Yapay Zekanın Temelleri

Nabiyev, Vasif V.; Erümit, Ali Kürşat

doi:10.14527/9786257052986.01

Cited by 32 publications

(43 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Psikolojik açıdan öğrenme kavramına bakıldığında, alışkanlık, çağrışımlı ve karmaşık öğrenme türleri olduğu görülmektedir [60]. Bilgisayar açısından durum biraz daha farklıdır.…”

Section: Yapay Sinir Ağları (Artificial Neural Network)unclassified

“…Biyolojik sinir ağlarında olduğu gibi yapay sinir ağlarında da temel işlem elemanları nöron ya da düğüm [63] olarak adlandırılmaktadır [74]. • Girdiler: Sinir ağına gelen içsel ve dışsal bilgiler, • Ağırlıklar: Giriş bilgilerinin düğüme olan etkisini ve önemini yansıtmakta, • Toplam Fonksiyonu: Girdi değerleri ile ağırlık değerlerinin çarpıp eşik (Bias) değeri ile toplanması sonucunda net girdi hesaplar, • Aktivasyon Fonksiyonu: Net girdi değerlerini istenilen aralıkta oluşturup çıkışa iletir, • Çıktılar: Aktivasyon fonksiyonun sonucudur [60,61,71,75,76].…”

Section: Yapay Sinir Ağları (Artificial Neural Network)unclassified

See 1 more Smart Citation

Finansal Haberlerin Bitcoin Fiyatlarına Etkisinin Yapay Sinir Ağları İle Analizi

Çağlar¹,

Yavuz

2021

Bilişim Teknolojileri Dergisi

View full text Add to dashboard Cite

Bilgisayar ve internet teknolojilerindeki gelişmeler, hayatımızın her alanında etkisini gösterdiği gibi ekonomi boyutunda da etkileri yadsınamaz. Ekonomi alanındaki yeni ekonomik reform mahiyetinde kabul gören bu yenilikler FinTek (Finans ve Teknoloji) kapsamı içerisinde yer almaktadır. FinTech inovasyonu ile ekonomide ademi merkeziyetçi bir akım başlatan Bitcoin, şu an dünya ekonomisinde önemli bir yere sahiptir. Bitcoin ile hayatımıza giren Blockchain (Blokzincir) teknolojisinin ise yakın gelecekte hayatımızın vazgeçilmez bir parçası haline geleceği öngörülmektedir.Tüm bu gelişmeler ışığında günümüzün popüler teknolojilerinden olan yapay zeka yöntemlerinden yararlanılarak, kitle haberleşme aracı olarak tanımlanan gazetelerde yer alan, insan ve toplumu ilgilendiren ve toplumun en önemli ihtiyaçlarından olan haberlerin, geleceğin para birimi olarak görülen Bitcoin üzerindeki etkileri ortaya konmak istenmiştir. Bu bağlamda 5 ulusal finans gazetesi belirlenip, Bitcoin'in ilk halka arz yılından itibaren yayınlanan haberleri olumlu ve olumsuz yorum içeriklerine göre sayısallaştırarak, Bitcoin altyapı teknolojisi olan blokzinciri verileri ile ikinci en popüler kripto para olan Ethereum'un ABD dolar karşılığı alınarak, yapay sinir ağları teknikleri ile oluşturulan ağ içerisinde ilişkilendirilmiştir. Çalışma sonucunda %99'luk tahminsel başarı içeren yapay sinir ağında, finansal gazetelerin yayınlamış olduğu Bitcoin içerikli haberlerin, Bitcoin fiyat tahminine güçlü bir etkisinin olmadığı sonucuna varılmıştır. Bunulan birlikte seçilen finansal gazetelerden The Wall Street gazetesinin diğer finansal gazetelere oranla Bitcoin fiyat tahminde nispeten etkisinin olduğu saptanmıştır.

show abstract

Section: Yapay Sinir Ağları (Artificial Neural Network)unclassified

Finansal Haberlerin Bitcoin Fiyatlarına Etkisinin Yapay Sinir Ağları İle Analizi

Çağlar¹,

Yavuz

2021

Bilişim Teknolojileri Dergisi

View full text Add to dashboard Cite

show abstract

“…Derece 1' de en az tehlikeli ve uzun süreli hayatta kalma ihtimali bulunan tümörler ilişkilendirilir. Bu Yapay Zeka (YZ) "bir bilgisayarın ya da bilgisayar denetimli bir makinenin, genellikle insana özgü nitelikler olduğu varsayılan akıl yürütme, anlam çıkartma, genelleme ve geçmiş deneyimlerden öğrenme gibi yüksek zihinsel süreçlere ilişkin görevleri yerine getirme yeteneği" olarak tanımlanmaktadır [7][8][9][10]. Yapay zekanın alt ana bilim dallarından biri olan ML, bilgisayar sistemlerinin belirli bir yönerge olmaksızın bir görevi gerçekleştirmek için kullandığı algoritmalar ve istatistiksel modellerle ilgilenen, örüntü ve çıkarımlara dayanan bilim dalıdır.…”

Section: Gi̇ri̇ş (Introduction)unclassified

Veri çoğaltma kullanılarak derin öğrenme ile beyin tümörlerinin sınıflandırılması

Gurkahraman

Karakış

2021

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

 Classification of brain tumors with deep learning  Determination of the effects of data augmentation and transfer learning on classification  Determination of effect of MR planes on classification In this study, the Convolutional Neural Network (CNN) was used to classify three different brain tumors (glioma, meningioma and pituitary) from T1-weighted MR images. The initial weights of the CNN architecture were transferred from the DenseNet121 network. The features obtained from the CNN architecture were classified by support vector machine (SVM), k-nearest neighbour (kNN) and Bayes methods. The performance of the classifiers was determined by accuracy, sensitivity, specificity, area under curve, and Pearson correlation coefficient (R) on the test data.Figure A. Flowchart of the proposed methodsPurpose: In this study, the essential aims are the classification of brain tumors on the figshare dataset; determination of which axial, coronal, and sagittal MR plane slices is effective in classification; and measurement of the increase in classifier performance resulting from the data augmentation on the medical image. Theory and Methods:In this study, brain tumors were classified with CNN architecture using 3064 slices of T1-weighted MR images obtained from 233 patients in the figshare data set. Axial, coronal and sagittal MR plane slices were separated. Images were augmented with affine transformation and pixel-level transformation techniques. In the study, the weights of DenseNet121 network developed for ImageNet were transferred to CNN architecture. Features from the first fully connected layer of trained CNN architecture were used as inputs for SVM, kNN and Bayesian classifiers, and the results of these classifiers were compared to CNN result. Results:After data augmentation, the R values of the CNN architecture increased from 0.880 to 0.967 and the accuracy values increased from 0.946 to 0.986. Accuracy values of SVM, kNN and Bayes classifiers were calculated as 0.998, 0.991 and 0.893, and R values as 0.995, 0.989, 0.790, respectively. Conclusion:According to the results obtained with test data, CNN based SVM method has achieved higher performance compared to the literature. Brain coronal plane is more effective in tumor classification

show abstract

“…Uzman sistem programları, problem çözümünde uzmanlık bilgisini ve gerekli tecrübeyi bir araya getirerek görev yaparlar [6]. Bilgi tabanlı bir karar destek sistemi olarak çalışırlar [7]. Uzman sistemler, genel olarak veri işlemeden, bilgi işlemeye bir geçiş olarak tanımlanabilir.…”

Section: Introductionunclassified

“…Bir kral tabanlı bilgisayar yazılımıdır. En genel olarak uzman sistemler; ele alınan bir uygulama alanındaki karışık problemleri çözmek amacı ile bir uzmanın düşünme işlemlerine ve aşamalarına benzer tarzda çalışıp hareket eden yazılım ve donanımlardan oluşan bilgisayar sistemleridir [7][8][9]. Günümüze kadar uzman sistemler ile ilgili birçok akademik çalışma yapılmıştır.…”

Section: Introductionunclassified

Takma Uçlu Matkap Ve Kesme Parametrelerinin Seçimi için Bir Uzman Sistem

Kayir

DEMİRER

Güneş

2018

El-Cezeri Fen Ve Mühendislik Dergisi

View full text Add to dashboard Cite

Takma uçlu matkaplar, delik delme operasyonlarında yaygın kullanılan kesici takımlardır. Piyasada, çok farklı tip ve özellikte olan takma uçlu matkaplar bulunmaktadır. Arzu edilen delik kalitesinin elde edilmesinde, uygun bir takma uçlu matkabın ve doğru kesme parametrelerin belirlenmesi gerekmektedir. Bu hazırlıklar için bir uzmana ihtiyaç duyulmaktadır. Bundan dolayı, en uygun kesici takımı ve kesme parametrelerini otomatik belirleyen, Expert for Insert Drilling Tool (EIDT) olarak adlandırılan, bir uzman sistem geliştirilmiştir. EIDT'nin geliştirilmesinde KAPPA-PC uzman sistem paket programı kullanılmıştır. Sistemin tasarımında 150'den fazla kural oluşturulmuştur. Kurallar, ISO normlarına göre hazırlanmıştır. EIDT programı delik çapı ve boyu, tolerans aralıkları, işlenecek malzeme özellikleri, delik türü ve operasyon tipi, vb. gibi veriler kullanılarak en uygun kesici takım önermektedir. Yapılan bu çalışma ile delik delme operasyonlarında uzman olmayan bir kişinin takma uçlu matkapları ve kesme parametrelerini, kolay, hızlı ve doğru bir şekilde seçebilmesi sağlanmıştır.

show abstract

Yapay Zekanın Temelleri

Cited by 32 publications

References 0 publications

Finansal Haberlerin Bitcoin Fiyatlarına Etkisinin Yapay Sinir Ağları İle Analizi

Finansal Haberlerin Bitcoin Fiyatlarına Etkisinin Yapay Sinir Ağları İle Analizi

Veri çoğaltma kullanılarak derin öğrenme ile beyin tümörlerinin sınıflandırılması

Takma Uçlu Matkap Ve Kesme Parametrelerinin Seçimi için Bir Uzman Sistem

Contact Info

Product

Resources

About