Görür, Abdül Kadir
Loading...
Profile URL
Name Variants
Gorur, Abdul Kadir
Görür, A.K.
Görür, A.K.
Job Title
Dr. Öğr. Üyesi
Email Address
agorur@cankaya.edu.tr
Main Affiliation
Bilgisayar Mühendisliği
Status
Current Staff
Website
ORCID ID
Scopus Author ID
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
Files
Sustainable Development Goals
1NO POVERTY
0
Research Products
2ZERO HUNGER
0
Research Products
3GOOD HEALTH AND WELL-BEING
1
Research Products
4QUALITY EDUCATION
1
Research Products
5GENDER EQUALITY
0
Research Products
6CLEAN WATER AND SANITATION
0
Research Products
7AFFORDABLE AND CLEAN ENERGY
0
Research Products
8DECENT WORK AND ECONOMIC GROWTH
0
Research Products
9INDUSTRY, INNOVATION AND INFRASTRUCTURE
0
Research Products
10REDUCED INEQUALITIES
0
Research Products
11SUSTAINABLE CITIES AND COMMUNITIES
1
Research Products
12RESPONSIBLE CONSUMPTION AND PRODUCTION
0
Research Products
13CLIMATE ACTION
0
Research Products
14LIFE BELOW WATER
0
Research Products
15LIFE ON LAND
0
Research Products
16PEACE, JUSTICE AND STRONG INSTITUTIONS
0
Research Products
17PARTNERSHIPS FOR THE GOALS
0
Research Products
This researcher does not have a Scopus ID.
Documents
8
Citations
36
Scholarly Output
18
Articles
3
Views / Downloads
1201/27
Supervised MSc Theses
9
Supervised PhD Theses
0
WoS Citation Count
17
Scopus Citation Count
42
Patents
0
Projects
0
WoS Citations per Publication
0.94
Scopus Citations per Publication
2.33
Open Access Source
2
Supervised Theses
9
| Journal | Count |
|---|---|
| 2013 21st Signal Processing and Communications Applications Conference, SIU 2013 -- 2013 21st Signal Processing and Communications Applications Conference, SIU 2013 -- 24 April 2013 through 26 April 2013 -- Haspolat -- 98109 | 1 |
| 8th IEEE International Conference on Big Data (Big Data) -- DEC 10-13, 2020 -- ELECTR NETWORK | 1 |
| Çankaya Üniversitesi Fen Edebiyat Fakültesi Journal of Arts and Sciences | 1 |
| CEUR Workshop Proceedings -- 8th Turkish National Software Engineering Symposium, UYMS 2014 -- 8 September 2014 through 10 September 2014 -- Guzelyurt -- 109180 | 1 |
| GRC: 2007 IEEE International Conference On Granular Computing, Proceedings | 1 |
Current Page: 1 / 2
Scopus Quartile Distribution
Competency Cloud
18 results
Scholarly Output Search Results
Now showing 1 - 10 of 18
Conference Object Citation - Scopus: 4Plagiarism Detection in Learning Management System(Institute of Electrical and Electronics Engineers Inc., 2017) Sabonchi, A.K.S.; Görür, A.K.Learning Management Systems has become one of the teaching tool same as the pen, pencil, blackboard, book, and notebook. Learning Management System (LMS) is defined and types that are derived from this system such as those focused only on the curriculum and those focuses on the management of the education system, and the combination of both are explained. The properties and features that must exist are identified and showed so that it can be called a learning management system. The name and the experiences of countries in terms of the use of this system as well as the benefits resulting from the user experiences have motivated schools and educational institutions to start the establishment of such systems. The main purpose of this study is, an online plagiarism detection system will be developed and integrated into Moodle so that it can be used by teachers to detect cheating and plagiarism cases in students submitted answers. © 2017 IEEE.Publication Production and retrieval off rough classes in multi relations(IEEE Computer Soc, 2007) Tolun, Mehmet R.; Sever, Hayri; Görür, Abdül KadirOrganizational memory in today's business world forms basis for organizational learning, which is the ability of an organization to gain insight and understanding from experience through experimentation, observation, analysis, and a willingness to examine both successes and failures. This basically requires consideration of different aspects of knowledge that may reside on top of a conventional information management system. Of them, representation, retrieval and production issues of meta patterns constitute to the main theme of this article. Particularly we are interested in a formal approach to handle rough concepts. We utilize rough classifiers to propose a preliminary framework based on minimal term sets with p-norms to extract meta patterns. We describe a relational rule induction approach, which is called rila. Experimental results are provided on the mutagenesis, and the KDD Cup 2001 genes data sets.Master Thesis Derin Öğrenme Algoritmaları İle Türk Müziğinde Duyguları Çözümleme(2025) Arıcı, Ayhan; Görür, Abdül KadirMüziğin insan duyguları üzerindeki etkileri araştırmacılar için ilgi çekici ve önemli bir araştırma alanı olmuştur. Bilgisayar sistemlerinin gelişimiyle birlikte müzik eserlerinin duygu analizi konusu heyecan verici bir araştırma alanı haline gelmiştir. Özellikle makine öğrenmesi ve derin öğrenme alanındaki ve bilgisayarların işlem kapasitelerindeki artışla birlikte bu alanda yapılan çalışmalar artmış ve günümüzde bu çalışmalar sonucunda elde edilen veri ve modeller birçok içerik sağlayıcı kurum tarafından dinleyicilere daha zengin ve öznel içerik sunmak için sıklıkla tercih edilmeye başlanmıştır. Bu nedenle bu tez çalışmasında Türk Müziğinde duyguların analizi konusunda bir çalışma yapılmış ve müzik eserleri içinden çıkarılan müzikal veriler kullanılarak makine öğrenmesi ve derin öğrenme teknikleri ile müzikte duygu tespiti yapabilecek modeller eğitmek hedeflenmiştir. Bu amaç için dinleyiciler tarafından etiketlenen farklı türde 1324 parçadan oluşan bir veri seti oluşturularak bu veri setinden 76 farklı akustik özellik ve Evrişimli Sinir Ağı Convolutional Neural Networks modellerinde kullanılmak üzere 10560 farklı spectrogram resmi oluşturulmuştur. Oluşturulan bu veri setleri üzerinde farklı makine öğrenmesi ve derin öğrenme teknikleri uygulanarak modeller oluşturulmuş ve bu modellerin performans analizleri ile karşılaştırmaları yapılmıştır. Bu tezin temel amacı derin öğrenme algoritmalarının Türk Müziğinde duygu analizi konusunda kullanılabilirliğini incelemek ve test etmektir.Master Thesis Hepatitis C Virüsü Makine Öğrenimi Teknikleri Kullanarak Tahmini(2025) Ibrahim, Alhasan Salih Ibrahim; Görür, Abdül KadirHepatit C virüsünün enfeksiyonu, etkili ve doğru tanı yaklaşımlarının geliştirilmesini gerektirebilecek küresel ölçekte önemli bir tıbbi alan zorluğudur. Geleneksel tanı teknikleri, yaygın olarak kullanılsa da, genellikle doğruluk, erişilebilirlik ve maliyet etkinliği açısından sınırlamalara sahiptir. Bu çalışma, karaciğer HCV'sinin erken teşhisi için makine öğrenimini kullanan bir tahmin modeli önermektedir; veri kümesindeki sınıf dengesizliği sorununu ele almak için Ekstra Ağaçlar Sınıflandırıcısı ile Sentetik Azınlık Aşırı Örnekleme Tekniği bir arada kullanılmaktadır. Üç serbest erişilebilir veri seti, HCV-EGY, ILPD, HCV, hem eğitim hem de değerlendirme için kullanılmıştır, böylece çeşitli nüfus grupları arasında sağlamlık ve genelleştirilebilirlik sağlanmıştır. Bu çalışmanın modeli, hem HCV hem de HCV-EGY veri setlerinde %98 doğruluk elde ederken, ILPD %95 doğruluk elde etmiştir. geleneksel tanı yöntemlerinin performansını aşarak, erken HCV tespitini iyileştirmede makine öğreniminin etkinliğini göstermektedir. Özellik önemliliği analizi, sınıflandırma sürecini önemli ölçüde etkileyen ana biyomarkerleri belirlemek için gerçekleştirildi. Yorumlanabilirlik bileşeni, HCV enfeksiyonu ile bağlantılı biyolojik belirteçler hakkında içgörüler sunarak, tanı kriterlerinin ve tedavi stratejilerinin geliştirilmesine yardımcı olabilir. Bu çalışma, ileri düzey makine öğrenimi tekniklerinin uygulanması yoluyla klinik ortamlarda invaziv olmayan, veri odaklı tanı yöntemlerinin potansiyelini vurgulamaktadır. Sonuçlar, makine öğrenimi modellerinin HCV'nin erken teşhisinde sağlık profesyonellerine yardımcı olmak için güvenilir, verimli ve yorumlanabilir araçlar olarak işlev görebileceğini göstermektedir. Bu araştırma, tıbbi teşhislerde yapay zeka destekli metodolojiler için mevcut kanıtları güçlendirerek, daha doğru ve erişilebilir hastalık tespit çerçevelerinin geliştirilmesini kolaylaştırmaktadır.Conference Object Yazilim Geliştirme Üretkenliğini Etkileyen Faktörlerin Açimlayici Faktör Analizi Yöntemi Kullanilarak İncelenmesi(CEUR-WS, 2014) Yilmaz, M.; Yılmaz, Murat; O'Connor, R.V.; Görür, Abdül Kadir; Görür, A.K.; Yazılım Mühendisliği; Bilgisayar MühendisliğiConference Object Citation - Scopus: 5Deep Learning Methods With Pre-Trained Word Embeddings and Pre-Trained Transformers for Extreme Multi-Label Text Classification(Institute of Electrical and Electronics Engineers Inc., 2021) Erciyes, N.E.; Görür, A.K.In recent years, there has been a considerable increase in textual documents online. This increase requires the creation of highly improved machine learning methods to classify text in many different domains. The effectiveness of these machine learning methods depends on the model capacity to understand the complex nature of the unstructured data and the relations of features that exist. Many different machine learning methods were proposed for a long time to solve text classification problems, such as SVM, kNN, and Rocchio classification. These shallow learning methods have achieved doubtless success in many different domains. For big and unstructured data like text, deep learning methods which can learn representations and features from the input data wtihout using any feature extraction methods have shown to be one of the major solutions. In this study, we explore the accuracy of recent recommended deep learning methods for multi-label text classification starting with simple RNN, CNN models to pretrained transformer models. We evaluated these methods' performances by computing multi-label evaluation metrics and compared the results with the previous studies. © 2021 IEEEMaster Thesis Akıllı Ulaşım Sistemlerinde Trafik Akışı Tahmini için LSTM ve Gradyan Yükseltme ile Hibrit Bir Topluluk Yaklaşımı(2025) Jumaili, Sufian Hamid Salih Al; Görür, Abdül KadirArka Plan: Trafik akışı tahmini, modern ulaşım sistemlerinin karşı karşıya olduğu en kritik sorunlardan biridir. Bu konu, trafik sıkışıklığının azaltılması, trafik ışıklarının optimizasyonu ve kentsel hareketliliğin geliştirilmesi açısından büyük önem taşımaktadır. Ancak, trafik akışlarının zamansal durumlar, meteorolojik koşullar ve özel olaylar gibi değişkenlerden etkilenerek dinamik ve doğrusal olmayan bir yapı sergilemesi, tahmin sürecini oldukça karmaşık hale getirmektedir. İstatistiksel modeller ve tekil makine öğrenimi yaklaşımları gibi geleneksel yöntemler, trafik verilerinde mevcut olan karmaşık zamansal bağımlılıkları ve doğrusal olmayan ilişkileri yeterince yakalayamamaktadır. Amaç: Bu tez, geleneksel trafik akışı tahmin modellerinin sınırlılıklarını önerilen yeni bir hibrit model ile aşmayı hedeflemektedir. Bu amaçla, Gradient Boosting, LightGBM ve Uzun Kısa Süreli Bellek (LSTM) ağlarının güçlü yönlerini bir araya getiren önerilen hibrit yaklaşım ile tahmin doğruluğu ve dayanıklılığının artırılması amaçlanmaktadır. Yöntem: Çalışmada, Huawei Münih Araştırma Merkezi (HMRC) tarafından yayımlanan Karayolu Trafik Tahmin Veriseti kullanılmıştır. Veri seti, 56 gün boyunca altı kentsel kavşakta toplanmış zamansal trafik akışı ölçümlerini içermektedir. Veri seti ön işleme tabi tutulmuş ve parametrik yöntemler, Makine Öğrenimi (ML) teknikleri, Derin Öğrenme (DL) mimarileri ve kollektiv (ensemble) öğrenme modelleri dahil olmak üzere çeşitli modellerin eğitim ve test aşamalarında . kullanılmıştır. Model performansı; Ortalama Mutlak Hatası (MAE), Kök Ortalama Kare Hatası (RMSE), R-kare (R²), Ortalama Mutlak Yüzde Hatası (MAPE) ve Açıklanan Varyans Skoru (EVS) gibi standart regresyon metrikleri ile değerlendirilmiştir. Bulgular: Önerilen hibrit model, tüm temel modelleri daha yüksek doğruluk ve güvenilirlik ile geride bırakmıştır. Model, R² = 0.9684, MAE = 8.27 ve RMSE = 12.54 değerlerine ulaşarak parametrik, makine öğrenimi ve derin öğrenme modellerine kıyasla tüm değerlendirme kriterlerinde üstün performans sergilemiştir. Gradient Boosting, LightGBM ve LSTM gibi tekil modellere kıyasla daha kararlı sonuçlar üretmiş ve hata oranlarını önemli ölçüde azaltmıştır. Bu durum, farklı öğrenme paradigmalarının sinerjisiyle elde edilen kazanımlara işaret etmektedir. Ayrıca hibrit model, yoğun ve seyrek trafik zamanları gibi değişken trafik desenlerinde dahi yüksek performans sergileyerek değişen trafik koşullarına karşı dayanıklılığını kanıtlamıştır. Bulgular, topluluk öğrenme yöntemlerinin derin öğrenme teknikleri ile birlikte uygulandığında, kentsel trafik akışının karmaşık zamansal ve doğrusal olmayan dinamiklerini başarıyla modelleyebildiğini ve böylece tahmin edilebilirlik ile genellenebilirliğin optimize edildiğini ortaya koymaktadır. Sonuç: Tez bulguları, trafik akışı tahmini ve kentsel ulaşım yönetimi açısından önemli katkılar sunmaktadır. Önerilen hibrit yöntem, birden fazla modelleme yaklaşımını bütünleştirerek trafik akışı davranışını daha eksiksiz ve doğru şekilde yansıtan bir çözüm sunmaktadır. Bununla birlikte, çalışmada verideki gürültü ve gerçek zamanlı uygulama gereksinimleri gibi geleceğe yönelik araştırma alanlarına da dikkat çekilmiştir. Özetle, bu tez çalışması, akıllı ulaşım sistemleri (AUS) alanına hibrit yöntemlerin etkinliğini göstererek anlamlı bir katkı sağlamaktadır. Önerilen hibrit model, AUS alanında yapılacak gelecekteki araştırmalar için yeni bir referans noktası oluşturmaktadır.Master Thesis Uydu Görüntüleri Kullanılarak Kasırga Sonrası Hasarlı Binaların Sınıflandırılmasını İyileştirme(2025) Al-sumaidaee, Sarah Muayad Ismael; Görür, Abdül KadirÖzellikle afet sonrası senaryolarda, bina hasarını değerlendirmek için etkili ve doğru yöntemlere olan ihtiyaç giderek artmaktadır. Geleneksel manuel inceleme zaman alıcı ve insan hatasına açık olduğundan, otomatik sistemlere olan ihtiyaç artmaktadır. Gelişmiş derin öğrenme modellerinden yararlanmak, görüntü sınıflandırmasının doğruluğunu ve hızını artırarak afetlere zamanında müdahaleye katkıda bulunabilir. Bu çalışma, görüntü verilerini kullanarak bina hasarı sınıflandırması için gelişmiş bir derin öğrenme modeli geliştirmeye odaklanmaktadır. Önerilen model, hem küresel hem de yerel özellikleri etkili bir şekilde yakalamak için transfer öğrenmesi için ResNet50'yi özel bir Evrişimli Sinir Ağı (CNN) ile birleştiren hibrit bir mimariden yararlanmaktadır. Kullanılan veri kümesi, farklı koşullar altında etiketlenmiş bina görüntülerini içermekte ve eğitim ve değerlendirme için çeşitli bir küme sağlamaktadır. Değerlendirme sonuçları, dengeli veri kümesinde %98,9, dengesiz veri kümesinde ise %98,01 doğruluk göstermiştir. Önerilen model, çeşitli modellerden daha iyi performans göstermiş ve farklı veri dağılımlarında sağlamlık göstermiştir. Çalışma, görüntü tabanlı sınıflandırma görevleri için transfer öğrenmesi ve özel olarak tasarlanmış CNN'leri birleştiren hibrit modellerin etkinliği hakkında bilgiler sunmaktadır.Article Author identification for Turkish texts(Çankaya Üniversitesi, 2007) Taş, Tufan; Görür, Abdül KadirThe main concern of author identification is to define an appropriate characterization of documents that captures the writing style of authors. The most important approaches to computer-based author identification are exclusively based on lexical measures. In this paper we presented a fully automated approach to the identification of the authorship of unrestricted text by adapting a set of style markers to the analysis of the text. In this study, 35 style markers were applied to each author. By using our method, the author of a text can be identified by using the style markers that characterize a group of authors. The author group consists of 20 different writers. Author features including style markers were derived together with different machine learning algorithms. By using our method we have obtained a success rate of 80% in avaregeMaster Thesis Derin Sinir Ağları Kullanılarak Müzik Duygu Tanımlaması(2024) Püre, Hakan; Görür, Abdül KadirMüzik günümüzde milyarlarca dolarlık ekonomik değer taşımaktadır. Müziğin hissettirdiği duygunun doğru şekilde tespit edilmesi için doğru sınıflandırma yapılması gerekmektedir. Bu çalışmada müzikten duygu tespitinin ve sınıflandırmasının doğruluğunu artırmak amacıyla derin sinir ağlarını kullanarak müzik duygu tanıma (MER) konusunda kapsamlı bir araştırma sunmaya çalışmaktayız. Farklı ülkelerin müzikleri üzerine birçok çalışma yapılmış olmasına rağmen, Türk müziği üzerine çok az çalışma bulunmaktadır. Bu nedenle çalışmamızı, Türkçe şarkılardan oluşan bir veri seti kullanarak geliştirdik. Araştırmamızda, çeşitli ses özelliklerinin, melodi, armoni, ritim, karmaşık desenleri ile bu özelliklerin tetiklediği duygular arasındaki ilişkileri keşfetmek için derin öğrenme mimarilerini (CNN, LSTM) ve makine öğrenme algoritmasını (RFC) kullandık. Çalışmamızdaki ilk hedefimiz sinyal bazında modifikasyonlar yaparak model geliştirme aşamasında daha kararlı bir veri seti üretmekti. Modelimizi kabul edilebilir bir doğruluk seviyesine getirdikten sonra modeli daha az iş yükü gerektirecek seviyede basitleştirmek ise nihai hedefimizdi. Ses özelliklerinin karakterize edilmesini sağlamak amacıyla LibROSA kütüphanesi kullanılmıştır. Modelin farklı müzik türleri arasında dayanıklılığını ve genelleme yeteneğini artırmak için gaussian gürültü ekleme ve alçak geçirgen filtrelerin uygulandığı veri artırma stratejileri kullanılmıştır. Modellerin performansına odaklanarak veri setimiz içindeki müzik dosyalarının mutluluk, üzüntü, öfke ve rahatlama gibi duygusal durumlarını tahmin edilmesindeki etkinliklerini göstermeye çalıştık. Kullandığımız veri artırma stratejileriyle model performansını hem doğruluk hem de verimlilik açısından önemli ölçüde artırmayı başardık. Buna ek olarak farklı ses dosyalarının işlenmesi sürecinde karşılaşılabilen uyumsuzluk problemlerinin de tamamen ortadan kalktığını gözlemledik. Özetle, bu çalışma sadece müzik duygu tanıma alanına birçok teknik katkı sağlamakla kalmayıp, aynı zamanda teknoloji, psikoloji ve müzikoloji alanlarının kesişim noktasında gelecekteki araştırmalara destek olabilecek çıktılar elde ettiğimizi düşünüyoruz.
