Her öğrencinin sorumlu olduğu verisetleri aşağıdaki listede belirtilmiştir. Vize uygulaması olarak 1D-CNN, 2D-CNN (Klasik) ve DBN, LSTM, BiLSTM, GRU, RNN uygulamaları yapılacaktır.
*** Süreniz 4 Hafta sonraki derse kadardır. (02.01.2025) Derse geldiğinizde teslim etmeniz gerekmektedir.
1D-CNN: Zaman serileri doğrudan sizlerin modelleyeceği farklı CNN yapılarına göre en az 15 farklı modelde denenerek başarımlar raporlanacaktır.
2D-CNN: Zaman serileri resime dönüştürülerek (plot) klasik CNN modeline giriş olarak verilecektir. Kendi modelleyeceğiniz CNN yapılarıyla enaz 15 model üzerinde deneyerek başarımları raporlamanız gerekmektedir.
DBN: 2D-CNN modelinde olduğu gibi zaman serisinin resme dönüştürülmüş halini doğrudan DBN’e giriş olarak verilecektir. En başarılı 15 modelin başarımlarını raporlamanız gerekmektedir.
LSTM, Bi-LSTM, GRU ve RNN: Yinelemeli ve hafızalı yaklaşımlar derste anlatılan farklı parametreler ile denenmelidir. Her birinden En başarılı 5 modelin başarımlarını raporlamanız gerekmektedir.
| 1 | 22109210104 | ÖM** FA** TE** | LTE Dataset | https://www.kaggle.com/datasets/aeryss/lte-dataset/code |
| 2 | 22109210108 | HA** AY** | DAIR-V2X | https://air.tsinghua.edu.cn/DAIR-V2X/english/index.html |
| 3 | 23109110105 | FU** ÖC** | V2V4Real | https://mobility-lab.seas.ucla.edu/v2v4real/ |
| 4 | 23109110107 | MU** HA** ŞE** KA** | BERLIN V2X | https://ieee-dataport.org/open-access/berlin-v2x |
| 5 | 23109210102 | BE** BO** | Aerial Image Landmark detection (SITING ve One-shot learning) | Aerial görüntülerden belirli bir bina, belirli bir göl, … tespiti |
| 6 | 23109210103 | EC** HA** | VANET Routing Dataset | https://figshare.com/articles/dataset/Dataset_Collection_and_Generation_for_data_dissemination_in_VANETs/25658208 |
| 7 | 24109110104 | ME** BE** | DeepSIG Dataset: RADIOML 2018.01A | https://www.deepsig.ai/datasets |