar artık bu mecraları çok yaygın bir şekilde kullanmakta olup duygu ve düşüncelerini bu ortamlarda paylaşmaktadırlar. Bundan dolayı doğal dil işleme uygulamaları her geçen gün daha popüler bir konu haline gelmeye başlamıştır. Doğal dil işlemedeki en popüler konulardan birisi duygu analizidir. Duygu analizinde, belirli kriterlere göre incelemeler yapılarak öznel bilgilerin çıkarılması sağlanmaktadır. Yapılan bu çalışmada duygu analizi yapmak için IMDB veri seti kullanılmıştır. IMDB veri seti, film yorumlarından oluşan bu konudaki en büyük veri setlerinden biridir. Bu veri seti kullanıcıların filmler hakkında ki yorumlarını içermektedir. Çalışmada, öncelikle veri önişleme adımı gerçekleştirilmiştir. Daha sonra hazırlanan veri seti klasik makine öğrenmesi sınıflandırıcılarında ve önerilen ESA tabanlı modelde sınıflandırılmıştır. Önerilen ESA tabanlı model IMDB veri setindeki metinleri analiz etme işleminde klasik makine öğrenmesi sınıflandırıcılarından daha başarılı olmuştur ve önerilen derin model %85.57 oranında bir doğruluk değeri elde etmiştir.
  • Küçük Resim Yok
    Öğe
    MFCC Yöntemi ve Önerilen Derin Model ile Çevresel Seslerin Otomatik Olarak Sınıflandırılması
    (2022) YILDIRIM, Muhammed
    Gelişen teknoloji ile birlikte Nesnelerin İnterneti (IoT), farklı teknolojileri bir araya getirmenin ön saflarında yer almaktadır. Nesnelerin interneti özellikle akıllı şehir uygulamalarında da sıklıkla kullanılmaktadır. Akıllı şehir uygulamaları her geçen gün daha da yaygın bir hale gelmektedir. Yapılan bu çalışmada da akıllı şehir uygulamalarında sıklıkla kullanılacak bir uygulama gerçekleştirilmiştir. Bu çalışmada çevre seslerinden oluşan ve bu konuda literatürdeki en büyük veri setlerinden biri olan UrbanSound8K veri seti kullanılmıştır. Akıllı şehir uygulamalarına katkıda bulunmak amacıyla çevresel sesleri sınıflandırmak için yeni bir derin tek boyutlu (1D-CNN) model önerilmiştir. Geliştirilen modelde ilk olarak MFCC yöntemi kullanılarak veri setindeki çevresel seslerin öznitelik haritaları elde edilmiştir. Daha sonra elde edilen öznitelik haritaları geliştirilen 1D-CNN ağında sınıflandırıldığında yüksek bir doğruluk değeri elde edilmiştir. Elde edilen bu doğruluk değeri önerilen modelin ses verilerini sınıflandırma işleminde kullanılabileceğini göstermektedir.
  • Küçük Resim Yok
    Öğe
    Önerilen Derin Öğrenme ve Makine Öğrenmesi Tabanlı Hibrit Model ile Çevresel Atıkların Sınıflandırılması
    (2023) Yıldız, Elif Nur; Bingöl, Harun; YILDIRIM, Muhammed
    Çevre kirliliği sorunu, son zamanlarda artış gösterip hem insanlığa hem de çevreye tehdit oluşturmaktadır. Dünya genelinde çarpık kentleşme, sanayileşme ve insanların sorumsuz davranışları sonucu büyük bir atık problemi ortaya çıkmaktadır. Bu problem hayat standartlarımızı kısıtlayıp, daha sağlıksız bir ortamda yaşam sürmemize neden olmaktadır. Atıklar genellikle çöp olarak bilindiğinden geri kazanılmaya çalışılmadan ortamdan uzaklaştırılır ve bu durumda da atığın geri dönüşüme gitmeden doğada kendi kendine çözünme süresi uzun yıllar almaktadır. Atıkların ömrünü uzatma ve ayrıştırılması ile hem çevre kirliliği azalır hemde geri dönüşüme katkı sağlayarak dünya daha yaşanılabilir bir hale gelir. Derin öğrenme modelleri ve makine öğrenme yöntemleri kullanılarak yapılan bu çalışmada çevremizi daha yaşanılabilir hale getiren ve geri dönüşüme yardımcı olan atık ayrıştırma veri seti kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. Bu çalışmada yapay zeka teknikleri ile atık ayrıştırma tespitinde AlexNet, GoogLeNet, ResNet50, DenseNet201, ShuffleNet, SqueezeNet mimarileri ile sonuçlar elde edilmiştir. Sonraki aşama da derin mimarilerden elde edilen özellik haritaları destek vektör makineleri (DVM), k-en yakın komşu (KNN) ve karar ağaçlarında (KA) sınıflandırılmıştır. Mimarilerin elde ettikleri sonuçlar karşılaştırılarak bu problem için en iyi mimari seçilmiştir. Deneyler sonucunda önermiş olduğumuz hibrit model %85.94 doğruluk değeri elde etmiştir.
  • Küçük Resim Yok
    Öğe
    Performance of Transformer-Based Methods on Restaurant Reviews Analysis
    (2025) Karaduman, Mucahit; BAYDEMİR, Muhammed Bedir; YILDIRIM, Muhammed
    Sentiment analysis provides important data in various areas, from customer feedback to social media posts, by determining the text's emotional tones. In this study, sentiment analysis was performed using restaurant reviews with a transformer-based model. The attention mechanism underlying these models dynamically learns the contextual relationships of words in the text and better captures the meaning of the language. The model was trained and tested using a dataset from a vast information source. First, tokenization and padding operations of the dataset were performed; then, the model was trained, and test results were obtained. The training accuracy of the model was calculated as 90.81% and the test accuracy as 85.79%. When other performance metrics were also considered, the model, which achieved high success for negative and positive classes, showed lower success for the neutral class. In terms of general evaluation, it is seen that the model exhibited good performance when the accuracy rate was taken into account. This shows that transformer-based approaches are suitable for natural language processing and usability in this area.