Her öğrencinin sorumlu olduğu verisetleri aşağıdaki listede belirtilmiştir. Vize uygulaması olarak 1D-CNN, 2D-CNN (Klasik) ve DBN, LSTM, BiLSTM, GRU, RNN uygulamaları yapılacaktır. Hem Rapor hemde Bildiri teslimi istenmektedir.
*** Süreniz 4 Hafta sonraki derse kadardır. (01.04.2025) 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.
Bildiri Formatını buradan indiriniz
Bildiri Formatında detaylı analiz ve sonuç karşılaştırmaları, Örüntü Tanıma süreçlerinde hangi parametre ve yöntem çıktıya etki etmekte ve sebebi gibi detaylarla konferans metni (Abstract, Introduction, Related works (En az 15 adet), Experimental Setup, Methods, Experimental Results, Discussion) oluşturmanız gerekmektedir. Kullanılan parametrelerle ve sınıflandırıcı başarımlarıyla kıyaslama. En az 15 adet.
| 1 | 24109210104 | SÜ**AL** | ASEADOS-SDN-IoT | https://aseados.ucd.ie/datasets/SDN-IoT/ |
| 2 | 25109110102 | UF** ŞA** | 5G-NIDD ve InSDN | https://aseados.ucd.ie/datasets/SDN/ https://www.kaggle.com/datasets/humera11/5g-nidd-dataset/ |
| 3 | 25109110108 | ME** CA** GÜ** | CTU13 | https://www.stratosphereips.org/datasets-ctu13 |
| 4 | 25109110109 | YA** TA** | The FLAME dataset | https://ieee-dataport.org/open-access/flame-dataset-aerial-imagery-pile-burn-detection-using-drones-uavs |
| 5 | 25109110111 | ÖM** UT** KI** | Respiratory Sounds | – |
| 6 | 25109110112 | MU** TO** | Kendi Dataları | – |
| 7 | 25109210103 | HA** BA** SU** | Deep Sense 6G | https://deepsense6g.net/position-aided-beam-prediction/ |
| 8 | 25109210107 | Çİ** AL** | Berlin V2X | https://ieee-dataport.org/open-access/berlin-v2x |
| 9 | 25109210108 | AH** AŞ** | Termal Breast Cancer | https://visual.ic.uff.br/en/proeng/thiagoelias/ |
| 10 | 25109210110 | VE** TÜ** | Monocular Visual Odometry Dataset | https://cvg.cit.tum.de/data/datasets/mono-dataset |