Mıshra, Alok

Profile Picture
Profile URL
https://hdl.handle.net/20.500.14411/6902
Name Variants
Mishra, A.
Mishra, A
Mishra A.
Alok, Mishra
Mıshra, Alok
A., Mishra
Alok M.
M., Alok
M.,Alok
Mishra, Alok
Mishra,A.
A.,Mıshra
A.,Mishra
Alok, Mıshra
A., Mıshra
Mıshra,A.
Job Title
Profesor Doktor
Email Address
alok.mishra@atilim.edu.tr
Main Affiliation
Software Engineering
Status
Website
ORCID ID
0000-0003-1275-2050
Scopus Author ID
7201441575
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
AAE-2673-2019

Sustainable Development Goals

NO POVERTY1
NO POVERTY
0
Research Products
ZERO HUNGER2
ZERO HUNGER
1
Research Products
GOOD HEALTH AND WELL-BEING3
GOOD HEALTH AND WELL-BEING
9
Research Products
QUALITY EDUCATION4
QUALITY EDUCATION
6
Research Products
GENDER EQUALITY5
GENDER EQUALITY
1
Research Products
CLEAN WATER AND SANITATION6
CLEAN WATER AND SANITATION
1
Research Products
AFFORDABLE AND CLEAN ENERGY7
AFFORDABLE AND CLEAN ENERGY
0
Research Products
DECENT WORK AND ECONOMIC GROWTH8
DECENT WORK AND ECONOMIC GROWTH
0
Research Products
INDUSTRY, INNOVATION AND INFRASTRUCTURE9
INDUSTRY, INNOVATION AND INFRASTRUCTURE
8
Research Products
REDUCED INEQUALITIES10
REDUCED INEQUALITIES
0
Research Products
SUSTAINABLE CITIES AND COMMUNITIES11
SUSTAINABLE CITIES AND COMMUNITIES
4
Research Products
RESPONSIBLE CONSUMPTION AND PRODUCTION12
RESPONSIBLE CONSUMPTION AND PRODUCTION
4
Research Products
CLIMATE ACTION13
CLIMATE ACTION
4
Research Products
LIFE BELOW WATER14
LIFE BELOW WATER
4
Research Products
LIFE ON LAND15
LIFE ON LAND
0
Research Products
PEACE, JUSTICE AND STRONG INSTITUTIONS16
PEACE, JUSTICE AND STRONG INSTITUTIONS
10
Research Products
PARTNERSHIPS FOR THE GOALS17
PARTNERSHIPS FOR THE GOALS
2
Research Products
Scopus data could not be loaded because of an error. Please refresh the page or try again later.
Documents

170

Citations

2558

Go to WoS profile
Scholarly Output

197

Articles

103

Views / Downloads

163/271

Supervised MSc Theses

13

Supervised PhD Theses

8

WoS Citation Count

2079

Scopus Citation Count

3045

Patents

0

Projects

0

WoS Citations per Publication

10.55

Scopus Citations per Publication

15.46

Open Access Source

42

Supervised Theses

21

JournalCount
Sensors7
TEM Journal7
Computers in Human Behavior4
Applied Sciences4
Electronics Information and Planning4
Current Page: 1 / 22

Scopus Quartile Distribution

Competency Cloud

GCRIS Competency Cloud

Filters

2018 - 201912020 - 20231
Reset filters

Settings

Subject: Electrical and Electronics Engineering

Scholarly Output Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Master Thesis
    Nöbet Tespitinde Derin Öğrenme Uygulamaları
    (2018) Kadhım, Yezı Alı Kadhım; Mıshra, Alok; Garg, Lalit
    Bu tezde, Derin otomatik kodlayıcı ve güç spektral yoğunluğuna dayalı yeni bir yöntem önerilmiştir. ilk, giriş verileri, her bir veri satırı için sinyalin güç spektral yoğunluğunu ölçerek özellik çıkarımı için güç spektral yoğunluğu kullanılarak analiz edilir. Üretilen çıktı, boyutu azaltmak ve yüksek seviyeli özellikler elde etmek için ilk Otomatik kodlayıcıya girdi olur. İlk otomatik kodlayıcının çıkışı, özelliklerin sayısını azaltmak ve yüksek seviyeli özellikler elde etmek için ikinci otomatik kodlayıcıya girdi olur. Ayrıca, bu özellikler iki gruba ayrılır: SoftMax sınıflandırıcı kullanılarak normal ve anormal. Son olarak, iki otomatik kodlayıcı ve SoftMax, sınıflandırma doğruluğunu geliştirmek için geri yayılım algoritması kullanılarak yığılmış ve eğitilmiştir. Önerilen yöntem, bu dosyada sunulan ortak yöntemlerle karşılaştırıldığında tatmin edici sonuçlar verir. Burada, Otomatik kodlayıcıların sayısı verilerin yanı sıra boyutun davranışına da bağlıdır. Önerilen yöntem, epilepsi seri tespitinde yaygın olarak kullanılan veri setleri ile test edilmiş ve elde edilen sonuçlar, güçlü ve zayıf yönleri belirlemek amacıyla bu alandaki diğer ve en önemli çalışmalarla karşılaştırılmıştır.
  • Thumbnail Image
    Doctoral Thesis
    Farklı Derin Öğrenme Teknikleri ve Meta-sezgisel Algoritmalara Dayalı Tıbbi Veri Kümesi Sınıflandırması
    (2023) Kadhım, Yezı Alı; Mıshra, Alok; Doruk, Reşat Özgür
    Tıp, bilgisayar bilimindeki ilerlemenin önemli ilerleme kaydettiği alanlardan biridir. Bilgisayarların Tıpta kullanımı kesinliği artırır ve veri işlemeyi ve teşhisi hızlandırır. Şu anda, derin öğrenme algoritmalarının önemli bir rol oynadığı çeşitli bilgisayar destekli teşhis sistemleri bulunmaktadır. Daha hassas ve daha hızlı sistemlere ihtiyaç vardır. Bilgisayar destekli teşhis (CAD), yıllar içinde teşhis tahmini için etkili ve doğru bir yöntem olduğunu kanıtlamıştır. Bu çalışma, teşhisi olabildiğince doğru bir şekilde gerçekleştirmek amacıyla otomatik bir CAD sisteminin geliştirilmesine odaklanmaktadır. Derin öğrenme yöntemleri, tıbbi görüntü veri kümeleri üzerinde etkileyici sonuçlar üretebilmiştir. Bu tezde, iki farklı tıbbi veri kümesinden COVID-19, ve birkaç tıbbi veri seti tespitini kapsayacak şekilde en uygun özellikleri seçmek için meta-sezgisel yöntemin yardımıyla beyin tümörü. Birkaç önceden eğitilmiş evrişimli sinir ağı (CNN) AlexNet, GoogleNet, ResNet 50 ve DenseNet 201'in ilk kombinasyonu, üç tür Meta-Sezgisel Algoritma Karınca Kolonisi Optimizasyon algoritması (ACO), Particle Swarm Optimization algoritması (PSO), ve Genetik Algoritma (GA). İkinci kombinasyon, verilerin orijinal performansını korurken veri kümesinin boyutunu küçültmeyi amaçlayan yenilikçi bir yöntem olan üç tür Meta-Sezgisel Algoritma ACO, PSO ve GA ile Otomatik kodlayıcıydı. Doğru bir teşhis gerçekleştirmek için meta-sezgisel algoritmalar ve denetimli makine öğrenimi algoritmaları ile birlikte derin öğrenme yöntemlerinin kullanılması. Özellik çıkarımı için önceden eğitilmiş evrişimli sinir ağları (CNN'ler) veya otomatik kodlayıcı kullanılırken, özellik seçimi ACO veya PSO veya GA kullanılarak gerçekleştirilir. Karınca kolonisi optimizasyonu, veri miktarını azaltırken en iyi optimum özelliklerin aranmasına yardımcı olur. Son olarak, tanı tahmini (sınıflandırma), öğrenilebilir sınıflandırıcılar kullanılarak gerçekleştirilir. Özelliklerin çıkarılması ve seçilmesi için yeni çerçeve, derin öğrenme, otomatik kodlayıcı ve ACO'ya dayanmaktadır. Önerilen kombinasyonun performansı, iki tıbbi görüntü veri seti kullanılarak karar ağacı (DT), destek vektör makinesi (SVM), k-en yakın komşular (KNN), topluluk, Naive Bayes ve diskriminant gibi sınıflandırıcılarla değerlendirilir: göğüs röntgeni (COVID-19 ve beyin tümörlerinin varlığının tahmini için CXR) ve manyetik rezonans görüntüleme (MRI). Doğruluk, önerilen yaklaşımın performansını mevcut son teknoloji yöntemlerle karşılaştırmak için ana ölçü olarak kullanılır. Önerilen sistem, sırasıyla COVID-19 ve beyin tümörlerinin varlığını teşhis etmede diğer tüm yöntemleri geride bırakarak ortalama %99,61 ve %99,18 doğruluk elde ediyor. Elde edilen sonuçlara dayanarak, doktorların veya radyologların önerilen yaklaşımı COVID-19 hastalarının ve spesifik beyin tümörü olan hastaların teşhisinde güvenle kullanabilecekleri söylenebilir. Ayrıca bu tezde, farklı derin öğrenme tekniklerinin meta-sezgisel algoritma ile bir kombinasyonu, evrişimli sinir ağı veya otomatik kodlayıcı derin öğrenme yöntemlerinin her biri, iki farklı tıbbi veri setinden etkili özellikleri çıkarmak için uygulandı. Parçacık Sürü Optimizasyon Algoritması (PSO) tarafından elde edilen optimal özellikleri seçmek için meta-sezgisel yöntemin yardımıyla, yenilikçi bir yöntem olarak kabul edilen bu kombinasyon, verilerin orijinal performansını korurken veri kümesinin boyutunu küçültmeyi amaçlamaktadır. Kovid-19 veri seti, CNN-PSO-SVM kombinasyonu ile en yüksek doğruluğun %99,76 olduğunu ve ortak beyin tümörü veri seti için en yüksek doğruluk olarak %99,51'lik doğruluğun, otomatik kodlayıcı-PSO-KNN kombinasyon yöntemiyle elde edildiğini buldu. . Derin öğrenme yönteminin PSO özellik seçim algoritması ile kombinasyon modelinin, ACO algoritması ile aynı yönteme göre çok daha uzun zaman aldığını ve aynı zamanda PSO'nun doğruluğunun ACO doğruluğuna yakın olduğunu fark ettik.