Araştırma

Aydın Adnan Menderes Üniversitesi merkez kampüsünün Blender’da modellenip NVIDIA Sionna ile ışın izlenen dijital ikizi, kablosuz ağ için sanal bir test ortamı olarak kullanılıyor. Verici yönelimleri değiştirilerek yol kazancı, alınan sinyal gücü ve SINR analiz ediliyor; doğru yönelimin kapsamayı belirgin biçimde iyileştirdiği gösteriliyor. Işın izleyicinin yerine geçen hızlı vekil modeller olarak eğitilen makine öğrenmesi yöntemleri arasında en başarılısı XGBoost oluyor; böylece ışın izlemeye gerek kalmadan anlık tahmin yapılabiliyor.

ODIR fundus görüntü veri setindeki normal, katarakt ve miyop sınıflarını, kontrast tabanlı veri artırmayla güncel konvolüsyonel ağlarla (DenseNet, ResNet, Inception) sınıflandırıyor. Bu modellerin yüksek hesaplama maliyetini düşürmek için daha az parametreli, optimize bir ConvNet öneriliyor; model yüksek doğruluğu korurken daha hızlı çalışıyor ve gerçek zamanlı kullanıma, kaynak kısıtlı cihazlara elverişli.

Pamuk yetiştiriciliğinde en sık görülen hastalıklardan yaprak köşeli lekenin erken tespiti için Evrişimli Sinir Ağları (CNN), Uzun-Kısa Vadeli Hafıza ağları (LSTM) ve Derin İnanç Ağları (DBN) karşılaştırılıyor; doğruluk bakımından en başarılı model CNN oluyor.