Now showing items 1-14 of 14

    • Bağlam ağaçları ile ardışık doğrusal olmayan bağlanım 

      Vanlı, N. Denizcan; Kozat, Süleyman S. (IEEE, 2014-04)
      Bu bildiride, ardışık doğrusal olmayan bağlanım problemi incelenmiş ve bağlam ağaçları kullanarak etkili bir öğrenme algoritması sunulmuştur. Bu amaçla, bağlanım alanı parçalara ayrılmış ve oluşan bölgeler bağlam ağacı ile ...
    • Competitive and online piecewise linear classification 

      Özkan, Hüseyin; Donmez, M.A.; Pelvan O.S.; Akman, A.; Kozat, Süleyman S. (IEEE, 2013)
      In this paper, we study the binary classification problem in machine learning and introduce a novel classification algorithm based on the 'Context Tree Weighting Method'. The introduced algorithm incrementally learns a ...
    • Comprehensive lower bounds on sequential prediction 

      Vanlı, N. Denizcan; Sayın, Muhammed O.; Ergüt, S.; Kozat, Süleyman S. (IEEE, 2014-09)
      We study the problem of sequential prediction of real-valued sequences under the squared error loss function. While refraining from any statistical and structural assumptions on the underlying sequence, we introduce a ...
    • Dürtün gürültüye karşı sağlam küme üyeliği süzgeç algoritmaları 

      Sayın, Muhammed Ö.; Vanlı, N. Denizcan; Kozat, Süleyman S. (IEEE, 2014-04)
      Bu bildiride, dürtün gürültüye karşı sağlam küme üyeliği süzgeç algoritmaları öneriyoruz. İlk olarak küme üyeliği düzgelenmiş en küçük mutlak fark algoritmasını (SM-NLAD) tanıtıyoruz. Bu algoritma hatanın karesi yerine ...
    • Efficient NP tests for anomaly detection over birth-death type DTMCs 

      Özkan, H.; Özkan, F.; Delibalta, I.; Kozat, Süleyman S. (Springer New York LLC, 2018)
      We propose computationally highly efficient Neyman-Pearson (NP) tests for anomaly detection over birth-death type discrete time Markov chains. Instead of relying on extensive Monte Carlo simulations (as in the case of the ...
    • Efficient online learning with improved LSTM neural networks 

      Mirza, Ali H.; Kerpiçci, Mine; Kozat, Süleyman S. (Elsevier, 2020-04-14)
      We introduce efficient online learning algorithms based on the Long Short Term Memory (LSTM) networks that employ the covariance information. In particular, we introduce the covariance of the present and one-time step past ...
    • Energy consumption forecasting via order preserving pattern matching 

      Vanlı, N. Denizcan; Sayın, Muhammed O.; Yıldız, Hikmet; Göze, Tolga; Kozat, Süleyman S. (IEEE, 2014-12)
      We study sequential prediction of energy consumption of actual users under a generic loss/utility function. Particularly, we try to determine whether the energy usage of the consumer will increase or decrease in the future, ...
    • Growth optimal investment with threshold rebalancing portfolios under transaction costs 

      Tunc, S.; Donmez, M.A.; Kozat, Süleyman S. (IEEE, 2013)
      We study how to invest optimally in a stock market having a finite number of assets from a signal processing perspective. In particular, we introduce a portfolio selection algorithm that maximizes the expected cumulative ...
    • Improved convergence performance of adaptive algorithms through logarithmic cost 

      Sayın, Muhammed O.; Vanlı, N. Denizcan; Kozat, Süleyman S. (IEEE, 2014-05)
      We present a novel family of adaptive filtering algorithms based on a relative logarithmic cost. The new family intrinsically combines the higher and lower order measures of the error into a single continuous update based ...
    • Nonlinear regression via incremental decision trees 

      Vanlı, N.; Sayın, M.; Neyshabouri, Mohammadreza Mohaghegh; Özkan, H.; Kozat, Süleyman S. (Elsevier, 2019)
      We study sequential nonlinear regression and introduce an online algorithm that elegantly mitigates, via an adaptively incremental hierarchical structure, convergence and undertraining issues of conventional nonlinear ...
    • A novel distributed anomaly detection algorithm based on support vector machines 

      Ergen, Tolga; Kozat, Süleyman S. (Elsevier, 2020-01)
      In this paper, we study anomaly detection in a distributed network of nodes and introduce a novel algorithm based on Support Vector Machines (SVMs). We first reformulate the conventional SVM optimization problem for a ...
    • Parametrik olmayan yoğunluk tahmincileri ile ardışık anomali tespiti 

      Kerpiççi, Mine; Kozat, Süleyman S.; Özkan, H. (IEEE, 2019-04)
      Bu bildiride, gözlemlenen verideki anomalileri, gözetimsiz bir çerçevede, iki aşamalı yöntemle bulmak için anomali tespit algoritması tanıtılmıştır. İlk aşamada, ardışık olarak gözlemlenen verinin yoğunluğu çekirdek temelli ...
    • Piecewise nonlinear regression via decision adaptive trees 

      Vanlı, N. Denizcan; Sayın, Muhammed O.; Ergüt, S.; Kozat, Süleyman S. (IEEE, 2014-09)
      We investigate the problem of adaptive nonlinear regression and introduce tree based piecewise linear regression algorithms that are highly efficient and provide significantly improved performance with guaranteed upper ...
    • Yapısal veri belirsizlikleri altında yarışmacı doğrusal MMSE kestirim 

      Vanlı, N. Denizcan; Sayın, Muhammed Ö.; Kozat, Süleyman S. (IEEE, 2014-04)
      Bu bildiride, yapısal veri belirsizlikleri altında doğrusal kestirim problemi incelenmektedir. Maliyet fonksiyonu olarak ortalama karesel hata (MSE) düşünülmüştür ve sınırlı belirsizlikler altında gürbüz bir algoritma ...