Yazar "Ataş, İsa" seçeneğine göre listele
Listeleniyor 1 - 10 / 10
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Açık kuplajlı mikroşerit yama antenler için yapay sinir ağ modeli(Dicle Üniversitesi Mühendislik Fakültesi, 2013) Ataş, İsa; Kurt, M. Bahattin; Ataş, MusaTeknolojinin gelişmesine paralel olarak kablosuz iletişimin ilgi görmesi, son yıllarda anten teknolojisinin hızlı ilerlemesine olanak sağlamıştır. Kablosuz iletişim araçlarından biri de mobil uygulamalarda ve uzay araçlarında kullanılan Mikroşerit Yama Antenleridir (MYA). Kişisel taşınabilir cihazların yaygınlaşması MYA'nın önemini daha da arttırmıştır. Bu çalışmada 1 GHz ile 3.5 GHz arasındaki frekans değerleri için, Yapay Sinir Ağ (YSA) modeline dayalı Açıklık Kuplajlı Mikroşerit Yama Anten (AKMYA) tasarımı yapılmıştır. AKMYA'lar mikroşerit hat ile beslenirler ve kendi sınıfındaki MYA tipleri içerisinde en yüksek bant genişliğine sahiptirler. Geometrik yapıları farklı 500 adet AKMYA'nın simülasyonu, Finite Element Method (FEM) yöntemini kullanan 3 boyutlu tam dalga Elektromanyetik Alan Simülatörü (EAS) yazılımı ile yapılmış ve her bir anten için rezonans frekans değeri hesaplanmıştır. Levenberg-Marquardt (LM) öğrenme algoritması temelinde geliştirilen YSA modeli, EAS ile üretilen örnekler ile eğitilmiş, eğitim süresince görmediği test veri seti kullanılarak doğruluğu ölçülmüştür.Geliştirilen YSA modelinin başarımının ölçülmesinde 5 kat çaprazlam doğruluk yöntemi kullanılmış ve %3.5 test hata oranı tespit edilmiştir. Zaman verimliliği açısından bakıldığında önerilen yöntemin, EAS yazılımına göre en az 100 kat daha hızlı çalıştığı tespit edilmiştir. Önerilen YSA modelinin AKMYA'ların rezonans frekansının belirlenmesinde etkin ve verimli bir yöntem olacağı düşünülmektedir.Öğe Açıklık kuplajlı mikroşerit yama antenin rezonans frekansının yapay sinir ağları ile belirlenmesi(2011) Ataş, İsa; Kurt, M. BahattinBu çalışmada, mikroşerit yama antenin rezonans frekansının yapay sinir ağları (YSA) ile belirlenmesi amaçlanmıştır. Kendi sınıfında en yüksek band genişliğine sahip Açıklık Kuplajlı Mikroşerit Yama Anten (AKMYA) üzerinde çalışılmıştır. Tez çalışmasında AKMYA, HFSS paket programı ile modellenerek simüle edilmiştir. Simülasyon sonucunda rezonans frekans değerleri bulunmuş, anten boyutlarında sistematik bir şekilde gerekli değişiklikler yapılmıştır. Tüm giriş parametreleri manuel olarak girilmiş ve çıkış rezonans frekans değeri yine manuel olarak kaydedilmiştir. İstenilen anten parametrelerinin elde edilmesinde simülasyon programlarının ağır hesap yükünden dolayı sonuçları uzun zaman diliminde vermesi bilgisayar destekli yeni yöntemlerin arayışına yol açmıştır. Bu bağlamda az bir bilgiye gereksinim duyması, farklı problemlere cevap vermesi, genelleme yapabilmesi, hızlı öğrenme becerisi gibi özellikler yapay sinir ağlarını (YSA)'nın kullanılmasında ana etken olmuştur. Ayrıca YSA' ların eğitilmesinde çok katlı perseptronlar üzerinde farklı öğrenme yöntemleri kullanılarak, bu yöntemlerin performansları karşılaştırılmıştır. YSA modellerinden elde edilen sonuçların, HFSS sonuçlarıyla uyumluluk içinde olduğu görülmüştür. Bununla beraber kullanılan YSA modeller sayesinde sonuçlar HFSS'ye göre çok daha kısa bir sürede elde edilmiştir. Anahtar kelimeler: Mikroşerit yama anten, açıklık kuplajlı, rezonans frekansı, anten simülasyonu, yapay sinir ağları.Öğe Açıklık kuplajlı mikroşerit yama antenler için yapay sinir ağ modeli(2013) Ataş, İsa; Kurt, M. Bahattin; Ataş, MusaTeknolojinin gelişmesine paralel olarak kablosuz iletişimin ilgi görmesi, son yıllarda anten teknolojisininhızlı ilerlemesine olanak sağlamıştır. Kablosuz iletişim araçlarından biri de mobil uygulamalarda ve uzayaraçlarında kullanılan Mikroşerit Yama Antenlerdir (MYA). Kişisel taşınabilir cihazların yaygınlaşmasıMYA' nın önemini daha da arttırmıştır.Bu çalışmada 1GHz ile 3.5GHz arasındaki frekans değerleri için, Yapay Sinir Ağ (YSA) modeline dayalıAçıklık Kuplajlı Mikroşerit Yama Anten (AKMYA) tasarımı yapılmıştır. AKMYA'lar mikroşerit hat ilebeslenirler ve kendi sınıfındaki MYA tipleri içerisinde en yüksek bant genişliğine sahiptirler.Geometrik yapıları farklı 500 adet AKMYA'nın simülasyonu, Finite Element Method (FEM) yönteminikullanan 3 boyutlu tam dalga Elektromanyetik Alan Simülatörü (EAS) yazılımı ile yapılmış ve her bir anteniçin rezonans frekans değeri hesaplanmıştır.Levenberg-Marquardt (LM) öğrenme algoritması temelinde geliştirilen YSA modeli, EAS ile üretilenörnekler ile eğitilmiş, eğitim süresince görmediği test veri seti kullanılarak doğruluğu ölçülmüştür.Geliştirilen YSA modelinin başarımının ölçülmesinde 5 kat çaprazlama doğruluk yöntemi kullanılmış ve %3.5 test hata oranı tespit edilmiştir. Zaman verimliliği açısından bakıldığında önerilen yöntemin, EASyazılımına göre en az 100 kat daha hızlı çalıştığı tespit edilmiştir. Önerilen YSA modelinin AKMYA'larınrezonans frekansının belirlenmesinde etkin ve verimli bir yöntem olacağı düşünülmektedir.Öğe Biometric identification using panoramic dental radiographic images with few-shot learning(Tubitak Scientific & Technical Research Council Turkey, 2022) Ataş, Musa; Özdemir, Cüneyt; Ataş, İsa; Ak, Burak; Özeroğlu, EsmaDetermining identity is a crucial task especially in the cases of mass disasters such as tsunamis, earthquakes, fires, epidemics, and in forensics. Although there are various studies in the literature on biometric identification from radiographic dental images, more research is still required. In this study, a panoramic dental radiographic (PDR) image -based human identification system was developed using a customized deep convolutional neural network model in a few-shot learning scheme. The proposed model (PDR-net) was trained on 600 PDR images obtained from a total of 300 patients. As the PDR images of the patients were very different in terms of pose and intensity, they were first cropped by the domain experts according to the region of interest and adjusted to standard view with histogram equalization. A customized data augmentation approach was applied in order for the model to generalize better while it was being trained. The proposed model achieved a prediction accuracy of 84.72% and 97.91% in Rank-1 and Rank-10, respectively, by testing 144 PDR images of 72 patients that had not been previously used in training. It was concluded that well known similarity metrics such as Euclidean, Manhattan, Cosine, Pearson, Kendall's Tau and sum of absolute difference can be utilized in few-shot learning. Moreover, Cosine and Pearson similarity achieved the highest Rank 1 score of 84.72%. It was observed that as the number of rank increased, the Spearman and Kendall's Tau metrics had the same success as Cosine and Pearson. Based on the superimposed heatmap image analysis, it was determined that the maxillary, mandibular, nasal fossa, sinus and other bone forms in the mouth contributed biometric identification. It was also found that customized data augmentation parameters contributed positively to biometric identification.Öğe Comparison of deep convolution and least squares GANs for diabetic retinopathy image synthesis(Springer Science and Business Media, 2023) Ataş, İsaInaccessibility to medical image datasets in today’s technology limits deep-learning studies in the healthcare field. Generative adversarial networks (GANs) can fill this gap by synthesizing data comparable to actual images. GAN is a generative-modeling approach that emulates dataset content using deep learning techniques. Vanilla GAN is not compatible enough to synthesize images, so variants have been developed. In this study, the performances of the deep convolutional GAN (DCGAN) using the sigmoid-based cross-entropy loss function and the least squares GAN (LSGAN) using the mean square error function on diabetic retinopathy images were analyzed. Inception score, which measures visual acuity, and Frechet inception distance, which calculates structural similarity, were used to validate the qualitative results of the generated images. In detailed analyzes, the DCGAN model performed better than the LSGAN model. The evaluations made depend on the loss of generator and discriminator, classification accuracy, quality of generated images and training epoch of the models. As a result, were reported the effect of changing hyperparameters in DCGAN and LSGAN models and the compatibility of the produced images with the quantitative results.Öğe Doğrusal ve düzlemsel mikroşerit dizi antenlerin tasarımı ve kazanç yönünden karşılaştırılması(Dicle Üniversitesi Mühendislik Fakültesi, 2018) Ataş, İsa; Abbasov, Teymuraz; Kurt, Muhammed BahaddinBu çalışmada, S frekans band aralığındaki çevresel algılama uygulamalarında kullanılacak iki farklı mikroşerit dizi anten tasarımı sunulmuştur. Yapılan bu çalışma doğrusal ve düzlemsel mikroşerit dizi antenlerin yüksek kazanç yönünden benzetim sonuçlarının karşılaştırılmasını içermektedir. Dizi anten tasarımı aşamasında yüksek kazanç ile birlikte yönlü ışıma yapan anten modelleri amaçlanmıştır. 1x4 ve 2x2 dizi anten modelleri, kolay elde edilebilen, maliyeti ucuz olan dielektrik sabiti 4.4 ve kalınlığı yaklaşık 1.6 mm olan FR4 yalıtkan malzeme ile hazırlanmıştır. Dizi antenler, üç boyutlu tam dalga elektromanyetik yapı analizi ANSOFT HFSS programı kullanılarak tasarlanmıştır. Tasarım aşamasında dizi antenlerin iletim hattı kayıpları T-junction ve Wilkinson güç bölücüsü teknikleri kullanılarak optimize edilmeye çalışılmış ve empedans uyumu gerçekleştirilmiştir. Ayrıca iletim hattındaki istenilmeyen yansımaları minimum seviyeye çekmek ve kapasitif yüklenmeyi azaltmak için dönemeçlerdeki gereksiz alanlar kaldırılmıştır. Tek elemanlı antenin ürettiği kazanç 2.64 dB ve yönelticilik 6.69 dB iken, çeyrek dalga dönüşüm besleme ile tasarlanan 1x4 ve 2x2 dizi antenlerde sırasıyla 9.10 dB ve 7.10 dB kazanç ve 12.29 dB ve 11.18 dB yönelticilik değerleri gözlemlenmiştir. Aradaki kazanç kaybı, kullanılan dielektrik malzemenin kayıplı bir yapıya sahip olmasından dolayıdır. Önerilen 1x4 ve 2x2 dizi antenlerin çıkış parametrelerinden yansıma kaybı (RL), duran dalga oranı (VSWR), giriş empedansı, kazanç ve ışıma örüntü diyagramları karşılaştırmalı olarak verilmiştir.Öğe Forensic Dental Age Estimation Using Modified Deep Learning Neural Network(MUSA YILMAZ, 2023) Ataş, İsa; Özdemir, Cüneyt; Ataş, Musa; Doğan, YahyaDental age is one of the most reliable methods to identify an individual’s age. By using dental panoramic radiography (DPR) images, physicians and pathologists in forensic sciences try to establish the chronological age of individuals with no valid legal records or registered patients. The current methods in practice demand intensive labor, time, and qualified experts. The development of deep learning algorithms in the field of medical image processing has improved the sensitivity of predicting truth values while reducing the processing speed of imaging time. This study proposed an automated approach to estimate the forensic ages of individuals ranging in age from 8 to 68 using 1332 DPR images. Initially, experimental analyses were performed with the transfer learning-based models, including InceptionV3, DenseNet201, EfficientNetB4, MobileNetV2, VGG16, and ResNet50V2; and accordingly, the best-performing model, InceptionV3, was modified, and a new neural network model was developed. Reducing the number of the parameters already available in the developed model architecture resulted in a faster and more accurate dental age estimation. The performance metrics of the results attained were as follows: mean absolute error (MAE) was 3.13, root mean square error (RMSE) was 4.77, and correlation coefficient R2 was 87%. It is conceivable to propose the new model as potentially dependable and practical ancillary equipment in forensic sciences and dental medicine.Öğe GAIN ENHANCEMENT AND MINIATURIZATION OF DUAL-BAND COMPACT PATCH ANTENNA(2020) Ataş, İsa; Abbasov, Teymuraz; Kurt, Muhammed BahaddinIn this study, how to increase the dual-band Patch Antenna (PA) gain for the performance improvement of PAs is explained step by step. In addition, a novel method was added for further miniaturization and gain enhancement of the PA. Low cost FR4 substrate was preferred for the design and production of this model. The performance of the proposed antenna was evaluated in terms of Return Loss (RL), surface current distribution, gain and radiation efficiency. For this purpose, HFSS which is a commercial software and that solves electromagnetic structures by finite element method was used in modeling and design steps. The prototype of the produced antenna was measured with a vector network analyzer and the output characteristics were evaluated. The measurement and simulation results of this antenna were found to be consistent and comparable. The peak gain values of the proposed antenna at 5.8 GHz and 10 GHz were obtained as 2.88 dBi and 7.24 dBi, respectively.Öğe Human gender prediction based on deep transfer learning from panoramic dental radiograph images(International Information and Engineering Technology Association, 2022) Ataş, İsaPanoramic Dental Radiography (PDR) image processing is one of the most extensively used manual methods for gender determination in forensic medicine. With the assistance of the PDR images, a person's biological gender determination can be performed through analyzing skeletal structures expressing sexual dimorphism. Manual approaches require a wide range of mandibular parameter measurements in metric units. Besides being timeconsuming, these methods also necessitate the employment of experienced professionals. In this context, deep learning models are widely utilized in the auto-analysis of radiological images nowadays, owing to their high processing speed, accuracy, and stability. In our study, a data set consisting of 24,000 dental panoramic images was prepared for binary classification, and the transfer learning method was used to accelerate the training and increase the performance of our proposed DenseNet121 deep learning model. With the transfer learning method, instead of starting the learning process from scratch, the existing patterns learned beforehand were used. Extensive comparisons were made using deep transfer learning (DTL) models VGG16, ResNet50, and EfficientNetB6 to assess the classification performance of the proposed model in PDR images. According to the findings of the comparative analysis, the proposed model outperformed the other approaches by achieving a success rate of 97.25% in gender classification.Öğe Performance Evaluation of Jaccard-Dice Coefficient on Building Segmentation from High Resolution Satellite Images(Balkan Yayın, 2023) Ataş, İsaIn remote sensing applications, segmentation of input satellite images according to semantic information and estimating the semantic category of each pixel from a given set of tags are of great importance for the automatic tracking task. It is important in situations such as building detection from high resolution satellite images, city planning, environmental preparation, disaster management. Buildings in metropolitan areas are crowded and messy, so high-resolution images from satellites need to be automated to detect buildings. Segmentation of remote sensing images with deep learning technology has been a widely considered area of research. The Fully Convolutional Network (FCN) model, a popular segmentation model, is used for building detection based on pixel-level satellite images. In the U-Net model developed for biomedical image segmentation and modified in our study, its performances during training, accuracy and testing were compared by using customized loss functions such as Dice Coefficient and Jaccard Index measurements. Dice Coefficient loss score was obtained 84% and Jaccard Index lost score was obtained 70%. In addition, the Dice Coefficient loss score increased from 84% to 87% by using the Batch Normalization (BN) method instead of the Dropout method in the model.
