Computer Science-AGH最新文献_第4页

Transfer Learning-Based Classification Comparison of Stroke 基于迁移学习的脑卒中分类比较

IF 0.5

Computer Science-AGH Pub Date : 2022-09-16 DOI: 10.53070/bbd.1172807

Rusul Ali Jabbar Alhatemi̇, Serkan Savaş

{"title":"Transfer Learning-Based Classification Comparison of Stroke","authors":"Rusul Ali Jabbar Alhatemi̇, Serkan Savaş","doi":"10.53070/bbd.1172807","DOIUrl":"https://doi.org/10.53070/bbd.1172807","url":null,"abstract":"One type of brain disease that significantly harms people's lives and health is stroke. The diagnosis and management of strokes both heavily rely on the quantitative analysis of brain Magnetic Resonance (MR) images. The early diagnosis process is of great importance for the prevention of stroke cases. Stroke prediction is made possible by deep neural networks with the capacity for enormous data learning. Therefore, in thus study, several deep neural network models, including DenseNet121, ResNet50, Xception, MobileNet, VGG16, and EfficientNetB2 are proposed for transfer learning to classify MR images into two categories (stroke and non-stroke) in order to study the characteristics of the stroke lesions and achieve full intelligent automatic detection. The study dataset comprises of 1901 training images, 475 validation images, and 250 testing images. On the training and validation sets, data augmentation was used to increase the number of images to improve the models’ learning. The experimental results outperform all the state of arts that were used the same dataset. The overall accuracy of the best model is 98.8% and the same value for precision, recall, and f1-score using the EfficientNetB2 model for transfer learning.","PeriodicalId":41917,"journal":{"name":"Computer Science-AGH","volume":null,"pages":null},"PeriodicalIF":0.5,"publicationDate":"2022-09-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"41509934","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 7

Emergency Detection With Deep Learning Based Image Processing 基于深度学习的图像处理紧急检测

IF 0.5

Computer Science-AGH Pub Date : 2022-09-16 DOI: 10.53070/bbd.1173385

Mustafa Göksu, Şafak Göksu, A. Alkan

{"title":"Emergency Detection With Deep Learning Based Image Processing","authors":"Mustafa Göksu, Şafak Göksu, A. Alkan","doi":"10.53070/bbd.1173385","DOIUrl":"https://doi.org/10.53070/bbd.1173385","url":null,"abstract":"Günümüzde insanlar tek başlarına ev ve dış ortamlarda, spor yaparken veya günlük yaşamlarını sürdürürken çeşitli sebeplerden kaza geçirerek zor durumlarda kalabilmektedir. Ayrıca meskûn mahal dışında meydana gelen kayıp aramalarında da kaybolan kişi veya çocuğu bir an evvel bulunması çok önemlidir. Dolayısıyla bu tür acil ulaşılması ve tespit edilmesi gereken kişilere hızla ulaşılmaması durumlarında kalıcı sakatlıklar ve ölümler meydana gelmektedir. Bu çalışmada derin öğrenme yöntemlerinden olan YOLOv4 ve YOLOv4-tiny algoritmaları ile kazaya uğrayan ve kaybolan insanların tespit edilebilmesi için 2 adet yapay zekâ modeli geliştirilmiştir. Geliştirilen modülde kameradan gelen görüntüler yapay zekâ modelinden geçirilerek insanların düşme pozisyonları, ayakta durma ve oturma pozisyonları algılanmakta ve acil durum tespiti yapıldığında alarm durumuna geçilerek ilgili kişilere konum/görüntü bilgileri gönderilmektedir. Geliştirilen yapay zekâ modeline ait acil durum tespit başarım değerleri mAP cinsinden YOLOv4 için %99,04, YOLOv4-tiny ile geliştirilen model için %97,91 olarak elde edilmiştir. Geliştirilen yapay zekâ modülünün ev ortamında kullanımı mümkün olduğu gibi İHA’ larda kullanılabilmesi mümkündür. Bu çalışmada elde edilen prototipin 112 Acil Çağrı Merkezleri tarafından kullanılması ile ev veya dış ortamda meydana gelen acil durumların tespiti ve arama çalışmalarında faydalı olacağı düşünülmektedir.","PeriodicalId":41917,"journal":{"name":"Computer Science-AGH","volume":null,"pages":null},"PeriodicalIF":0.5,"publicationDate":"2022-09-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"48970326","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Image Plagiarism Control System in Academic Articles 学术论文中的图像抄袭控制系统

IF 0.5

Computer Science-AGH Pub Date : 2022-09-16 DOI: 10.53070/bbd.1173436

Sabahattin Oluk, Buket Kaya

引用次数: 0

Using a New Generative Adversarial Network in Brain Tumor Segmentation and Detection 一种新的生成对抗网络在脑肿瘤分割与检测中的应用

IF 0.5

Computer Science-AGH Pub Date : 2022-09-16 DOI: 10.53070/bbd.1172664

Sara Altun Güven, M. F. Talu

{"title":"Using a New Generative Adversarial Network in Brain Tumor Segmentation and Detection","authors":"Sara Altun Güven, M. F. Talu","doi":"10.53070/bbd.1172664","DOIUrl":"https://doi.org/10.53070/bbd.1172664","url":null,"abstract":"Tıbbi görüntülerden beyin tümörünün algılanması araştırmacılar için aktif araştırma alanıdır. Tümör dokusunun çeşitliliği ve tümörün karmaşıklığı süreci zorlu hale getirmektedir. Bu çalışmada üç ayrı beyin tümörü veri kümesi oluşturulmuştur. Oluşturulan veri kümeleri iki boyutludur. Birinci veri kümesi 3 boyutlu görüntülerden 2 boyutlu görüntülere hiçbir değişiklik yapmadan dönüştürülen beyin tümörü veri kümesidir. İkinci veri kümesi birnci veri kümesindeki beyin harici kısımların yok edilmesiyle elde edilmiştir. Üçüncü veri kümesi ise beyin tümörünü daha iyi algılayabilmek için ikinci veri kümesi üzerinde görüntüyü keskinleştirip Gauss Filtresi ekleyerek elde edilmektedir. Buradaki amaç veri kümelerinin eğitim ve test sonuçlarına etkisini gözlemleyebilmektir. Bu çalışmada, beyin tömörü bölütlenirken ve algılanırken yeni Çekişmeli Üretken Ağ önerilmiştir. Önerilen yöntem beyin tümörünü manuel olarak değil otomatik bir şekilde yapabildiği için avantajlıdır. Önerilen yöntem SSimDCL (Supervised Similarity Dual Contrastive Learning) olarak adlandırılmıştır. Önerilen yöntem günümüzde derin öğrenme mimarileri arasında en iyi sonucu veren nnU-Net ile kıyaslanmaktadır. Kıyaslama yapılırken LPIPS ve PSNR yöntemleri tercih edilmiştir. Yapılan deneysel çalışmalar sonucunda önerilen yöntemin veri kümesi iyileştikçe daha iyi sonuçlar verdiği gözlemlenmiştir. nnU-Net yöntemi metriksel olarak daha iyi olmasına rağmen görsel sonuçlar duyusal olarak kıyaslandığında önerilen yöntemin daha iyi olduğu görülmüştür.","PeriodicalId":41917,"journal":{"name":"Computer Science-AGH","volume":null,"pages":null},"PeriodicalIF":0.5,"publicationDate":"2022-09-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"46843358","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Comparative Analysis of IoT Botnet Datasets 物联网Botnet数据集的比较分析

IF 0.5

Computer Science-AGH Pub Date : 2022-09-16 DOI: 10.53070/bbd.1173687

Esin Gül Ölmez, Kenan İnce

{"title":"Comparative Analysis of IoT Botnet Datasets","authors":"Esin Gül Ölmez, Kenan İnce","doi":"10.53070/bbd.1173687","DOIUrl":"https://doi.org/10.53070/bbd.1173687","url":null,"abstract":"Günümüzde IoT teknolojilerinin kullanımının yaygınlaşması birçok güvenlik sorunlarını da beraberinde getirmiştir. IoT cihazları çeşitli saldırıların hedefi haline gelmiştir. Bu saldırılarda en sık karşılaşılan tür botnet saldırılarıdır. IoT cihazlarda bu saldırıların sürekli çeşitlenerek gelişmesi ve donanımlarının kısıtlı olması sebebiyle geleneksel savunma yöntemlerinin uygulanamaması bu alanda yeni çalışmalara sebep olmuştur. Cihazlara yapılan saldırıların en kısa sürede tespit edilmesi, türlerine göre sınıflandırma yapılması güncel çalışmaların popüler konusu haline gelmiştir. Makine öğrenmesi yöntemleriyle sıfır gün saldırılarını tespit edip sınıflandırmak iyi bir yöntemdir. Yapılan bu çalışmada denetimli makine öğrenme yöntemlerinden Destek Vektör Makineleri (SVM) ile bir model oluşturulmuştur. Literatürde çokça kullanılan ve özellikle hem IoT botnet saldırı kayıtlarını hem de normal kayıt türlerini içeren verisetleri incelenmiştir. Bu veri setlerinden en uygun dört veriseti (Bot-IoT, CICIDS-2017, IoT-23 ve N-BaIoT) modelimiz üzerinde kullanılarak karşılaştırılmıştır. Yapılan değerlendirme sonucunda Bot-IoT veri seti için %99.94, CICIDS-2017 veri seti için %99.95, IoT-23 veri seti için %99.96 ve N-BaIoT veri seti için %99.92 oranında doğruluk değerlerine ulaşılmıştır. Bu sonuçlar değerlendirildiğinde makine öğrenme yöntemleri ile yapılan saldırı tespit ve sınıflandırma işlemlerinde seçmiş olduğumuz veri setlerinin kullanımının uygun olduğu görülmektedir.","PeriodicalId":41917,"journal":{"name":"Computer Science-AGH","volume":null,"pages":null},"PeriodicalIF":0.5,"publicationDate":"2022-09-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"43402503","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Fuzzy Decision Based Modeling of Rheostatic Brake System for Autonomous Land Vehicles 基于模糊决策的自主陆地车辆变阻制动系统建模

IF 0.5

Computer Science-AGH Pub Date : 2022-09-16 DOI: 10.53070/bbd.1173849

Semir Sünkün, Berke Ogulcan Parlak, Alper Yildirim, H. Yavasoglu

{"title":"Fuzzy Decision Based Modeling of Rheostatic Brake System for Autonomous Land Vehicles","authors":"Semir Sünkün, Berke Ogulcan Parlak, Alper Yildirim, H. Yavasoglu","doi":"10.53070/bbd.1173849","DOIUrl":"https://doi.org/10.53070/bbd.1173849","url":null,"abstract":"Otonom araçların (OA'lar) en temel özelliği otonom olmalarıdır. Ancak aracın dinamik çalışma ortamı nedeniyle kontrol algoritmaları kesin olmayan, yaklaşık ve güvenilmez kararlar verebilir. Bu nedenle, özellikle tutarlı engellerden kaçınma algoritmaları olmak üzere daha sağlam sürüş algoritmalarının oluşturulmasına ihtiyaç vardır. Bazen, engellerden kaçınmak için aracın tamamen durması gerekir. Bu durumda aracın motor freni kontrolü devreye alınabilir. Bu çalışmada, reostatik frenleme olarak bilinen elektrikli fren sistemi ile otonom kara taşıtlarını etkin bir şekilde frenlemek için bulanık bir model önerilmiştir. Reostatik fren sistemi (RFS) kullanıldığı için, tasarlanan bu modelleme için bulanık denetleyicinin giriş değerleri araç hızı ve zemin kayganlığı, çıkış değeri ise reostat direnç değeridir. Geliştirilen bulanık denetleyicide Mamdani çıkarımı ve Toplama yöntemleri kullanılmıştır. Bu iki yönteme ek olarak, bulanık denetleyici ayrıca kullanıcıya ağırlık merkezi, açıortay, maksimumun ortalaması, maksimumun en küçüğü ve maksimumun en büyüğü keskinleştirme yöntemlerinin çıktısını verir. Son olarak, Python programlama dilini ve Tkinter kitaplığını kullanarak, grafik kullanıcı arayüzü, kullanıcının girdilerinin dilsel ifadesini ve üyelik derecesini, nihai bulanık çıktı grafiğini ve tüm durulaştırma yöntemlerinden (GUI) kesin çıktıları görüntüler.","PeriodicalId":41917,"journal":{"name":"Computer Science-AGH","volume":null,"pages":null},"PeriodicalIF":0.5,"publicationDate":"2022-09-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"48014899","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

A Comparative Study of Autoencoder Approaches to the Data Sparsity Problem in Recommender Systems 推荐系统中数据稀疏问题的自动编码方法的比较研究

IF 0.5

Computer Science-AGH Pub Date : 2022-09-16 DOI: 10.53070/bbd.1173564

Ecem Bölük, M. Ö. Cingiz

{"title":"A Comparative Study of Autoencoder Approaches to the Data Sparsity Problem in Recommender Systems","authors":"Ecem Bölük, M. Ö. Cingiz","doi":"10.53070/bbd.1173564","DOIUrl":"https://doi.org/10.53070/bbd.1173564","url":null,"abstract":"Öneri sistemleri kullanıcıların geçmişteki tercihlerinden hareketle gelecekteki tercihlerini tahmin eden sistemlerdir. Fakat kullanıcılar her zaman tercihlerini sistemlere belirtmeyebilir. Bu durum, öneri sistemleri tasarlanırken karşılaşılan en büyük sorunlardan biri olan veri seyrekliğine neden olur. Derin öğrenme algoritmalarından otomatik kodlayıcılar, seyrek kullanıcı matrisini verilerden öğrendiği iç görülerden hareketle yeniden doldurarak veri seyrekliği probleminin çözülmesini sağlar. Bu çalışmada derin öğrenme algoritmalarından Temel Otomatik Kodlayıcı, Gürültü Giderici Otomatik Kodlayıcı, Seyrek Otomatik Kodlayıcı ve Varyasyonel Otomatik Kodlayıcı olmak üzere dört farklı otomatik kodlayıcı modeli kullanılarak veri seyrekliğine karşı performansları karşılaştırılmıştır. Veri seti olarak %93,6 oranında seyrek veri içeren MovieLens-100K veri seti kullanılmıştır. Otomatik kodlayıcı modelleri öğe tabanlı öneri sistemlerinde kullanıcı tabanlı öneri sistemlerine göre daha başarılı sonuçlar sağladığı gözlemlenmiştir. Öğe tabanlı öneri sistemlerde Temel Otomatik Kodlayıcı daha iyi performans sağlarken, kullanıcı tabanlı öneri sistemlerinde ise Temel Otomatik Kodlayıcı ve Seyrek Otomatik Kodlayıcı birbirlerine çok yakın bir performans sağladıkları gözlemlenmiştir.","PeriodicalId":41917,"journal":{"name":"Computer Science-AGH","volume":null,"pages":null},"PeriodicalIF":0.5,"publicationDate":"2022-09-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"46183976","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Real-Time Optimization of a Pseudo-Random Number Generator Using Particle Swarm Optimization Method 基于粒子群算法的伪随机数生成器实时优化

IF 0.5

Computer Science-AGH Pub Date : 2022-09-16 DOI: 10.53070/bbd.1173694

Muhammed Saadetdin Kaya, Kenan İnce

{"title":"Real-Time Optimization of a Pseudo-Random Number Generator Using Particle Swarm Optimization Method","authors":"Muhammed Saadetdin Kaya, Kenan İnce","doi":"10.53070/bbd.1173694","DOIUrl":"https://doi.org/10.53070/bbd.1173694","url":null,"abstract":"Sistem tasarımı ve kriptografik yöntemler için kritik bir öneme sahip olan rassal sayı üretimi; işlem gücü yüksek bilgisayarların ortaya çıkmasıyla güvenlik açısından daha da ön plana çıkmaktadır. Bu problemin çözülmesi için fiziksel bir işleyiş ile rassal sayı üretimini hedefleyen gerçek rassal sayı üreteçleri kullanılabileceği gibi yazılım tabanlı olduğu için uygulanması daha kolay olan sözde rassal sayı üreteçleri (SRSÜ) de kullanılabilmektedir. SRSÜ, genellikle bilinen bir algoritmaya sahip olmaları ve aynı şartlar altında tahmin edilebilen sonuçlar vermeleri sebebiyle gerçek manada rassallık sağlayamamaktadırlar. Nitekim çeşitli rassallık şartlarını sağlamaları, sayı üretim hızı ve maliyet gibi sebeplerden dolayı sıkça tercih edilmektedirler. Bu çalışmada, uygulama kolaylığı ve uygulama ortamı sebebiyle tercih edilen bir SRSÜ algoritmasının Parçacık Sürüsü Optimizasyonu (PSO) kullanılarak değişken sistem şartlarında asgari kaynak tüketimi ile azami rassallığa ulaştırılması amaçlanmıştır. Rassallık, Tekrarlama Sınaması ve Sıfır Hipotezi kullanılarak ölçülmüş ve PSO kullanılarak bir SRSÜ’nün optimize edilmesi yoluyla özellikle alan karmaşıklığı açısından ciddi kazanımlar elde edilebileceği sonucuna ulaşılmıştır.","PeriodicalId":41917,"journal":{"name":"Computer Science-AGH","volume":null,"pages":null},"PeriodicalIF":0.5,"publicationDate":"2022-09-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"41686760","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

The Development ff Artıfıcıal Intellıgence in IPS Systems in The Last Five Years 近五年IPS系统中Artıfıcıal Intellıgence的发展

IF 0.5

Computer Science-AGH Pub Date : 2022-09-16 DOI: 10.53070/bbd.1172803

M. Gencoglu

{"title":"The Development ff Artıfıcıal Intellıgence in IPS Systems in The Last Five Years","authors":"M. Gencoglu","doi":"10.53070/bbd.1172803","DOIUrl":"https://doi.org/10.53070/bbd.1172803","url":null,"abstract":"Günümüzde siber güvenliğin temel taşlarından olan IPS (Saldırı Önleme Sistemleri) 2017 yılından günümüze kadar geleneksel insan kontrollü savunma stratejisinden sıyrılıp, NGIPS (Yeni Nesil Saldırı Önleme Sistemleri) olarak da bilinen yapay zekâ ve makine öğrenimi entegrasyonlu yeni bir savunma stratejisine dönüşmüştür. Yapay zekaya entegre bu yeni IPS çözümleri yıllar içerisinde farklı algoritmalar ve teknikler ile saldırı önlemede kullanılmıştır. Bu çalışmada yapay zekaya entegre sistemler hakkında bilgi verilmiş ve son beş yıl içerisindeki gelişimi IPS çözümleri genelinde ve Fortinet IPS çözümü özelinde incelenmiştir. IPS çözümlerindeki bu yapay zekâ ile savunma, yine yapay zekâ ile yapılan saldırılar neticesinde doğru orantılı olarak gelişmiştir. IPS çözümlerinde makine öğrenimi üç temel teknikte kullanır. Bunlar, veri toplama, özellik seçimi ve model oluşturmadır. Model oluşturma yöntemi ile sınıflandırılan veriler yapay zekâ algoritmaları ile olumlu ya da olumsuz olarak değerlendirilip müdahale edilir. Geleneksel yöntemler yani yapay zekâ öncesi yöntemler bu algılamalarda yetersiz kalmıştır. Gelişen siber saldırılar ve her geçen gün keşfedilen yeni açıklıkların insan sınırlarının üzerinde olması sebebi ile IPS sistemlerde yapay zekânın var olması ve geliştirilmesi zorunlu hale gelmiştir. \u0000Bu çalışmanın IPS’lerde yapay zekâ gelişiminin, siber savunmadaki önemi ile ilgili farkındalık yaratacağı değerlendirilmektedir.","PeriodicalId":41917,"journal":{"name":"Computer Science-AGH","volume":null,"pages":null},"PeriodicalIF":0.5,"publicationDate":"2022-09-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"48110263","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Application of Slime Mould Algorithm to Infinite Impulse Response System Identification Problem 黏菌算法在无限脉冲响应系统辨识问题中的应用

IF 0.5

Computer Science-AGH Pub Date : 2022-09-16 DOI: 10.53070/bbd.1172833

Davut Izci, Serdar Ekinci, Murat Güleydi̇n

引用次数: 2