Browsing by Author "Bilgen, Semih"

Now showing 1 - 8 of 8

Citation Count: 1
Designing a smart home energy management system to improve cost/comfort factor;
(Institute of Electrical and Electronics Engineers Inc., 2020) Kıvanç,Ö.C.; Akgün,B.T.; Bilgen,S.; Öztürk,S.B.; Baysan,S.; Tuncay,R.N.; Bilgisayar Mühendisliği / Computer Engineering
Home energy management systems optimize the energy buying/selling amount to reduce high costs by increasing individual energy consumption. Shifting the consumption time depending on the tariff is provided as cost, and the more effective and automatic operation of the devices is offered to the user as comfort. In the study, a hardware and software are developed that can estimate solar energy potential, energy consumption and automatically regulate the comfort/cost ratio of domestic energy using these data. Battery status, electricity buying/selling price, weather condition and consumption forecast data are evaluated by fuzzy logic algorithm and provide the ratio of comfort and cost effectiveness. The obtained comfort and cost effectiveness determine the optimum energy supply amount between the battery, grid and solar energy using the simulated annealing algorithm. As a result of the study, it has been determined that the energy cost for the user has decreased and the comfort has increased. © 2020 Turkish Chambers of Electrical Engineers.
Citation Count: 0
Drowsiness Detection Using Brain Signal Recognition Deep Neural Network (BSRDNN)
(International Information and Engineering Technology Association, 2024) Alkhalidi,H.O.D.; Bilgen,S.; Bilgisayar Mühendisliği / Computer Engineering
A novel deep learning architecture, brain signal recognition deep neural network (BSRDNN), based on a one-dimensional convolutional neural network model (1D-CNN) and artificial neural network (ANN), is proposed for drowsiness detection from single-channel electroencephalographic (EEG) data. The effectiveness of the method is shown using the MIT/BIH polysomnographic EEG dataset (MIT/BIH-PED) with more than 80h long-term EEG data collected by a single electrode. EEG signals for 16 subjects were classified by BSRDNN as wakefulness, drowsiness, and sleep. BSRDNN was used via two approaches: Option 1 consists of feature extraction and classification by deep learning; in Option 2, feature and classification are performed by machine learning algorithms, naïve Bayes (NB), k-nearest neighbours (KNN), random forest (RF), and stochastic gradient descent (SGD). Combined-subject validation was applied extraction to enhance the performance of the proposed technique. Simulations demonstrated better performance in terms of accuracy, recall, F1-score and precision compared to the current state-of-the-art techniques applied to the same dataset: We obtained 92.31% overall accuracy in Option 1, and 94.8-100% in Option 2. The proposed novel BSRDNN model demonstrates clear superiority over those featured in published research that used the same MIT/BIH-PED dataset. It can perform its designated task with less trainable parameters and arithmetic operations compared to other models, resulting in faster training and testing phases. This enhanced speed facilitates quicker drowsiness detection, thereby reducing the overall time required for the process. ©2024 The authors.
Görüntü işleme yöntemi kullanılarak arkeolojik bulgular üzerinde pişme seviye tespiti
(2022) Akkuş, Berkay; Bilgen, Semih; Bilgisayar Mühendisliği / Computer Engineering
Arkeoloji biliminde kazılar sonucunda elde edilen testilerin içerisinde saklanan maddelerin tahmini, o dönemde yaşamış insanların yaşam biçimleri, testinin bulunduğu dönemin iklim koşulları gibi birçok konu hakkında bilgi vermektedir. Testi içerisinde saklanan maddenin tahmini için bize en çok yardım eden bilgi ise bulunan testinin pişme seviyesidir. Klasik yöntemlerde tespit için sıklıkla uzman tecrübesinden yararlanılmaktadır. Dolayısıyla bu yöntemin düşük güvenilirlik, düşük verimlilik ve büyük miktarda öznellik gibi eksiklikleri bulunmaktadır. Bu tez çalışmasında arkeolojik kazılar sonucunda elde edilmiş testi parçaları üzerinde çeşitli görüntü işleme teknikleri kullanılarak testilerin kırık parçalarının renk farklılıklarını tespit edelmesini sağlayan ve daha sonrasında testileri belirli sınıflara ayıran bir yazılım geliştirilmiştir. Tez kapsamında hazırlanan yazılım ile kırık testi parçaları üzerinde istenilen alanı kullanabilmek için kullanıcının görüntüler üzerinde özgürce çizim yapmasına olanak sağlayan bir arayüz geliştirilmiştir. İlgi bölgesi adı verilen bu yeni görseller üzerinde renk uzayı dönüşümü yapılmış ve test parçalarının farklı ışıklandırmalar altında kaydedilmesi nedeniyle oluşabilecek renk farklılıkları ortadan kaldırılmıştır. K-means kümeleme algoritması kullanılarak, ilgi bölgesi hazırlanan görseller üzerinde bulunan her pikselin renk değerleri incelenerek renk kümeleri oluşturulmuştur. Her pikselin hangi kümeye ait olduğunun tespiti sonrasında tüm piksellerin sekiz komşu pikseli ile karşılaştırılmasını sağlayan bir döngü geliştirilmiştir. Çalışmalar sonucunda komşu pikselleri ile farklı bir kümeye ait olan piksel sayısı değeri yüksek olan testilerin genelde pişme seviyesi yüksek olan testiler olduğu görülmüştür. Elde edilen sonuçlar ve uzman görüşleri kullanılarak bir eğitim seti oluşturulmuştur. Sınıflandırma yöntemlerinden karar ağacı algoritması kullanılmış, oluşturulan eğitim ve test veri setleri ile testilerin uygun sınıfa aktarılması hedeflenmiştir. Yapılan çalışma sonucunda geliştirilen yazılım ile testiler üzerinde pişme seviyesi tespitinde 78,57% gibi bir başarı oranı elde edildiği gösterilmiştir.
Hibrit yapay sinir ağları yöntemleri ile nörögörüntüleme verilerine dayalı otizm tanılama
(2024) Koç, Emel; Bilgen, Semih; Bilgisayar Mühendisliği / Computer Engineering
Yapay zekâ, bilgisayar görüsü, dijital görüntü işleme ve medikal görüntüleme teknolojilerini bir araya getiren disiplinler arası çalışma alanına bilgisayar destekli tanı (BDT) denir. BDT, sinirbilim ve beyin görüntüleme alanlarında ön plana çıkan, tıbbı nörogörüntülerin yorumlanmasında sağlık profesyonellerine yardımcı olan uzman sistemlerdir. Bu tezin genel amacı, makine öğrenmesi yaklaşımlarını kullanarak nörogörüntü verilerine dayalı bilişsel ve davranışsal fenotiplere bağlı otizm spektrum bozukluğu (OSB) teşhisinin doğruluğunu çoklu nörogörüntüleme yöntemleri aracılığı ile artırmaktır. Yapısal ve fonksiyonel manyetik rezonans görüntüleme verileri kullanılarak beyin bağlantısallık modellemesi yapılmıştır. Bu amaç doğrultusunda veri önişleme, veri gürültü arındırma ve veri füzyonu (erken-geç-çapraz) işlemleri farklı veri türleri üzerinde uygulanmıştır. Ayrıca, bu tezde, makine öğrenmesi algoritmalarından evrişimli sinir ağı (ESA) ve yinelemeli sinir ağı (YSA) yöntemi hibrit olarak uygulanmıştır. Elde edilen %96 düzeyindeki doğruluk oranına sahip sonuçlar göstermiştir ki, hibrit makine öğrenmesi modeli ve çoklu füzyon yöntemi ile veri sınıflandırma işlemi, seçilen otizm spektrum bozukluğu (OSB) veri setine ait tanı öngörmede bugüne kadar sağlanan doğruluk oranlarının üzerine çıkılmasını sağlamıştır.
Citation Count: 0
Introducing a Novel ROS-based Cooperative Autonomous Vehicles Planning Simulation Framework, CAVPsim
(Scitepress, 2022) Ghahremaninejad, R.; Bilgen, S.; Bilgisayar Mühendisliği / Computer Engineering
Emerging full stack autonomous driving software packages promise rapid development on autonomous driving deployment studies. However, considering the increasing importance of cooperation among vehicles, the absence of the Cooperative Autonomous Vehicle (CAV) research focus in those works draws attention. In this paper, we review some CAV simulation frameworks and introduce a novel ROS based CAV Planning simulation framework, CAVPsim. The framework has three main components: vehicle, communication, and computation models. We verify the integration of these three components, and we show, via a simple scenario, that cooperation of communicating autonomous vehicles can be effectively simulated on CAVPsim.
Json sözdizimli gerçek zamanlı iletişim protokolü
(2019) Ayaz, Serkan; Bilgen, Semih; Bilgisayar Mühendisliği / Computer Engineering
Nesnelerin İnterneti (IoT), kritik görev yazılımları, kurumsal uygulamalar, mikroservisler vb. alanlarda gerçek zamanlı ve platformdan bağımsız iletişim altyapılarına ihtiyaç duyulmaktadır. Bu konuda TCP protokolünün Unicast, Multicast ve Broadcast tipi iletişim tipleri yetersiz kalmaktadır. Aracı sunucu üzerinden yapılan veri aktarımlarında ağ trafiği azaldığından veri iletim performansı artmaktadır ve aktarılan veriler daha optimum seviyede kullanılmaktadır. Bu çalışmada platformdan bağımsız ağ istemcileri arasında gerçek zamanlı iletişim kurmak için aracı sunucu üzerinden verilerin aktarıldığı metin tabanlı ve JSON sözdizimli JTP (JSON Transmission Protocol) adında yeni bir protokol önerilmektedir. Yapılan çalışmada STOMP, XMPP, RESP ve NATS protokolleri incelenerek protokol boyutları ve algoritma performansı, çerçeve boyutları ve algoritma performansı ve insanlar tarafından okunup kodlanabilme seviyeleri değerlendirilmiştir. İncelenen protokoller ile JTP protokolü, karşılaştırma kriterleri ve işlevsel özellikler bakımından testleri yapılarak karşılaştırılmıştır. Yapılan değerlendirme sonucunda JTP'nin diğer alternatiflerine göre daha fazla işlevsel özelliğe sahip olduğu gösterilmiştir.
Citation Count: 0
A Novel Resource-Aware Distributed Cooperative Decision-Making Mechanism for Connected Automated Vehicles
(SAE International, 2024) Ghahremaninejad,R.; Bilgen,S.; Bilgisayar Mühendisliği / Computer Engineering
This article proposes a new model for a cooperative and distributed decision-making mechanism for an ad hoc network of automated vehicles (AVs). The goal of the model is to ensure safety and reduce energy consumption. The use of centralized computation resource is not suitable for scalable cooperative applications, so the proposed solution takes advantage of the onboard computing resources of the vehicle in an intelligent transportation system (ITS). This leads to the introduction of a distributed decision-making mechanism for connected AVs. The proposed mechanism utilizes a novel implementation of the resource-aware and distributed-vector evaluated genetic algorithm (RAD-VEGA) in the vehicular ad hoc network of connected AVs as a solver to collaborative decision-making problems. In the first step, a collaborative decision-making problem is formulated for connected AVs as a multi-objective optimization problem (MOOP), with a focus on energy consumption and collision risk reduction as example objectives. RAD-VEGA then cooperatively solves this MOOP, taking into account the availability of AV's onboard resources and the application layer characteristics of today's ITS communication tools. The performance of the proposed mechanism is evaluated by solving the ZDT1 test problem and studying pareto-frontier solutions to the true front over time. The scalability of the proposed solution is estimated to be 305 CAVs, considering a communication bandwidth of 6 MB/s. Additionally, cooperative AV planning scenario examples are simulated, and the effectiveness of the proposed mechanism is demonstrated by comparing final and initial solutions after solving the MOOP using RAD-VEGA. © 2024 SAE International.
Citation Count: 1
Residential energy management system based on integration of fuzzy logic and simulated annealing
(Tubitak Scientific & Technological Research Council Turkey, 2022) Kivanc, Omer Cihan; Akgun, Bekir Tevfik; Bilgen, Semih; Ozturk, Salih Baris; Baysan, Suat; Tuncay, Ramazan Nejat; Bilgisayar Mühendisliği / Computer Engineering; Enerji Sistemleri Mühendisliği / Energy Systems Engineering
With the increase in prosperity level and industrialization, energy need continues to overgrow in many countries. To meet the rapidly increasing energy needs, countries attach great importance to using limited natural resources rationally, diversifying their energy production using novel technologies, improving the efficiency of existing technologies, and implementing policies and strategies toward alternative energy sources. In particular, individual energy prosumers (someone that both produces and consumes energy) head toward smart home energy management systems (SHEMS) that include renewable energy sources in their homes. By integrating PV solar panels into houses, there is a need to optimize home energy production/consumption scenarios by consumer behavior. In this study, an intelligent residential energy management architecture and algorithm to manage residential energy production/consumption are proposed. The algorithm controls the energy flow in the home according to real-time potential solar power estimation, demanded energy estimation, electricity consumption price, and battery state-of-charge (SoC). The fuzzy logic algorithm has been developed to determine the estimated comfort and cost-effectiveness ratios in the near future. The simulated annealing algorithm, a meta-heuristic algorithm, is performed to obtain the best operating point decision of the battery using the comfort and cost-effectiveness ratios. Energy flow direction and battery SoC are optimized using simulated annealing based on the comfort and cost-effectiveness ratio (comparison of alternatives with respect to multiple criteria of different levels of importance for energy usage). The focus is to generate maximum profit from energy sales for monthly profit to be achieved. Prototyped hardware and software are implemented and tested in real-time. The test results show that the 20% reduces energy consumption, and a monthly gain of $89.2 is obtained from energy sales using the proposed method. Therefore, the test results reveal the effectiveness of the proposed architecture and algorithm.