• BAP Doktora Tez Projesi_TEZ-D-109-2023-11363: Fizik Bilgili Sinir Ağlarını (PINN) Çok Değişkenli Zaman Serisi Modellerine Uyarlanması

Zaman serilerinin çoğunlukla düzensiz ve karmaşık bir yapısı vardır. Bu nedenle, zaman serisi analizindeki en önemli iş, geçmiş gözlemlerin analizinden gelecekteki verilerin doğru tahminlerini elde etmektir. Derin öğrenme yöntemleri, serideki altta yatan desen hakkında hiçbir varsayım yapmayan ve aynı zamanda gürültüye daha dayanıklı olan en son tekniklerdir, bu nedenle son zamanlarda zaman serisi tahmini için en çok tercih edilen yöntemlerden biri olmuştur. Fizik Bilgili Sinir Ağı (PINN), bir sistem üzerinde hüküm süren altta yatan fiziksel yasaları sinir ağlarının gücü ile birleştiren derin öğrenme yöntemidir. Bu çalışmada, amacımız çok değişkenli zaman serileri için PINN yöntemini geliştirmektir.

Proje Yürütücüsü: Prof. Dr. Ceylan Yozgatlıgil

Doktora öğrencisi: Petek Aydemir

• BAP Genel Araştırma Projesi: GAP-109-2023-11361: Zaman Serilerinde Durağanliğin Yapay Zeka ile Tespit Edilmesi

Doğadaki birçok veri, zaman içinde belirli bir örüntü gösteren ve birbiriyle ilişkili bir şekilde oluşur. Bu yapıyı analiz ederek verinin gelecekte nasıl bir davranış göstereceğini zaman serisi analizi ile ortaya koyarız. Zaman serilerinin bu yapısı zaman içinde ortalamadan çok sapmalar gösterdiğinde, bir trend oluşturduğunda istatistiksel özelliklerini belirlemek neredeyse imkansız hâle gelmektedir. Çünkü, en basit hesaplayabileceğimiz karakteristikler olan 1. ve 2. momentleri bile zamana bağlı olarak değişim gösterecektir. Bu sebeple zaman serisinin yapısını doğru bir şekilde anlayabilmek, geleceği öngörebilmek için durağanlık varsayımına ihtiyaç duyarız. Var olan verilerin çoğu durağan olmayan yapıdadır. Durağanlığı test etmek için birçok analiz geliştirilmiştir ancak geliştirilen testlerin istatistiksel özellikleri beklenen düzeyde başarı göstermemektedir. Bu çalışmada birçok değişik yapıda ve uzunlukta, benzetim yöntemiyle üretilmiş ve gerçek hayat verilerini de içeren durağan ve durağan olmayan zaman serisini kullanarak bir yapay zekâ algoritmasıyla eğiterek algoritmaya verilen bir serisinin durağan olup olmadığını yüksek başarı ile verebilecek, hatta durağanlığı bozan durumun nedenini de ortaya koyabilecek bir algoritma geliştirmek amaçlanmaktadır. Bir çok değişik yapay sinir ağı mimarisini kullanarak en iyi yönteme karar verilecektir. Bunu yapabilmek için üretilen serileri orjinal haliyle algoritmaya girdi olarak vermek yerine Dalgacık (Wavelet), Değişken Otomatik Kodlayıcılar (Variational Autoencoder) veya Evrişimli yapay sinir ağlarından (Convolutional Neural Network (CNN)) yararlanarak veri hakkındaki tüm bilgiyi sıkıştırılmış bir şekilde muhafaza eden değişkenler üreterek bunların algoritmayı beslemesi planlanmaktadır.

Proje Yürütücüsü: Prof. Dr. Ceylan Yozgatlıgil

Araştırmacılar: Ozancan Özdemir, Cemre Pınar Yazıcı

• ARDEB-1001_121E107: El için Robotik Ayna Terapi Sisteminin Motor Öğrenme Temelli Geliştirilmesi

Proje, makine mühendisliği, sinirbilim, istatistik, nöroloji, fiziksel tıp ve rehabilitasyon ve endüstriyel tasarım disiplinlerinden oluşan araştırmacıların yer aldığı bir ekip ile yürütülecektir. Proje aynı zamanda Nörobilim ve Nöroteknoloji Mükemmeliyet Merkezi, NÖROM (noro-m.org), tarafından da desteklenmektedir. Önerdiğimiz proje hemipleji hastalarına yönelik, çimdik/ince kavrama hareketini konu edinen robotik el rehabilitasyonunu hedeflemektedir. İyileşme sırasında beyindeki motor yeniden öğrenme mekanizmalarını anlama, hastaya özel modeler geliştirme gibi hedefler, projenin akademik ve bilimsel derinliğine de katkı sağlamaktadır.

Proje Yürütücüsü: Doç. Dr. Kutluk Bilge Arıkan

Araştırmacı: Prof. Dr. Ceylan Yozgatlıgil

Bursiyer: Ozancan Özdemir

• Gap-ODTÜ Projesi: Sinirbilim Verilerinde Zihinsel İş Yükü Sınıflandırmasında Makine Öğrenmesi ve İleri İstatistiksel Yöntemlerin Uygulanması (Ağustos 2023-Devam Ediyor)

       Proje Yürütücüsü: Fulya Gökalp Yavuz

       Araştırmacı: Serenay Çakar

• AGEP-ODTÜ Projesi: ETU Veri Bilimi Ekosistemi (2019-2023 [Fonlu] - 2023-Devam Ediyor [Fonsuz])

Bu projenin çıkış noktasını anlatan makaleye buradan ulaşabilirsiniz.

• Diğer Resmi Kurumlarca Desteklenen Proje: Afetlerin Ekonomik Etkilerinin Modellenmesi (Endeks Tabanlı) (2020-2022) 

• Tübitak 1001: COVID-19 Verilerinin İstatistiksel Analizi, Modellenmesi ve Olası Risk İndeksinin Geliştirilmesi (2020-2021)

Bu projenin çıktılarına buradan ve buradan ulaşabilirisiniz.

• Makine Öğrenmesi Teknikleri ile Muğla ve Kütahya illerindeki Deprem Büyüklüğünün ve Yönünün Tahminlenmesi, En İyi Poster Ödülü

Öğrenci: Ozancan Ozdemir

Danışman: Prof. Dr. Ceylan Yozgatlıgil