İnce, Türker
Loading...
Profile URL
Name Variants
Ince, T
Turker Ince
Ince, Turker
İnce, Turker
İnce, T
Turker Ince
Ince, Turker
İnce, Turker
İnce, T
Job Title
Email Address
turker.ince@ieu.edu.tr
Main Affiliation
05.06. Electrical and Electronics Engineering
Status
Current Staff
Website
ORCID ID
Scopus Author ID
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
Sustainable Development Goals
8
DECENT WORK AND ECONOMIC GROWTH
0
Research Products
9
INDUSTRY, INNOVATION AND INFRASTRUCTURE
11
Research Products
10
REDUCED INEQUALITIES
0
Research Products
17
PARTNERSHIPS FOR THE GOALS
1
Research Products
12
RESPONSIBLE CONSUMPTION AND PRODUCTION
0
Research Products
7
AFFORDABLE AND CLEAN ENERGY
1
Research Products
1
NO POVERTY
0
Research Products
5
GENDER EQUALITY
0
Research Products
13
CLIMATE ACTION
1
Research Products
4
QUALITY EDUCATION
3
Research Products
14
LIFE BELOW WATER
0
Research Products
2
ZERO HUNGER
0
Research Products
15
LIFE ON LAND
0
Research Products
16
PEACE, JUSTICE AND STRONG INSTITUTIONS
0
Research Products
6
CLEAN WATER AND SANITATION
0
Research Products
3
GOOD HEALTH AND WELL-BEING
7
Research Products
11
SUSTAINABLE CITIES AND COMMUNITIES
0
Research Products
Documents
95
Citations
9377
h-index
31
Documents
62
Citations
7243
Scholarly Output
92
Articles
42
Views / Downloads
119/487
Supervised MSc Theses
4
Supervised PhD Theses
1
WoS Citation Count
6799
Scopus Citation Count
8950
WoS h-index
26
Scopus h-index
29
Patents
0
Projects
5
WoS Citations per Publication
73.90
Scopus Citations per Publication
97.28
Open Access Source
33
Supervised Theses
5
| Journal | Count |
|---|---|
| Ieee Transactıons on Bıomedıcal Engıneerıng | 5 |
| Expert Systems Wıth Applıcatıons | 4 |
| Proceedings - International Conference on Pattern Recognition | 2 |
| Ieee Transactıons on Systems Man And Cybernetıcs Part B-Cybernetıcs | 2 |
| 2023 Photonics and Electromagnetics Research Symposium, PIERS 2023 - Proceedings | 2 |
Current Page: 1 / 14
Scopus Quartile Distribution
Competency Cloud
90 results
Scholarly Output Search Results
Now showing 1 - 10 of 90
Article Citation - WoS: 54Citation - Scopus: 75Robust R-Peak Detection in Low-Quality Holter Ecgs Using 1d Convolutional Neural Network(IEEE-Inst Electrical Electronics Engineers Inc, 2022) Zahid, Muhammad Uzair; Kiranyaz, Serkan; İnce, Türker; Devecioglu, Ozer Can; Chowdhury, Muhammad E. H.; Khandakar, Amith; Tahir, AnasObjective: Noise and low quality of ECG signals acquired from Holter or wearable devices deteriorate the accuracy and robustness of R-peak detection algorithms. This paper presents a generic and robust system for R-peak detection in Holter ECG signals. While many proposed algorithms have successfully addressed the problem of ECG R-peak detection, there is still a notable gap in the performance of these detectors on such low-quality ECG records. Methods: In this study, a novel implementation of the 1D Convolutional Neural Network (CNN) is used integrated with a verification model to reduce the number of false alarms. This CNN architecture consists of an encoder block and a corresponding decoder block followed by a sample-wise classification layer to construct the 1D segmentation map of R-peaks from the input ECG signal. Once the proposed model has been trained, it can solely be used to detect R-peaks possibly in a single channel ECG data stream quickly and accurately, or alternatively, such a solution can be conveniently employed for real-time monitoring on a lightweight portable device. Results: The model is tested on two open-access ECG databases: The China Physiological Signal Challenge (2020) database (CPSC-DB) with more than one million beats, and the commonly used MIT-BIH Arrhythmia Database (MIT-DB). Experimental results demonstrate that the proposed systematic approach achieves 99.30% F1-score, 99.69% recall, and 98.91% precision in CPSC-DB, which is the best R-peak detection performance ever achieved. Results also demonstrate similar or better performance than most competing algorithms on MIT-DB with 99.83% F1-score, 99.85% recall, and 99.82% precision. Significance: Compared to all competing methods, the proposed approach can reduce the false-positives and false-negatives in Holter ECG signals by more than 54% and 82%, respectively. Conclusion: Finally, the simple and invariant nature of the parameters leads to a highly generic system and therefore applicable to any ECG dataset.Master Thesis Microcontroller-Based Real-Time Motor Bearing Fault Detection and Diagnosis Using 1d Convolutional Neural Networks(İzmir Ekonomi Üniversitesi, 2022) Kılıçkaya, Sertaç; İnce, TürkerSürekli makine durum izlemesi, makinelerin durumu ve sağlığı hakkında gerçek zamanlı bilgi sağlaması nedeniyle endüstride beklenmedik makine arızalarını önleyen çok yaygın bir uygulamadır. Dönen makine arızalarının en yaygın nedenlerinden biri rulman arızalarıdır ve rulman arızalarının erken tespiti, motorun kendisinden ziyade arızalı rulmanın değiştirilmesini sağlar. Bu nedenle, elektrik motor rulmanlarının ömrü ve durumu, endüstriyel tesislerin kesintisiz çalışmasını sürdürmek için son kullanıcılar açısından büyük önem taşımaktadır. Geleneksel rulman arıza tespit sistemleri, manuel öznitelikler çıkararak sınıflandırma gerçekleştirir ve yüksek işlem gereksinimi sebebiyle gerçek zamanlı uygulamayı zorlaştırırlar. Öte yandan, 1B Operasyonel Sinir Ağları (1B OSA) ve bunların özel bir durumu olan 1B Evrişimsel Sinir Ağları (1B ESA), otomatik öznitelik çıkarma ve sınıflandırma aşamalarını tek bir öğrenme gövdesinde toplayan daha az işlem gerektiren verimli alternatiflerdir. Bu çalışmada, ilk olarak, 1B OSA'ların ve ESA'ların rulman arıza teşhisindeki etkinliği iki açık kaynak veri seti kullanılarak gösterilmiştir. Ayrıca, İzmir Ekonomi Üniversitesi'ndeki motor test düzeneği kullanılarak iki çeşit tek fazlı asenkron motordan dört farklı rulman sağlığı koşulu için birkaç dakikalık 3 eksen ivmeölçer verisi toplanmıştır. Toplanan veri kullanılarak, bir 1B ESA modeli eğitilip, model katsayıları nicemlendikten sonra Arm Cortex-M4 tabanlı mikrodenetleyiciye yüklenmiştir ve bu sayede gerçek bir motor düzeneğinde modelin rulman arıza teşhis performansı gözlemlenmiştir. Deneysel sonuçlar, 1B ESA'lar kullanılarak düşük güçlü mikrodenetleyiciler ile rulman hatalarının gerçek zamanlı tespit ve teşhisinin mümkün olduğunu göstermektedir.Doctoral Thesis Multi-Channel, Multi-Level Framework for Bearing Fault Diagnosis in Electrical Machines(İzmir Ekonomi Üniversitesi, 2021) Özcan, İbrahim Halil; Eren, Levent; İnce, TürkerElektrik motorları kararlılık, sağlamlık ve kullanım kolaylığı avantajları ile birlikte gelmektedirler. Ayrıca kullanıcılara düşük işletme ve bakım maliyetleri sağlarlar. Bu önemli özelliklerinden dolayı çok çeşitli endüstriyel uygulamalarda yaygın olarak tercih edilmektedirler. Asenkron motorların arızalanması, endüstriyel üretim üzerindeki etkisi nedeniyle büyük bir endişe kaynağıdır. Asenkron makinelerde yaygın olarak bilyalı veya rulmanlı yataklar kullanılmaktadır ve en yaygın motor arızaları bu bileşenlerden kaynaklanmaktadır. Bu olası rulman arızalarının en erken aşamada doğru bir şekilde tespit edilmesi, kaçınılmaz tehlikelerle karşı karşıya kalmak yerine ilgili parçaları onararak ve/veya değiştirerek sorunu daha düşük maliyetle çözmek için kritik öneme sahiptir. Literatürde yer alan arıza tespiti ile ilgili pek çok araştırma, tek bir girişe dayalı ikili {sağlıklı, arızalı} motor arıza durumlarını tespit etmeye odaklanmıştır. Bu doktora tezinde, çok kanallı, çok seviyeli 1B-Evrişimli Sinir Ağ (CNN) yapısı, ham zaman alanlı titreşim sinyallerini işleyerek, rulman arızalarını daha erken seviyelerde geliştirilmiş bir performansla sınıflandırmak için tasarlanmış ve kullanılmıştır, ve dolayısıyla yapı kestirimci bakım amacıyla kullanılabilmektedir. Önerilen sistem, her biri farklı hata türleri için uzmanlaşmış kompakt 1B CNN'ler grubunu eş zamanlı olarak farklı hata türlerini ({iç bilezik arızası, dış bilezik arızası, yuvarlanan eleman arızası}, gibi) tanımlamak için kullanmakta ve tanımlanan arıza tipine ait iki seviyeli ({erken seviye arıza, gelişmiş seviye arıza}, gibi) arıza tespiti başarmaktadır. Ek olarak, gerçek zamanlı uygulamalar gerçekleştirebilmek için veri ön işleme olarak kayan pencere tekniği uygulanmaktadır. Rulman hataları için en zengin bilgi kaynağı olan titreşim sinyalleri, özellikle hataların erken tespiti için seçilmiştir ve Ulusal Havacılık ve Uzay Dairesi (NASA) ile işbirliği içindeki Cincinnati Üniversitesi, Akıllı Bakım Sistemleri Merkezi (IMS) tarafından sağlanan referans titreşim veri seti, önerilen yaklaşımın performansını doğrulamak ve sonuçları geleneksel tek eksenli veri tabanlı hata algılama yöntemleriyle karşılaştırmak için bu tezdeki deneylerde kullanılmaktadır.Conference Object Citation - Scopus: 1Classification of Holter Registers by Dynamic Clustering Using Multi-Dimensional Particle Swarm Optimization(2010) Kiranyaz S.; İnce, Türker; Pulkkinen J.; Gabbouj M.In this paper, we address dynamic clustering in high dimensional data or feature spaces as an optimization problem where multi-dimensional particle swarm optimization (MD PSO) is used to find out the true number of clusters, while fractional global best formation (FGBF) is applied to avoid local optima. Based on these techniques we then present a novel and personalized long-term ECG classification system, which addresses the problem of labeling the beats within a long-term ECG signal, known as Holter register, recorded from an individual patient. Due to the massive amount of ECG beats in a Holter register, visual inspection is quite difficult and cumbersome, if not impossible. Therefore the proposed system helps professionals to quickly and accurately diagnose any latent heart disease by examining only the representative beats (the so called master key-beats) each of which is representing a cluster of homogeneous (similar) beats. We tested the system on a benchmark database where the beats of each Holter register have been manually labeled by cardiologists. The selection of the right master key-beats is the key factor for achieving a highly accurate classification and the proposed systematic approach produced results that were consistent with the manual labels with 99.5% average accuracy, which basically shows the efficiency of the system. © 2010 IEEE.Master Thesis Customer Churn Prediction for Telecommunications Industry(İzmir Ekonomi Üniversitesi, 2014) Yabaş, Utku; İnce, Türker; Çankaya, Hakkı CandanMüşteri kaybetmek, telekom firmaları açısından kaybettirdiği para bakımından önemli bir endişedir. Bu tez çalışmasında, en son veri madenciliği yöntemlerini analiz ederek, servislerden ayrılacak veya başka bir firmanın servisini kullanmayı düşünen müşterileri tahmin etmek için yeni metotlar geliştirdik. Önerdiğimiz yaklaşımın performansını yoğun bir şekilde değerlendirdik. Bu değerlendirmeyi yapmak için Orange Telecom tarafından "Knowledge Discovery and Data Mining 2009"(KDD) yarışması için sunduğu gerçek ve kullanıma açık bir veri kümesi kullandık. Bu veri kümesinde toplam 100.000 örnek ve 230 değişken bulunmaktadır. Bu yüzden veri kümesi "büyük veri" kapsamına girmektedir. IBM bu yarışmada birinci olmuştur, ancak önemli ölçüde bilişimsel kaynak kullanmaktadır. Biz alternatif metotlar ve daha uygun kaynaklar kullanarak, yarışmadaki en yüksek skorlara ulaşmayı hedefledik. Bu çalışmada, toplu sınıflandırıcı teknikleri üzerine yoğunlaştık. Tek ve güçlü sınıflandırıcılar ile en son toplu sınıflandırıcıları "müşteri ayrılma" problemi için karşılaştırdık. Ayrıca, bu metotların performanslarını arttırmak için iyi performans gösteren sınıflandırıcıları seçerek; bunları oylayıcı sınıflandırıcı ile birleştirdik. Genel olarak, elde ettiğimiz sonuçlar, yarışmanın en yüksek sonuç alan resmi yarışmacıları ile yakındı. Önerdiğimiz yaklaşımın, "müşteri ayrılması tahmini" dışındaki başka zorlayıcı otomatik öğrenme problem alanları için de değerli olabileceğine inanıyoruz. Yöntemimizin doğruluğunu onaylamak için, UCI Machine Learning kütüphanesinden topladığımız veri kümeleri ile deneyler yaptık. Bu deneyler sonucunda çoğu veri kümesinde yöntemimiz, içinde bulunan toplu sınıflandırıcıdaki bütün algoritmalardan daha iyi sonuçlar elde etmiştir.Article Citation - WoS: 345Citation - Scopus: 446A Generic and Robust System for Automated Patient-Specific Classification of Ecg Signals(IEEE-Inst Electrical Electronics Engineers Inc, 2009) İnce, Türker; Kiranyaz, Serkan; Gabbouj, MoncefThis paper presents a generic and patient-specific classification system designed for robust and accurate detection of ECG heartbeat patterns. The proposed feature extraction process utilizes morphological wavelet transform features, which are projected onto a lower dimensional feature space using principal component analysis, and temporal features from the ECG data. For the pattern recognition unit, feedforward and fully connected artificial neural networks, which are optimally designed for each patient by the proposed multidimensional particle swarm optimization technique, are employed. By using relatively small common and patient-specific training data, the proposed classification system can adapt to significant interpatient variations in ECG patterns by training the optimal network structure, and thus, achieves higher accuracy over larger datasets. The classification experiments over a benchmark database demonstrate that the proposed system achieves such average accuracies and sensitivities better than most of the current state-of-the-art algorithms for detection of ventricular ectopic beats (VEBs) and supra-VEBs (SVEBs). Over the entire database, the average accuracy-sensitivity performances of the proposed system for VEB and SVEB detections are 98.3%-84.6% and 97.4%-63.5%, respectively. Finally, due to its parameter-invariant nature, the proposed system is highly generic, and thus, applicable to any ECG dataset.Conference Object Incremental Evolution of Collective Network of Binary Classifier for Content-Based Image Classification and Retrieval(2011) Kiranyaz S.; Uhlmann S.; Pulkkinen J.; İnce, Türker; Gabbouj M.In this paper, we propose an incremental evolution scheme within collective network of (evolutionary) binary classifiers (CNBC) framework to address the problem of incremental learning and to achieve a high retrieval performance for content-based image retrieval (CBIR). The proposed CNBC framework can still function even though the training (ground truth) data may not be entirely present from the beginning and thus the system can only be evolved incrementally. The CNBC framework basically adopts a "Divide and Conquer" type approach by allocating several networks of binary classifiers (NBCs) to discriminate each class and performs evolutionary search to find the optimal binary classifier (BC) in each NBC. This design further allows such scalability that the CNBC can dynamically adapt its internal topology to new features and classes with minimal effort. Both visual and numerical performance evaluations of the proposed framework over benchmark image databases demonstrate its efficiency and accuracy for scalable CBIR and classification. © 2011 IEEE.Conference Object Citation - WoS: 11Citation - Scopus: 21Network of Evolutionary Binary Classifiers for Classification and Retrieval in Macroinvertebrate Databases(IEEE, 2010) Kiranyaz, Serkan; Gabbouj, Moncef; Pulkkinen, Jenni; İnce, Türker; Meissner, KristianIn this paper, we focus on advanced classification and data retrieval schemes that are instrumental when processing large taxonomical image datasets. With large number of classes, classification and an efficient retrieval of a particular benthic macroinvertebrate image within a dataset will surely pose a severe problem. To address this, we propose a novel network of evolutionary binary classifiers, which is scalable, dynamically adaptable and highly accurate for the classification and retrieval of large biological species-image datasets. The classification and retrieval results for the macroinvertebrate test data attain taxonomic accuracy that equals and even surpasses that of an average expert. Our findings are encouraging for aquatic biomonitoring where cost intensity of sample analysis currently poses a bottleneck for routine biomonitoring.Research Project Genetik Arama ve Artımlı Öğrenen Yapay Sinir Ağı Sınıflayıcı Topluluklarına Dayalı Giysi Tasarım Algoritması ve Web Tabanlı Bir Giysi Öneri Platformunun Geliştirilmesi(2017) Bulgun, Ender; İnce, Türker; Güzeliş, Cüneyt; Vuruşkan, ArzuBu proje kapsamında, farklı vücut şekillerine uygun giysi tasarımı önerilerinin kullanıcılara sunulabilmesi için, genetik arama ve yapay sinir ağı sınıflandırması ile web tabanlı bir giysi tasarım platformu geliştirilmiştir. Çalışmada öncelikle, vücut şekli ve giysi formu arasında uyumu hedefleyerek, üst beden ve alt beden giysilerinin kombinasyonları veya elbise modelleri ile bunlara ait ayrıntıları içeren öznitelik kategorileri yaratılarak bir bilgi tabanı oluşturulmuştur. Tasarım önerilerinin geliştirilmesi ve kullanıcıya sunulması için 2 boyutlu 2080 giysi tasarımından oluşan bir arşiv yaratılmış ve 4 farklı vücut şekline uygun giysi kombinasyon örnekleri belirlenmiştir. Çalışmanın sonraki aşamasında, tasarım önerilerinin kullanıcıya sunulacağı etkileşimli web tabanlı bir platform tasarlanmıştır. Tasarlanan platformda, ilk olarak Yapay Sinir Ağı (YSA) sınıflayıcı olarak mevcut literatürden farklı olmak üzere, her bir giysi özelliğinin vücut şekli ile ilişkisini artımlı öğrenebilen YSA toplulukları kullanılmıştır. Böylece, kullanıcıların geri bildirimleriyle, sistemin sürekli bir biçimde artımlı olarak kendini geliştirmesi sağlanmıştır. Ancak, bu geliştirilen akıllı sistem yapısının artımlı öğrenme performansının istikrarlı olmadığı gözlenmiş ve iyileştirilememiştir. Artımlı öğrenme amacını YSA sınıflandırıcıları ile gerçekleştirmek yerine, Etkileşimli Genetik Algoritma (EGA) yöntemine başvurulmuştur ve özgün bir ?Artımlı Öğrenme ve Önerme Metodolojisi? geliştirilmiştir. Bu geliştirilen metodoloji ile gerçekleştirilen giysi öneri platformunun aynı anda artımlı öğrenme performansı ile vücut şekli/giysi şekli uyumluluğu performansı sanal kullanıcılar kullanılarak sınanmış ve iyi sonuçlar alınmıştır. Test aşamasının sonunda gerçek kullanıcılar ile yapılan anket neticesinde de, algısal olarak artımlı öğrenim sağlanmıştır. Gerçekleştirilen proje; 1)kadın vücut şekli ve giysi formu arasında uyumu hedefleyen giysi tasarımının akıllı sistemler ile gerçekleştirilmesi, 2)GA ve YSA?ya dayalı artımlı öğrenen bir akıllı sistem kullanılarak otomatik bir giysi tasarım süreci ve giysi öneri platformunun tasarlanması ve 3) geliştirilen akıllı sistemin kullanıcı etkileşimine dayalı olarak artımlı öğrenebilmesi, 4) böylece kişiye özel bir tasarım öneri sisteminin elde edilmesi açısından literatüre katkı sağlamaktadır.Conference Object Citation - Scopus: 5Collective Network of Evolutionary Binary Classifiers for Content-Based Image Retrieval(2011) Kiranyaz S.; Uhlmann S.; Pulkkinen J.; Gabbouj, Moncef; İnce, TürkerThe content-based image retrieval (CBIR) has been an active research field for which several feature extraction, classification and retrieval techniques have been proposed up to date. However, when the database size grows larger, it is a common fact that the overall retrieval performance significantly deteriorates. In this paper, we propose collective network of (evolutionary) binary classifiers (CNBC) framework to achieve a high retrieval performance even though the training (ground truth) data may not be entirely present from the beginning and thus the system can only be trained incrementally. The CNBC framework basically adopts a "Divide and Conquer" type approach by allocating several networks of binary classifiers (NBCs) to discriminate each class and performs evolutionary search to find the optimal binary classifier (BC) in each NBC. In such an evolution session, the CNBC body can further dynamically adapt itself with each new incoming class/feature set without a full-scale re-training or re-configuration. Both visual and numerical performance evaluations of the proposed framework over benchmark image databases demonstrate its scalability; and a significant performance improvement is achieved over traditional retrieval techniques. © 2011 IEEE.