Tora, Hakan
Loading...
Profile URL
Name Variants
Tora,H.
T., Hakan
Tora, Hakan
H., Tora
H.,Tora
T.,Hakan
Hakan, Tora
T., Hakan
Tora, Hakan
H., Tora
H.,Tora
T.,Hakan
Hakan, Tora
Job Title
Doktor Öğretim Üyesi
Email Address
hakan.tora@atilim.edu.tr
Main Affiliation
Airframe and Powerplant Maintenance
Status
Former Staff
Website
ORCID ID
Scopus Author ID
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
Sustainable Development Goals
14
LIFE BELOW WATER
1
Research Products
2
ZERO HUNGER
0
Research Products
11
SUSTAINABLE CITIES AND COMMUNITIES
1
Research Products
1
NO POVERTY
0
Research Products
12
RESPONSIBLE CONSUMPTION AND PRODUCTION
0
Research Products
7
AFFORDABLE AND CLEAN ENERGY
2
Research Products
5
GENDER EQUALITY
0
Research Products
3
GOOD HEALTH AND WELL-BEING
1
Research Products
9
INDUSTRY, INNOVATION AND INFRASTRUCTURE
0
Research Products
13
CLIMATE ACTION
2
Research Products
6
CLEAN WATER AND SANITATION
0
Research Products
10
REDUCED INEQUALITIES
0
Research Products
4
QUALITY EDUCATION
0
Research Products
15
LIFE ON LAND
0
Research Products
16
PEACE, JUSTICE AND STRONG INSTITUTIONS
0
Research Products
17
PARTNERSHIPS FOR THE GOALS
1
Research Products
8
DECENT WORK AND ECONOMIC GROWTH
0
Research Products
This researcher does not have a Scopus ID.
This researcher does not have a WoS ID.
Scholarly Output
57
Articles
11
Views / Downloads
2/0
Supervised MSc Theses
14
Supervised PhD Theses
5
WoS Citation Count
57
Scopus Citation Count
88
WoS h-index
5
Scopus h-index
5
Patents
0
Projects
0
WoS Citations per Publication
1.00
Scopus Citations per Publication
1.54
Open Access Source
7
Supervised Theses
19
Google Analytics Visitor Traffic
| Journal | Count |
|---|---|
| 2014 22nd Signal Processing and Communications Applications Conference, SIU 2014 - Proceedings -- 2014 22nd Signal Processing and Communications Applications Conference, SIU 2014 -- 23 April 2014 through 25 April 2014 -- Trabzon -- 106053 | 3 |
| 22nd IEEE Signal Processing and Communications Applications Conference (SIU) -- APR 23-25, 2014 -- Karadeniz Teknik Univ, Trabzon, TURKEY | 3 |
| ICECS 2017 - 24th IEEE International Conference on Electronics, Circuits and Systems -- 24th IEEE International Conference on Electronics, Circuits and Systems, ICECS 2017 -- 5 December 2017 through 8 December 2017 -- Batumi -- 134675 | 2 |
| 24th IEEE International Conference on Electronics, Circuits and Systems (ICECS) -- DEC 05-08, 2017 -- Batumi, GEORGIA | 2 |
| 24th Signal Processing and Communication Application Conference (SIU) -- MAY 16-19, 2016 -- Zonguldak, TURKEY | 2 |
Current Page: 1 / 6
Scopus Quartile Distribution
Competency Cloud
14 results
Scholarly Output Search Results
Now showing 1 - 10 of 14
Master Thesis Hoparlör Bağımsız İzolasyonlu Rakam Tanıma(2020) Hamıd, Mohammed Saeed; Tora, HakanÇeşitli konuşma sinyali işleme uygulamalarında VAD, bir ses akışını konuşma etkinliği ve konuşmanın olmadığı zaman aralıklarını içeren zaman aralıklarına bölmek için önemli bir karakter sunar. Bu araştırmada, izole kelime tanıma ile ilgili yeni bir yaklaşım sunduk. İlk aşamada, ses etkinliği algılama (VAD) problem kırma penceresi, Bohman işlevi ve Bartlett-Hann işlevi için üç işlev uygulanmıştır. Hem Bohman fonksiyonu hem de Bartlett-Hann fonksiyonu VAD problemi için önceki çalışmalarda uygulanmamıştır. Öte yandan, perde, MFCC'ler ve enerji, özellik çıkarma teknikleri olarak uygulanır ve bu iki yöntemin yeni yaklaşımlar olduğu SOFTMAX ile birleştirilir. Pitch tabanlı SOFTMAX, SOFTMAX'a bağlanan ve yedi kelimeye göre sınıflandırılan ve% 85 doğrulukla özelliklerle çıkarılan olağanüstü sonuçlar sundu. Ayrıca enerji, özellik çıkarma ve SOFTMAX'a bağlanan bu fonksiyonun çıktısı olarak da uygulanır. Bu çerçeve, yalnızca kullanıcının giriş verilerini kolayca değiştirdiği çeşitli yalıtılmış kelime tanıma işlemlerine kolayca uygulanabilir. Bu çalışmadaki ana katkı, SOFTMAX'ı çeşitli özellik çıkarma teknikleriyle birleştirmiştir. SOFTMAX, (0,1) arasındaki etiketlere girdi özelliklerini analiz eden ve sınıflandırma veya regresyon sorunları için son katman fonksiyonu olarak çeşitli derin öğrenme tekniklerinde kullanılan trend olasılık fonksiyonudur. Elde edilen sonuçlar, özellik çıkarma için uygulanan sesli sinyal işleme teknikleri ile birleştirilmiş çeşitli makine öğrenme ve derin öğrenme teknikleri uygulanarak bu alanda sunulan çeşitli çalışmalarla karşılaştırılmıştır.Article Citation - WoS: 5Citation - Scopus: 6An Unrestricted Arnold's Cat Map Transformation(Springer, 2024) Turan, Mehmet; Goekcay, Erhan; Tora, HakanThe Arnold's Cat Map (ACM) is one of the chaotic transformations, which is utilized by numerous scrambling and encryption algorithms in Information Security. Traditionally, the ACM is used in image scrambling whereby repeated application of the ACM matrix, any image can be scrambled. The transformation obtained by the ACM matrix is periodic; therefore, the original image can be reconstructed using the scrambled image whenever the elements of the matrix, hence the key, is known. The transformation matrices in all the chaotic maps employing ACM has limitations on the choice of the free parameters which generally require the area-preserving property of the matrix used in transformation, that is, the determinant of the transformation matrix to be +/- 1.\documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepackage{mathrsfs} \usepackage{upgreek} \setlength{\oddsidemargin}{-69pt} \begin{document}$$\pm 1.$$\end{document} This reduces the number of possible set of keys which leads to discovering the ACM matrix in encryption algorithms using the brute-force method. Additionally, the period obtained is small which also causes the faster discovery of the original image by repeated application of the matrix. These two parameters are important in a brute-force attack to find out the original image from a scrambled one. The objective of the present study is to increase the key space of the ACM matrix, hence increase the security of the scrambling process and make a brute-force attack more difficult. It is proved mathematically that area-preserving property of the traditional matrix is not required for the matrix to be used in scrambling process. Removing the restriction enlarges the maximum possible key space and, in many cases, increases the period as well. Additionally, it is supplied experimentally that, in scrambling images, the new ACM matrix is equivalent or better compared to the traditional one with longer periods. Consequently, the encryption techniques with ACM become more robust compared to the traditional ones. The new ACM matrix is compatible with all algorithms that utilized the original matrix. In this novel contribution, we proved that the traditional enforcement of the determinant of the ACM matrix to be one is redundant and can be removed.Master Thesis Konvolutional Nöral Ağ Kullanarak Hasta Elma Ağağı Yapraklarinin Segmentasyon(2020) Al-mashhadanı, Alı; Tora, HakanTarım alanında, uzmanın gözü hastalığı erken bir aşamada tanımlayamayabilir veya doğru bir şekilde teşhis edemeyebilir. Bitki hastalığının yanlış teşhisi genellikle yanlış tedavinin seçilmesine ve bu da mahsulün kaybına neden olur. Bu nedenle, hastalıklı yaprağın otomatik segmentasyon sistemi bu sorunu çözmek için son derece gereklidir. Bu tez Bitki Patolojisi 2020 segmentasyonunda derin öğrenme nin cesaretini görüntüler - FGVC7 veri seti elma kabuğu gibi birden fazla elma foliar hastalığı belirtileri yüksek çözünürlüklü renkli görüntüler içeren, sedir elma pas, ve sağlıklı yapraklar. Önerilen segmentasyon algoritması, U-Net ve ResNet olmak üzere iki farklı mimari kullanılarak yapılan anlamsal segmentasyon yaklaşımıdır. Her iki ağın sonuçları Pixel Accuracy, IoU, F1-Score ve Recall ölçümleri kullanılarak değerlendirilmiş ve karşılaştırma ResNet'in bu amaca yönelik verimliliğini göstermiştir.Article Yalıtık Sözcüklü Bir Türkçe Konuşma Tanıma Sisteminin Yapay Veri Artırımı ile Tasarımı ve Gerçekleştirimi(2020) Uslu, İbrahim Baran; Tora, Hakan; Sümer, Emre; Türker, MustafaBu çalışmada toplamda doksan iki adet sesli komuttan oluşan bir yalıtık sözcüklü Türkçe konuşmatanıma sistemi tasarlanmış ve gerçekleştirilmiştir. Sistem, destek vektör makinesi (SVM) tabanlı olup,eğitimde kullanılan veri kümesi kaydedilen konuşmaların yapay olarak çeşitlendirilip artırılmasıyla eldeedilmiştir. Farklı yapay veri oranlarının tanıma başarımı üzerindeki etkisi incelenmiştir. Akustik öznitelikolarak, mel frekansı kepstral katsayıları (MFCC) kullanılmıştır. Ayrıca, ses aktivitesi tespitinin ve MFCCkatsayılarının tanıma başarımına etkileri de irdelenmiştir. Sonuçta doksan iki yalıtık komut için ortalama%92.6’lık doğrulukla çalışan bir konuşma tanıma sistemi geliştirilmiştirArticle Citation - WoS: 13Citation - Scopus: 16A Novel Data Encryption Method Using an Interlaced Chaotic Transform(Pergamon-elsevier Science Ltd, 2024) Gokcay, Erhan; Tora, HakanWe present a novel data encryption approach that utilizes a cascaded chaotic map application. The chaotic map used in both permutation and diffusion is Arnold's Cat Map (ACM), where the transformation is periodic and the encrypted data can be recovered. The original format of ACM is a two-dimensional mapping, and therefore it is suitable to randomize the pixel locations in an image. Since the values of pixels stay intact during the transformation, the process cannot encrypt an image, and known-text attacks can be used to get back the transformation matrix. The proposed approach uses ACM to shuffle the positions and values of two-dimensional data in an interlaced and nested process. This combination extends the period of the transformation, which is significantly longer than the period of the initial transformation. Furthermore, the nested process's possible combinations vastly expand the key space. At the same time, the interlaced pixel and value transformation makes the encryption highly resistant to any known-text attacks. The encrypted data passes all random-data tests proposed by the National Institute of Standards and Technology. Any type of data, including ASCII text, can be encrypted so long as it can be rearranged into a two-dimensional format.Article Citation - WoS: 7Citation - Scopus: 10Comparison of Three Different Learning Methods of Multilayer Perceptron Neural Network for Wind Speed Forecasting(Gazi Univ, 2021) Bulut, Mehmet; Tora, Hakan; Buaisha, Dr.magdiIn the world, electric power is the highest need for high prosperity and comfortable living standards. The security of energy supply is an essential concept in national energy management. Therefore, ensuring the security of electricity supply requires accurate estimates of electricity demand. The share of electricity generation from renewables is significantly growing in the world. This kind of energy types are dependent on weather conditions as the wind and solar energies. There are two vital requirements to locate and measure specific systems to utilize wind power: modelling and forecasting of the wind velocity. To this end, using only 4 years of measured meteorological data, the present research attempts to estimate the related speed of wind within the Libyan Mediterranean coast with the help of ANN (artificial neural networking) with three different learning algorithms, which are Levenberg-Marquardt, Bayesian Regularization and Scaled Conjugate Gradient. Conclusions reached in this study show that wind speed can be estimated within acceptable limits using a limited set of meteorological data. In the results obtained, it was seen that the SCG algorithm gave better results in tests in this study with less data.Article Citation - WoS: 2Citation - Scopus: 2Risk Assessment of Sea Level Rise for Karasu Coastal Area, Turkey(Mdpi, 2023) Eliawa, Ali; Genc, Asli Numanoglu; Tora, Hakan; Maras, Hadi HakanSea Level Rise (SLR) due to global warming is becoming a more pressing issue for coastal zones. This paper presents an overall analysis to assess the risk of a low-lying coastal area in Karasu, Turkey. For SLR scenarios of 1 m, 2 m, and 3 m by 2100, inundation levels were visualized using Digital Elevation Model (DEM). The eight-side rule is applied as an algorithm through Geographic Information System (GIS) using ArcMap software with high-resolution DEM data generated by eleven 1:5000 scale topographic maps. The outcomes of GIS-based inundation maps indicated 1.40%, 6.02%, and 29.27% of the total land area by 1 m, 2 m, and 3 m SLR scenarios, respectively. Risk maps have shown that water bodies, low-lying urban areas, arable land, and beach areas have a higher risk at 1 m. In a 2 m scenario, along with the risk of the 1 m scenario, forests become at risk as well. For the 3 m scenario, almost all the territorial features of the Karasu coast are found to be inundated. The effect of SLR scenarios based on population and Gross Domestic Product (GDP) is also analyzed. It is found that the 2 and 3 m scenarios lead to a much higher risk compared to the 1 m scenario. The combined hazard-vulnerability data shows that estuarine areas on the west and east of the Karasu region have a medium vulnerability. These results provide primary assessment data for the Karasu region for the decision-makers to enhance land use policies and coastal management plans.Doctoral Thesis 3B Medikal Görüntü İşleme İçin Derin Öğrenme Model Mimarisinin Geliştirmesi ve Analizi(2025) Yılmaz, Vadi Su; Doruk, Reşat Özgür; Tora, HakanGünümüzde medikal görüntü segmentasyonuna yönelik geliştirilen derin öğrenme modelleri, yüksek doğruluk sunmalarına rağmen; aşırı hesaplama maliyeti, karmaşık yapılar ve donanım bağımlılığı nedeniyle pratik kullanımda çeşitli sınırlılıklar barın-dırmaktadır. Bu doğrultuda, kullanıcı dostu, düşük donanım gereksinimiyle çalışabi-len, sade ancak derin yapıda, sınırlı veri setlerinde de etkili sonuçlar verebilen, genellenebilir ve güçlü mimarilere duyulan ihtiyaç giderek artmaktadır. Bu tezde, herhangi bir fine-tuning veya dışsal optimizasyona ( pruning, quantization, attention vb.) ihtiyaç duymadan, yalnızca yapısal mimari iyileştirmelerle yüksek doğruluk elde eden donanım dostu bir 3B CNN modeli geliştirilmiştir. Model mimarisi kapsamlı biçimde ele alınmış; katman derinliği, filtre boyutu, kanal sayısı, aktivasyon ve normalizasyon sıralaması gibi birçok parametre sistematik olarak analiz edilmiştir. Farklı çekirdek boyutlarına sahip konvolüsyon filtreleri hem paralel yollarla aynı blok içinde, hem de ardışık katmanlar arasında dağıtılarak farklı mimari konfigürasyonlarla yapılandırılmıştır. Bu yapılarda tek ve çok katmanlı, simetrik ve asimetrik tasarımlar denenmiştir. Ayrıca model tasarımı sürecinde NAS (Neural Architecture Search) yöntemi uygulanmış; elde edilen mimari varyantlar performans açısından değerlendirilmiştir. Geliştirilen model, klasik U-Net'e kıyasla eğitim süresini 2.5 ila 10 kat arasında kısaltmış, FLOPs değerini yaklaşık yarı yarıya düşürmüş ve benzer Dice Benzerlik Katsayısı (DSC) ile segmentasyon doğruluğunu korumayı başarmıştır. Ayrıca yapılan analizlerde, FLOPs'un gerçek zamanlı performansı belirlemede tek başına yeterli bir ölçüt olmadığı ortaya konmuştur. Bu tez kapsamında yürütülen çalışmalar, yalnızca mimari düzeyde gerçekleştirilen iyileştirmelerle yüksek doğruluk ve donanım verimliliğine ulaşılabileceğini göstermekte; geliştirilen yapının sade fakat derin mimarisi-yle genellenebilirliği, sınırlı veri setlerinde başarımı ve hangi mimari parametrelerin modele belirgin katkı sağladığı detaylı biçimde ortaya konmuştur.Master Thesis Frekans Alanında Görüntü Sınıflandırma için Konvolüsyonel Sinir Ağlarının Uygulanması(2024) Dağı, Göktuğ Erdem; Gökçay, Erhan; Tora, HakanBu tezde, Evrişimsel Sinir Ağları (CNN'ler) son yıllarda çeşitli görüntü işleme ve bilgisayarlı görme görevlerinde dikkate değer başarılar elde etmiştir. Geleneksel CNN'ler doğrudan uzaysal alan görüntüleri üzerinde çalışır. Bununla birlikte, Hızlı Fourier Dönüşümü (FFT) yoluyla elde edilen görüntülerin frekans alanı gösterimi, piksel değerlerinin ilişkisizleştirilmesi ve hesaplama karmaşıklığında potansiyel azalma gibi benzersiz avantajlar sunar. Bu tez, görüntü sınıflandırmasını ve tanıma doğruluğunu artırmak için FFT ile dönüştürülmüş görüntülerin CNN algoritmalarına girdi olarak kullanılmasının etkilerini araştırmayı amaçlamaktadır. Araştırma, FFT'nin teorik temellerinin ve özelliklerinin kapsamlı bir incelemesiyle başlıyor. Daha sonra CNN'ler için ön işleme ardışık düzenlerinde FFT'nin entegrasyonunu araştırıyor. Giriş görüntülerini uzamsal alandan frekans alanına dönüştürerek, CNN'lerin en önemli frekans bileşenlerine odaklanarak daha verimli öğrenebileceğini, dolayısıyla yakınsama oranlarını ve genel performansı potansiyel olarak iyileştirebileceğini varsayıyoruz. Bunun etkinliğini değerlendirmek için CIFAR-10 (Kanada İleri Araştırma Enstitüsü), MNIST (Modifiye Ulusal Standartlar ve Teknoloji Enstitüsü)-Digits ve MNIST-Fashion dahil olmak üzere çeşitli kıyaslama veri setleri kullanılarak deneyler gerçekleştirildi. yaklaşmak. FFT ile dönüştürülmüş görüntüler çeşitli CNN mimarilerine beslendi ve sonuçlar, geleneksel uzaysal alan girdileri kullanılarak elde edilenlerle karşılaştırıldı. Sınıflandırma doğruluğu, eğitim süresi ve hesaplamalı kaynak kullanımı gibi ölçümler titizlikle analiz edildi. Sonuçlar, FFT tabanlı ön işlemenin, özellikle veri kümelerinin yüksek frekanslı gürültü veya gereksiz bilgi içerdiği senaryolarda, sınıflandırma doğruluğunda iyileştirmelere yol açabileceğini göstermektedir. Ancak faydaların farklı veri kümeleri ve ağ mimarileri arasında farklılık göstermesi, FFT ön işlemenin etkililiğinin bağlama bağlı olabileceğini düşündürmektedir. Sonuç olarak bu tez, FFT ön işlemesinin CNN iş akışlarına dahil edilmesinin görüntü işleme görevlerini geliştirme konusunda umut vaat ettiğini göstermektedir. Bulgular, hem uzaysal hem de frekans alanı bilgisinden yararlanan hibrit modellerin geliştirilmesi ve FFT tabanlı tekniklerin diğer sinir ağı türlerine ve makine öğrenimi algoritmalarına uygulanması da dahil olmak üzere gelecekteki araştırmalar için yollar önermektedir. Bu çalışma, bilgisayarlı görme alanını geliştirmek için frekans alanı analizinin derin öğrenme metodolojileriyle nasıl sinerjik olarak entegre edilebileceğinin daha geniş bir şekilde anlaşılmasına katkıda bulunmaktadır.Master Thesis Derin Çevresel Sinir Ağını Kullanarak Mide Kanser Sınıflandırması(2020) Jebur, Saıf Salam; Tora, HakanBu tezde, önceden eğitilmiş birkaç CNN ve CNN yapımız endoskopik görüntülerde erken mide kanserinin otomatik olarak tespit edilmesine sunulmuştur. İlk aşamada, iki tip normal ve görüntü veri kümelerinin kanseri kullanılarak yapılan transfer öğrenimi, MATLAB 2018 kullanılarak mide kanseri tespiti için önceden eğitilmiş ağlar gerçekleştirildi. Daha sonra elde edilen sonuçlar birbirleriyle karşılaştırıldı ve ayrıntılı olarak tartışıldı. İkinci aşamada, CNN kullanılarak önerilen yeni yapı. Önerilen yapı SoftMax sınıflandırıcılı 8 katmandan oluşur. Son katmanda SoftMax tarafından sınıflandırılan evrişimsel katmanlarla çıkarılan yüksek seviye özellikler. Önerilen ağ 99.88% sundu ve bu da önceden eğitilmiş birkaç ağla karşılaştırıldığında yüksek sonuçtur. Ayrıca, önerilen ağ, çeşitli transfer öğrenme teknikleriyle karşılaştırıldığında dikkate değer bir yürütme süresi sundu.
