GCRIS :: Search

Ağdüzeneğini derinlemesine anlamak ve yorumlamak, yüksek dinamizm ve eksik veri nedeniyle oldukça zorlu olabilmektedir. Dinamizm ve eksikliklerin üstesinden gelebilmek için ağdüzeneğindeki düğümler arası potansiyel veya olası bağları tahmin etme çabalarına bağlantı tahminlemesi, belirli patikaları tanımlama uygulamalarına ise örüntü tanılama denilmektedir. Bu çalışmanın temel amaçlarından ilki, dinamizm ve eksik veri nedeni ile meydana gelen ağdüzeneği değişimi ve evrimini, örüntü tanılama ve bağlantı tahminleme problemi olarak formüle ederek bir yapay zeka - makine öğrenmesi çözümü geliştirmektir. Alışveriş merkezi karmaşık ve büyük bir örgüt sistemi olarak tanımlanmaktadır. Kiracı karması ya da kiracı(lar) kümesi, alışveriş merkezindeki tür, boyut, konum, hizmet/ürün sınıflandırmaları benzeri parametreleri içerir. Alışveriş merkezinin hayatta kalması ve başarısının sürdürülebilir olması, öncelikle kiracı karmasının analiz edilmesi ve planlanması ile ilintilidir. Dolayısı ile, bu çalışmanın bir diğer önemli hedefi, alışveriş merkezindeki iç mekan yaya trafiğinin ağdüzeneği olarak modellenmesiyle kiracı karması probleminin ağdüzeneklerde örüntü tanılama ve bağlantı tahminleme görevi ve işlemi olarak tekrar formüle edilmesidir. Böylelikle, ziyaretçilerin sosyoekonomik ve demografik parametreleri ile, mağaza ve alışveriş merkezi tercihleri üzerinden kiracı karması için yapay sinir ağı modellemesine dayalı yeni bir çözüm yöntemi önerilmektedir. Çalışma kuramsal olarak, ağdüzenekleri ve ağdüzeneklerinin değişim - evrim mekanizmaları için analitik ve matematiksel bir çözüm sunmaktadır. Bu sayede, ağdüzeneğindeki bağlar, bağları kuran aktörlerin özelliklerine ve tercihlerine bağlı olarak analiz edilebilir, sınıflandırılabilir ve tanımlanabilir. Ayrıca, özellik ve tercihlere göre düğümler arasındaki olası veya potansiyel bağlar, yapay sinir ağları modellemesiyle tahmin edilebilmektedir. Çalışma aynı zamanda metot açısından, yapay zeka - makine öğrenmesi yöntemlerini, özellikle yapay sinir ağlarını, ağdüzeneklerde bağları kuran veya kiracı karmasında iç mekan yaya trafiğini üreten aktörlerin yan bilgileri temelinde hem ağdüzenek araştırmalarına hem kiracı karması problemine, yeni bir yaklaşımla entegre edilebilmiştir. Bu çalışmada önerilen ve geliştirilen yaklaşım ve metot ile ağdüzenek evrim ve değişim mekanizmaları ile kiracı karması problemi için en azı %90 olmak üzere ortalama %96 başarı sağlanmıştır.

For people in developing countries, cassava is a major source of calories and carbohydrates. However, Cassava Mosaic Disease (CMD) has become a major cause of concern among farmers in sub-Saharan Africa countries, which rely on cassava for both business and local consumption. The article proposes a novel deep residual convolution neural network (DRNN) for CMD detection in cassava leaf images. With the aid of distinct block processing, we can counterbalance the imbalanced image dataset of the cassava diseases and increase the number of images available for training and testing. Moreover, we adjust low contrast using Gamma correction and decorrelation stretching to enhance the color separation of an image with significant band-to-band correlation. Experimental results demonstrate that using a balanced dataset of images increases the accuracy of classification. The proposed DRNN model outperforms the plain convolutional neural network (PCNN) by a significant margin of 9.25% on the Cassava Disease Dataset from Kaggle.

Filters

Settings

Sort By

Results per page

Search Results