Search

— Phonocardiography (PCG) is a method based on examination of mechanical sounds coming from heart during its regular contraction/relaxation activities such as opening and closing of the valves and blood turbulence towards vessels and heart chambers. The heart sounds in some pathological cases contains a noise called as heart murmurs. Thanks to auscultation and investigation of the heart sounds, many cardiac disorders can be a preliminarily diagnosed. Today there are high technology tools to record those sounds in electronic environment and enable us to analyze them in detail. The constraints such as human’s limited audible range, environment noise and inexperience of physicians can be overcome by the use of those tools and development of state-of-art signal processing and machine learning methods. There are possible benefits of those analyses ranging from its use at home-care units to rural areas where it is difficult to consult experienced physicians. In this study we examined heart sounds and classified them as normal or abnormal. Features of heart sounds are extracted by using Discrete Wavelet Transform (DWT), Mel-Frequency Cepstral Coefficients (MFCC) and time-domain morphological characteristics of the signals. Those features are used to form three separate feature vectors. K-Nearest Neighbor (kNN), Support Vector Machine (SVM), Multilayer Perceptron (MLP) classifiers and their ensembles are used for classification. Then the ensemble classifiers’ predictions based on distinct feature vectors are combined and an ensemble classifier built from team of ensemble classifiers. Classification performances of singular classifiers, single level ensemble classifiers and final ensemble classifier are compared and better results are obtained by the proposed method.

The derivative concept was defined by Newton and Leipzig. After these scientists, there are many approaches about the order of derivative, since derivative defined by Newton and Leipzig considered as order of 1. So, imaginary axis vanishes and the result of derivation is a real number / function. However, in case of other orders of derivations, the obtained results have real and imaginary axises, since complex numbers and derivative have directions and magnitudes. This paper includes these relationships by using fractional order derivative (_α^∂)Kf(t) defined by Karcı.

Social networks are nowadays very popular. It has become an intensively used platform by people. This status causes a high amount of data production. Many methods have been developed to transform these data into a meaningful and useful form. Data mining techniques are at the top of the list among these methods. In this study, data mining and social networking methods were used to determine the similarity of the study area between the related authors according to the key words that the authors mentioned in their publications. The publication data of the IDAP 2018 symposium was used as a data set. Jaccard, Euclidean, Cosine similarity methods were applied the data set consisted of 536 authors and 1188 keywords and similarities among the authors publications were compared through analyzed. In the subsequent publications of the authors, guiding results were obtained for them to work with each other. while SQL Server was used to convert data to the appropriate format for analysis, for the analysis and creation of visual elements, the R language and R Studio IDE were used., Sosyal ağlar günümüzde oldukça popüler bir konumda bulunmaktadır. İnsanlar tarafından yoğun olarak kullanılan bir platform halini almıştır. Bu durum yüksek miktarda veri üretimine neden olmaktadır. Bu verilerin anlamlı ve faydalı bir forma dönüştürebilmek için birçok yöntem geliştirilmiştir. Bu yöntemler arasında veri madenciliği teknikleri ilk sıralarda yer almaktadır. Bu çalışmada veri madenciliği ve sosyal ağ yöntemleri kullanılarak yazarların yayınlarında belirtmiş oldukları anahtar kelimelere göre ilgili yazarlar arasındaki çalışma alanı benzerlikleri tespit edilmiştir. Veri seti olarak IDAP 2018(International Conference on Artificial Intelligence and Data Processing ) sempozyumunun yayın verileri kullanılmıştır. 536 yazar ve 1188 anahtar kelimeden oluşan veri setine Jaccard, Euclidean, Cosine benzerlik yöntemleri uygulanmıştır ve çalışmalarına göre yazarların yayınları arasındaki benzerlikler analiz edilerek karşılaştırılmıştır. Yazarların sonraki yayınlarında birbirleri ile çalışma yapabilmeleri açısından yönlendirici sonuçlar elde edilmiştir. Verilerin analize uygun forma getirilmesi için SQL Server kullanılırken, analiz ve görsel öğelerin oluşturulması için ise, R dili ve R Studio IDE kullanılmıştır.

Günümüzde büyük veri alanında meydana gelen gelişmelerle birlikte günlük işlenebilir durumda olan veri miktarı oldukça büyük boyutlara ulaşmıştır. Bu verilerin çok büyük bir kısmının metin (text) verilerinden oluşması, metin işleme alanında yapılan çalışmaları oldukça önemli ve popüler bir hale getirmiştir. Ancak bu alanda yapılan çalışmalar incelendiğinde başta İngilizce olmak üzere birçok dünya diline yönelik çeşitli çalışmalar yapılırken, Türkçeye özgü yapılan çalışmaların istenilen sayıda olmadığı görülmüştür. Bu nedenle bu çalışma için, python ortamı kütüphanelerinden biri olan Beautiful Soup kütüphanesi kullanılarak Türkçe metinlerden oluşan büyük bir derlem oluşturulmuştur. Bu çalışmada, kelimeleri vektör uzayında her bir kelimenin bir vektörle temsil edildiği yeni bir yaklaşım olan Word2Vec modeli algoritmalarından CBOW ve Skip-Gram algoritmaları ile Glove modeli kullanılmıştır. Oluşturulan derlem üzerinde Word2Vec yöntemi ile Türkçe kelimelerden oluşan ve bu kelimeler arasındaki anlamsal ilişkileri tespit etmeye çalışan bir model geliştirilmiş ve diğer modeller ile başarımı ve eğitim süreleri kıyaslanmıştır. Ayrıca çalışmanın bir diğer katkısı ise modelin performansını artırmak için Türkçe için etkisiz kelimeler listesi oluşturulmasıdır. Geliştirilen bu model ile özellikle Türkçe metin sınıflandırma problemlerinde daha yüksek bir sınıflandırma başarımının yakalanması hedeflenmektedir. Bu çalışma kapsamında oluşturulan model analiz edilip yakın anlamlı kelimeler incelendiğinde oldukça başarılı performans gösterdiği tespit edilmiştir. Veriseti ve kelime vektörleri Türkçe çalışmalara katkı sağlamak için erişime açık olarak paylaşılacaktır.&nbsp, Nowadays, the amount of data that can be processed daily has reached quite big dimensions with the developments in the big data. The fact that a large part of this data consists of text data has made the studies in the field of text processing very important and popular. However, when the studies in this area are examined, it has been observed that while various studies are carried out for many World languages, especially English, there are no desired number of studies conducted in Turkish. Therefore, a large corpus of Turkish texts was created using the Beautiful Soup library, one of the python environment libraries. In this study, CBOW and Skip-Gram algorithms from Word2Vec model algorithms and Glove model were used where each word is represented with a vector in the vector space. In this study, a model which consists of Word2Vec method and Turkish words and tries to detect the semantic relations between thesewords has been developed and the performance and training times have been compared with other models. In addition, another contribution of this study to improve the performance of the model to create a list of stop words for Turkish. With this model, it is aimed to achieve a higher classification performance especially for Turkish text classification problems. After analyzing the model formed within the scope of this study, it was detected that it showed a very successful performance when close words were examined. The dataset and word vectors will be shared with the public to provide contributions to Turkish studies.&nbsp

There is growing interest in automatic summarizing systems. This study focuses on a subtractive, general and unsupervised summarization system. It is provided to represent the texts to be summarized with graphs and then graph entropy is used to interpret the structural stability and structural information content on the graphs representing the text files. The performance of the proposed text summarizing approach for the purpose of summarizing the text on the data set of Document Understanding Conference (DUC-2002) including open access texts and summaries of these texts was calculated using the Recall-Oriented Understudy for Gisting Evaluation (ROUGE) evaluation metrics. Experimental processes were repeated for 200 and 400 word abstracts. Experimental results reveale that the proposed text summarizing system performs competitively with competitive methods for different ROUGE metrics.

Entropy gives the irregularity of physical systems and also gives theamount of information that cannot be understood in digital systems. For thispurpose, the definition of entropy was made by Shannon for digital data. Thedefinition of entropy using the concept of fractional order derivative was madeby Karcı. In this study, the results of Karcı and Shannon entropy definitionsin different probability environments were compared., Entropi, fiziksel sistemlerin düzensizliğini, dijital sistemler de ise,anlam verilememiş bilgi miktarını vermektedir. Bu amaçla Shannon tarafındandijital veriler için entropi tanımı yapılmıştır. Kesir dereceli türev kavramıkullanılarak entropi tanımı ise Karcı tarafından yapılmıştır. Bu çalışmadaKarcı ve Shannon entropi tanımlarının farklı olasılık ortamlarında vermişoldukları sonuçların karşılaştırmaları yapılmıştır.

Centrality is one of the most frequentlystudied subjects of social network analysis. The identification of the mosteffective entities in a network or system can be found by measures ofcentrality. In this study, using the data of air traffic with Renyi entropy,the most influential countries in this field were analyzed in the graphstructure. The most effective countries in air traffic were identified. It hasbeen shown that centrality measurements can be made with Renyi entropy in aweighted and directional network. A method for the detection of vital nodes ina network was proposed. Difference from Shannon, it was observed that resultscould be obtained for different situations by using the α coefficient in Renyi.Sometimes measuring only the effect of edge weight or node degree does notyield accurate results. Using α to adjust this effect has enabled us to getmore accurate results., Merkezilik sosyal ağ analizi yapankişilerin en çok çalıştığı konulardan biridir. Bir ağdaki en etkili ve sistemeetkisi olan varlıkların tespiti merkezilik ölçüleri ile bulunabilir. Buçalışmada Renyi entropi ile havayolu trafiği verileri kullanılarak bu alandakien etkili ülkeler çizge yapısında analiz edildi. Hava trafiğinde en merkeziülkeler tespit edildi. Ağırlıklı ve yönlü bir ağda Renyi entropi ile merkezilikölçümlerinin yapılabileceği gösterildi. Bir ağdaki hayati öneme sahipdüğümlerin tespiti için bir yöntem önerildi. Shannon’dan farklı olarak Renyi’deα katsayısı kullanılarak farklı durumlar için sonuç elde edilebileceği görüldü.Sadece kenar ağırlıklarının veya düğüm derecelerinin etkisinin ölçülmesi bazendoğru sonuçlar vermediği için α’nın bu etkiyi ayarlamak için kullanılması dahadoğru sonuçlar almamızı sağladı.

International Conference on Artificial Intelligence and Data Processing (IDAP) -- SEP 28-30, 2018 -- Inonu Univ, Malatya, TURKEY A measure of centrality can be used to identify important assets that affect a system. In this study, the most used centrality measures degree, closeness, betweenness, eigenvector centrality and entropy centrality were used to identify the most effective nodes. The central/influential nodes can be detected more accurately by the Karci entropy which has just begun to be used new in social networks. Karci entropy contain Shannon when a equal 1. The more accurate results were obtained when the a coefficient in Karci entropy was correctly selected. The effect of node degree and edge weights to the network were measured together. The applicability of the entropy-based method for the detection of the most effective nodes in weighted networks has been demonstrated. The success of proposed method has been offered by comparison with traditional methods. Inonu Univ, Comp Sci Dept, IEEE Turkey Sect, Anatolian Sci

Shannonapplied derivative to a special probability function and obtained entropydefinition. Karcı converted the derivative with fractional order derivative andobtained a new definition for entropy. In this study, the fractional order ofderivative were selected as complex number and symmetric function wereobtained. Some of them were illustrated in this study, and it is known thatthere are infinite symmetric functions obtained by this way.

Differentialevolution (DE) is a popular population-based stochastic meta-heuristic method.There are many meta-heuristic methods with different names such as LeagueChampionship Algorithm, Artificial Bee Algorithm, Bee Swarm Optimization, CatSwarm Optimization, Differential Search, Goose Optimization Algorithm. In thispaper, the similarities of all these methods were discussed.