Apaydın, Mehmet Serkan

Profile URL
https://hdl.handle.net/11147/16144
Name Variants
Apaydin, Mehmet Serkan
Apaydin, M. S.
Apaydln, Mehmet Serkan
Apaydın, Mehmet
Apaydın, M. S.
Job Title
Email Address
mehmetapaydin@iyte.edu.tr
Main Affiliation
03.05. Department of Electrical and Electronics Engineering
Status
Current Staff
Website
ORCID ID
0000-0002-4707-8994
Scopus Author ID
6507164359
Turkish CoHE Profile ID
D5F3D1C92CC2F1D8
Google Scholar ID
nqZaThoAAAAJ
WoS Researcher ID
AAV-5748-2021

Sustainable Development Goals

SDG data is not available
Documents

23

Citations

316

h-index

9

Go to Scopus profile
Documents

21

Citations

197

Go to WoS profile
Scholarly Output

4

Articles

1

Views / Downloads

705/637

Supervised MSc Theses

2

Supervised PhD Theses

0

WoS Citation Count

0

Scopus Citation Count

1

Patents

0

Projects

0

WoS Citations per Publication

0.00

Scopus Citations per Publication

0.25

Open Access Source

1

Supervised Theses

2

JournalCount
Gazi Mühendislik Bilimleri Dergisi1
Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) -- Workshops hosted by the 22nd International Conference on Image Analysis and Processing, ICIAP 2023 -- 11 September 2023 through 15 September 2023 -- Udine -- 3069291
Current Page: 1 / 1

Scopus Quartile Distribution

Quartile distribution chart data is not available

Competency Cloud

GCRIS Competency Cloud

Filters

2021 - 20244

Settings

search.filters.applied.f.isAuthorOfPublication: search.filters.isAuthorOfPublication.54e20f11-4768-41cc-92c2-bae60616eda3

Scholarly Output Search Results

Now showing 1 - 4 of 4
  • Conference Object
    Citation - Scopus: 1
    Classification of Turkish and Balkan House Architectures Using Transfer Learning and Deep Learning
    (Springer Science and Business Media Deutschland GmbH, 2024) Yönder,V.M.; İpek,E.; Çetin,T.; Çavka,H.B.; Apaydın,M.S.; Doğan,F.
    Classifying architectural structures is an important and challenging task that requires expertise. Convolutional Neural Networks (CNN), which are a type of deep learning (DL) approach, have shown successful results in computer vision applications when combined with transfer learning. In this study, we utilized CNN based models to classify regional houses from Anatolia and Balkans based on their architectural styles with various pretrained models using transfer learning. We prepared a dataset using various sources and employed data augmentation and mixup techniques to solve the limited data availability problem for certain regional houses to improve the classification performance. Our study resulted in a classifier that successfully distinguishes 15 architectural classes from Anatolia and Balkans. We explain our predictions using grad-cam methodology. © The Author(s), under exclusive license to Springer Nature Switzerland AG 2024.
  • Master Thesis
    Hardware acceleration with fpga Based electronic boards for machine learning
    (01. Izmir Institute of Technology, 2024) Akkuş, Batuhan; Gümüş, Abdurrahman; Apaydın, Mehmet Serkan
    Son yıllardaki makine ög˘renmesi algoritmalarındaki gelis¸meler uç cihazlardaki kullanımını da arttırmıs¸tır (Merenda et al., 2020). Makine ög˘renimi algoritmaları genel- likle GPU tabanlı bilgisayarlarda çalıs¸tırılmaktadır, bu da yüksek enerji tüketimi (De- sislavov et al., 2021), yog˘un donanım kaynag˘ı gereksinimleri ve büyük fiziksel boyutları (Liu et al., 2022) nedeniyle uç cihazlar için uygun olmamaktadır. Bu tez, donanım hızlandırıcısı olarak FPGA platformlarında makine ög˘renmesi algoritmalarının, özellikle derin sinir ag˘larının uygulanması ve çıkarım yapılmasını aras¸tırarak, düs¸ük güç tüke- timi, verimli donanım kullanımı ve yüksek çıkarım performansı elde etmeyi hedefle- mektedir. Bu sistemlerin uç cihazlara adaptasyonu için esneklig˘i ve verimlilig˘i artırmak amacıyla, CNV ag˘ının (Umuroglu et al., 2017b) daha hafif bir varyasyonu olan CNV light gelis¸tirilmis¸. Bu ag˘, PyTorch tabanlı bir araç olan Brevitas (Pappalardo et al., 2019) ile nicemleme-farkında-eg˘itim yöntemi, kullanılarak 1, 2, 4 ve 8-bit seviyelerine nicemleme yapılmıs¸tır. CNV light ag˘ı CIFAR-10, SVHN, GTSRB ve MNIST veri setleri üzerinde Brevitas ile eg˘itilmis¸tir. Modeller FINN çerçevesi (Umuroglu et al., 2017a) kullanılarak FPGA'ya sentezlenmis¸tir. Modeller en fazla, en az ve sabit FPS seviye donanım kul- lanımına göre ayarlanmıs¸tır. Xilinx XC7Z020-1CLG400C FPGA, modelin metriklerini deg˘erlendirmek ve raporlamak için kullanılmıs¸tır. GTSRB veri setinde, ikili (W1A1) nicemleme yapılmıs¸ CNV light ag˘ı, tüm donanım kullanımları için %95.12 dog˘ruluk ve en fazla donanım kullanımında 12,191 FPS performansı ve 3.20W güç tüketimi elde etti, minimum donanım kullanımı için ise 6 FPS ve 1.62W güç tüketti. Sonuçlar, FPGA'ların uç cihazlarda makine ög˘renmesi modellerini verimli ve ölçeklenebilir platformlar olarak kullanılabileceg˘ini göstermektedir.
  • Article
    İşin olsun platformu ilanlarında içerik kontrolü
    (Gazi Akademik Yayıncılık, 2021) Tuncer, Işılay; Keskin, Şeref; Apaydın, Mehmet
    In this paper, the approaches developed for the content management and automatic content control of the postings on the İşin Olsun website, which is a blue-collar job search and finding platform, will be explained. For this purpose, experiments were carried out with supervised machine learning models and Bert transformer architecture methods and the results were observed. At the end of the study, a system was developed in which the contents of the job texts are automatically classified using Bert for sequence classification, which was determined as the most successful method, and this system was integrated into the job search platform. Starting from labeling the job texts in two different classes as appropriate or unsuitable content by the controllers, from the preparation stages of the dataset to the integration of the classification model into the system, the studies are summarized in this paper.
  • Master Thesis
    Machine-learning-assisted de novo design of molybdenum disulfide binding peptides
    (01. Izmir Institute of Technology, 2024) Öğüt, Alp Deniz; Yücesoy, Deniz Tanıl; Apaydın, Mehmet Serkan
    Kısa amino asit zincirleri, peptitler, biyolojik süreçler ve yüksek teknoloji uygulamaları için vazgeçilmez moleküllerdir. Geniş kullanım alanları arasında, moleküler tanıma özelliği ile bio-nano arayüzler oluşturmak ilgi toplayan bir araştırma konusu olmuştur. Yapılan çalışmalar sonucunda yönlendirilmiş evrim metodolojileri oluşturulmuş ve çeşitli hedeflere -enzim, antijen veya inorganik yapılar- bağlanan fonksiyonel peptit tanısı mümkün hale gelmiştir fakat bu geleneksel yaklaşım ölçeklenebilirlik ve sekans uzayındaki ilişkilerin anlaşılması konusunda zayıflıklar taşımaktadır. Bu zafiyetler, yüksek çıktılı sekanslama ve hesaplama verimlerinin artması ile beraber derin yönlendirilmiş evrim gibi daha güçlü teknolojilerinin geliştirilmesini motive etmiştir. Bu yöntemle üretilen büyük veri setleri, sekans-fonksiyon ilişkilerinin makine öğrenmesi ile modellenebilmesinin önünü açmıştır. Bu tezin amacı bu veri setlerine uygun bir makine öğrenmesi akışı oluşturmaktır. Bu düzlemde Random Forest algoritması ve derin nöral ağlar kullanılmış, eğitilen modellerin bağlanma puanı öngörüleri beraber kullanıldığında mutlak hata sırasıyla, 0.0304, Pearson korelasyon ölçütü 0.904 olarak elde edilmiştir. Bu modelleri kullanarak rastgele arama ve tekrarlayan optimizasyonlar ile güçlü bağlanan örnek bir peptit tasarlanmıştır. Bulgular alan bilgisinin makine öğrenme modeli eğitimdeki yerini vurgulamış, kullanılan örnek ağırlıklarının ve semantik amino asit vektörlerinin başarıya önemli katkıları gözlemlenmiştir. Bu çalışma çeşitli fonksiyonlara sahip peptit tasarlayabilen bir platform oluşturabilmek için temel noktaları göz önüne serer.