Khan, Muhammad Umer

Loading...
Profile Picture
Name Variants
Khan, Muhammad Umer
K.,Muhammad Umer
Muhammad Umer, Khan
Khan,Muhammad Umer
M.U.Khan
M., Khan
M.,Khan
Khan U.
Khan M.
Khan,M.U.
M. U. Khan
Umer Khan M.
K., Muhammad Umer
Muhammad Umer Khan
Khan, Umer
Khan, Muhammed Umer
Khan, M. U.
Khan, M.U
Job Title
Yardımcı Doçent
Email Address
umer.khan@atilim.edu.tr
Main Affiliation
Mechatronics Engineering
Status
Website
Scopus Author ID
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID

Sustainable Development Goals

NO POVERTY1
NO POVERTY
0
Research Products
ZERO HUNGER2
ZERO HUNGER
4
Research Products
GOOD HEALTH AND WELL-BEING3
GOOD HEALTH AND WELL-BEING
1
Research Products
QUALITY EDUCATION4
QUALITY EDUCATION
0
Research Products
GENDER EQUALITY5
GENDER EQUALITY
0
Research Products
CLEAN WATER AND SANITATION6
CLEAN WATER AND SANITATION
0
Research Products
AFFORDABLE AND CLEAN ENERGY7
AFFORDABLE AND CLEAN ENERGY
4
Research Products
DECENT WORK AND ECONOMIC GROWTH8
DECENT WORK AND ECONOMIC GROWTH
0
Research Products
INDUSTRY, INNOVATION AND INFRASTRUCTURE9
INDUSTRY, INNOVATION AND INFRASTRUCTURE
1
Research Products
REDUCED INEQUALITIES10
REDUCED INEQUALITIES
0
Research Products
SUSTAINABLE CITIES AND COMMUNITIES11
SUSTAINABLE CITIES AND COMMUNITIES
0
Research Products
RESPONSIBLE CONSUMPTION AND PRODUCTION12
RESPONSIBLE CONSUMPTION AND PRODUCTION
0
Research Products
CLIMATE ACTION13
CLIMATE ACTION
0
Research Products
LIFE BELOW WATER14
LIFE BELOW WATER
0
Research Products
LIFE ON LAND15
LIFE ON LAND
0
Research Products
PEACE, JUSTICE AND STRONG INSTITUTIONS16
PEACE, JUSTICE AND STRONG INSTITUTIONS
0
Research Products
PARTNERSHIPS FOR THE GOALS17
PARTNERSHIPS FOR THE GOALS
1
Research Products
Documents

38

Citations

641

h-index

13

Documents

30

Citations

476

Scholarly Output

38

Articles

15

Views / Downloads

185/1662

Supervised MSc Theses

11

Supervised PhD Theses

0

WoS Citation Count

253

Scopus Citation Count

374

Patents

0

Projects

0

WoS Citations per Publication

6.66

Scopus Citations per Publication

9.84

Open Access Source

10

Supervised Theses

11

JournalCount
Applied Sciences2
2018 14th IEEE/ASME International Conference on Mechatronic and Embedded Systems and Applications, MESA 2018 -- 14th IEEE/ASME International Conference on Mechatronic and Embedded Systems and Applications, MESA 2018 -- 2 July 2018 through 4 July 2018 -- Oulu -- 1391112
2019 2nd International Conference on Communication, Computing and Digital Systems, C-CODE 2019 -- 2nd International Conference on Communication, Computing and Digital Systems, C-CODE 2019 -- 6 March 2019 through 7 March 2019 -- Islamabad -- 1469971
2020 7th International Conference on Electrical and Electronics Engineering, ICEEE 2020 -- 7th International Conference on Electrical and Electronics Engineering, ICEEE 2020 -- 14 April 2020 through 16 April 2020 -- Antalya -- 1604501
2021 IEEE International Conference on Robotics, Automation and Artificial Intelligence, RAAI 2021 -- 2021 IEEE International Conference on Robotics, Automation and Artificial Intelligence, RAAI 2021 -- 21 April 2021 through 23 April 2021 -- Virtual, Online -- 1767941
Current Page: 1 / 5

Scopus Quartile Distribution

Competency Cloud

GCRIS Competency Cloud

Scholarly Output Search Results

Now showing 1 - 2 of 2
  • Master Thesis
    Derin Öğrenme ile Orman Yangını Tespiti
    (2024) Özel, Berk; Khan, Muhammad Umer
    Fire detection systems are critical for safeguarding lives and minimizing property damage. One of the key areas where such systems are vital are forest fires. In recent years, there have been several record-breaking forest fires in terms of size, duration, and destruction. Traditional methods of fire detection, such as smoke or heat sensors, have their limitations, leading to the emergence of innovative approaches based on advanced technologies. This thesis examines the application of Batch-Instance Normalization combined with ResNet, a deep learning model for wildfire detection. The study compares the performance of Batch-Instance Normalization with other normalization approaches. In this study, a forest fire dataset is used which is taken from the Kaggle for training the model. The Dataset includes 4609 images, 2120 Fire and 2499 Non-Fire images. The ResNet model is tested with eight different optimizers and trained with the one that gives the best results. The experiments evaluate the impact of normalization techniques and optimizers on the accuracy of wildfire detection. The results show that Batch-Instance Normalization with single exponential smoothing significantly improves the accuracy of the model. It attains F1-score of 96.14%, accuracy of 96.56%, and precision of 99.49%. A minimum 1%, accuracy difference, %0.6 F1 score difference, %1.05 precision difference were obtained from other normalization methods. Combining the capabilities of deep learning with the innovative Batch-Instance Normalization has demonstrated a promising and effective solution for wildfire detection.
  • Master Thesis
    State of charge (SOC) optimization of reconfigurable battery network
    (2021) Atar, Zaınab; Khan, Umer
    Piller, özellikle lityum iyon (Li-ion) olmak üzere önemli bir enerji kaynağıdır. Şaşırtıcı kimyasal özellikleri, elektrikli araçlar (EV'ler) dahil olmak üzere birçok uygulama alanında onları favori haline getirdi. Sistem gereksinimlerini karşılamak için, sabit veya yeniden yapılandırılabilir bir yapıda birden fazla pil bağlanır. Bu mimarilerin karşılaştığı birçok sorun, özellikle de zayıf pil kullanımının aşılması da dahil olmak üzere sabit yapı göz önüne alındığında, bu çalışma, tüm sistem gereksinimlerini karşılamak için yeniden yapılandırılabilen gelişmiş bir pil sistemi önermektedir. Hasarlı bir pilin kullanımını atlama yeteneğine ek olarak, şarj olan bir pil, bağlantının geri kalanından tamamen ayrılabilir. Bu piller, seri, paralel veya hibrit olsun, belirli bir konfigürasyonda bağlandıklarında, tekrarlanan kullanım nedeniyle piller arasında şarj ve deşarj dengesizliğine neden olan bir performans hatasıyla karşı karşıya kalırlar. Pillerden biri aşırı şarj veya aşırı deşarj nedeniyle hasar görürse, sistemin genel performansı üzerinde kötü etkilere neden olabilir. Bu araştırma, pillerin yaşam döngülerini iyileştirmek için piller arasında bir denge sağlamak için gelişmiş bir pil yönetim sistemi önermektedir. Ayrıca, şarj için maksimum değeri veya minimum deşarj değeri sağlayarak pillerin aşırı şarj edilmesini veya aşırı boşalmasını önler, çünkü bu iki değerde pilin durumu deşarjdan şarja veya tam tersidir. Böylece çalışma süresi boyunca sistemin en üst seviyede çalışmasını sağlar. Bu çalışma aynı zamanda optimum yük voltajını sağlamak için bir optimizasyon algoritması önermektedir. Bu konfigürasyonun seçimi, her bir pil için gerekli voltajın yanı sıra şarj durumuna (SOC) bağlıdır. Sistemi çalışma süresi boyunca gerekli voltajla donatmak için bu tez, düşük şarjlı pili seri ve paralel konfigürasyonlarda boşalmaya hazır başka bir pil ile değiştirmek için bir algoritma önermektedir. Ayrıca hibrit konfigürasyonda iki konfigürasyon arasında köprü oluşturan ortak pil de değiştiriliyor. Tüm pillerin şarj olduğu göz önüne alındığında, bu araştırma, en az bir pil kullanılabilir hale gelene kadar yükün harici bir voltaj kaynağından voltajla beslenmesini önerir. MATLAB'de simülasyon kullanımına dayanan sonuçlar, önerilen algoritmaların, tüm pilleri aşırı şarj ve aşırı deşarjdan koruyan etkili bir pil yönetim sistemi elde etme yeteneğini göstermiştir. Ek olarak, konfigürasyondaki değişikliklere rağmen sistemin çalışma süresi boyunca gerekli voltajı sağlayabildiği de gösterilmiştir. Ayrıca, Geliştirilmiş Yeniden Yapılandırılabilir Enerji Geliştirilmiş Mimarinin (I-REEA) çalışma süresi boyunca bağlantılardaki tüm değişiklikleri karşılama yeteneğini gösterir. Anahtar Kelimeler: Lityum iyon akü (Li-ion), Şarj Durumu (SOC), Elektrikli araçlar (EV'ler), Akü yönetim sistemi (BMS), hücre dengeleme, akü dengeleme sistemi, akü şarjı, seri bağlı akü, paralel bağlı akü, hibrit konfigürasyon, akü paketi, akü yeniden konfigüre edilebilir sistem, akü enerji sistemi ve optimizasyon.