Bilgisayar bilimleri最新文献_第3页

MFCC Öznitelikleri ve Adaboost Topluluk Öğrenme Yöntemi Kullanılarak Uyku Seslerinin Sınıflandırılması 利用 MFCC 特征和 Adaboost 集合学习法对睡眠声进行分类

Bilgisayar bilimleri Pub Date : 2023-08-23 DOI: 10.53070/bbd.1347221

Ensar Arif SAĞBAŞ

{"title":"MFCC Öznitelikleri ve Adaboost Topluluk Öğrenme Yöntemi Kullanılarak Uyku Seslerinin Sınıflandırılması","authors":"Ensar Arif SAĞBAŞ","doi":"10.53070/bbd.1347221","DOIUrl":"https://doi.org/10.53070/bbd.1347221","url":null,"abstract":"Düzenli ve kaliteli bir gece uykusu insan hayatında hayati önem taşımaktadır. Uyku kalitesi, insanların ve çevrelerindekilerin günlük yaşamları üzerinde büyük bir etkiye sahiptir. Günümüzde birçok insan uyku bozuklukları konusunda sıkıntı çekmektedir. Bu tarz rahatsızlıklar günlük hayatı etkilemekte ve akıl sağlığını bozabilmektedir. Bu çalışma uyku seslerinin otomatik olarak sınıflandırılması için topluluk öğrenme yöntemini kullanan bir yaklaşım önermektedir. Çalışmada 7 farklı uyku sesini içeren bir veri kümesinden faydalanılmıştır. Öncelikli olarak ses dosyalarından MFCC öznitelikleri çıkartılmıştır. Sonrasında çıkartılan öznitelikler ses sınıflandırılmasında sıklıkla kullanılan lojistik regresyon, destek vektör makinesi, kNN ve rastgele orman gibi bilinen yöntemlerle sınıflandırılmıştır. Sınıflandırma başarısını artırmak amacı ile bu temel sınıflandırıcılar Adaboost topluluk öğrenme yöntemi ile birlikte kullanılması yaklaşımı önerilmiştir. Önerilen yaklaşım ile sınıflandırma başarısında artış gözlemlenmiştir. En başarılı sonuç %96.439 ile Adaboost+Rastgele orman yönteminden elde edilmiştir.","PeriodicalId":488052,"journal":{"name":"Bilgisayar bilimleri","volume":"16 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135621348","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 New Digital Twin-Based Fault Diagnosis Approach Using Parameter Estimation and Information Entropy 基于参数估计和信息熵的数字孪生故障诊断新方法

Bilgisayar bilimleri Pub Date : 2023-08-23 DOI: 10.53070/bbd.1347156

İlhan AYDIN, Emrullah AYDIN, Erhan AKIN

引用次数: 0

Improved Reptile Search Algorithm for Optimal Design of Solar Photovoltaic Module 太阳能光伏组件优化设计的改进爬行动物搜索算法

Bilgisayar bilimleri Pub Date : 2023-08-22 DOI: 10.53070/bbd.1346267

Davut İZCİ, Serdar EKİNCİ, Murat GÜLEYDİN

{"title":"Improved Reptile Search Algorithm for Optimal Design of Solar Photovoltaic Module","authors":"Davut İZCİ, Serdar EKİNCİ, Murat GÜLEYDİN","doi":"10.53070/bbd.1346267","DOIUrl":"https://doi.org/10.53070/bbd.1346267","url":null,"abstract":"This study focuses on the vital role of parameter extraction in optimizing and evaluating solar photovoltaic (PV) systems, as it directly influences their efficiency in converting solar energy to electricity. Researchers have extensively explored the application of various metaheuristic algorithms to accurately estimate solar PV parameters due to their crucial significance, leading to an extensive body of literature on the subject. However, the search for a robust and user-friendly optimizer with high convergence ability remains a challenging task that demands further research. To address this challenge, the study conducts a comprehensive comparative analysis of the RSALF optimizer, an innovative metaheuristic algorithm combining the reptile search algorithm (RSA) with Lévy flight (LF), for parameter extraction of PV model parameters using the Photowatt-PWP201 PV module as a case study. The experimental results demonstrate the RSALF optimizer's remarkable accuracy in parameter estimation, consistently yielding lower root mean square error values and closely aligning with experimental data. Moreover, comparative analysis with other recent optimization approaches highlights the RSALF optimizer's superiority, making it a promising tool for advancing the optimization of PV models and facilitating more efficient and sustainable solar energy utilization.","PeriodicalId":488052,"journal":{"name":"Bilgisayar bilimleri","volume":"34 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135716427","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

Keystroke Biometric Data for Identity Verification: Performance Analysis of Machine Learning Algorithms 身份验证的击键生物识别数据:机器学习算法的性能分析

Bilgisayar bilimleri Pub Date : 2023-08-21 DOI: 10.53070/bbd.1345519

Erhan YILMAZ, Özgü CAN

引用次数: 0