Polen Taşıyan Bal Arılarının MobileNetV2 Mimarisi ile Sınıflandırılması

Baydilli, Yusuf Yargı

doi:10.31590/ejosat.836856

Cited by 7 publications

(2 citation statements)

References 17 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Makine öğreniminde kullanılacak modeller veriye göre değişiklik göstermektedir. Yine verinin yoğunluğunun yani veri setinin genişlik ve varyasyonlara sahip olma durumunun model başarısındaki rolü büyüktür (Baydilli, 2021).…”

Section: şEkil 1 Makine öğRenme Metodolojisi (Machine Learning Method...unclassified

Makine Öğrenme Teknikleri Kullanılarak Kükürt Giderme İşleminde Kullanılan Malzeme Miktarının Tahmini

Sonuç¹,

ÖZCAN²

2022

Journal of Intelligent Systems: Theory and Applications

View full text Add to dashboard Cite

ÖzBazik oksijen fırınlı bir demir çelik fabrikasının yüksek fırın tesislerinde kok, sinter ve diğer demir cevheri malzemelerinin kullanılmasıyla sıvı ham demir üretilmektedir. Bu üretimden sonraki adım çelik üretim süreci olup, hemen öncesinde sıvı ham demir, içerisindeki kükürt oranının belirli bir miktar düşürülmesi amacıyla kükürt giderme tesisinde işlem görmektedir. Desülfürizasyon olarak adlandırılan bu işlemin amacı bazı kükürt giderici reaktifler ilave edilerek hedef kükürt değerini yakalamaktır. İlave edilecek malzeme miktarlarını belirlemek için farklı yöntemler kullanılmaktadır. Genel olarak temel ve veriye dayalı modellerin uygulandığı çalışmalar görülmektedir. Ancak yapay zekâ tekniklerinin bu alandaki kullanımı oldukça kısıtlıdır. Bu çalışmada kükürt giderme işlemindeki malzeme (magnezyum, kireç, florit) oranları makine öğrenme teknikleri ile tahmin edilmiştir. Problem bir regresyon problemi olup altı farklı yöntem (Lineer Regresyon, K-En Yakın Komşu, Karar Ağaçları, Rastgele Orman, XGBoost, Yapay Sinir Ağları) veri seti üzerinde test edilmiştir. Çalışmada kullanılan veriler 2020 yılına ait olup kükürt giderme tesisinden alınmıştır. Verilerin %80'i eğitim, %20'si test için kullanılacak şekilde ayrılmıştır. Değerlendirme ölçütü olarak Doğruluk ve Ortalama Mutlak Hata Yüzdesi (Mean Absolute Percentage Error, MAPE) kullanılmıştır. Elde edilen sonuçlara göre Yapay Sinir Ağı modeli magnezyum, kireç ve florit için sırasıyla %85, %95,4 ve %80,14 doğruluk değerlerine ulaşmıştır. MAPE değerleri ise sırasıyla 14,99, 4,59 ve 19,85 olup bu da modelin başarılı bir tahmin gerçekleştirdiğini ortaya koymaktadır.

show abstract

Section: şEkil 1 Makine öğRenme Metodolojisi (Machine Learning Method...unclassified

Makine Öğrenme Teknikleri Kullanılarak Kükürt Giderme İşleminde Kullanılan Malzeme Miktarının Tahmini

Sonuç¹,

ÖZCAN²

2022

Journal of Intelligent Systems: Theory and Applications

View full text Add to dashboard Cite

show abstract

“…The size of the feature maps is reduced through a 1x1 convolution. In addition, thanks to the skip connection technique used in the ResNet models, the calculation process is faster [27].…”

Section: The Mobilenet Modelmentioning

confidence: 99%

A Hybrid Classification Approach for Fasteners Based on Transfer Learning with Fine-Tuning and Deep Features

TAŞTİMUR,

AKIN

2023

Turkish Journal of Science and Technology

View full text Add to dashboard Cite

Deep learning, which has seen frequent use in recent studies, has helped solve the problem of classifying objects of many different types and properties. Most studies both create and train a convolutional neural network (CNN) from scratch. The time spent training the network is thus wasted. Transfer learning (TL) is used both to prevent the loss of time due to training the dataset and to more effectively classify small datasets. This study performs classification using a dataset containing eighteen types of fastener. Our study contains three different TL scenarios. Two of them use TL with fine-tuning (FT), while the third does so with feature extraction (FE). The study compares the classification performance of eighteen different pre-trained network models (i.e., one or more versions of EfficientNet, DenseNet, InceptionResNetV2, InceptionV3, MobileNet, ResNet50, Xception, and VGGNet) in detail. When compared to other research in the literature, our first and second scenarios provide excellent implementations of TL-FT, while our third scenario, TL-FE, is hybrid and produces better results than the other two. Furthermore, our findings are superior to those of most previous studies. The models with the best results are DenseNet169 with an accuracy of 0.97 in the TL-FT1 scenario, EfficientNetB0 with 0.96 in TL-FT2, and DenseNet169 with 0.995 in TL-FE.

show abstract

Real-Time Mask Detection Based on Artificial Intelligence Using Renewable Energy System Unmanned Aerial Vehicle

Aksoy

Yucel²,

Selbaş³

et al. 2023

Engineering Cyber-Physical Systems and Critical Infrastructures

View full text Add to dashboard Cite

Polen Taşıyan Bal Arılarının MobileNetV2 Mimarisi ile Sınıflandırılması

Cited by 7 publications

References 17 publications

Makine Öğrenme Teknikleri Kullanılarak Kükürt Giderme İşleminde Kullanılan Malzeme Miktarının Tahmini

Makine Öğrenme Teknikleri Kullanılarak Kükürt Giderme İşleminde Kullanılan Malzeme Miktarının Tahmini

A Hybrid Classification Approach for Fasteners Based on Transfer Learning with Fine-Tuning and Deep Features

Real-Time Mask Detection Based on Artificial Intelligence Using Renewable Energy System Unmanned Aerial Vehicle

Contact Info

Product

Resources

About