Adem Alpaslan Altun

Long Term Electricity Demand Forecasting in Turkey Using Artificial Neural Networks

Abstract This article presents an approach for Turkeys long-term electricity demand forecasting. Two Artificial Neural Network structures, three-layered back-propagation and a recurrent neural network are designed and tested for this purpose. Predictions are done for the years 2008 to 2014. Since long-term forecasting is mainly influenced by economic factors, this study focuses on economic data. The proposed approach produces lower percent errors, especially in the recurrent neural network. The forecast results by artificial neural networks are also compared with official forecasts.

Cost optimization of mixed feeds with the particle swarm optimization method

In this study, the best mixed feed was prepared by using the algorithm of particle swarm optimization (PSO) and by taking into account the breeding type and method of the poultries and various farm animals (cattle, sheep, rabbit), their needs, ages, and feeding costs and optimizing them all. Results obtained through PSO were compared through linear programming and real-coded genetic algorithm. According to the results that were obtained, PSO produces more rapid, more stable, and optimum values.

GENETIC ALGORITHM BASED FEATURE SELECTION LEVEL FUSION USING FINGERPRINT AND IRIS BIOMETRICS

An accuracy level of unimodal biometric recognition system is not very high because of noisy data, limited degrees of freedom, spoof attacks etc. problems. A multimodal biometric system which uses two or more biometric traits of an individual can overcome such problems. We propose a multimodal biometric recognition system that fuses the fingerprint and iris features at the feature extraction level. A feed-forward artificial neural networks (ANNs) model is used for recognition of a person. There is a need to make the training time shorter, so the feature selection level should be performed. A genetic algorithms (GAs) approach is used for feature selection of a combined data. As an experiment, the database of 60 users, 10 fingerprint images and 10 iris images taken from each person, is used. The test results are presented in the last stage of this research.

Neural Network Based Recognition by Using Genetic Algorithm for Feature Selection of Enhanced Fingerprints

In order to ensure that the performance of a fingerprint recognition system will be powerful with respect to the quality of input fingerprint images, the enhancement of fingerprints is essential. In this study wavelet transform and contourlet transform which is a new extension of the wavelet transform in two dimensions are applied for fingerprint enhancement. In addition, feature selection is a process that chooses a subset of features from the original fingerprint features so that the feature space is optimally reduced according to a certain criterion. In this study, a Genetic Algorithms (GAs) approach to fingerprint feature selection is proposed and selected features are input to Artificial Neural Networks (ANNs) for fingerprint recognition. The performance has been tested on fingerprint recognition.

A combination of Genetic Algorithm, Particle Swarm Optimization and Neural Network for palmprint recognition

In this study, a new approach to the palmprint recognition phase is presented. 2D Gabor filters are used for feature extraction of palmprints. After Gabor filtering, standard deviations are computed in order to generate the palmprint feature vector. Genetic Algorithm-based feature selection is used to select the best feature subset from the palmprint feature set. An Artificial Neural Network (ANN) based on hybrid algorithm combining Particle Swarm Optimization (PSO) algorithm with back-propagation algorithms has been applied to the selected feature vectors for recognition of the persons. Network architecture and connection weights of ANN are evolved by a PSO method, and then, the appropriate network architecture and connection weights are fed into ANN. Recognition rate equal to 96% is obtained by using conjugate gradient descent algorithm.

Recognition of fingerprints enhanced by contourlet transform with artificial neural networks

In order to ensure that the performance of a fingerprint recognition system will be powerful with respect to the quality of input fingerprint images, it is essential which requires the enhancement of fingerprint images. Two methods are proposed for fingerprint image enhancement in this study. The first one is performed using local histogram equalization and noise reduction filters. In the second method a wavelet transform and a contourlet transform which is a new extension of the wavelet transform in two dimensions are applied. A method is also developed to recognize fingerprints by using artificial neural network (ANN) which is trained by dataset, called FingerCode, obtained from a filterbank. For every fingerprint, fixed length feature vectors are obtained and these vectors are applied a matching process by using ANN. Experimental results show that the recognition rate of ANN using the obtained feature vectors after enhanced by contourlet transform is 99.6%

A wireless sensor network based on zigbee for ECG monitoring system

This paper describes the development of a remote monitoring system for ECG signals. Electrical activities obtained from the body are of great help both in the diagnosis of the disease and the follow of the patient. A ZigBee based wireless network via a device integrated into the belt is used to transmit the signals to the system. Thus, analog signal is measured with the multichannel ADC unit of the MSP430F2274 processors; this information is transferred to a device with a USB port by using ZigBee network and finally observation and storing are carried out by being converted to a PC. With this system, signals obtained from the patients can be monitored simultaneously.

Fingerprint image enhancement using filtering techniques

Minutiae extraction is one of the most important steps for automatic fingerprint identification and classification systems. The performance of minutiae extraction can be changed depends on an image enhancement algorithm. Minutiaes of the fingerprint are local discontinuities in the fingerprint pattern as terminations and bifurcations. In this work, we propose two methods for fingerprint image enhancement. The first one is carried out using local histogram equalization, noise reduction filters, and image binarization. In noise reduction step, linear, median and wiener filters are used. The results are compared with each other with regard to performance. In the second method a contourlet transform is applied. Contourlet transform is a new extension of the wavelet transform in two dimensions using multiscale and directional filter banks for direct grayscale enhancement. The results achieved from this method are compared with those obtained from wavelet transform. Both methods mentioned above are increase the efficiency of minutiae extraction with regard to minutiae specification and process time. 1. Giriş Biyometrik özellik olarak parmakizleri günümüzde personel tanıma amacıyla oldukça geniş bir alanda kullanılmaktadır. Parmakizi karşılaştırması için kullanılan otomatik sistemlerin birçoğu ayrıntı eşleştirme üzerinedir. Bir mürekkeplenmiş parmakizinin sayısallaştırılması veya doğrudan sensörden taranmasıyla elde edilen parmakizi görüntüsünden ayrıntıları çıkarmak için öncelikle bir hat yapısı elde edilmelidir. Elde edilen görüntünün kalitesi gibi parmakizi görüntüsündeki hat yapıları her zaman iyi tanımlanmamış olabilir [2]. Bundan dolayı elde edilen görüntünün ön işlenmesi gibi bazı iyileştirme işlemleri, daha güvenilir ayrıntı çıkarımı elde etmek için gereklidir. Ayrıntı karakteristikleri, hat sonları ve çatallaşmalar gibi parmakizi görüntüsündeki lokal süreksizliklerdir. Bir hat sonu, hattın birdenbire sonlandığı nokta olarak tanımlanır. Hat çatallaşması ise hattın çatallaştığı veya ikiye ayrıldığı hat noktaları olarak tanımlanır. Şekil 1’de hat sonu ve çatallaşmalar gösterilmektedir. Güvenilir olarak ayrıntı çıkarımı, parmakizi sınıflandırması ve tanınmasında önemli adımlardan birisidir. Parmakizi görüntüsündeki hat yapıları her zaman iyi tanımlanmayabilir ve bu yüzden görüntü iyileştirme yöntemleri kullanılarak hat yapıları daha açık hale getirilir. Literatürde önerilen ayrıntı belirleme metotlarının çoğu, doğrudan gri ölçekli görüntülerden ayrıntı çıkaran görüntüyü ikiliye dönüştürme tabanlıdır [3,4]. Bu yaklaşımla ilgili olarak bu çalışmada parmakizi görüntü iyileştirme işlemi için iki metot önerilir. Birinci metotta lokal histogram eşitleme, gürültü azaltma filtreleri ve görüntüyü ikiliye dönüştürme kullanılır. İkinci metotta parmakizi görüntüsünün yapısına uygun olduğunu düşündüğümüz iki boyutlu gelişmiş dalgacık dönüşümü olan contourlet (kenarcık) dönüşümü uygulanmıştır. 2. İkiliye Dönüştürme Bazı ikiliye dönüştürme tabanlı uygulamalarda başlangıç görüntüsünü düzenlemek için ikiliye dönüştürme ve inceltme işlemleri gerçekleştirilir. Bu çalışmada ön işleme için filtreleme ve gürültü azaltma tekniklerinin birleştirildiği bir iyileştirme işlemi kullanılır. Parmakizi görüntüsündeki hatları ikiliye dönüştürmek için önerilen iyileştirme işleminin temel aşamaları şekil 2 de gösterilmiştir. 0-7803-9238-8/05/

Road vehicles identification and positioning system

20.00 ©2005 IEEE Şekil 1. Parmakizi ayrıntıları, hat sonu(O) ve çatallaşma(□) Şekil 2. İkiliye dönüştürme tabanlı iyileştirme yöntemi Lokal histogram eşitleme, kontrast genişlemesi için kullanılır. Parmakizi görüntüsündeki gürültüleri azaltmak için filtreleme yapılır. İkiliye dönüştürme işlemi, lokal yoğunluk ortalaması tabanlı uyarlamalı eşik ile uygulanır. İnceltme işlemi ise parmakizi üzerinde iyi sonuçlar alabilmek için görüntüdeki hatların inceltilerek ayrıntıların daha kolay elde edilmesini sağlar [1]. Morfolojik filtreleme ise gürültülü bölgelerdeki bozuklukları ortadan kaldırmak ve doğru hatlar üzerindeki bazı boşlukları doldurmak için kullanılır. 2.1. Kontrast İyileştirme Histogram eşitleme, q gri seviye içerisine bir düzenli dağılımlı p gri seviye eşlemesini tanımlar. Bu eşleme, maksimum histogramın yanında gri seviye aralığını genişleterek kontrastı yayar [5]. Kontrast, görüntü piksellerinin çoğu için genişletildiğinden dolayı dönüşüm, görüntü ayrıntılarının ortaya çıkarılabilirliğini artırır. Bir piksel yoğunluğu seviyesi rk için muhtemel yoğunluk fonksiyonu aşağıdaki gibidir. n n r p k k r = ) ( (1) Burada 0<rk<1; k=0,1,2,...,255; nk, rk yoğunluk seviyesindeki piksellerin sayısı ve n, toplam piksel sayısıdır. Histogram, rk ya karşı pr(rk) nın çizilmesiyle elde edilir. k seviyesinin yeni yoğunluk değeri sk aşağıdaki gibi tanımlanır.

Edge Detection by Using IJA Automaton

Radio frequency identification (RFID) is untouched automatic identification technologies in which information can be transmitted by radio frequency. In this study, an RFID system which can determine the position and place of any desired vehicle is designed and developed. Microprocessor transmitter devices, on which the vehicle information is loaded, are placed on the vehicles. Receiver circuits are located at certain points in order to receive the RF signals sent by these transmitter devices. The communication of all the points with each other is maintained by connecting the receiver circuits via the internet. The functionality of the system is tested by performing receiver-transmitter experiments based on the various speeds and locations of the vehicles. According to the results obtained in the experiments, it is seen that the system designed in the study could be used in place of the GPS system for determining the place and position of vehicles, since it is more economical when compared to the GPS system.