This paper provides a comprehensive assessment of feature selection (FS) methods that are originated from nature-inspired (NI) meta-heuristics, where two well-known filter-based FS methods are also included for comparison. The performances of the considered methods are compared on two different high-dimensional and real-world text datasets against the accuracy, the number of selected features, and computation time. This study differs from existing studies in terms of the extent of experimental analyses performed under different circumstances where classifier, feature model, and term weighting scheme are different. The results of the extensive experiments indicate that NI algorithms produce slightly different results than filter-based methods for the problem of the text FS. However, filter-based methods often provide better results by using a lower number of features and computation times.

Aktif kontur yöntemleri görüntü bölütlemede sıklıkla kullanılmaktadır. Bu yöntemler kenar temelli ve bölge temelli yöntemler olarak ikiye ayrılabilir. Yöntemlerin her ikisi de nesne sınırlarını elde etmek için ham görüntü verisini kullanmaktadır. Önerilen yöntemler başlangıç kontur konumu, parametre bağımlılığı, gürültü duyarlılığı ve düzensiz görüntü yoğunlukları gibi bazı zorlu problemlere sahiptir. Bu çalışmada, orijinal ACM with SBGFRLS yönteminin α parametresinin otomatik olarak hesaplanmasını sağlayan yeni bir yaklaşım geliştirilmiştir. Bu parametre giriş görüntüsünün gauss türev filtreleri kullanılarak otomatik olarak hesaplanmıştır. Hesaplanan parametre düzey küme fonksiyonunda iteratif olarak kullanılmıştır. Deneysel sonuçlar, iyileştirilmiş ACM with SBGFRLS yönteminin daha yüksek bölütleme doğrulukları sağladığını göstermektedir.

Analysis of brain activities and remote control are among the current issues that are being studied. Analysis of signals arising during brain functions is electroencephalography (EEG). EEG signals have intellectual, visual stimulation, and motion resultant forms. Especially, EEG signals generated by visual stimulus are within the scope of this study. In this study, research was carried out on the classification of EEG signals formed in a person looking at visual figures. For these studies, first of all, EEG signals from the brain were recorded with images and filtered to remove noise. Then, the features were extracted from the signals. In this study, Moment 5 feature was also used in addition to the features used in many studies such as mean, median, standard deviation and entropy. Then, classification was made using Support Vector Machine (SVM), k Nearest Neighbor (KNN), and Decision Tree (DT) algorithms. Classification was made for 4 different visual shapes used, since these shapes are square, circle, triangle, and star, and the same categorical names were used in the classification stage. As a result of the classification of EEG signals; SVM and KNN algorithms have determined which shape is viewed with 99.99% accuracy. These results show that different signals are produced in the brain according to the structure of the shape viewed. This situation shows that it can be used as a method to give patients the opportunity to express their requests just by looking or thinking.

Bu çalışmada, PV panelin maksimum güç noktasının takibi süreci için Bulanık Mantık Denetleyicinin (BMD) optimizasyonu konu alınmıştır. Çalışmada BMD giriş ve çıkış değişkenlerinin evrensel küme aralıklarının en uygun değerleri Genetik Algoritma (GA) optimizasyonu kullanılarak tespit edilmiştir. GA optimizasyonu ile elde edilen evrensel küme aralığı ile tasarlanan BMD ile farklı ışınım değerleri için beklenen maksimum güç noktalarının takibi başarı ile gerçekleştirilebilmiştir. Uygulamalar Matlab Simulink yazılımlarında benzetim çalışması şeklinde gerçekleştirilmiştir.

COVID-19 outbreak first emerged on December 31, 2019 in Wuhan, China. The Novel Coronavirus Disease is caused by the SAR-CoV-2 virus, which causes respiratory symptoms such as fever, cough, and shortness of breath. While scientists continue their fight against SARS-CoV-2 (2019-nCoV), one of the deadliest viruses in the last century, with tests to help diagnosis and prognosis, drug and vaccine discovery, Information Technologies mostly continues to work on early diagnosis, prognosis and prediction. The aim is to reveal systems with low margin of error that will alleviate the workload of healthcare professionals, as well as early diagnosis and initiation of treatment.Deep Learning and Computer vision is the most commonly used. Two class (covid, non-covid) classification solution, using the Artificial Intelligence Techniques, have been examined in this paper. CNN architecture, has been created to develop an model to disease detection process of COVID-19(2019-nCoV) virus infected patients from CT images consisting of NON-COVID and COVID classes. We have proposed the classifying of CT images using the 2 Convolutions and pool layers with the model which shortening the time for classification and achieved an accuracy of nearly 95.77%. Results show that the used model attains provide highly satisfying results and can be used for any image classification.

Konum tabanlı sosyal ağların kullanımı her geçen gün artmaktadır. Bu ağlarda kullanıcılar beğendikleri ilgi noktalarını (POI) check-in yapar ve bir anlamda gelecekteki kullanıcılara tavsiyelerde bulunurlar. Bu makalenin amacı, bağlantı tahmini yöntemini kullanarak aynı memleketteki kullanıcıların benzer POI'ler için check-in yapıp yapmadıklarını tespit etmek ve böylece yeni POI'ler önermektir. Yöntem önce kullanıcı-POI ikili ağını modeller ve ardından bağlantı tahmin yöntemi tarafından yeni öneriler oluşturulur. Foursquare'de gerçek veriler üzerinde yapılan testler, önerilen yöntemin yüksek doğruluk değerlerine ulaştığını göstermiştir.

Chaotic systems are widely used in encryption because of their sensitivity to initial conditions and parameters, high ergodicity, mixing properties, and highly complex structures. Various analyzes are available to understand whether a system is chaotic. The most used analyzes are time series analysis, phase portraits, Lyapunov exponents, and bifurcation diagrams. Modeling of chaotic systems is also possible with numerical analysis methods. These methods are; Houses, Heun, 4th and 5th degree Runge Kutta methods are the most common differential solution methods.

İlişkisel veri tabanları uzun yıllardır verileri saklamak ve saklanan veriler üzerinde işlem yapmak amacıyla kullanılmaktadırlar. Büyük veri kavramının ortaya çıkması ile birlikte depolama ve performans sorunları ilişkisel veri tabanlarında çözüm aranan konular haline gelmiştir. Çok fazla tabloyu ilişkilendirmenin getirdiği maliyetin artması son yıllarda NoSQL veri tabanlarına ilgiyi arttırmıştır. NoSQL veri tabanı türü olan çizge veri tabanları düzensiz verileri iyi yönetmesi ve ölçeklenebilirliğinin kolay olması nedeniyle yaygın hale gelmektedir. Veri paylaşımının çok fazla olduğu sosyal medya uygulamaları başta olmak üzere pek çok yazılım, kullanmakta olduğu ilişkisel veri tabanlarından çizge veri tabanlarına geçmek için veri göçüne ihtiyaç duymaktadır. Bu çalışmada ilişkisel veri tabanından çizge veri tabanına iki farklı yöntem kullanarak veri göçü gerçekleştirebilen yazılım geliştirilmiştir. Her iki yöntemde herhangi bir veri kaybı olmaksızın veri göçü gerçekleştirilmiştir. Veri göçü sonucunda çizge veri tabanları üzerinde düğümler ve bağlantılar farklı şekillerde oluşturulabilmektedir. Bu sayede farklı ihtiyaçlara yönelik olan yazılımların kullanımına uygun şekilde çizge veri tabanları tasarlanabilmektedir. Kullanım alanına göre desen oluşturmanın sorgu süresine ve depolamaya olan etkileri çalışma kapsamında ele alınmıştır.

Yüzey hata tespiti, imalat sistemlerindeki en önemli kalite kontrol bileşenlerinden biridir. Üretim sistemlerinde otomatik yüzey hata algılama yöntemlerinin uygulanması, yüksek kaliteli ürünlerin sağlanmasında önemli bir etkendir. Bu çalışmada, otomatik yüzey hata tespiti için derinlemesine ayrılabilir evrişim tabanlı Derin Özellikli Piramit Ağ (DÖPA) mimarisi geliştirilmiştir. Bu ağ mimarisinde, önceden eğitilmiş VGG19 ağ mimarisinin öğrenilmiş parametreleri kullanılmıştır. Önerilen modelin performansını test etmek için hata tespit görüntüleri içeren MT veri seti kullanılmıştır. Deneysel çalışmalarda, önerilen DÖPA mimarisi kullanılarak %86,86 F1-skor elde edilmiştir. Bu sonuçlar, önerilen modelin var olan çalışmalardan daha başarılı olduğunu göstermiştir.

Hiperspektral uzaktan algılama görüntüleri (HUAG) iki uzamsal ve bir spektral boyuta sahip görüntü küpleridir. Evrişimsel sinir ağı (ESA), HUAG sınıflandırmada uzamsal-spektral özellik bilgilerinin çıkarılmasını sağlayan en etkili derin öğrenme yöntemlerinden biridir. Geleneksel ESA tabanlı yöntemler genellikle özellik çıkarımı için 2B ESA’yı kullanmaktadır. 2B ESA yalnızca uzamsal boyutttaki özellikleri yakaladığından dolayı tek başına spektral boyutlardan iyi ayırt edici özellik haritaları çıkaramaz. 3B ESA HUAG’deki uzamsal-spektral özellikleri eş zamanlı olarak çıkarabilmektedir. Ancak 3B ESA hesaplama açısından karmaşıktır. Bu çalışmada 3B-2B ESA birleşiminden oluşan hibrid bir yöntem önerilmiştir. 3B ESA ortak uzamsal-spektral özellikleri çıkarırken, 3B ESA’dan sonra kullanılan 2B ESA ile daha fazla uzamsal özellikler öğrenilir. Ayrıca önerilen hibrid yöntem hesaplama karmaşıklığını da azaltmaktadır. Önerilen yöntemin sınıflandırma performansını arttırmak için Mish aktivasyon fonksiyonu kullanılmaktadır. Yaygın olarak kullanılan iki veriseti ile gerçekleştirilen uygulamalar sonucunda önerilen yöntemin daha iyi sınıflandırma performansına sahip olduğu görülmektedir.