Özmen, Atilla

Özmen, Atilla

Name Variants

Özmen, Atilla
A.,Özmen
A. Özmen
Atilla, Özmen
Ozmen, Atilla
A.,Ozmen
A. Ozmen
Atilla, Ozmen
Özmen, A.
Ozmen, A.

Job Title

Dr. Öğr. Üyesi

Email Address

Aozmen@khas.edu.tr

Full item page

Scholarly Output

44

Articles

13

Citation Count

0

Supervised Theses

7 Scholarly Output Search Results

Now showing 1 - 10 of 43

Citation Count: 1
Edge Detection Using Steerable Filters and Cnn
(European Signal Processing Conference EUSIPCO, 2002) Özmen, Atilla; Akman, Emir Tufan
This paper proposes a new approach for edge detection using steerable filters and cellular neural networks (CNNs) where the former yields the local direction of dominant orientation and the latter provides iterative filtering. For this purpose steerable filter coefficients are used in CNN as a B template. The results are compared to the results where only CNN or steerable filters are used. As a result of this study the performance of the system can be improved since iterative filtering property of CNN and the ability of steerable filters for edge detection are used. © 2002 EUSIPCO.
Citation Count: 0
Genetic Algorithm Based Broadband Equalizer Design With Ripple Level Control
(IEEE, 2012) Şengül, Metin Y.; Özmen, Atilla
In this paper broadband equalizer design with ripple control via genetic algorithm has been studied. The equalizer is defined as a lossless two-port terminated by load impedance and the coefficients of its describing scattering polynomials have been optimized via genetic algorithm. During the optimization process ripple level of the transducer power gain has been controlled. An example has been given to illustrate the utilization of the proposed approach. © 2012 IEEE.
2.5d Vit: 3 Boyutlu Beyin Mr Görüntülerinin Ön İşlenmesiyle Görüntü Dönüştürücü Tabanlı Beyin Yaşı Tahmini
(2024) Darıcı, Muazzez Buket; Özmen, Atilla
Son zamanlarda doğal görüntü işleme görevinde kullanılan transformörler, görme görevlerine alternatif bir çözüm sunmaktadır. Görüntülerin işlenmesine olanak sağlayan görüntü transformör mimarisinin, güçlü dikkat mekanizması ve konumsal bilgiyi tutma yeteneği ile görüntü sınıflandırma görevinde etkili olduğu kanıtlanmıştır. Görüntü sınıflandırmaya yenilikçi bir yaklaşım olan ViT, popüler veri setlerinde güncel CNN'lerden daha iyi performans göstermektedir. Ne yazık ki ViT yapısı 2D ile uyumlu olduğundan, saf haliyle 2 boyuttan fazla olan görüntüleri işleyemez. Bu çalışma, 3 boyutlu beyin MR görüntülerini işleyebilen 2.5D ViT adlı yeni bir ViT önermektedir. Model mimarisinde yapılan değişiklikler ve önerilen yöntemler sayesinde 2.5D ViT, 3D görüntülerden yaş tahminini güncel modellere göre daha iyi yapabilmektedir. Ayrıca bu çalışma, beyin MR görüntülerinin hem model mimarisi hem de ön işleme aşamaları üzerine geniş çaplı deneyler içermektedir. Üstün başarısıyla insanların hayatına etki eden Yapay Zeka tabanlı beyin analiz sistemleri, ideal 3 boyutlu beyin MR görüntülerine ihtiyaç duyar. Bu sistemler için ideal beyin MR görüntüleri elde etmek amacıyla en çok tercih edilen ön işleme teknikleri Yanlılık Alanı Düzeltme (Bias Field Correction), Kafatası Sıyırma (Skull Stripping) ve Çakıştırmadır (Registration). Ön işlemin görüntüleri standartlaştırdığı bilinse bile, ön işlemlerin son teknolojiye sahip ağlarda beyin yaşı tahmin sistemlerinin kalitesi üzerindeki etkisi titizlikle araştırılmamıştır. Bu çalışma, IXI veri setinden alınan 3 boyutlu beyin MR görüntüleri üzerindeki Yanlılık Alanı Düzeltme ve Kafatası Sıyırma etkilerinin yanı sıra Çakıştırma sırasında uygulanan ön işlemlerin etkilerinin ve bunların sırasının kapsamlı bir şekilde gözlemlenmesini içermektedir. Beyin yaşı tahmini alanında popüler olan 3 boyutlu Evrişimsel Sinir Ağları modeli, ön işlemlerin beyin yaşı tahmini üzerindeki başarısı hakkında bilgi vermesi için kullanılmıştır. Bu çalışmanın çıktıları, ön işleme yöntemleri olarak sırasıyla Kafatası Sıyırma, Yanlılık Alanı Düzeltme, Çakıştırma işlemleri Z-Score normalizasyonu ile kullanıldığında, 3 boyutlu Evrişimsel Sinir Ağının 6 yıllık ortalama mutlak hata ile farklı şekilde önceden işlenmiş görüntüler üzerinde eğitilen diğer modellerden daha iyi performans gösterdiğini ortaya koymaktadır. Bu çalışmayı önemli kılan bir diğer nokta ise beyin yaşı tahmini üzerinde kullanıma hazır SPM aracına benzer performans gösterebilecek ön işleme tekniklerini uygun sırayla önermesidir. Önerilen tekniklerle önceden işlenmiş 3 boyutlu beyin MR görüntüleri daha sonra yeni Görüntü Dönüştürücü (ViT) için girdi olarak kullanılmıştır. 2.5D ViT'in tasarımı, beyin yaşı tahmin performansını maksimuma çıkarırken bilgi kaybını en aza indirmeye odaklanır. 2.5D ViT tasarımı ViT'den farklı olarak SCA'dan RGB'ye dönüşüm mimarisi ve Ayrık Kosinüs Dönüşümü (AKD) içermektedir. SCA'dan RGB'ye dönüşüm, 3 boyutlu görüntülerin maksimum bilgiyle 2 boyutlu görüntülere dönüştürülmesini sağlarken, güçlü sıkıştırma kabiliyetine sahip AKD, ViT'deki Dönüştürücü kodlayıcıyı besleyen, yaşa bağlı özellikleri içeren, daha küçük boyutta özellik haritası elde etmek için kullanılır. Çeşitli deneylerden sonra 2.5D ViT, yanlılık düzeltmesinden sonra 5 yıl mutlak hata oranı ile en iyi performansı elde etmektedir. Sonuçlar, önerilen 2.5D ViT'nin beyin yaşı tahmini alanında 3 boyutlu Evrişimsel Sinir Ağları ile karşılaştırmalı sonuçlara sahip olduğunu göstermektedir. Mutlak ortalama hataya ek olarak araştırılan istatistiksel değerler ise sırasıyla r değeri için 0.9, Spearman Korelasyon Katsayısı için 0.87 ve R Kare değeri ise ortalamada 0.78 olarak bulunmuştur. Bu değerler, yanlılık düzeltme işleminden sonraki değerlerdir.
Citation Count: 0
Mobile Application Development for the Estimation of Recurrence in Post-Operative Kidney Cancer Cases
(IEEE, 2018) Tander, Baran; Özmen, Atilla; Ozden, Ender
In this paper a post-operative recurrence estimation tool called Sorbellini's nomogram for the kidney cancer patients showing no metastates is introduced and a novel application for mobile devices based on this model is developed for the physician's follow up procedures. The TNM stage tumor size nuclear (Fuhrman) grade the existance of necrosis and vascular invasion are employed as the input parameters for this software to predict the recurrence probability in mentioned patients. Finaly the performance analyses are carried out to verify the reliability of the application.
Artificial Neural Network Based Sparse Channel Estimation for Ofdm Systems
(Kadir Has Üniversitesi, 2017) Tahir, Abdur Rehman Bin; Şenol, Habib; Özmen, Atilla
In order to increase the communication quality in frequency selective fading channel environment, orthogonal frequency division multiplexing (OFDM) systems are used to combat inter-symbol-interference (ISI). In this thesis, a channel estimation scheme for the OFDM system in the presence of sparse multipath channel is studied. The channel estimation is done by using the artificial neural networks (ANNs) with Resilient Backpropagation training algorithm. This technique uses the learning capability of artificial neural networks. By means of this feature we show how to obtain a channel estimate and how it allows the proposed technique to be less computationally complex; as there is no need for any matrix inversions. This proposed method is compared with the Matching Pursuit (MP) algorithm that is well known estimation technique for sparse channels. The results show that the ANN based channel estimate is computationally simpler and a small number of pilots are required to get a better estimate of the channel especially in low SNR levels. With this setting, the proposed algorithm leads to a better system throughput.
Bayesian Learning for Cellular Neural Networks
(Kadir Has Üniversitesi, 2013) Ozer, Metin; Ozmen, Atilla
Cellular Neural Networks have been an active research eld since their introduction in the late 80s. Several training algorithms are proposed since then. All have their advantages and disadvantages. Most of them uses deterministic methods to acquire the network parameters. in this thesis a new training method is proposed for Cellular Neural Networks and Discrete-Time Cellular Neural Networks are used for implemented applications. This new method is a probabilistic method. Maximum A Posteriori estimation is used to estimate the network parameters thus making this method a Bayesian learning method. A Cellular Neural Network is nonlinear in the sense of its activation function. For the same reason modeling of a Cellular Neural Network is also nonlinear. Using Maximum A Posteriori estimation on a nonlinear system causes some problems. To cope with this problems in the estimation process of network parameters Metropolis-Hastings algorithm which is one of Monte Carlo Markov Chain methods is used for generating the samples needed from the resulting distribution. After the network is trained it is tested against known algorithms to verify the training process. Discrete-Time Cellular Neural Networks are mostly used for image processing applications. Many dierent kind of applications can be applied using dierent network parameters without changing the cellular network architecture. A couple of applications are picked from this pool and using the estimated parameters Cellular Neural Networks are used to perform some image processing algorithms. This operations are performed by computer models and simulations. -- Abstract'tan.
Citation Count: 2
Analytical approaches for the amplitude and frequency computations in the astable cellular neural networks with opposite sign templates
(2007) Tander, B.; Özmen, A.
In this paper, by using surface fitting methods, analytical approaches for amplitudes and frequencies of the x1,2(t) "States" in a simple dynamical neural network called "Cellular Neural Network with Opposite Sign Templates" which was proposed by Zou and Nossek [1], are obtained under oscillation conditions. The mentioned explicit expressions are employed in a cellular neural network based, amplitude and frequency tuneable oscillator design.
Computation of Two-Variable Mixed Element Network Functions
(Kadir Has Üniversitesi, 2017) Tabassum, Nauman; Özmen, Atilla
in this dissertation the algorithm known as “Standard Decomposition Technique (SDT)” is used together with Belevitch’s canonic representation of scattering polynomial for two-port networks operate on high frequency to find the analytical solutions for “Fundamental equation set (FES)”. This FES is extracted by using Belevitch canonic polynomials “ ??(?? ??) ?(?? ??) and ??(?? ??)” used for the description of mixed lumped and distributed lossless two-port cascaded networks in two variables of degree five and the obtained solutions are further used to synthesis the realizable networks. The solution to the problem is also classified into two cases first case is discussed for three lumped and two distributed (???? = 3 ???? = 2 ) and the second is for three distributed and two lumped important (???? = 2 ???? = 3 ) the solution for both these cases are expressed separately with conclusive examples
Air Quality Prediction Using a Hybrid Deep Learning Architecture
(Kadir Has Üniversitesi, 2020) Gilik, Ayşenur; Özmen, Atilla
Air pollution prediction is related to the variables in environmental monitoring data and modeling of the complex relationship between these variables. The objectives of the thesis are to develop a supervised model for the prediction of air pollution by using real sensor data and to transfer the model between cities. A CNN+LSTM deep neural network model was developed to predict the concentration of air pollutants in multiple locations by using a spatial-temporal relationship. The 2D input (univariate) contains the information of one pollutant; the 3D input (multivariate) contains the information of all pollutants and meteorology. There are three methods employed according to the input-output type: Method-1 is based on univariate-input and univariate-output; Method-2 is based on multivariate input and univariate-output; Method-3 is based on multivariate input and multivariate output. The study was carried out for different pollutants which are in publicly available data of the cities of Barcelona, Kocaeli, and İstanbul. The hyperparameters were tuned to determine the architecture that achieved the lowest test RMSE. Comparing the performance of the CNN+LSTM network with a 1-hidden layer LSTM network, the proposed model improved the prediction performance by the rates between 11%-53% for PM10, 20%-31% for O3, 9%-47% for NOX and 18%-46% for SO2. After, the network weights were transferred from the source domains to the target domain. The model has a more reliable prediction performance with the transfer of the network from Kocaeli to İstanbul because of the similarities between those two cities.
Neural Network Based Channel Estimation for Time-Varying Ofdm Systems
(Kadir Has Üniversitesi, 2023) Mollahüseyinoğlu, Emre; Özmen, Atilla; Şenol, Habib
LTE gibi sistemler sayesinde, maksimum 100 Mbit/s'ye kadar veri hızlarına ulaşmak mümkün olmaktadır. Ancak, bu hızlara kullanıcı tarafındaki hareketliliğin olmadığı veya düşük olduğu senaryolarda erişilebilir. Kullanıcının hareket hızı arttıkça, kanal kestirimi yönteminin düşük kompleksiteye sahip olması gerekliliği de artmaktadır, çünkü kanalın zamana bağımlı özelliği kötüleşmektedir. Derin öğrenme, birçok sektörde geleneksel yöntemlerin yavaş yavaş yerini almaya başlayarak, çeşitli alanlarda sıkça kullanılır hale gelmektedir. Derin öğrenmenin hesaplama karmaşıklığını azaltmak ve sistem performansını artırmak hakkındaki kabiliyeti kanıtlanmıştır. Bu tez, derin sinir ağları (DNN) kullanarak zamana bağlı ortogonal frekans bölmeli çoklu erişim (OFDM) kanalları için bir kanal kestirimi yöntemi önermektedir. Kanal kestiriminin hesaplama karmaşıklığını azaltmak için zamana bağlı hızla değişen OFDM kanalını temsil etmek için Legendre polinom katsayıları kullanılmaktadır. Lineer minimum ortalama karesel hata (LMMSE) kullanılarak kanalı temsil eden polinom katsayılarının başlangıç değerleri kestirilmiş ve kestirim doğruluğu DNN ile arttırılmıştır. Sonuçlar, mekansal alternatif genelleştirilmiş beklenti maksimizasyonu - maksimum a posteriori olasılık (SAGE-MAP) ve LMMSE kanal kestirim yöntemi ile karşılaştırılmaktadır. Düşük sinyal-gürültü oranlarında DNN temelli kestirim daha küçük ortalama karesel hata (MSE) ve sembol hata oranları (SER) elde edildiği gösterilmiştir.