Browsing by Author "Demir, Ahmet"
Now showing 1 - 6 of 6
- Results Per Page
- Sort Options
Item Bazı anlık frekans kestiricilerin karşılaştırmalı performans analizi(Bursa Uludağ Üniversitesi, 2020-06-15) Demir, Ahmet; Dilaveroğlu, Erdoğan; Bursa Uludağ Üniversitesi/Fen Bilimleri Enstitüsü/Elektronik Mühendisliği Anabilim Dalı.; 0000-0002-0710-7770Sensörler tarafından alınan bilgilerin analizinde ve işlenmesinde parametrelerin hızlı ve doğru şekilde kestirilmesi önemlidir. Gürültü içindeki bir reel sinüsün çok az sayıda veri örnekleri ile anlık frekans kestirimi işaret işleme alanında sıklıkla karşılaşılan önemli bir problemdir. Bu probleme yönelik literatürde birçok frekans kestiricisi önerilmiştir. Bu tez çalışmasında ayrık enerji ayrışım algoritmaları DESA-1a, DESA-1, DESA-2 ve modified covariance ve Prony metodlarından türetilen ilave dört kestirici ele alınmıştır. Sinüsün genlik, faz ve frekansının sabit olduğu tek bir snapshot alındığı varsayılmıştır. Bir Taylor seri açılımı tekniği kullanılarak, yeterince yüksek sinyal-gürültü oranı (SNR) durumunda kestiricilerin varyansları için basit ve kesin kapalı ifadeler türetilmiştir. Elde edilen varyans ifadelerinin sinüsün fazına olan bağlılıkları incelenmiş ve kestiricilerin maksimum (en kötü durum) ve minimum (en iyi durum) varyanslarını veren kritik faz değerleri ve en kötü ve en iyi senaryolardaki varyans ifadeleri elde edilmiştir. Teorik sonuçları doğrulayan bilgisayar benzetimleri sunulmuştur. Kestiricilerin en kötü ve en iyi senaryolardaki varyansları birbirleriyle karşılaştırılmıştır. Kestiricilerin maksimum ve minimum varyansları arasındaki farkın geniş bir frekans bandında önemli mertebelerde olduğu gözlemlenmiştir.Item Binek araçlarda kabin içi sıcaklık ve ses parametrelerinin sürücü ve yolcu yorgunluğuna etkisinin analizi(Bursa Uludağ Üniversitesi, 2020-06-29) Eken, Recep; Yürüklü, Emrah; Coşkun, Oğuzhan; Bekiryazıcı, Şule; Demir, Ahmet; Yılmaz, Güneş; Bursa Uludağ Üniversitesi/Mühendislik Fakültesi/Elektrik-Elektronik Mühendisliği Bölümü.; 0000-0002-1197-6565; 0000-0001-9002-7896; 0000-0002-0710-7770; 0000-0001-8972-1952Bu çalışmada araç kabini içerisinde oluşan sıcaklık ve ses gibi bozucu etkilerin dağılımının modellenmesi ve sürücü/yolcu performansı üzerindeki tümleşik etkisinin ağırlıklandırılması hedeflenmiştir. Sıcaklık ve ses parametrelerinin araç kabini içerisindeki dağılımını modellemek, sürücü ve yolcu yorgunluğuna etkisini analiz etmek amacıyla dört farklı senaryoda 120 dakika boyunca dört defa tekrarlanarak ölçümler gerçekleştirilmiştir. Ölçülen veriler Visual Studio 2017 programında tasarlanan arayüze doğrudan aktarılmış ve araç içerisindeki fiziksel parametrelerin dağılımı anlık olarak gözlemlenmiştir. Ayrıca sıcaklık ve ses parametrelerinin sürücü ve yolcuların yorgunluğu üzerindeki ağırlığının belirlenebilmesi için, önceki çalışmalarda yapılmış olan simülasyonlardan elde edilen göz kırpma frekansı ve Karolinska uykululuk ölçeği verileri toplanmıştır. Bağımlı örneklem t-testi yöntemi kullanılarak, aynı bağımlı değişkenin sıcaklık-ses etkisinde yapılan sürüş durumu verileri analiz edilmiştir. Analizler, arayüz ortamına doğrudan aktarılarak, yolculuğun 30, 60, 90 ve 120. dakikalarında bağımsız parametrelerin etkisi ağırlıklandırılmış ve grafiklerle desteklenmiştir. Bu ağırlıklandırma sürücü ve tüm yolcular için ayrı ayrı yapılmıştır. Bağlamsal ve performansa bağlı özelliklerin analizleri sonucunda, sürücü ve ön yolcu için 30. ve 120. dakikalarda sıcaklık parametresi yorgunluğa daha etkinken, 60. ve 90. dakikalarda ses parametresinin etkisi sıcaklık etkisinin önüne geçmiştir. Sağ ve sol arka yolcu için ise, 30, 90 ve 120. dakikalarda sıcaklık parametresi baskınken, 60. dakikada ses parametresinin etkisi baskın olmuştur.Item Delay in neurovenous flaps-Experimental and clinical experience(Lippincott Williams & Wilkins, 2004-11) Demir, Ahmet; Güneren, Ethem; Şimşek, Tekin; Karacalar, Ahmet; İdil, Oytun; Özcan, Mesut; Uludağ Üniversitesi/Tıp Fakültesi.; 6508226102; 7102067678The objective of this study was to examine the effects of the standard surgical delay in the flaps based on the cutaneous branches of the vascular axis around a superficial sensory nerve. The delay procedure was experimentally tested in rats and subsequently used in patients. In the experimental study, the survival of a delayed inferior epigastric neurovenous flap was compared with that of a nondelayed inferior epigastric neurovenous flap. One type of clinically applicable delay pattern (standard bipedicled technique) was employed. A 3 X 3 cm flap was raised in 20 female Wistar rats assigned randomly to 2 groups. Each group consisted of 20 flaps. The standard bipedicled delay pattern increased the percentage survival of the delayed inferior epigastric neurovenous flap. The survival percentage of the delayed flaps was 59.8 ± 185.0 (P < 0.5). The histologic findings of the skin revealed that our delay procedure enhanced the perfusion of the flap by dilating the arterial network. Stimulated by our experimental findings, we used the island bipedicled surgical flap delay or combined strategic-standard delay in the distally pedicled sural flap successfully on 9 cases.Publication Detection and analysis of driver fatigue stages with eeg signals(Pamukkale Univ, 2022-01-01) Eken, Recep; Yılmaz, Güneş; YILMAZ, GÜNEŞ; Demir, Ahmet; DEMİR, AHMET; Bekiryazıcı, Şule; BEKİRYAZICI, ŞULE; Coşkun, Oğuzhan; Bursa Uludağ Üniversitesi/Mühendislik Fakültesi/Elektrik ve Elektronik Mühendisliği Bölümü.; 0000-0003-1115-186X; 0000-0001-8972-1952; GZM-6710-2022; AAH-4177-2021; AAH-4182-2021Today, many people die in traffic accidents. Sleeplessness and fatigue of drivers are shown as the most important cause of traffic accidents. For this reason, research on driver performance analysis is of great importance. In this study, a system is designed to analyze driver fatigue using electroencephalography (EEG) data. As the data set, the EEG signals from sustained-attention driving task prepared by National Chiao Tung University have been used. The data set is divided into four classes to determine the driver's fatigue times and level. In order to determine the frequency ranges that occur during driver fatigue phases, EEG signals are filtered. Principal Component Analysis method has been used to reduce the size of the features matrix. With the Divide and Conquer algorithm, all combinations in which the four classes will be separated best are determined and classification has been done at each step using sub-classifiers. As sub-classifiers, k-Nearest Neighborhood, Support Vector Machines and Linear Discrimination Analysis algorithms are used. As a result of the study, the average classification successes are 87.9% for the k-Nearest Neighborhood algorithm, 88.5% for the Support Vector Machines algorithm and 81.6% for Linear Discrimination Analysis. The highest classification success has been achieved as 93.2% with the Support Vector Machines classifier, between 67.5-90 min. of driving at the 4th grade fatigue level.Item Döviz kuru öngörüsü için ekonometrik bir model denemesi(Uludağ Üniversitesi, 1988) Demir, Ahmet; Öztürk, Ahmet; Uludağ Üniversitesi/Sosyal Bilimler Enstitüsü.Publication Feature selection and analysis EEG signals with sequential forward selection algorithm and different classifiers(Ieee, 2020-01-01) Bekiryazıcı, Şule; Demir, Ahmet; Yılmaz, Güneş; BEKİRYAZICI, ŞULE; DEMİR, AHMET; YILMAZ, GÜNEŞ; Bursa Uludağ Universitesi/Mühendislik Fakültesi/Elektrik Elektronik Mühendisliği Bölumü.; 0000-0003-1115-186X; 0000-0001-8972-1952; AAH-4182-2021; AAH-4177-2021; KPP-7123-2024In this study, we investigated the features that could best represent EEG signals for brain computer interface systems and classifier accuracy was compared using different classification methods. EEG signals data set were taken from "BCI II Competition". In this study, inadequate features that reduce classification accuracy were determined by using sequential forward selection algorithms and were extracted from real-dimensional feature matrix. The remaining active feature matrix and real-dimensional feature matrix were classified using k-nearest neighbor, subspace K-nearest neighbor, support vector machines, subspace discriminant and random forest decision tree algorithms. As a result of this study, the highest classification accuracy of real-dimensional feature matrix was obtained as 83.8% by random forest decision tree algorithm. In the other, the highest classification accuracy of dimention reductioned feature matrix with sequential forward selection algorthm was obtained as 96.4% by random forest decision tree algorithm.