Arslan, Serdar
Loading...
Profile URL
Name Variants
Arslan, Serdar
Arslan, S.
Aslan, Serdar
Arslan, S.
Aslan, Serdar
Job Title
Dr. Öğr. Üyesi
Email Address
sarslan@cankaya.edu.tr
Main Affiliation
06.01. Bilgisayar Mühendisliği
Bilgisayar Mühendisliği
06. Mühendislik Fakültesi
01. Çankaya Üniversitesi
Bilgisayar Mühendisliği
06. Mühendislik Fakültesi
01. Çankaya Üniversitesi
Status
Current Staff
Website
ORCID ID
Scopus Author ID
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
Files
Sustainable Development Goals
11
SUSTAINABLE CITIES AND COMMUNITIES
0
Research Products
3
GOOD HEALTH AND WELL-BEING
1
Research Products
9
INDUSTRY, INNOVATION AND INFRASTRUCTURE
1
Research Products
6
CLEAN WATER AND SANITATION
0
Research Products
14
LIFE BELOW WATER
0
Research Products
12
RESPONSIBLE CONSUMPTION AND PRODUCTION
0
Research Products
8
DECENT WORK AND ECONOMIC GROWTH
0
Research Products
1
NO POVERTY
0
Research Products
4
QUALITY EDUCATION
0
Research Products
5
GENDER EQUALITY
0
Research Products
10
REDUCED INEQUALITIES
0
Research Products
16
PEACE, JUSTICE AND STRONG INSTITUTIONS
0
Research Products
15
LIFE ON LAND
0
Research Products
7
AFFORDABLE AND CLEAN ENERGY
2
Research Products
13
CLIMATE ACTION
0
Research Products
17
PARTNERSHIPS FOR THE GOALS
0
Research Products
2
ZERO HUNGER
0
Research Products
Documents
14
Citations
126
h-index
5
Documents
11
Citations
73
Scholarly Output
24
Articles
13
Views / Downloads
67/0
Supervised MSc Theses
5
Supervised PhD Theses
2
WoS Citation Count
74
Scopus Citation Count
174
WoS h-index
4
Scopus h-index
6
Patents
0
Projects
0
WoS Citations per Publication
3.08
Scopus Citations per Publication
7.25
Open Access Source
7
Supervised Theses
7
| Journal | Count |
|---|---|
| ISMSIT 2025 - 9th International Symposium on Multidisciplinary Studies and Innovative Technologies, Proceedings -- 9th International Symposium on Multidisciplinary Studies and Innovative Technologies, ISMSIT 2025 -- 14 November 2025 through 16 November 2025 -- Ankara -- 217734 | 2 |
| Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi | 2 |
| PeerJ Computer Science | 2 |
| Computational Economics | 1 |
| Düzce Üniversitesi Bilim ve Teknoloji Dergisi | 1 |
Current Page: 1 / 3
Scopus Quartile Distribution
Competency Cloud
24 results
Scholarly Output Search Results
Now showing 1 - 10 of 24
Article Citation - WoS: 1Citation - Scopus: 1Advancing Nanomaterials Research: a Comprehensive Review of Artificial Intelligence Applications in Geotechnical Properties(Techno-Press, 2024) Cemiloglu, A.; Zhu, L.; Arslan, S.; Nanehkaran, Y.A.; Azarafza, M.; Derakhshani, R.This article explores the role of artificial intelligence (AI) in predicting nanomaterial properties, particularly its significance within geotechnical engineering. By analyzing multiple AI-based studies, the review concentrates on the forecasting of nanomaterial-altered soil characteristics and behaviors. Encouraging findings from these studies underscore AI’s ability to accurately predict the geotechnical properties of nanomaterials, though challenges remain, particularly in quantifying nanomaterial percentages and their implications across various applications. Future research should address these challenges to enhance the accuracy of AI-based prediction models in geotechnical engineering. Nonetheless, the growing adoption of AI for predicting nanomaterial properties demonstrates its potential to revolutionize geotechnical engineering. AI’s capacity to uncover intricate patterns and relationships beyond human capabilities enables more precise soil behavior predictions, fostering innovative solutions to geotechnical challenges. Its ability to process vast datasets, adapt to various scenarios, and continuously learn from new information makes AI an indispensable tool for understanding nanomaterial properties and their impact on soil behavior. In summary, the integration of AI and geotechnical engineering represents a pivotal advancement in comprehending nanomaterial properties and their practical applications. As research advances and AI technologies evolve, transformative progress in geotechnical engineering is expected. By harnessing AI’s capabilities, researchers can unlock groundbreaking insights, drive innovation, and shape a more resilient and sustainable future for the geotechnical engineering industry. © 2024 Techno-Press, Ltd.Conference Object Enhancing File Security with an Optimized Auto-Classification Framework Based on Learning Models(Institute of Electrical and Electronics Engineers Inc., 2025) Açikgöz, Zeliha; Arslan, Recep Sinan; Arslan, SerdarMaster Thesis Attention Mekanizmaları ve Hibrit ViT-ResNet Mimarisi ile Gemi Görüntülerinin Çok Sınıflı Sınıflandırılması(2025) Ergün, Berkay; Arslan, SerdarBu tezde, gemi görüntülerinin çok sınıflı sınıflandırılması için Vision Transformer (ViT) ve ResNetRS50 tabanlı hibrit bir model geliştirilmiştir. ViT yüksek seviyeli anlamsal bilgileri, ResNetRS50 ise düşük ve orta seviyeli mekânsal özellikleri çıkarmakta; bu iki yapı, dikkat (attention) mekanizmaları ve Gated Fusion katmanı ile birleştirilmektedir. Eğitim sürecinde MixUp ve CutMix veri artırma yöntemleri, Focal Loss ile bilgi aktarımı (distillation) kaybı, OneCycleLR zamanlayıcı, otomatik karma hassasiyet (AMP) ve model ağırlıklarının üssel hareketli ortalaması (EMA) kullanılmıştır. Sekiz gemi sınıfından oluşan veri kümesi üzerinde yapılan deneyler, önerilen mimarinin hem doğruluk hem F1 skoru açısından tek başlı CNN veya ViT modellerinden daha yüksek performans gösterdiğini ortaya koymuştur. Sonuçlar, hibrit mimariler ve dikkat tabanlı füzyon stratejilerinin gemi sınıflandırma problemlerinde etkin bir çözüm sunduğunu göstermektedir.Article Citation - WoS: 37Citation - Scopus: 59A Hybrid Forecasting Model Using Lstm and Prophet for Energy Consumption With Decomposition of Time Series Data(Peerj inc, 2022) Arslan, SerdarFor decades, time series forecasting had many applications in various industries such as weather, financial, healthcare, business, retail, and energy consumption forecasting. An accurate prediction in these applications is a very important and also difficult task because of high sampling rates leading to monthly, daily, or even hourly data. This high-frequency property of time series data results in complexity and seasonality. Moreover, the time series data can have irregular fluctuations caused by various factors. Thus, using a single model does not result in good accuracy results. In this study, we propose an efficient forecasting framework by hybridizing the recurrent neural network model with Facebook's Prophet to improve the forecasting performance. Seasonal-trend decomposition based on the Loess (STL) algorithm is applied to the original time series and these decomposed components are used to train our recurrent neural network for reducing the impact of these irregular patterns on final predictions. Moreover, to preserve seasonality, the original time series data is modeled with Prophet, and the output of both sub-models are merged as final prediction values. In experiments, we compared our model with state-of-art methods for real-world energy consumption data of seven countries and the proposed hybrid method demonstrates competitive results to these state-of-art methods.Master Thesis Derin Öğrenme ve Çok Boyutlu İndeksleme Kullanılarak İçerik Tabanlı Görüntü Alma(2024) Uzel, Ömer; Arslan, SerdarSon yıllarda yaşanan teknolojik gelişmeler ile donanım ve yazılım maliyetlerindeki düşüş, görsel arama uygulamalarını hem popüler hem de vazgeçilmez bir hale getirdi. Dolayısıyla, görsel sorgular aracılığıyla görüntülerin geniş veri tabanlarından hızlı ve hassas bir şekilde alınması kritik bir görev haline geldi. Video karesi düzeyinde veri tabanı aramaları yürütülen sistemlerle karşılaştırıldığında, arama performansını önemli ölçüde artıran yeni bir system sunuyoruz. Önceden eğitilmiş bir Evrişimli Sinir Ağı (CNN) modelinden yararlanarak, verimli indeksleme için düşük seviyeli özellikleri çıkarmak ve depolamak amacıyla denetimsiz görüntü alma süreçlerini kullanıyoruz. Hızlı ve etkili erişimi kolaylaştırmak için, Bakış Noktası Ağacı (VP Tree) olarak bilinen düşük seviyeli özelliklerden yararlanan bir indeksleme yapısı uyguluyoruz. Bu özelliklerden faydalanabilmek için, onları daha düşük boyutlu bir alanda temsil edecek boyut küçültme tekniklerini kullanıyoruz. Karşılaştırmalı görüntü veri kümesi üzerinde gerçekleştirilen deneylerimiz, bu yaklaşımın, K-En Yakın Komşu (KNN) araması olarak bilinen bir arama yöntemiyle karşılaştırıldığında daha hızlı ve doğru erişime yol açtığını göstermektedir. Ayrıca, önerilen tekniği iki gerçek video veri kümesini kullanarak KNN'e karşı değerlendiriyoruz ve bu teknik, sürekli olarak KNN'den daha iyi performans gösteriyor.Doctoral Thesis İnce Ayarlanmış RAG Bileşenlerini Kullanarak Türkçe Veri Setleri için Yeni Bir Füzyon Yöntemi ile Yeniden Sıralama Konfigürasyonu(2025) Bıkmaz, Erdoğan; Arslan, SerdarBu çalışma, Türkçe için, özellikle de tıp alanında, Retrieval-Augmented Generation (RAG) sistemlerinin çok dilli yeteneklerindeki boşluğu ele almaktadır. Büyük Dil Modellerinin (LLM'ler) yükselişi ve yaygın uygulamalarıyla, halüsinasyonları azaltmak ve yanıt doğruluğunu artırmak için, harici bilgilere dayalı retrieval (geri çağırma) bileşenlerinin kullanımı kritik bir hale gelmiştir. Ancak, mevcut retrieval bileşenlerinin çoğu (embedding'ler ve reranker'lar dahil olmak üzere) ağırlıklı olarak İngilizce veri setleri üzerinde eğitilmiştir, bu da çok dilli ve alana özgü yetenekler açısından önemli bir sınırlamayı ortaya koymaktadır. Bu durumu ele almak için, bu çalışma kapsamında Türkçe tıbbi bir veri seti olan Pubmed-RAG-TR ve popüler bir Türkçe RAG veri seti olan WikiRAG-TR [36] kullanılarak retrieval bileşenleri ince ayar (fine-tuning) ile geliştirilmiştir. Ayrıca, LLM'ler için bağlam oluşturmayı iyileştirmek amacıyla yeni bir RRF (Reciprocal Rank Fusion) tabanlı reranker pipeline'ı geliştirilmiştir. Deneysel sonuçlar, retrieval bileşenlerinin alana özgü veri setleri üzerinde ince ayar yapılmasının, retrieval ve post-retrieval kalitesini önemli ölçüde artırdığını ve LLM yanıtlarının doğruluğunu iyileştirdiğini göstermiştir. Çalışma, alana özgü semantiğin retrieval ve reranking modellerine dahil edilmesinin, çok dilli bağlamlarda RAG sistemlerinin performansını önemli ölçüde artırabileceği sonucuna varmaktadır.Article Kapılı Tekrarlayan Hücreler Tabanlı Bulanık Zaman Serileri Tahminleme Modeli(2023) Arslan, SerdarZaman serisi tahminleme hava durumu, iş dünyası, satış verileri ve enerji tüketimi tahminleme gibi bir çok alanda uygulama alanına sahiptir. Bu alanlarda tahminleme yaparken kesin sonuçlar elde etmek çok önemlidir ama aynı zamanda zaman serilerinin karmaşık ve de belirsizlik içeren veriler olması nedeniyle çok zordur. Günümüzde, derin öğrenme metotları bu alanda klasik metotlara göre daha iyi sonuçlar vermektedir. Fakat literatürde bulanık zaman serileri tahminleme konusunda çok az çalışma vardır. Bu çalışmada, zaman serilerindeki karmaşıklığın ve belirsizliğin doğurduğu problemleri yok etmek için Yinelemeli sinir Ağları ile bulanık time serilerini bir arada kullanan bir model ortaya konmuştur. Bu çalışmada, Kapılı Tekrarlayan Hücreler kullanarak geçmiş veriler ile bulanık verilerin üyelik değerleri birleştirilerek tahminleme değeri hesaplanmıştır. Ayrıca, bu çalışmadaki model ilk seviye bulanık ilişkileri ele alabildiği gibi, çoklu seviye bulanık ilişkileri de kapsamaktadır. Testlerde literatürde var olan çalışmalar ilgili model ile iki açık veri seti ile karşılaştırılmış olup bahsi geçen modelin daha iyi veya benzer sonuçlar verdiği gözlemlenmiştir. Ayrıca model Covid-19 verileri kullanılarak da test edilmiş ve Uzun-Kısa Süreli Bellek modellerinden daha iyi sonuç vermiştir.Master Thesis Improving File Security through an Optimized Auto-Classification Approach Using Learning Models(2024) Açıkgöz, Zeliha; Arslan, Recep Sinan; Arslan, SerdarPDF dosyalarını hedef alan kötü amaçlı yazılımlar dijital güvenlik açısından ciddi bir tehdit oluşturmaktadır. Bu çalışmada PDF dosyalarının sınıflandırılması için kapsamlı bir yöntem önerilmiştir. Çalışma kapsamında PyPDF2, PDFMiner ve PyMuPDF kütüphaneleri kullanılarak PDF'lerden 43 farklı genel ve yapısal özellik çıkarılmıştır. Çalışmada iki faklı aşama bulunmaktadır. İlk aşamada kullanılan veriseti tek sütun olacak şekilde TF-IDF, N-gram Count Vectorizer ve Word2Vec yöntemleri ile sayısallaştırılarak özellik seçimi yapılmadan model eğitimlerinde kullanılmıştır. İkinci aşamada ise metin içeren sütunlar Word2Vec ile sayısallaştırıldıktan sonra özellik seçim yöntemleri uygulanarak model eğitimlerinde kullanılmıştır. İlk aşamada yedi farklı makine öğrenmesi ve dört farklı derin öğrenme modeli uygulanmıştır. İkinci aşamada ise makine öğrenme modellerine ek özgün tasarlanmış Çok Dallı CNN modeli kullanılmıştır. Özellik seçiminde SelectKBest, Recursive Feature Elimination (RFE) ve Lasso yöntemleri uygulanmıştır. Önerilen Çok Dallı CNN mimarisi özellik seçimi yöntemlerinin sonuçlarına uygulanmıştır. Çok Dallı CNN modeli yapılan test sonucunda Lasso özellik seçimiyle 0.9982 doğruluk değeri elde edilmiştir. Makine öğrenimi modelleriyle yapılan deneyler, özellik çıkarımı olan ve olmayan veri setleri üzerinde değerlendirilmiş ve karşılaştırmalı olarak doğruluk, kesinlik, geri çağırma oranı ve F1 puanı gibi metrikler her iki aşama için de analiz edilmiştir. Çalışma, yaklaşık 30.000 PDF dosyasından oluşan kapsamlı bir veri seti üzerinde test edilmiştir. Elde edilen sonuçlar, PDF tabanlı kötü amaçlı yazılımların tespiti için etkili bir yaklaşım sağlamayı amaçlamaktadır.Article Türkçe Kısa Metinlerde Duruş Tespiti: Rusya-ukrayna Savaşı Örneği(2024) Arslan, Serdar; Fırat, EraySon yıllarda sosyal medya, çeşitli konulardaki halkın görüşlerini anlamak için önemli bir bilgi kaynağı haline gelmiştir. Bu nedenle, bu verilerden otomatik bilgi çıkarmak öneminin arttığı bir alan haline gelmiştir. Doğal dil işleme alanının alt görevlerinden biri olan görüş belirleme, otomatik bilgi çıkarma için kritik bir konudur. Duruş tespiti, kullanıcının belirli bir konu, olay veya kişi hakkındaki tutumunu otomatik olarak belirler. Bu çalışmada, Rusya-Ukrayna Savaşı'na yönelik sosyal medya kullanıcılarının tutumlarını belirleme görevine odaklanan Türkçe etiketli bir veri kümesi oluşturulmuş ve bu veri kümesinde çeşitli makine öğrenimi yöntemleri değerlendirilmiştir. Bu çalışma için 8215 tweet Twitter'dan toplandı ve temizlendi. Veri kümesi daha sonra Rusya ve Ukrayna olmak üzere iki hedefle etiketlendi. Stance Detection görevi için GloVe ve FastText kelime gömme ile Support Vector Machines, Random Forest, k-Nearest Neighbor, XGBoost, Long-Short Term Memory (LSTM) ve Gated Recurrent Unit (GRU) modelleri kullanılmıştır. Ayrıca, duruş tespiti için transformer tabanlı bir yaklaşım da kullanılmıştır. Veri kümesinin hedefler arasındaki dengesizliği dikkate alındığında, bu algoritmalarla birlikte örnek azaltma ve örnek artırma yöntemleri de kullanılmıştır. Deney sonuçları, BERT tabanlı modellerin diğer tüm modelleri geride bıraktığını göstermektedir. Bu sonuçların yanı sıra, LSTM ve GRU da BERT tabanlı modelin sonuçlarına oldukça benzer sonuçlar üretmiştir. Yeni oluşturulan Türkçe veritabanı, bu araştırma alanı için değerli bir kaynak olarak kabul edilebilir ve gelecekte transformer tabanlı yaklaşımlarla birlikte kullanma potansiyeline sahiptir. Özetle, bu çalışma, Türkçe metin bağlamında duruş tespiti araştırma alanını ilerletmektedir.Article Citation - WoS: 1Citation - Scopus: 2Redefining Osint Software Architecture With System-Centric Architecture Design: a Framework Shaped by Qaw, Add, and Atam(Ieee-inst Electrical Electronics Engineers inc, 2025) Yurtalan, Gokhan; Arslan, SerdarThis study develops a novel software architecture for Open Source Intelligence (OSINT). The primary architectural drivers of the OSINT architecture are identified using the Quality Attribute Workshop (QAW), and an end-to-end OSINT software architecture design is implemented in accordance with Attribute-Driven Design (ADD). The architecture is extensively analyzed with metric evaluations and the Architecture Tradeoff Analysis Method (ATAM), confirming critical quality attributes such as performance, reliability, functional suitability, and security. The design decisions taken within this architectural framework are detailed in the article through module view, component and connector view, and allocation view representations. The proposed architecture uses an on-premise Large Language Model (LLM) to explore the potential for deeper and more reliable information processing capabilities in OSINT analyses and presents a framework that enhances semantic depth and analytical capabilities. The architecture not only amplifies the semantic and analytical capabilities of OSINT systems but also sets a precedent for future architectural endeavors in intelligence systems design. This paper presents a framework that not only meets contemporary needs but also anticipates future demands in the rapidly evolving field of OSINT.
- «
- 1 (current)
- 2
- 3
- »