Yazar "Orman, Abdullah" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Öğe
    Artificial Intelligence (AI) Studies in The TR Index: A Systematic Review
    (2022) Orman, Abdullah; Sebetci, Özel
    Artificial Intelligence (AI) analytics, tools, and coding are increasingly used to improve quality in every part of the industry. However, such tools find their place in bugs, vulnerabilities, security points, duplications, and many more. Researchers around the world have conducted many academic studies with AI until today. The increasing development and use in the field in the last decade led to the need to research the publication amount, application areas, and achievements of countries in technology. This article used systematic research and literature review to determine the structured approach to the concepts of AI, machine learning, deep learning, and neural networks that can be searched in the TR Index. Although the results do not have an essential place in the TR Index, they can be evaluated as an accelerated increase of around 70% in the last three years. In the field distribution, engineering ranked first with 673 units. In addition, a decrease in the indexation rate of the subject is also observed. The results of this study may lead to the examination of the indexing of many publications made in our country in the TR Index.
  • Küçük Resim
    Öğe
    Çok gruplu sınıflandırma problemlerine regresyon analizi ve matematiksel programlama tabanlı yeni bir yaklaşım
    (2019) Doğan, Mustafa İsa; Orman, Abdullah; Örkcü, Mediha; Örkcü, Hacı Hasan
    Bu çalışmada, çok gruplu sınıflandırma problemlerinin çözümü için regresyon analizi ve matematikselprogramlamaya dayalı iki aşamalı yeni bir hibrit sınıflandırma yöntemi geliştirilmiştir. Önerilen yönteminilk aşamasında, her bir birimin sınıflandırma skoru her birim için oluşturulan doğrusal regresyon denklemiyardımıyla tahmin edilmektedir. İkinci aşamasında ise, birimlerin sınıflandırılması kümeleme analizi tabanlımatematiksel programlama modeli ile yapılmaktadır. Önerilen yöntem kendisini oluşturan regresyon analizive matematiksel programlama yöntemlerinin güçlü yanlarını kombine etmektedir. Literatürden alınan 10gerçek veri seti ve simülasyon çalışması sonuçlarından, önerilen yöntemin regresyon analizi, matematikselprogramlama ve yapay sinir ağı temelli sınıflandırma yöntemlerine göre daha iyi performans gösterdiğigözlemlenmiştir.