Elif Feyza Sari
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Elif Feyza Sari has a total of 5 co-authors. Here are the top co-authors by number of shared publications:
- Orhan Yaman
Department of Digital Forensics Engineering, Firat University, 23119 Elazig, Turkey
2 shared publications - Abdulsamed Güneş
Firat Universitesi
1 shared publication - Hasan Yetiş
FIRAT ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ
1 shared publication - Mehmet Karakose
Computer Engineering Department, Firat University, 23119 Elazığ, Türkiye
1 shared publication - Nafiye Nur Apaydın
Firat University
1 shared publication
Latest Publications
- 24 July 2026
- Published by Bulent Evcevit University in Karaelmas Science and Engineering Journal
- Vol. 16 (2) , 129-139
Assessment of Regional Green Hydrogen Production Potential Using Multilayer Sensor and SHAP Analysis for Smart City Applications
This study aims to determine the regional hydrogen production potential of 2535 cities using a machine learning model based on renewable energy potential (photovoltaic and wind energy) and hydrogen production capacity data. The performance of the developed Multilayer Perceptron (MLP) model was evaluated using metrics such as R2 (R-Squared), RMSE (Root Mean Squared Error), and MAE (Mean Absolute Error). The model outputs were interpreted using SHAP (SHapley Additive exPlanations) analysis to indicate the effects of parameters influential in renewable energy production, such as solar radiation and wind speed, on hydrogen production. Furthermore, cities with the highest and lowest potential for green hydrogen production were identified and geographically visualized using the Folium library. The results show that the model can predict the regional green hydrogen production potential with high accuracy and map the most suitable regions for production. This study serves as an important guide for sustainable energy planning and the development of green hydrogen infrastructure towards reducing carbon emissions to zero.
- 24 July 2026
- Published by Bulent Evcevit University in Karaelmas Science and Engineering Journal
- Vol. 16 (2) , 129-139
Assessment of Regional Green Hydrogen Production Potential Using Multilayer Sensor and SHAP Analysis for Smart City Applications
This study aims to determine the regional hydrogen production potential of 2535 cities using a machine learning model based on renewable energy potential (photovoltaic and wind energy) and hydrogen production capacity data. The performance of the developed Multilayer Perceptron (MLP) model was evaluated using metrics such as R2 (R-Squared), RMSE (Root Mean Squared Error), and MAE (Mean Absolute Error). The model outputs were interpreted using SHAP (SHapley Additive exPlanations) analysis to indicate the effects of parameters influential in renewable energy production, such as solar radiation and wind speed, on hydrogen production. Furthermore, cities with the highest and lowest potential for green hydrogen production were identified and geographically visualized using the Folium library. The results show that the model can predict the regional green hydrogen production potential with high accuracy and map the most suitable regions for production. This study serves as an important guide for sustainable energy planning and the development of green hydrogen infrastructure towards reducing carbon emissions to zero.
- 1 December 2025
- Published by Igdir University in Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi
- Vol. 15 (4) , 1165-1177
Akan Görüntülerde Kavga tespiti için DenseNet121 ve Transfer Öğrenme Tabanlı Video Analiz Yöntemi
Ani gelişen kavga olaylarının erken tespiti ve bu olaylara hızlı ve etkili bir şekilde müdahale edilmesi, kamu güvenliğinin sağlanması ve olası olumsuz durumların önlenmesi açısından büyük bir öneme sahiptir. Günümüz teknolojik imkanları doğrultusunda, video tabanlı otomatik kavga tespit sistemleri, güvenlik güçlerine ve yetkililere zamanında uyarılar sağlayarak proaktif önlemler alınmasını mümkün kılmaktadır. Bu çalışmada, kavga (fight) ve kavga içermeyen (noFight) durumların doğru bir şekilde sınıflandırılabilmesi amacıyla derin öğrenme tabanlı bir yöntem önerilmektedir. Özellikle, görüntü işleme alanında başarılı sonuçlar elde eden DenseNet121 modeli kullanılarak transfer öğrenme yöntemiyle video tabanlı kavga tespiti gerçekleştirilmiştir. Deneysel çalışmalarda, literatürde yaygın olarak kullanılan Peliculas ve Hockey veri setleri değerlendirilmiş olup, önerilen yöntem ile Peliculas veri seti üzerinde %100 doğruluk (Accuracy), Hockey veri seti üzerinde ise %99.32 doğruluk elde edilmiştir. Elde edilen yüksek başarı oranları, önerilen yöntemin kavga tespitinde etkin bir şekilde kullanılabileceğini göstermektedir.
- 1 December 2025
- Published by Igdir University in Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi
- Vol. 15 (4) , 1165-1177
Akan Görüntülerde Kavga tespiti için DenseNet121 ve Transfer Öğrenme Tabanlı Video Analiz Yöntemi
Ani gelişen kavga olaylarının erken tespiti ve bu olaylara hızlı ve etkili bir şekilde müdahale edilmesi, kamu güvenliğinin sağlanması ve olası olumsuz durumların önlenmesi açısından büyük bir öneme sahiptir. Günümüz teknolojik imkanları doğrultusunda, video tabanlı otomatik kavga tespit sistemleri, güvenlik güçlerine ve yetkililere zamanında uyarılar sağlayarak proaktif önlemler alınmasını mümkün kılmaktadır. Bu çalışmada, kavga (fight) ve kavga içermeyen (noFight) durumların doğru bir şekilde sınıflandırılabilmesi amacıyla derin öğrenme tabanlı bir yöntem önerilmektedir. Özellikle, görüntü işleme alanında başarılı sonuçlar elde eden DenseNet121 modeli kullanılarak transfer öğrenme yöntemiyle video tabanlı kavga tespiti gerçekleştirilmiştir. Deneysel çalışmalarda, literatürde yaygın olarak kullanılan Peliculas ve Hockey veri setleri değerlendirilmiş olup, önerilen yöntem ile Peliculas veri seti üzerinde %100 doğruluk (Accuracy), Hockey veri seti üzerinde ise %99.32 doğruluk elde edilmiştir. Elde edilen yüksek başarı oranları, önerilen yöntemin kavga tespitinde etkin bir şekilde kullanılabileceğini göstermektedir.