Borsa endeksleri, genel ekonomik performansı yansıttıkları için yatırımcılar tarafından yatırım kararları alırken önemli bir referans olarak kullanılırlar. Ayrıca, portföy yönetim şirketlerinin endeksleri replike eden yatırım fonları, hisse senetleri gibi gerçek zamanlı olarak alınıp satılabilir. Bu nedenle, borsa endeksinin gelecekteki yönünü tahmin etmek, yatırımcılar için kritik bir öneme sahiptir. Bu çalışmada, Borsa İstanbul 100 (BIST100) endeksinin yön tahmininde derin öğrenme tabanlı bir görüntü sınıflandırma yaklaşımı önerilmiştir. İlk olarak, günlük BIST100 endeks değerleri bir sonraki günün endeks değeri ile karşılaştırılarak yukarı ve aşağı şeklinde etiketlendi. Etiketlenen veriler daha sonra teknik analiz göstergeleri kullanılarak grafik görüntülerine dönüştürüldü. Tahmin modeli için, ön-eğitimli evrişimsel sinir ağı (CNN) modelleri olan AlexNet, GoogLeNet ve ResNet-50, problemle uyumlu hale getirilmek üzere ince ayarlandı. Eğitim dışı bırakılan üç yıllık dönem boyunca ince-ayarlama yapılmış AlexNet, GoogLeNet ve ResNet-50 modelleri sırasıyla %54,22, %53,01 ve %54,62 doğruluk değerleri ile BIST100 endeks yönünü tahmin edebilmiştir. Ayrıca, modellerin performansını değerlendirmek için Naive karşılaştırma yöntemi kullanıldı. Deneysel sonuçlar, ince ayarlı her üç CNN modelinin Naive karşılaştırma yönteminden daha iyi sonuçlar elde ettiğini göstermektedir.
{"title":"Prediction of Borsa Istanbul 100 Index Direction via Deep Learning Based Image Classification Approach","authors":"Yahya Altuntas, Fatih Kocamaz","doi":"10.53070/bbd.1399935","DOIUrl":"https://doi.org/10.53070/bbd.1399935","url":null,"abstract":"Borsa endeksleri, genel ekonomik performansı yansıttıkları için yatırımcılar tarafından yatırım kararları alırken önemli bir referans olarak kullanılırlar. Ayrıca, portföy yönetim şirketlerinin endeksleri replike eden yatırım fonları, hisse senetleri gibi gerçek zamanlı olarak alınıp satılabilir. Bu nedenle, borsa endeksinin gelecekteki yönünü tahmin etmek, yatırımcılar için kritik bir öneme sahiptir. Bu çalışmada, Borsa İstanbul 100 (BIST100) endeksinin yön tahmininde derin öğrenme tabanlı bir görüntü sınıflandırma yaklaşımı önerilmiştir. İlk olarak, günlük BIST100 endeks değerleri bir sonraki günün endeks değeri ile karşılaştırılarak yukarı ve aşağı şeklinde etiketlendi. Etiketlenen veriler daha sonra teknik analiz göstergeleri kullanılarak grafik görüntülerine dönüştürüldü. Tahmin modeli için, ön-eğitimli evrişimsel sinir ağı (CNN) modelleri olan AlexNet, GoogLeNet ve ResNet-50, problemle uyumlu hale getirilmek üzere ince ayarlandı. Eğitim dışı bırakılan üç yıllık dönem boyunca ince-ayarlama yapılmış AlexNet, GoogLeNet ve ResNet-50 modelleri sırasıyla %54,22, %53,01 ve %54,62 doğruluk değerleri ile BIST100 endeks yönünü tahmin edebilmiştir. Ayrıca, modellerin performansını değerlendirmek için Naive karşılaştırma yöntemi kullanıldı. Deneysel sonuçlar, ince ayarlı her üç CNN modelinin Naive karşılaştırma yönteminden daha iyi sonuçlar elde ettiğini göstermektedir.","PeriodicalId":503380,"journal":{"name":"Computer Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-12-13","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139181464","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}
Beyin tümörü beyinde bulunan hücrelerin yenilenmesi sırasında oluşan hatalardan dolayı kafatası içerisinde anormal kitle büyümesinin genel adıdır. Beyin tümöründen hayatını kaybeden kişi sayısı gün geçtikçe artmaktadır. Kayıpları azaltmak için hastalığın tedavi planlamasında ve sonuç değerlendirilmesinde erken teşhis hayati bir önem taşımaktadır. Beyin tümör teşhisi için yaygın olarak kullanılan ve beyin içerisindeki dokuları gösteren MR (manyetik rezonans) görüntüleme yöntemi kullanılmaktadır. Geleneksel yöntemlerle MR görüntülerini kullanılarak beyin tümörünü sınıflandırmak beyin yapısı ve içindeki dokuların karmaşık olmasından dolayı zordur. Beyin tümörü sınıflandırmasında son yıllarda popüler olan ve sınıflandırma konusunda yüksek doğruluk oranları yakalayan derin öğrenme mimarileri kullanılmaktadır. Bu çalışmada VGG16,VGG19 ve MobileNet derin öğrenme mimarileri karşılaştırılarak en yüksek doğruluk oranına sahip olan mimarinin belirlenmesi amaçlanmıştır. Bu mimarilerin başarısını artırmak için veri tabanındaki görüntülere histogram eşitleme işlemi uygulanmıştır. Kullanılan veri seti 3590 MR görüntüsünden oluşup dört beyin tümörü sınıfından (glioma, meningioma, tümörsüz, pituitary) oluşmaktadır. Yapılan test ve eğitim sonucunda en yüksek doğruluk MobileNet tarafından elde edilmiştir. Deneysel çalışmalar histogram eşitleme işleminin görüntülerin kalitesini iyileştirerek derin öğrenme mimarilerinin performanslarına olumlu katkılar sunduğunu göstermiştir.
{"title":"Effects of Histogram Equalization Method on Some Deep Learning Models in Brain Tumor Classification","authors":"Çetin Erçeli̇k, Kazım Hanbay","doi":"10.53070/bbd.1373990","DOIUrl":"https://doi.org/10.53070/bbd.1373990","url":null,"abstract":"Beyin tümörü beyinde bulunan hücrelerin yenilenmesi sırasında oluşan hatalardan dolayı kafatası içerisinde anormal kitle büyümesinin genel adıdır. Beyin tümöründen hayatını kaybeden kişi sayısı gün geçtikçe artmaktadır. Kayıpları azaltmak için hastalığın tedavi planlamasında ve sonuç değerlendirilmesinde erken teşhis hayati bir önem taşımaktadır. Beyin tümör teşhisi için yaygın olarak kullanılan ve beyin içerisindeki dokuları gösteren MR (manyetik rezonans) görüntüleme yöntemi kullanılmaktadır. Geleneksel yöntemlerle MR görüntülerini kullanılarak beyin tümörünü sınıflandırmak beyin yapısı ve içindeki dokuların karmaşık olmasından dolayı zordur. Beyin tümörü sınıflandırmasında son yıllarda popüler olan ve sınıflandırma konusunda yüksek doğruluk oranları yakalayan derin öğrenme mimarileri kullanılmaktadır. Bu çalışmada VGG16,VGG19 ve MobileNet derin öğrenme mimarileri karşılaştırılarak en yüksek doğruluk oranına sahip olan mimarinin belirlenmesi amaçlanmıştır. Bu mimarilerin başarısını artırmak için veri tabanındaki görüntülere histogram eşitleme işlemi uygulanmıştır. Kullanılan veri seti 3590 MR görüntüsünden oluşup dört beyin tümörü sınıfından (glioma, meningioma, tümörsüz, pituitary) oluşmaktadır. Yapılan test ve eğitim sonucunda en yüksek doğruluk MobileNet tarafından elde edilmiştir. Deneysel çalışmalar histogram eşitleme işleminin görüntülerin kalitesini iyileştirerek derin öğrenme mimarilerinin performanslarına olumlu katkılar sunduğunu göstermiştir.","PeriodicalId":503380,"journal":{"name":"Computer Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-12-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139191738","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}
Bu çalışmada bipartite ağlar üzerinde modellenebilen tüm ağlardaki maksimum akış probleminin çözümü gerçekleştirilmiştir. Maksimum flow problemi bir ağ üzerindeki source ve sink düğümleri arasında ulaşılan maksimum akış kapasitesini ifade etmektedir. Maksimum flow probleminin çözümü için farklı yaklaşım türleri mevcuttur. Bu popüler yöntemlerden bir tanesi eşleştirme(matching) yöntemleridir. Bu çalışmada bipartite çizge türlerine yönelik maksimum akış değerleri hesaplanması hedeflenmiştir. Çözüm için bipartite çizgelerde optimum matching sonuçlarını veren Malatya Matching algoritması(MMA) kullanılmıştır. MMA ağırlıksız bipartite çizge türlerinde optimum sonucu vermektedir. Bu çalışmada Erdos reyni model ile üretilen ağırlıksız rastgele bipartite çizgelerde uygulama gerçekleştirilmiş ve optimum sonuçlara ulaşılmıştır. Algoritmanın uygulanması ve ağların tasarlanmasında R programlama dili ve igraph kütüphanesi kullanılmıştır.
{"title":"Maximum Flow with Bipartite Matching","authors":"Furkan Öztemiz","doi":"10.53070/bbd.1386446","DOIUrl":"https://doi.org/10.53070/bbd.1386446","url":null,"abstract":"Bu çalışmada bipartite ağlar üzerinde modellenebilen tüm ağlardaki maksimum akış probleminin çözümü gerçekleştirilmiştir. Maksimum flow problemi bir ağ üzerindeki source ve sink düğümleri arasında ulaşılan maksimum akış kapasitesini ifade etmektedir. Maksimum flow probleminin çözümü için farklı yaklaşım türleri mevcuttur. Bu popüler yöntemlerden bir tanesi eşleştirme(matching) yöntemleridir. Bu çalışmada bipartite çizge türlerine yönelik maksimum akış değerleri hesaplanması hedeflenmiştir. Çözüm için bipartite çizgelerde optimum matching sonuçlarını veren Malatya Matching algoritması(MMA) kullanılmıştır. MMA ağırlıksız bipartite çizge türlerinde optimum sonucu vermektedir. Bu çalışmada Erdos reyni model ile üretilen ağırlıksız rastgele bipartite çizgelerde uygulama gerçekleştirilmiş ve optimum sonuçlara ulaşılmıştır. Algoritmanın uygulanması ve ağların tasarlanmasında R programlama dili ve igraph kütüphanesi kullanılmıştır.","PeriodicalId":503380,"journal":{"name":"Computer Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-12-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139188560","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}
As a result of the increasing energy demand and growing environmental concerns, the global significance of renewable energy resources is steadily rising. Wind energy has been increasingly gaining importance in electricity generation in recent years. The accurate prediction of wind speed is crucial for the safe operation of wind turbines. In this study, wind speed prediction performance of different models was examined using data obtained from various regions in the Elazığ province. LSTM, random forest, and XGBoost models were employed in the study. The dataset was decomposed into seasonal and trend components using the STL method, and seasonal components were determined using Fourier transformation. The results indicate that different models perform better in different regions. According to the findings, XGBoost and random forest models exhibit the lowest RMSE and MSE values in Elazığ, Keban, and Sivrice regions, indicating better predictions for these models in these areas.
{"title":"Elazığ İli için Meterolojik Ölçüm Verileri Kullanılarak Rüzgar Hızı Tahmini","authors":"Serdal Polat, Nuh Alpaslan, Ibrahim Riza Hallac","doi":"10.53070/bbd.1381841","DOIUrl":"https://doi.org/10.53070/bbd.1381841","url":null,"abstract":"As a result of the increasing energy demand and growing environmental concerns, the global significance of renewable energy resources is steadily rising. Wind energy has been increasingly gaining importance in electricity generation in recent years. The accurate prediction of wind speed is crucial for the safe operation of wind turbines. In this study, wind speed prediction performance of different models was examined using data obtained from various regions in the Elazığ province. LSTM, random forest, and XGBoost models were employed in the study. The dataset was decomposed into seasonal and trend components using the STL method, and seasonal components were determined using Fourier transformation. The results indicate that different models perform better in different regions. According to the findings, XGBoost and random forest models exhibit the lowest RMSE and MSE values in Elazığ, Keban, and Sivrice regions, indicating better predictions for these models in these areas.","PeriodicalId":503380,"journal":{"name":"Computer Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-11-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139282078","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}
Yapay zeka son yıllarda hızlı bir şekilde gelişen bir teknolojidir ve hayatın hemen her alanında uygulanma olanağı bulmuştur. Sağlık, otomotiv, eğitim, müzik, finans, tarım ve daha birçok alanda yapay zeka kullanılmaya başlanmıştır. Bu alanlardan biri de hukuktur. Hukuk aleminde yapay zekanın birçok uygulanma ortamı bulunmaktadır. Hukuk araştırmaları, dava yönetimi, hukuk danışmanlığı, hukuki dil analizi, içtihat taramaları, hukuki risk analizi gibi yardımcı araç olarak kullanımının yanında yargısal kararların analizi gibi kullanımları da mevcuttur. Yapay zeka hukuk alanında doğal dil işleme teknolojisi kullanılarak birçok uygulama geliştirilmiştir. Metin kümeleme bu uygulama alanlarından biridir. Metin kümeleme, doğal dil işleme ve makine öğrenmesinde kullanılan bir tekniktir ve içerik veya dilbilimsel özelliklerine göre benzer metinleri gruplandırmaya yardımcı olmaktadır. Özellikle hukuk alanında karmaşık ve geniş bir metin kümesi olduğundan kümeleme yöntemleri değerli bir katkı sunmaktadır. Bu yöntemler, belirli bir konuda benzer niteliklere sahip davaları gruplandırarak, hukuki prensipleri ve yargısal eğilimleri daha iyi anlamamıza yardımcı olmaktadır. Kümeleme yöntemleri, hukuki araştırmacıların geniş bir dava yelpazesine hızlı bir şekilde erişmelerini sağlaması ve hukuki analiz sürecini iyileştirmesi gibi avantajlar sunmaktadır. Ayrıca, kümeleme sonuçları, hukuki stratejilerin geliştirilmesi, dava öncesi hazırlık ve hukuki kararların temellendirilmesi gibi birçok farklı alanda kullanılmaktadır. Bu çalışmada Uyuşmazlık Mahkemesi kararları TF-IDF yöntemi ile doğal dil işleme sürecinden geçirilmiş ve ardından CURE, K-MEANS, DBSCAN, AGNES, AFFINITY ve BIRCH gibi yapay zeka yöntemleri ile kümelenmiştir. Değerlendirme metriklerine göre en iyi sonucu BIRCH algoritmasının verdiği görülmüştür.
{"title":"Makine Öğrenmesi Yöntemleri Kullanılarak Mahkeme Kararlarlarının Kümelenmesi","authors":"Muhammed Burak Görentaş, Taner Uçkan","doi":"10.53070/bbd.1318518","DOIUrl":"https://doi.org/10.53070/bbd.1318518","url":null,"abstract":"Yapay zeka son yıllarda hızlı bir şekilde gelişen bir teknolojidir ve hayatın hemen her alanında uygulanma olanağı bulmuştur. Sağlık, otomotiv, eğitim, müzik, finans, tarım ve daha birçok alanda yapay zeka kullanılmaya başlanmıştır. Bu alanlardan biri de hukuktur. Hukuk aleminde yapay zekanın birçok uygulanma ortamı bulunmaktadır. Hukuk araştırmaları, dava yönetimi, hukuk danışmanlığı, hukuki dil analizi, içtihat taramaları, hukuki risk analizi gibi yardımcı araç olarak kullanımının yanında yargısal kararların analizi gibi kullanımları da mevcuttur. Yapay zeka hukuk alanında doğal dil işleme teknolojisi kullanılarak birçok uygulama geliştirilmiştir. Metin kümeleme bu uygulama alanlarından biridir. Metin kümeleme, doğal dil işleme ve makine öğrenmesinde kullanılan bir tekniktir ve içerik veya dilbilimsel özelliklerine göre benzer metinleri gruplandırmaya yardımcı olmaktadır. Özellikle hukuk alanında karmaşık ve geniş bir metin kümesi olduğundan kümeleme yöntemleri değerli bir katkı sunmaktadır. Bu yöntemler, belirli bir konuda benzer niteliklere sahip davaları gruplandırarak, hukuki prensipleri ve yargısal eğilimleri daha iyi anlamamıza yardımcı olmaktadır. Kümeleme yöntemleri, hukuki araştırmacıların geniş bir dava yelpazesine hızlı bir şekilde erişmelerini sağlaması ve hukuki analiz sürecini iyileştirmesi gibi avantajlar sunmaktadır. Ayrıca, kümeleme sonuçları, hukuki stratejilerin geliştirilmesi, dava öncesi hazırlık ve hukuki kararların temellendirilmesi gibi birçok farklı alanda kullanılmaktadır. Bu çalışmada Uyuşmazlık Mahkemesi kararları TF-IDF yöntemi ile doğal dil işleme sürecinden geçirilmiş ve ardından CURE, K-MEANS, DBSCAN, AGNES, AFFINITY ve BIRCH gibi yapay zeka yöntemleri ile kümelenmiştir. Değerlendirme metriklerine göre en iyi sonucu BIRCH algoritmasının verdiği görülmüştür.","PeriodicalId":503380,"journal":{"name":"Computer Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-10-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139322637","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}
Kripto varlıklar son yıllarda önemli bir yatırım aracı haline gelmiştir ve kripto varlıkların piyasa değeri 1 trilyon doların üzerine çıkmıştır. Son yıllarda önemli bir büyüme elde eden kripto varlıkların takibi ve üzerindeki suç unsurlarını tespit etmek kaçınılmaz bir hale gelmiştir. Bu çalışmanın amacı, kripto para cüzdanlarının (Soğuk, Sıcak ve Donanım cüzdan) genel yapılarının tanıtılması ve dünya genelinde yaygın bir kullanım alanı olan Tronlink isimli sıcak cüzdan üzerinde çeşitli transfer/görüntüleme işlemlerinin yapılarak (bilgisayar ve cep telefonlarında) oluşan adli kanıtların tespit edilmesidir. Bu kapsamda, android ve windows işletim sistemlerine sahip bilgisayar ve cep telefonu üzerine sıcak cüzdan kurulumu gerçekleştirilmiş ve müteakibinde bir dizi kripto para transfer işlemleri yapılmıştır. İşlemlerin tamamlanması üzerine cihazların adli kopyaları alınmıştır. İşlemler sonucunda kripto para cüzdanlarının UFED ve Xways adli bilişim yazılımları ile incelemesi gerçekleştirilmiştir. İncelemeler sonucunda sıcak cüzdan üzerinde bulunan hesap ve kullanıcı bilgileri kullanılmak suretiyle yapılan tüm transfer işlemlerine ulaşılmıştır. İncelemeler sonucunda kripto para işlemlerini tespit edecek anahtar kelimeler oluşturulmuştur. Böylece bu çalışmanın adli bilişim kapsamında gelecek olan kripto para cüzdanlarının incelemelerine referans olacağı değerlendirilmektedir
{"title":"Kripto Para Cüzdanının (Sıcak Cüzdan) Adli Bilişim Açısından İncelenmesi","authors":"Ramazan Oğuz, Emine Kınacı, Hakkı Halil Babacan","doi":"10.53070/bbd.1349208","DOIUrl":"https://doi.org/10.53070/bbd.1349208","url":null,"abstract":"Kripto varlıklar son yıllarda önemli bir yatırım aracı haline gelmiştir ve kripto varlıkların piyasa değeri 1 trilyon doların üzerine çıkmıştır. Son yıllarda önemli bir büyüme elde eden kripto varlıkların takibi ve üzerindeki suç unsurlarını tespit etmek kaçınılmaz bir hale gelmiştir. Bu çalışmanın amacı, kripto para cüzdanlarının (Soğuk, Sıcak ve Donanım cüzdan) genel yapılarının tanıtılması ve dünya genelinde yaygın bir kullanım alanı olan Tronlink isimli sıcak cüzdan üzerinde çeşitli transfer/görüntüleme işlemlerinin yapılarak (bilgisayar ve cep telefonlarında) oluşan adli kanıtların tespit edilmesidir. Bu kapsamda, android ve windows işletim sistemlerine sahip bilgisayar ve cep telefonu üzerine sıcak cüzdan kurulumu gerçekleştirilmiş ve müteakibinde bir dizi kripto para transfer işlemleri yapılmıştır. İşlemlerin tamamlanması üzerine cihazların adli kopyaları alınmıştır. İşlemler sonucunda kripto para cüzdanlarının UFED ve Xways adli bilişim yazılımları ile incelemesi gerçekleştirilmiştir. İncelemeler sonucunda sıcak cüzdan üzerinde bulunan hesap ve kullanıcı bilgileri kullanılmak suretiyle yapılan tüm transfer işlemlerine ulaşılmıştır. İncelemeler sonucunda kripto para işlemlerini tespit edecek anahtar kelimeler oluşturulmuştur. Böylece bu çalışmanın adli bilişim kapsamında gelecek olan kripto para cüzdanlarının incelemelerine referans olacağı değerlendirilmektedir","PeriodicalId":503380,"journal":{"name":"Computer Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-09-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139336000","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}
Parkinson's Disease (PD) is a complex neurodegenerative condition with a global impact, demanding precise disease progression prediction to facilitate effective treatment strategies. To assess PD symptoms, the Unified Parkinson's Disease Rating Scale (UPDRS) is widely adopted, encompassing both motor and non-motor assessments. This research delves into voice inputs as a non-intrusive method to predict total UPDRS and motor UPDRS scores, offering new possibilities for Parkinson's assessment. Feature engineering and data augmentation techniques address challenges related to class imbalance and diverse demographics, including an original imbalanced dataset with more females than males. Additionally, three new datasets are created: oversampled balanced, only-female, and only-male datasets. Ensemble-based stacking model, including random forest and extreme gradient boosting as base models and the gradient boosting regressor as the meta-regressor, demonstrate promising performance and robustness in predicting UPDRS scores, showcasing the efficacy of voice inputs for PD assessment. Furthermore, the feature importance analysis provides insights into crucial contributors influencing predictions. Various performance metrics, such as accuracy, mean squared error (MSE), root mean squared error (RMSE), mean absolute error (MAE), and R-squared (R2), are used to evaluate the model’s performance. Additionally, by incorporating telemonitoring capabilities, the voice-based approach offers the possibility of remote and continuous PD assessment, allowing for real-time monitoring and early detection. This advancement could significantly improve the quality of life for PD patients and facilitate more personalized and effective treatment plans.
{"title":"Parkinson Hastalığının İlerlemesini Tahmin Etmek: Ses Girişlerinden Yararlanan İnvazif Olmayan Bir Yöntem","authors":"Ahmad Hassan, Arslan Ahmed","doi":"10.53070/bbd.1350356","DOIUrl":"https://doi.org/10.53070/bbd.1350356","url":null,"abstract":"Parkinson's Disease (PD) is a complex neurodegenerative condition with a global impact, demanding precise disease progression prediction to facilitate effective treatment strategies. To assess PD symptoms, the Unified Parkinson's Disease Rating Scale (UPDRS) is widely adopted, encompassing both motor and non-motor assessments. This research delves into voice inputs as a non-intrusive method to predict total UPDRS and motor UPDRS scores, offering new possibilities for Parkinson's assessment. Feature engineering and data augmentation techniques address challenges related to class imbalance and diverse demographics, including an original imbalanced dataset with more females than males. Additionally, three new datasets are created: oversampled balanced, only-female, and only-male datasets. Ensemble-based stacking model, including random forest and extreme gradient boosting as base models and the gradient boosting regressor as the meta-regressor, demonstrate promising performance and robustness in predicting UPDRS scores, showcasing the efficacy of voice inputs for PD assessment. Furthermore, the feature importance analysis provides insights into crucial contributors influencing predictions. Various performance metrics, such as accuracy, mean squared error (MSE), root mean squared error (RMSE), mean absolute error (MAE), and R-squared (R2), are used to evaluate the model’s performance. Additionally, by incorporating telemonitoring capabilities, the voice-based approach offers the possibility of remote and continuous PD assessment, allowing for real-time monitoring and early detection. This advancement could significantly improve the quality of life for PD patients and facilitate more personalized and effective treatment plans.","PeriodicalId":503380,"journal":{"name":"Computer Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-09-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139337020","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}
Dijital ikiz kavramı ile benzetim ortamlarının yapılması ile geliştirme maliyeti ve zamanından fayda sağlanmaktadır. Özellikle görüntü işleme ve insansız hava aracı uygulamalarındaki yüksek maliyet ve diğer riskler düşünüldüğünde bu tip uygulamalar için dijital ortamların araştırmalarda kullanılması yeni ve test edilmemiş algoritmalarında kolay bir şeklide denenmesine imkân vermektedir. Dört rotorlu bir insansız hava aracı dinamik model ikizi Matlab yazılımında oluşturulmuş ve bu hava aracı için uçuş ortamı Unreal oyun motoru yazılımı ile benzetilmiştir. Hava aracının üzerinde kamera modeli oluşturularak dijital ortamdan insansız hava aracı üzerinden görüntüler alınmıştır. Elde edilen görüntüler daha önce eğitilen YOLOv4 derin öğrenme ağına gönderilerek, faklı sis koşullarını içeren arazi ortamındaki asker figürleri tespit edilmeye çalışılmıştır. Yapılan testlerde sis koşullarının zor olduğu durumlarda nesne tespit sayısının ve doğruluğunun azaldığı gözlemlenmiştir.
{"title":"Object Detection with Deep Learning in Simulation Environments","authors":"Samet Akçay, İclal ÇETİN TAŞ","doi":"10.53070/bbd.1313289","DOIUrl":"https://doi.org/10.53070/bbd.1313289","url":null,"abstract":"Dijital ikiz kavramı ile benzetim ortamlarının yapılması ile geliştirme maliyeti ve zamanından fayda sağlanmaktadır. Özellikle görüntü işleme ve insansız hava aracı uygulamalarındaki yüksek maliyet ve diğer riskler düşünüldüğünde bu tip uygulamalar için dijital ortamların araştırmalarda kullanılması yeni ve test edilmemiş algoritmalarında kolay bir şeklide denenmesine imkân vermektedir. Dört rotorlu bir insansız hava aracı dinamik model ikizi Matlab yazılımında oluşturulmuş ve bu hava aracı için uçuş ortamı Unreal oyun motoru yazılımı ile benzetilmiştir. Hava aracının üzerinde kamera modeli oluşturularak dijital ortamdan insansız hava aracı üzerinden görüntüler alınmıştır. Elde edilen görüntüler daha önce eğitilen YOLOv4 derin öğrenme ağına gönderilerek, faklı sis koşullarını içeren arazi ortamındaki asker figürleri tespit edilmeye çalışılmıştır. Yapılan testlerde sis koşullarının zor olduğu durumlarda nesne tespit sayısının ve doğruluğunun azaldığı gözlemlenmiştir.","PeriodicalId":503380,"journal":{"name":"Computer Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-09-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139340745","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}