Khan, Muhammad Umer

Profile Picture
Profile URL
https://hdl.handle.net/20.500.14411/6656
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
ORCID ID
0000-0002-9195-3477
Scopus Author ID
57209876827
Turkish CoHE Profile ID
277006
Google Scholar ID
8h-JrH8AAAAJ
WoS Researcher ID
N-5478-2016

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

Go to Scopus profile
Documents

30

Citations

486

Go to WoS profile
Scholarly Output

38

Articles

15

Views / Downloads

189/1701

Supervised MSc Theses

11

Supervised PhD Theses

0

WoS Citation Count

264

Scopus Citation Count

392

Patents

0

Projects

0

WoS Citations per Publication

6.95

Scopus Citations per Publication

10.32

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

Filters

2020 - 20242
Reset filters

Settings

Has files: trueSubject: Computer Engineering and Computer Science and Control

Scholarly Output Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Master Thesis
    Derin öğrenme ile orman yangını tespiti
    (2024) Özel, Berk; Khan, Muhammad Umer
    Yangın algılama sistemleri can güvenliği ve maddi hasarın en aza indirilmesi açısından kritik öneme sahiptir. Bu tür sistemlerin hayati önem taşıdığı alanlardan biri de orman yangınlarıdır. Son yıllarda büyüklük, süre ve tahribat açısından rekor sayıda orman yangını yaşandı. Duman veya ısı sensörleri gibi geleneksel yangın algılama yöntemlerinin sınırlamaları vardır ve bu da ileri teknolojilere dayalı yenilikçi yaklaşımların ortaya çıkmasına neden olur. Bu tez, orman yangını tespiti için bir derin öğrenme modeli olan ResNet ile birlikte Batch-Instance Normalizasyonunun uygulanmasını incelemektedir. Çalışma, Batch-Instance Normalizasyonunun performansını diğer normalleştirme yaklaşımlarıyla karşılaştırmaktadır. Bu çalışmada modelin eğitimi için orman yangını veri seti kullanılmıştır. Bu veri seti 4609 görsel içermektedir. Bu görseller 2120 Yangın, 2499 yangın içermeyen görselden oluşmaktadır. ResNet modeli sekiz farklı optimize edici ile test edilmiş ve en iyi sonuçları veren ile eğitilmiştir. Deneyler, normalizasyon tekniklerinin ve optimize edicilerin yangın tespitinin doğruluğu üzerindeki etkisini değerlendirmektedir. Sonuçlar, tek üstel düzeltmeyle Batch-Instance Normalizasyonunun modelin doğruluğunu önemli ölçüde artırdığını göstermektedir. Deneyde model, 96.14% F1 skoruna, 96.56% doğruluğa ve 99.49% kesinlik değerlerine ulaşmıştır. Diğer yaklaşımlardan minimum %1 doğruluk farkı, %0,6 F1 skor farkı, %1,05 kesinlik farkı elde edilmiştir. Derin öğrenmenin yeteneklerini Batch-Instance Normalizasyonunuyla birleştirmek, orman yangını tespiti için umut verici ve etkili bir çözüm ortaya koydu.
  • Thumbnail Image
    Master Thesis
    Sağlık Tahmininde Optimizasyon Tekniklerinin Kullanılması
    (2020) Malık, Muhammad Sufyan; Yazıcı, Ali; Yazıcı, Ali; Yazıcı, Ali; Khan, Muhammad Umer; Software Engineering; Software Engineering
    Günümüz dünyasında modern teknolojinin kullanımı tıp bilimi alanında birçok gelişme sağlamıştır. Yine de, tüm ilerlemelerle birlikte, çoğu hastalığın tanı ve tedavisi zor bir görev olarak kabul edilmektedir. Diyabet rahatsızlığı, erken evrelerinde tanıyı araştırmak yerine semptomlarla mücadele için daha fazla çalışılmıştır. İnsülin ve insülin emisyon eksikliğine direnç kombinasyonu tip-2 diyabet üretir. Tip-2 yüksek nüfuzludur ve hala artmaktadır. Bununla birlikte, DMT2'nin tanımlanması bir ikilemdir. DMT2 erken bir aşamada tanımlanabilirse, daha az önleyici tedbirler gerekli olacaktır ve kişi yine de sağlıklı ve kaygısız bir yaşam sürdürebilir. Veri madenciliği teknikleri kullanan birçok sağlık kehanet sistemi yerleşik sağlık segmentleri vardır. Optimizasyon teknikleri de daha kesin ve verimli sonuçlar sağlayabilir. Bu çalışmada, sınıflandırma doğruluğunu ve SVM, DT, LR gibi mevcut sınıflandırıcılar arasındaki karşılaştırmayı bulmak için dışbükey optimizasyonda En Küçük kare, Karesel programlama ve Lagrangian Yöntemi kullanılmıştır. Bu araştırma, optimizasyon tekniklerinin sağlık hastalığını öngörmek veya teşhis etmek için kullanılabileceğini ve diğer sınıflandırıcılara göre daha iyi sonuçlar verebileceğini göstermektedir. Anahtar Kelimeler: Makine Öğrenmesi, Optimizasyon Teknikleri, Doğrusal Programlama, En Küçük Kareler Yöntemi, İkinci Derece Programlama, Lagrange Yöntemi, Şeker hastalığı