Çizelge 4.1 Bilgisayar ile insan beyni arasındaki çalıma sistem yapısının karılatırılması BLGSAYAR NSAN BEYN
|
|
- Kelebek Şirin
- 5 yıl önce
- İzleme sayısı:
Transkript
1 4. YAPAY SNR ALARI 4.1 Giri Yapay sinir aları ya da kısaca YSA; insan beyninin çalıma sisteminin yapay olarak benzetimi çabalarının bir sonucu olarak ortaya çıkmıtır. En genel anlamda bir YSA insan beynindeki birçok nöronun (sinir hücresinin), ya da yapay olarak basit ilemcilerin birbirlerine deiik etki seviyeleri ile balanması sonucu oluan karmaık bir sistem olarak düünülebilir. Önceleri temel tıp birimlerinde insan beynindeki nöronların matematiksel modelleme çabaları ile balayan çalımalar, geçtiimiz on sene içerisinde, disipline bir ekil almıtır. YSA bugün fizik, matematik, elektrik ve bilgisayar mühendislii gibi çok farklı bilim dallarında aratırma konusu haline gelmitir. YSA'nın pratik kullanımı genelde, çok farklı yapıda ve formlarda bulunabilen informasyon verilerini hızlı bir ekilde tanımlama ve algılama üzerinedir. Aslında mühendislik uygulamalarında YSA'nın geni çaplı kullanımının en önemli nedeni, klasik tekniklerle çözümü zor problemler için etkin bir alternatif oluturmasıdır. Çünkü bilgisayarlar insanın beyinsel yeteneinin en zayıf olduu çarpma, bölme gibi matematiksel ve algoritmik hesaplama ilemlerinde hız ve doruluk açısından yüzlerce kat baarılı olmalarına ramen insan beyninin örenme ve tanıma gibi ilevlerini hala yeteri kadar gerçekletirememektedir. Çizelge 4.1'de bilgisayar ile insan beyni arasındaki çalıma sistem yapısı karılatırmalı olarak verilmitir. Çizelge 4.1 Bilgisayar ile insan beyni arasındaki çalıma sistem yapısının karılatırılması BLGSAYAR NSAN BEYN Sayısal Analog Seri Paralel Komut Kümeli Bilgiye Adapte Olma Yanlı Hesaplamalar Sonucu Etkiler Birimlerin Ana lemlere Etkisi Azdır Giri Verilerindeki Hatalar Sonucu Etkiler Giri Verilerindeki Hatalara Her Zaman Duyarlı Deil 4.2 YSA'nın Tanımı ve Modeli YSA'nın tanımı YSA paralel daılmı bir bilgi ileme sistemidir. Yani, YSA nın temelinde, zeka gerektiren ilemlerden oluan bilgi ileme ilevi vardır. Bu sistem tek yönlü iaret kanalları (balantılar) ile birbirine balanan ilem elemanlarından oluur. Çıkı iareti bir tane olup istee göre çoaltılabilir. YSA yaklaımının temel düüncesiyle, insan beyninin fonksiyonları arasında benzerlik vardır. Bu yüzden YSA sistemine insan beyninin modeli denilebilir. YSA çevre artlarına göre davranılarını ekilleyebilir. Giriler ve istenen çıkıların sisteme verilmesi ile
2 kendisini farklı cevaplar verebilecek ekilde ayarlayabilir. Ancak son derece karmaık bir içyapısı vardır. Onun için bugüne kadar gerçekletirilen YSA; biyolojik fonksiyonların temel nöronlarını örnek alarak yerine getiren kompoze elemanlar olmutur Nöronun biyolojik yapısı ve nöron modeli nsanın bilgi ileme olayı beyninde gerçekleir. Gerçektende en karmaık sinir aı Cerebral Cortex denilen beyin dir. Sinir sisteminin en basit yapısı nöronlardır. Beyinde yaklaık olarak sinir hücresi vardır. Yine hücre baına balantı sayısı ise 10 4 mertebesindedir. Beyin için çalıma frekansı 100 Hz dir. Fiziksel boyutları ise 1.3 kg ve 0.15 m 2 kesitlidir. Vücudun deiik yerleri ile bilgi alıverii yapan nöron hücresidir. ekil 4.1 de basit bir nöron hücresi görülmektedir. ekil 4.1 Basit bir nöron yapısı Nöron, soma adı verilen hücre gövdesi dentrit denilen kıvrımlı uzantılar ve somanın dalları sayesinde nöronu dallarına balayan tek sinir fiberli aksondan oluur. Dendrit'ler hücreye gelen girileri toplarlar. Dendrit tarafından alınan iaretler hücrede birletirilerek bir çıkı darbesi üretilip üretilemeyeceine karar verilir. Eer bir i yapılacaksa üretilen çıkı darbesi aksonlar tarafından taınarak dier nöronlarla olan balantılara veya terminal organlara iletilir. Beyindeki korteksde her nöronun bir karılıı vardır. Bir nöronun çıkıı ona balı olan bütün nöronlara iletilir. Fakat korteks, iin yapılabilmesi için hangi nöron harekete geçirilecekse, sadece ona komut gönderir. Somanın içinde ve çevresinde sodyum, kalsiyum, potasyum ve klor iyonları vardır. Potasyum younluu nöronun içinde, sodyum younluu dıındadır. Somanın zarı elektriksel olarak uyarılınca (söz konusu uyarı genellikle bir gerilim dümesidir) zar, Na ve Ca gibi dier iyonların içeri geçmesine izin verir ve somanın iç durumunu deitirir. Nöronlar arasındaki balantılar hücre gövdesinde veya "sinaps" adı verilen dendritlerdeki geçilerde olur. Yardımcı bir benzetme aksonlarla, dendritleri elektrik sinyallerini nörona ileten deiik empedansdaki yalıtılmı iletken olmasıdır. Sinir sistemi milyarlarca nöron ile tek bir nörondan çıkan aksonun kadar dier nöronu balayan bir adır. Sinapslarla düzeltilen iaretleri
3 taıyan aksonlar ve dendritlerle içiçe geçmi nöronlar bir sinir aı olutururlar. ekil 4.2'de en basit formda gösterilen nöron modeli, bir eik birimi olarak algılanabilir. ekil 4.3 de ise YSA nın genel blok eması gösterilmektedir. X 0 Kutup+1 I=X 1 W 11 +X 2 W 12 I 1 Y i X 1 W 11 0 W 12 X 2 ekil 4.2 Nöron modeli GR EYLEM BÇM ÖRENME BÇM ÇIKI STENEN ÇIKI ekil 4.3 YSA nın genel blok eması Eik birimi, çıkıları toplayan ve sadece giriin toplamı iç eik deerini atıında bir çıkı üreten ilem elemanıdır. Bir eik birimi olarak nöron sinapslarındaki iaretleri alır ve hepsini toplar. Eer toplanan iaret gücü eii geçecek kadar güçlü ise dier nöronları ve dendritleri uyaran akson boyunca bir iaret gönderilir. Kesien dendritlerden gelen sinapslarla kapılanan bütün iaretleri soma toplar. Toplam iaret daha sonra nöronun iç eik deeri ile karılatırılır ve eik deerini amısa aksona bir iaret yayar. YSA, bu basit nöronların (düümlerin ya da ünitelerin) balanarak bir a'a dönütürülmesiyle meydana getirilir. 4.3 YSA'nın Yapısı ve lem Elemanı YSA temel olarak, basit yapıda ve yönlü bir graf biçimindedir. Her bir düüm hücre denilen n. dereceden lineer olmayan bir devredir. Düümler ilem elemanı olarak tanımlanır. Düümler arasında balantılar vardır. Her balantı tek yönlü iaret iletim yolu (gecikmesiz) olarak görev yapar. Her ilem elemanı istenildii sayıda giri balantısı ve tek bir çıkı balantısı alabilir. Fakat bu balantı kopya edilebilir. Yani bu tek çıkı birçok hücreyi besleyebilir. A'daki tek gecikme, çıkıları ileten balantı yollarındaki iletim gecikmeleridir. lem elemanının çıkıı istenilen matematiksel tipte olabilir. Kısmen sürekli çalıma konumunda "aktif" halde eleman bir çıkı iareti üretir. Giri iaretleri YSA'na bilgi taır. Sonuç ise çıkı iaretlerinden alınabilir. ekil 4.4 'de genel bir ilem elemanı (nöron, düüm) gösterilmitir.
4 X 2 GRLER X 3 X 1 θ 0 (Aktif Yapma areti) TRANSFER FONKSYONU YEREL BELLEK y ekil 4.4 Genel ilem elemanı yapısı YSA birtakım alt kümelere ayrılabilir. Bu alt kümelerdeki elemanların transfer fonksiyonları aynıdır. Bu küçük gruplara "katman" layer adı verilir. A katmanların birbirlerine hiyerarik bir ekilde balanmasından olumutur. Dı dünyadan alınan bilgi giri katmanı ile taınır. Bir transfer fonksiyonları yoktur. YSA transfer fonksiyonu ve yerel bellek elemanı, bir örenme kuralı ile giri çıkı iareti arasındaki baıntıya göre ayarlanır. Girii aktif yapabilmek için yukarıda adı geçen kural ve iaretlerin bir zamanlama fonksiyonu tanımlaması gerekebilir. Kısaca bir YSA dan beklenen görev, gerçek dünyadaki nesneler ile biyolojik sinir aının yaptıı ilevi, benzer bir yolla yerine getirmesidir. YSA nın giri veri tipleri ikili (binary) 0-1 veya sürekli deerlerdir. Bu giri durumlarından baka, ilem elemanlarına ait girileri matematiksel olarak da sınıflamak gerekmektedir. Çünkü bir ilem elemanına gelen girilerin bir kısmı azaltıcı uyarma girileri olmaktadır. Bu arttırıcı veya azaltıcı giriler giri sınıflarını oluturur Giri iareti sınıfları lem elemanının transfer fonksiyonu, giriine gelen bütün iaretler için tanımlanır. Bazen deiik katman davranılarının farklı olması tabiidir. aretlerin hangi bölgelerden geldiinin bilinmesi gerekir. Deiik bölgelere göre iaretlerin sınıfları tamamlanabilir. Sıkça izlenen bir yapı ise merkezde evet/çevrede hayır (on centre/off surround) yapısıdır. ekil 4.5'de bu yapı gösterilmektedir. Meksika apkasına benzer balantı tipindedir.
5 ekil 4.5 Komu hücrelerin merkez hücreye etkisi lem elemanı tetikleyici girilerin kendine yakın komu girilerden yasaklanan girilerini daha uzaktan alır. Böylece ilem elemanına gelen giriler sınıflarına göre deerlendirilmi olur. Tetikleyici bölgeden gelen giriler yasaklanan sınıfı oluturur. ekil 4.6 böyle bir ilem elemanını gösterir. Tetikleyici Yasaklayıcı giriler giriler (sınıf 1) lem (sınıf 2) Elemanı Çıkı ekil 4.6 Tetikleyici ve yasaklanan girilere sahip bir ilem elemanı Bir ilem elemanına gelen giriler matematiksel tiplerine göre etiketlendirilerek sınıflandırılır. YSA, giri veri tiplerine göre ikili giri (0,1) ve sürekli deerli giri olmak üzere aaıdaki gibi sınıflandırılır (ekil 4.7). Burada giri iareti olarak seçilen I, ve yük olarak kullanılan DC motordan gelen yükün P sayısal deerleri, bu deerlerin ölçümler boyunca okunması sırasında sürekli-deer de (reel sayı) olduundan, sınıflandırıcı olarak öreticili örenmeye sahip olan çok katmanlı perseptrona balı olarak ileri-besleme sinir aı ve hızlı hatanın geriye-yayılımı algoritması (Fast Backpropagation Algorithm) kullanılmıtır. Bu arada klasik hatanın geriye-yayılımı algoritmasıyla yapılan eitme sonuçları da karılatırmalı olarak sunulmutur.
6 ekil 4.7 YSA Sınıflandırıcıları Balantı geometrileri Balantılarda taınan iaret verisinin cinsi tanımlanmalıdır. Balantı geometrisi YSA için çok önemlidir.balantı iareti her cinsten olabilir. Balantının nerede balayıp nerede bittiini bilmesi gerekir. 1'den N'e kadar olan bir ilem elemanı kümesinin balantıları aaıda tanımlandıı gibi NxN boyutlu matris biçiminde gösterilebilir. ij n n = n1 n2 nn = = 1 i. iþlem elemaný j. iþlem elemanýna baðlý ij ij ji = = 0 baðlý deðil ji En fazla N 2 balantı olur. Balantılar çeitli geometrik bölgeler arasında demetler halinde düünülebilir. Bu balantı demetlerinin uyması gereken kurallar unlardır. 1- Balantı demetini oluturan ilem elemanları aynı bölgeden çıkmalıdır. 2- Balantı demetinin iaretleri aynı matematiksel tipten olmalıdır. 3- Balantı demetinin iaretleri aynı sınıftan olmalıdır. 4- Balantı demetinin bir seçim fonksiyonu (σ ) olmalıdır. s σ :T 2 T:Hedef belgesi S:kaynak bölgesi Hedef bölgesindeki her ilem elemanı kaynak bölgesindeki her elemana giderse "tam" (full) balıdır. (örn:çok katmanlı perceptron). Eer her hedef bölgesi elemanı N kaynak bölgesi
7 elemanına balı ise " düzgün daılmı" (uniform) olasıldır. Ayrıca her bir elemana, yine bir kaynak elemanı balı ise buna "bire-bir" balı denir A tipleri Üç Çeit A Tipi Vardır 1- leri beslemeli a: Her bir katmandaki hücreler sadece bir önceki katmanın hücrelerince beslenir. 2- Kaskat balantılı a: Hücreler sadece önceki katmanlardaki hücrelerce beslenir. 3- Geri beslemeli a: En az bir hücre sonraki katmanlardaki hücrelerce de beslenir. (Bu çalımada hem ileri, hem de geri beslemeli a tipi birlikte uygulanmalıdır) Eik fonksiyonları Transfer veya iaret fonksiyonları olarak da adlandırılan eik fonksiyonları, muhtemel sonsuz domen girili ilem elemanlarını önceden belirlenmi sınırda çıkı olarak düzenler. Dört tane yaygın eik fonksiyonu vardır. Bunlar, rampa, basamak ve sigmoid fonksiyonudur. ekil 4.8'de bu fonksiyonlar gösterilmitir. f(x) f(x) x x (a) f(x) +1 1 (b) f(x) 1-1 (c) x x - (d) x ekil 4.8 Sıkça kullanılan dört eik fonksiyonu ekil 4.8 (a)'da gösterilen lineer fonksiyonun denklemi aaıdaki gibidir. f(x) = α.x
8 α: ilem elemanının x aktivitesini ayarlayan reel deerli bir sabittir. Lineer fonksiyon [-τ,+τ] sınırları arasında kısıtlandıında (b)'deki rampa eik fonksiyonu olur ve denklemi; + τ : eðer x τ ise f ( x) = x : eðer x τ ise τ : eðer x - τ ise eklini alır. +τ ( -τ) ilem elemanının maksimumu (minimumu) çou zaman doyma seviyesi olarak adlandırılan çıkı deeridir. Eer eik fonksiyonu bir giri iaretine balı ise yaydıı +τ giri toplamı pozitif, balı deilse eik basamak fonksiyonu [-δ] olarak adlandırılır. ekil 4.8 (c), basamak eik fonksiyonunu gösterir ve denklemi; f ( x) = + τ : eðer x 0 ise δ : diðer durumlar eklindedir. Son ve en önemli eik fonksiyonu (bu çalımada kullanılan) sigmoid fonksiyonudur. ekil 4.8 (d) de gösterilen S biçimindeki sigmoid fonksiyonu; seviyeli, lineer olmayan çıkı veren, sınırlı, monoton artan fonksiyondur. Denklemi; 1 f ( x) = + 1 e x biçimindedir Her ilem elemanı kendisine verilen yerel veriye göre, kendisini ayarlayacak bütün YSA'nın enformasyon bölgesinin örenmesini salar. (Enformasyon bölgesi olasılık-younluk fonksiyonu ile de tanımlanabilir). Enformasyon bölgesi birçok uygulamada, gerçek deerin "0" ile "1" arasında normalize edilmesi gerekir. (Normalize etmek:gerçek deeri 85 olan bir girii 0.85 eklinde aa uygulamaktır.) Normalizasyon aynı anda bütün girilere uygulanabilir Aırlık uzayı Bir çok YSA örenme ilemi, ilem elemanlarının aırlıı deitirilerek salanır. Böylece tanımlanan aırlık deitirilerek örenmede iyi bir model kullanıp, aırlıkların bu modele göre deitirilmesi esastır. Basit bir matematiksel model olarak herbir ilem elemanının "n" adet gerçek aırlıı olduu düünülerek ve N adet ilem elemanı gözönüne alınırsa; = ( 11,,...,,,,...,,...,,,..., ) 12 1n n N1 N 2 Nn T 2 3 N T T T = ( 1,,,..., ) 1, 2,..., N : ilem elemanlarının aırlık vektörleridir. 1 =.... = n N N1 N 2... Nn T
9 YSA aırlık vektörü N, n boyutlu orkid uzayında yayılır. YSA'nın enformasyon ileme performansı, aın aırlık vektörünün belirli bir deeri ile bulunacaktır. Hata deiimini inceleyen iki çeit kural vardır. 1- Hata düzeltme kuralları, 2- Gradyen kuralları. Hata düzeltme kuralları; Her bir giri örüntüsünde aırlıkları yeniden aırlayarak çıktı hatasını en aza indirmeye çalıırlar. Gradyen kurallarında ise, aırlıklar yeniden ayarlanarak ortalama karesel hatayı (MSE) en aza indirilmeye çalıılır. Bu noktada gradyen kuralından kısaca bahsedecek olursak, hatayı düzeltmenin (yani minimize etmenin) geometrik bir yorumunu yapmak mümkündür. Bunu yapabilmek için aırlıkların mümkün olan tüm deerleri, hataların kareleri toplamına karı gelecek ekilde üç boyutlu koordinat sisteminde çizilir. Bu çizim sonunda hata yüzeyi küresel bir top eklindedir. Bu yüzeyi bir tasa da benzetmek mümkündür. Tasın en alt kısmı hataların kareleri toplamının en küçük deerlerine karı gelmektedir. Eitme sırasında amaç aırlıklar kümesinin en iyisini bulmak olan, en alt kısmına ulamaktır. Geriye-yayılım algoritması o andaki aırlıklar yerine, yüzey hatasının eimini hesaplayarak amacına ulaır. Daha sonra da bu aırlıkları tasın alt kısmına doru artımsal olarak deitirir. te bu artımsal olarak tasın üst kısmından alt kısmına doru ilerleme ilemine gradyen ini denir. Aırlık vektörü ile çalıan YSA'da önemli noktalardan birisi, bir örenme kuralı gelitirip, enformasyon bölgesi kullanarak (eik fonksiyonu ile) aırlık vektörü "" iyı istenilen YSA performansı verecek noktaya yöneltmektir. Genellikle örenme kuralı için bir performans ya da maliyet fonksiyonu tanımlanır. Minimizasyon veya maksimizasyon ile "" vektörü bulunur. Bir performasyon çeidi olarak bilinen, MSE (karesel ortalama hata) u ekilde tanımlanır. = F( ) f ( x) G( x, ) ρ ( x) dv( x) A Amaç F'i küçültmeye çalımaktır. y=g(,x):sistemin giri çıkı fonksiyonu. y:çıkı iareti vektörü x:giri iareti vektörü :aırlık vektörü ρ(x):olasılık younluk fonksiyonu 2
10 4.4 YSA'da Eitme (Training) Eitme algoritmaları Eitme algoritmaları YSA'nın ayrılmaz bir parçasıdır. Eitme algoritması eldeki problemin özelliine göre örenme kuralını YSA'na nasıl adapte edeceimizi belirtir. Üç çeit eitme algoritması yaygın olarak kullanılmaktadır. 1- Öreticili eitme (supervised traning). 2- Skor ile eitme (graded training). 3- Kendini düzenleme ile eitme (self-organization training) Öreticili eitmede, elimizde doru örnekler vardır. Yani (X 1,X 2,...X n ) eklindeki giri vektörünün, (y 1,y 2,...,y n ) eklindeki çıkı vektörü, tam ve doru olarak bilinmektedir. Herbir (x 1,y 1 ), (x 2,y 2 ),...,(x N,y N ) çifti için a doru sonuçları verecek ekilde seçilen bir örenme kuralı ile beraber eitilir. Ne tür eitme yöntemi kullanılırsa kullanılsın, herhangi bir a için gerekli karakteristik özellik, aırlıkların verilen eitme örneine nasıl ayarlanacaının belirtilerek örenme kuralının oluturulmasıdır. Örenme kuralının oluturulması için bir örnein, aa defalarca tanıtılması gerekebilir. Örenme kuralı ile ilikili parametreler aın zaman içinde gelime kaydetmesiyle deiebilir Bellek YSA'nın önemli bir özellii bilgiyi saklama eklidir. Balantı aırlıkları YSA bellek biçimleridir. Aırlıkların deerleri aın o anki bilgi durumunu temsil eder. Mesela; bir giri/istenen çıkı çiftinin belirtilen bilgi parçası aın içinde birçok bellek biçimine daıtılmıtır. Bellek üniteleri ile dier saklı bilgiler, bu bilgiyi paylaırlar. Bazı YSA bellekleri ilikilidir. Öyleki eitilen aa bir kısmı uygulanırsa, a bu girie belleindeki en yakın çıkıı bu giri için seçer ve tam girie balı çıkı ortaya çıkar. Eer YSA oto-ilikili ise, kısmi giri vektörlerinin aa verilmesi bu girilerin tamamlanması ile sonuçlanır. YSA belleinin yapısı; eksik, gürültülü ve tam seçilemeyen bir giri uygulandıı zaman bile mantıklı çıkı üretmeye uygundur. Bu kurala "genelleme " adı verilir. Bir genellemenin kalitesi ve anlamı, uygulama çeidine, aın tipine ve karmaıklıına dayanır. Lineer olmayan çok katmanlı alar (özellikle geri beslemeli alar) gizli katmandaki özelliklerden örenirler ve bunları çıkılar üretmek için birletirirler. Gizli katmandaki bilgi, yeni giri örüntülerine akılcı çözümler oluturmak için kullanılabilir.
Yapay Sinir Ağları. (Artificial Neural Networks) DOÇ. DR. ERSAN KABALCI
Yapay Sinir Ağları (Artificial Neural Networks) J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Yapay Sinir Ağları Tarihçe Biyolojik
DetaylıYAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ
YAPAY SİNİR AĞLARI Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ İÇERİK Sinir Hücreleri Yapay Sinir Ağları Yapısı Elemanları Çalışması Modelleri Yapılarına Göre Öğrenme Algoritmalarına Göre Avantaj ve
Detaylı4.3. Enstrümantasyon kuvvetlendiricisi = R R G
34 ENDÜSTYEL ELEKTNK 4.3. Enstrümantasyon kuvvetlendiricisi Enstrümantasyon ve dönütürücü uygulamalarında µvlar mertebesinde fark iaret gerilimleri ve bunlarla birlikte bulunan büyük deerli ortak iaret
Detaylı! " # $ % & '( ) *' ' +, -. / $ 2 (.- 3( 3 4. (
!"#$ %& '()*' ' +,-. / 0 100$ 2 (.-3( 34.( ,-. '45 45 6#5 6+ 6"#0" '7086 $ $ 89 44" :#! ;{0, 1, 2, 3,..., 9}, L * olarak tanımlı olsun ve sadece 2 ye veya 3 e bölünebilen ve önünde 0 olmayan pozitif sayılara
Detaylıİnsan beyni, birbiri ile karmaşık ilişkiler içinde bulunan nöron hücreleri kitlesidir. Tüm aktivitelerimizi kontrol eder, yaradılışın en görkemli ve
YAPAY SİNİRAĞLARI İnsan beyni, birbiri ile karmaşık ilişkiler içinde bulunan nöron hücreleri kitlesidir. Tüm aktivitelerimizi kontrol eder, yaradılışın en görkemli ve gizemli harikalarından biridir. İnsan
DetaylıRFID OKUYUCU / YAZICI
RFID OKUYUCU / YAZICI ÜRÜN KILAVUZU Version 1.2 (MAYIS 2006)!"#! $%%&'''()*+,-. %/ GENEL ÖZELLKLER Özellikler : 868 MHz. UHF bandında EN 300 220 uyumlu. RF çıkı gücü ayarlama özellii 2 adet -RS232 veya
Detaylı,$( -./(,$( 0$0$ 1 2 134(,$(
!"#$ %& '()*' ' + -./( 0$0$ 1 2 134( 5(/ 4 2 " $#56L = {a n b n c n : n 0}222 #.(.)", #22(# 7# 2", #6,489: 7", #24$62.. ' # #2(; 7 #", #2, #2.24$;7" $.7 2# < #44 )" -2 # 22)#( #4# 7 #7= 8"- 2 " >"",.'#
DetaylıEL PARMAKLARINA DEERLER VEREREK KOLAY YOLDAN ÇARPMA ÖRETM YÖNTEMYLE ZHN ENGELL ÖRENCLERE ÇARPIM TABLOSU ÖRETM UYGULAMASI
Bu aratırma 2005 yılında 1. Uluslararası zmir Özel Eitim ve Otizm Sempozyumu'nda poster bildiri olarak sunulmutur. EL PARMAKLARINA DEERLER VEREREK KOLAY YOLDAN ÇARPMA ÖRETM YÖNTEMYLE ZHN ENGELL ÖRENCLERE
DetaylıİSTANBUL TİCARET ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ BİLGİSAYAR SİSTEMLERİ LABORATUARI
İSTANBUL TİCARET ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ BİLGİSAYAR SİSTEMLERİ LABORATUARI Lineer Ayrılabilen Paternlerin Yapay Sinir Ağı ile Sınıflandırılması 1. Biyolojik Sinirin Yapısı Bilgi işleme
Detaylı3. 27 I C C' C C (V B ' C ') C DC. EM1 Modeli I B C E (V B ' E ') E' r E ' I E
3. 27 3.2.2. EM2 Modeli EM2 modeli, bir bipolar tranzistordaki yük birikimi olaylarının temsil edildii birinci dereceden bir modeldir. Bu model, kısıtlı da olsa, frekans domeni ve geçici hal analizlerinin
Detaylıİş Zekası. Hafta 6 Kestirimci Modelleme Teknikleri. Yrd. Doç. Dr. H. İbrahim CEBECİ
İş Zekası Hafta 6 Kestirimci Modelleme Teknikleri Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir Bölüm Amaçları Yapay Sinir Ağları (YSA) kavramını
DetaylıEsnek Hesaplamaya Giriş
Esnek Hesaplamaya Giriş J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Esnek Hesaplama Nedir? Esnek hesaplamanın temelinde yatan
DetaylıKONTROL SSTEMLER LABORATUARI
YILDIZ TEKNK ÜNVERSTES ELEKTRK-ELEKTRONK FAKÜLTES KONTROL ve OTOMASYON MÜHENDSL BÖLÜMÜ KONTROL SSTEMLER LABORATUARI Doç.Dr. Haluk GÖRGÜN Ar.Gör. brahim ALIKAN Ar.Gör. Yavuz EREN STANBUL - 2010-1 - DiGiAC
DetaylıTÜLN OTBÇER. Seminer Raporu Olarak Hazırlanmıtır.
TÜLN OTBÇER Seminer Raporu Olarak Hazırlanmıtır. Ankara Hacettepe Üniversitesi Mayıs, 2004 ! - " $ - "%%&%$ - "%' $ - "(%' $ - "( ) (* $+,( $ - ") (',( $ - "- %./$ 0 1*&/1(2, %("%. 3/1(4""3%(/1-( /32 $$
Detaylı! " # $ % & '( ) *' ' +, -. /.,
!"#$ %& '()*' ' +,-./.,-. 0 12.30.420 ,-./.,-,-.5' $-.5 6# #",-.5 2(3 # #",-.5 6') 7 2(3 87" $-.5.$-.5) 7 # * ",222 2 #5# * #)7 #7",-./.,- Theorem: Context-free diller union, concatenation ve Kleene star
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Yapay Sinir Ağları (Artificial Neural Network) Doç.Dr. M. Ali Akcayol Yapay Sinir Ağları Biyolojik sinir sisteminden esinlenerek ortaya çıkmıştır. İnsan beyninin öğrenme, eski
DetaylıBeynin Anatomik Açıdan İncelenmesi ve Beyin Sisteminin İşleyişi
Beynin Anatomik Açıdan İncelenmesi ve Beyin Sisteminin İşleyişi - Ana Hatlarıyla Merkezi Sinir Sistemi - Sinir Hücrelerinin (Nöronlar) Temel İşleyişi - Hücre Gövdesi, Dendrit, Aksonlar, Sinaptik Ağlar
DetaylıPozisyon Kontrol Sistemi Üzerine Karakteristik Yapı Çalı ması: STANBUL - 2010
Pozisyon Kontrol Sistemi Üzerine Karakteristik Yapı Çalıması: Set Üzerinde Kullanılacak Ekipman: 1 Motor sürücü ve çıkı potansiyometresi, 1 Ayarlama amplifikatörü, 1 Türevsel amplifikatör, 1 Toplama amplifikatörü,
Detaylı1. GR ZEKA YAPAY ZEKA YAPAY ZEKA NIN GELM SÜREC YAPAY ZEKANIN AMAÇLARI YSA TESTLER Turing Testi...
1. GR... 4 2. ZEKA... 5 3. YAPAY ZEKA... 5 4. YAPAY ZEKA NIN GELM SÜREC... 5 5. YAPAY ZEKANIN AMAÇLARI... 7 6. YSA TESTLER... 7 6.1 Turing Testi... 7 6.2 Çin Odası Testi... 8 7. YAPAY ZEKA TEKNKLER...
Detaylı#$% &'#(# Konular. Binary Tree Structures. Binary Search Trees AVL Trees Internal Path Reduction Trees Deerlendirme
!" #$% &'#(# Konular Binary Search Trees Deerlendirme Binary Search Trees Bir binary search tree üzerindeki her node hem data saklar hemde dier node lara ulaılırken yön belirler Bir binary search tree
Detaylı8.Konu Vektör uzayları, Alt Uzaylar
8.Konu Vektör uzayları, Alt Uzaylar 8.1. Düzlemde vektörler Düzlemdeki her noktası ile reel sayılardan oluşan ikilisini eşleştirebiliriz. Buna P noktanın koordinatları denir. y-ekseni P x y O dan P ye
Detaylı6. MOS ANALOG ÇARPMA DEVRELER
6. 1 6. MOS ANALOG ÇARPMA DEVRELER Analog çarpma devreleri, giri gerilimlerinin çarpımıyla orantılı çıkı gerilimi veren düzenlerdir ve aradaki iliki V O =.V.V Y (6.1) eklindedir. büyüklüü çarpma devresinin
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:
DetaylıYAKMA YÖNETM VE BRÜLÖR KONTROL SSTEMLER
63 YAKMA YÖNETM VE BRÜLÖR KONTROL SSTEMLER Serdar HIZIROLU ÖZET Bu seminerde, mikroilemci kontrollu tam elektronik Yakma Yönetim ve Brülör Kontrol Sistemi ni oluturan ana kontrol ünitesi, servo motorlar,
DetaylıÇ NDEK LER II. C LT KONULAR Sayfa Öz De er Öz Vektör.. 2. Lineer Cebir ve Sistem Analizi...
ÇNDEKLER II. CLT KONULAR 1. Öz Deer Öz Vektör.. 1 Kare Matrisin Öz Deeri ve Öz Vektörleri... 21 Matrisin Karakteristik Denklemi : Cayley Hamilton Teoremi.. 26 Öz Deer - Öz Vektör ve Lineer Transformasyon
DetaylıBÖLÜM 2 D YOTLU DO RULTUCULAR
BÖLÜ 2 DYOTLU DORULTUCULAR A. DENEYN AACI: Tek faz ve 3 faz diyotlu dorultucularn çalmasn ve davranlarn incelemek. Bu deneyde tek faz ve 3 faz olmak üzere tüm yarm ve tam dalga dorultucular, omik ve indüktif
DetaylıYapay Sinir Ağları (Artificial Neural Networks)
Yapay Sinir Ağları (Artificial Neural Networks) Yapay Sinir Ağları (Artificial Neural Networks) Yapay Sinir Ağları (YSA) genelde doğrusal olmayanolaylarımodellememetodudur. Bir kuralı veya algoritması
DetaylıDKG-251 GOVERNÖR KONTROL MODÜLÜ
Tel: +90-216-466 84 60 Fax: +90-216 364 65 65 datakom@datakom.com.tr http://www.datakom.com.tr DKG-251 GOVERNÖR KONTROL MODÜLÜ ÖZELLKLER 12 ve 24V ile çalıma Çeitli motorlara kumanda edebilme Normalde
Detaylı! " # $ % & '( ) *' ' +, $ $ - $ (. $- $ ( / $ % / $ 0 -( 1( $ (2- -(
!"#$ %& '()*' ' +. $-$( /$% /$0 -(1($(2--( 3 #*'- # 4(5 (6" #7##0 7 $$(5 (6",7 - #, $$ -$(2,-0 # # *'6' (6" 6(50 #" #06 $8# 0 #0 7" 976 0#$ 6 $$" 76 $:;)8) (6",-07#$87 07" $8#< 6 $ < 6))70" ,-$#',-$#'
DetaylıDKG-114-J MANÜEL VE UZAKTAN ÇALITIRMA CHAZI (J1939 CANBUS PORTLU)
Tel: 0-216-466 84 60 Faks: 0-216 364 65 65 datakom@datakom.com.tr http://www.datakom.com.tr DKG-114-J MANÜEL VE UZAKTAN ÇALITIRMA CHAZI (J1939 CANBUS PORTLU) ÖZELLKLER Hem manüel hem uzaktan kontrollu
DetaylıFONKSYONLARI FONKSYONLARA GÖTÜREN FONKSYONLAR ÜZERNDE ANT-MONOTONLUK VE DEMPOTENTLK
ÖZEL EGE LSES FONKSYONLARI FONKSYONLARA GÖTÜREN FONKSYONLAR ÜZERNDE ANT-MONOTONLUK VE DEMPOTENTLK HAZIRLAYAN ÖRENC: Kıvanç Ararat (10B) DANIMAN ÖRETMEN: Emel Ergönül ZMR 2011 ÇNDEKLER PROJENN ADI 2 PROJENN
Detaylı! " # $ % & '( ) *' ' +, -. /) /) 0 # /) %, %, 1 2
!"#$ %& '()*' ' +,-./) /) 0 #/) %,%, 12 $$(/3#/ " '$$(/34" '$$(//44 / 4 /4/ 4# ##4" 5-6/'$##/" 7#! a(a * b * )b regular expression ile önce bir a üretilir. Ardından iki durumdan birisine göre devam edilir.
Detaylı1. ANALOG CMOS TÜMDEVRE TEKN
1. ANALOG CMOS TÜMDEVRE TEKN 1.1. Giri, Analog tümdevrelerde CMOS teknolojisinin yeri Ortaya çıktıı ilk yıllarda daha çok sayısal sistemlerin gerçekletirilmesinde yararlanılan CMOS teknolojisi, günümüzde,
DetaylıAX5000 KONTROL PANELLER
AX5000 KONTROL PANELLER ÜRÜN SPESFKASYONU UYGULAMA AX5000 serisi, farklı modellerde kontrol panellerinden oluur. Bazı AX5000 panelleri tek baına ya da bir haberleme aı içinde baka panellerle kullanılabilirler.
DetaylıDİNLENİM MEMBRAN POTANSİYELİ. Prof. Dr. Taner Dağcı Ege Üniversitesi Tıp Fakültesi Fizyoloji Ab. D.
DİNLENİM MEMBRAN POTANSİYELİ Prof. Dr. Taner Dağcı Ege Üniversitesi Tıp Fakültesi Fizyoloji Ab. D. Hücre içi kompartıman ve hücre dışı kompartımanın büyük bölümü elektriksel açıdan nötrdür. Hücre içinde
Detaylıİç-Çarpım Uzayları ÜNİTE. Amaçlar. İçindekiler. Yazar Öğr. Grv. Dr. Nevin ORHUN
İç-Çarpım Uzayları Yazar Öğr. Grv. Dr. Nevin ORHUN ÜNİTE Amaçlar Bu üniteyi çalıştıktan sonra; R n, P n (R), M nxn vektör uzaylarında iç çarpım kavramını tanıyacak ve özelliklerini görmüş olacaksınız.
Detaylı1. Satı ve Daıtım lemleri " # $ "!!
1. Satı ve Daıtım lemleri " " " " " %& % ' (& " & ' ( Stok kartı ilemlerine girmeden pratik bir ekilde ilem ) " & * + (& ", ) (& Satı Fatura ilemlerinde bu alan tıklayarak veya F 2 - " '"(& ". / 0 " &
DetaylıTesadüfi Değişken. w ( )
1 Tesadüfi Değişken Tesadüfi değişkenler gibi büyük harflerle veya gibi yunan harfleri ile bunların aldığı değerler de gibi küçük harflerle gösterilir. Tesadüfi değişkenler kesikli veya sürekli olmak üzere
DetaylıYapay Sinir Ağları GİRİŞ
Yapay Sinir Ağları GİRİŞ Akıl kelimesi genellikle zeka kavramıyla karıştırılmaktadır.oysa akıl düşünme, kavrama,idrak etme ve karar verme yeteneklerini kapsar.akıl genetik olarak ve çevresel faktörler
DetaylıOTOMATİK KONTROL SİSTEMLERİ İŞARET AKIŞ DİYAGRAMLARI SIGNAL FLOW GRAPH
OTOMATİK KONTROL SİSTEMLERİ İŞARET AKIŞ DİYAGRAMLARI SIGNAL FLOW GRAPH İŞARET AKIŞ DİYAGRAMLARI İşaret akış diyagramları blok diyagramlara bir alternatiftir. Fonksiyonel bloklar, işaretler, toplama noktaları
DetaylıProgramlama Dilleri 1. Ders 3: Rastgele sayı üretimi ve uygulamaları
Ders 3: Rastgele sayı üretimi ve uygulamaları Ders 3 Genel Bakış Giriş Rastgele Sayı Rastgele Sayı Üreteci rand Fonksiyonunun İşlevi srand Fonksiyonunun İşlevi Monte Carlo Yöntemi Uygulama 1: Yazı-Tura
Detaylı#$% &'#(# Konular. Bits of Information. Binary Özellikler Superimposed Coding Signature Formation Deerlendirme
!" #$% &'#(# Konular Binary Özellikler Deerlendirme Binary Özellikler Bir binary özellik iki deer alabilir (kapalı veya açık; var veya yok gibi) Bir kiiye ait bilgiler binary olarak aaıdaki gibi gösterilebilir
DetaylıIP Aları Üzerinden Telefon Hizmetlerinde Gecikme Latency
IP Aları Üzerinden Telefon Hizmetlerinde Gecikme Latency IP aları üzerinden telefon hizmetlerinin yaygınlaması ile, kurulan sistemlerdeki gecikmenin sebeplerinin ve etkilerinin anlaılması önem kazanmaktadır.
DetaylıOlimpiyat Soruları. sonuçları tekrar fonksiyonda yerine koyup çıkan tüm sonuçları toplayan program (iterasyon sayısı girilecek)
HAZIRLAYAN MUSA DEMIRELLI BISHKEK KYRGYZ TURKISH BOYS HIGH SCHOOL education.online.tr.tc compsources0.tripod.com Olimpiyat Soruları 1- Bir diziyi ters çeviren algoritma ve program 2- Bir diziyi sıralayan
DetaylıDFERANSYEL GELM ALGORTMASI KULLANILARAK SNYAL KESTRMNE YÖNELK ADAPTF SDY SÜZGEÇ TASARIMI
DFERANSYEL GELM ALGORTMASI KULLANILARAK SNYAL KESTRMNE YÖNELK ADAPTF SDY SÜZGEÇ TASARIMI Nurhan KARABOA Canan Aslıhan KOYUNCU 2 Elektrik Elektronik Mühendislii Bölümü Mühendislik Fakültesi Erciyes Üniversitesi,
DetaylıOTOMATİK KONTROL SİSTEMLERİ. DİNAMİK SİSTEMLERİN MODELLENMESİ ve ANALİZİ
OTOMATİK KONTROL SİSTEMLERİ DİNAMİK SİSTEMLERİN MODELLENMESİ ve ANALİZİ 1) İdeal Sönümleme Elemanı : a) Öteleme Sönümleyici : Mekanik Elemanların Matematiksel Modeli Basit mekanik elemanlar, öteleme hareketinde;
DetaylıMühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş
Mühendislik Mekaniği Statik Yrd.Doç.Dr. Akın Ataş Bölüm 10 Eylemsizlik Momentleri Kaynak: Mühendislik Mekaniği: Statik, R. C.Hibbeler, S. C. Fan, Çevirenler: A. Soyuçok, Ö. Soyuçok. 10. Eylemsizlik Momentleri
DetaylıBir Suistimalcinin Profili
Bir Suistimalcinin Profili!dil Gürdil, CPA, CFE, SMMM Ortak, Risk Yönetimi Danı"manlı#ı 17 Ekim 2011 Danı!manlık Ara!tırma Bir Suistimalcinin Profili - 69 ülke - 348 vaka 1 Temel Bulgular Bir Suistimalcinin
DetaylıKullanım kılavuzunuz HP G6031EM
Bu kullanım kılavuzunda önerileri okuyabilir, teknik kılavuz veya HP G6031EM için kurulum kılavuzu. Bu kılavuzdaki HP G6031EM tüm sorularınızı (bilgi, özellikler, güvenlik danışma, boyut, aksesuarlar,
DetaylıBüyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data)
Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data) M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, The Elements of Statistical Learning: Data
DetaylıTemel Kavramlar. (r) Sıfırdan farklı kompleks sayılar kümesi: C. (i) Rasyonel sayılar kümesi: Q = { a b
Bölüm 1 Temel Kavramlar Bu bölümde bağıntı ve fonksiyon gibi bazı temel kavramlar üzerinde durulacak, tamsayıların bazı özellikleri ele alınacaktır. Bu çalışma boyunca kullanılacak bazı kümelerin gösterimleri
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimsiz Öğrenmenin Temelleri Kümeleme Uzaklık Fonksiyonları Öklid Uzaklığı Manhattan
DetaylıPERGEL YAYINLARI LYS 1 DENEME-6 KONU ANALİZİ SORU NO LYS 1 MATEMATİK TESTİ KAZANIM NO KAZANIMLAR
2013-2014 PERGEL YAYINLARI LYS 1 DENEME-6 KONU ANALİZİ SORU NO LYS 1 MATEMATİK TESTİ A B KAZANIM NO KAZANIMLAR 1 1 / 31 12 32173 Üslü İfadeler 2 13 42016 Rasyonel ifade kavramını örneklerle açıklar ve
DetaylıL SANS YERLE T RME SINAVI 1
LSANS YERLETRME SINAVI MATEMATK TEST SORU KTAPÇII 9 HAZRAN 00. ( )( + ) + ( )( ) = 0 eitliini salayan gerçel saylarnn toplam kaçtr?. ( )( ) < 0 eitsizliinin gerçel saylardaki çözüm kümesi aadaki açk aralklarn
DetaylıYapay Sinir Ağlarına Giriş. Dr. Hidayet Takçı
Yapay Sinir Ağlarına Giriş Dr. Hidayet Takçı htakci@gmail.com http://htakci.sucati.org Giriş Neden Yapay Sinir Ağları (YSA) Bazı işler insanlar tarafından kolaylıkla yerine getirilirken mevcut bilgisayarlar
DetaylıUVA-TR10 VIDEO/AUDIO VERC ALICI SET
UVA-TR10 VIDEO/AUDIO VERC ALICI SET ÜRÜN KILAVUZU Versiyon 2.0 (ARALIK 2005) VEDK ORGANZE SAN. BÖL. 21. CADDE 609. SOKAK NO:15 06370 OSTM / ANKARA TEL NO :(312) 395 68 75 76 FAKS NO:(312) 395 68 77 http://
DetaylıYAKMADA ELEKTRONK DONANIM VE EMNYET SSTEMLER
25 YAKMADA ELEKTRONK DONANIM VE EMNYET SSTEMLER Haluk SÖZER ÖZET Emniyetli gaz yakma için kullanılması gereken elektronik donanımlar ve özellikleri ALEV KONTROL Gaz yakmada emniyet, gaz hattı kontrolünden
Detaylı28/04/2014 tarihli LYS-1 Matematik-Geometri Testi konu analizi SORU NO LYS 1 MATEMATİK TESTİ KAZANIM NO KAZANIMLAR 1 / 31
SORU NO LYS 1 MATEMATİK TESTİ A B KAZANIM NO KAZANIMLAR 1 1 / 31 11 32159 Rasyonel sayı kavramını açıklar. 2 12 32151 İki ya da daha çok doğal sayının en büyük ortak bölenini ve en küçük ortak katını bulur.
DetaylıFizyoloji ve Davranış
Fizyoloji ve Davranış sorular sorular - sorular Farketmeden sıcak sobaya dokunduğunuzda hemen elinizi çekersiniz. Bu kısa sürede vücudunuzda neler olur? Kafein, esrar, alkol v.b.nin vücudunuzda ne tür
DetaylıBu bölümde Coulomb yasasının bir sonucu olarak ortaya çıkan Gauss yasasının kullanılmasıyla simetrili yük dağılımlarının elektrik alanlarının çok
Gauss Yasası Bu bölümde Coulomb yasasının bir sonucu olarak ortaya çıkan Gauss yasasının kullanılmasıyla simetrili yük dağılımlarının elektrik alanlarının çok daha kullanışlı bir şekilde nasıl hesaplanabileceği
DetaylıÖzörgütlemeli Öğrenme (SOM) A. Cumhur KINACI
Özörgütlemeli Öğrenme (SOM) A. Cumhur KINACI Öğrenme Türleri Eğiticili Öğrenme Eğiticisiz Öğrenme: Ağın verilerin sınıflandırmasını dışarıdan yardım almadan kendi başına yapmasıdır. Bunun olabilmesi için
DetaylıSuleyman TOSUN
Suleyman TOSUN suleymantosun@gmail.com 1 2 İnsanların beynin çalışmasını sayısal bilgisayarlar üzerinde taklit etmek istemesi sonucunda yapay sinir ağları ortaya çıkmıştır. Temelde; beynin çalışma yapısı,
DetaylıT.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI. Doç.Dr. Necaattin BARIŞÇI FİNAL PROJESİ
T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI Doç.Dr. Necaattin BARIŞÇI YAPAY SİNİR AĞLARI İLE KORONER ARTER HASTALIĞI RİSK Öğrenci : SİNEM ÖZDER Numarası : 118229001004
Detaylıetme çabalarının en son ürünlerinden bir tanesi yapay sinir ağları (YSA) teknolojisidir.
İnsanlığın doğayı araştırma ve taklit etme çabalarının en son ürünlerinden bir tanesi yapay sinir ağları (YSA) teknolojisidir. Beynin üstün özellikleri, bilim adamlarını üzerinde çalışmaya zorlamış ve
DetaylıÇukurova Üniversitesi Biyomedikal Mühendisliği
Çukurova Üniversitesi Biyomedikal Mühendisliği BMM309 Elektronik-2 Laboratuarı Deney Föyü Deney#6 İşlemsel Kuvvetlendiriciler (OP-AMP) - 2 Doç. Dr. Mutlu AVCI Arş. Gör. Mustafa İSTANBULLU ADANA, 2015 DENEY
DetaylıBÖLÜM 3. A. Deneyin Amac
BÖLÜM 3 TRSTÖRLÜ DORULTUCULAR A. Deneyin Amac Tek faz ve 3 faz tristörlü dorultucularn çalmasn ve davranlarn incelemek. Bu deneyde tek faz ve 3 faz olmak üzere tüm yarm ve tam dalga tristörlü dorultucular,
Detaylıii) S 2LW 2WH 2LW 2WH S 2WH 2LW S 3( x 1) 5( x 2) 5 3x 3 5x x Maliye Bölümü EKON 103 Matematik I / Mart 2018 Proje 2 CEVAPLAR C.1) C.
C.1) x1 x 1 4 4( x1) x 6 4x 4 x 6 x 46 x Maliye Bölümü EKON 10 Matematik I / Mart 018 Proje CEVAPLAR C.) i) S LW WH LW WH S LW WH S W W W S L H W ii) S LW WH WH LW S WH LW S W W W S H L W C.) ( x1) 5(
DetaylıSİNİR HÜCRELERİ. taşınması çevresel sinir sistemi tarafından meydana getirilen sinir hücreleri tarafından gerçekleştirilir.
SİNİR HÜCRELERİ Sinir hücreleri nöron adını alır.hayvanlarda değişik görevler üstlenen nöronlar örneğin deniz anemonunda bir sinirsel ağ oluşturmuştur.tentaküllerin hareketi bu sinir ağı tarafından kontrol
DetaylıALTERNATİF AKIMIN TEMEL ESASLARI
ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİNE GİRİŞ DERSİ ALTERNATİF AKIMIN TEMEL ESASLARI Dr. Öğr. Üyesi Ahmet ÇİFCİ Elektrik enerjisi, alternatif akım ve doğru akım olarak
Detaylı11. Sunum: İki Kapılı Devreler. Kaynak: Temel Mühendislik Devre Analizi, J. David IRWIN-R. Mark NELMS, Nobel Akademik Yayıncılık
11. Sunum: İki Kapılı Devreler Kaynak: Temel Mühendislik Devre Analizi, J. David IRWIN-R. Mark NELMS, Nobel Akademik Yayıncılık 1 Giriş İki kapılı devreler giriş akımları ve gerilimleri ve çıkış akımları
DetaylıOTSTK BR OLGUNUN DUYGULARI ANLAMA VE FADE ETME BECERSNN KAZANDIRILMASINA YÖNELK DÜZENLENEN KISA SÜREL BR E TM PROGRAMININ NCELENMES
Bu aratırma 005 yılında 1. Uluslararası zmir Özel Eitim ve Otizm Sempozyumu'nda poster bildiri olarak sunulmutur. OTSTK BR OLGUNUN DUYGULARI ANLAMA VE FADE ETME BECERSNN KAZANDIRILMASINA YÖNELK DÜZENLENEN
DetaylıOlasılık Kuramı ve İstatistik. Konular Olasılık teorisi ile ilgili temel kavramlar Küme işlemleri Olasılık Aksiyomları
Olasılık Kuramı ve İstatistik Konular Olasılık teorisi ile ilgili temel kavramlar Küme işlemleri Olasılık Aksiyomları OLASILIK Olasılık teorisi, raslantı ya da kesin olmayan olaylarla ilgilenir. Raslantı
DetaylıKoullar Bu kursun baarı ile tamamlanaması için gerekenler: Eitim Yaı Düzeyi (RAL) en az 13 CCNA 2 nin baarıyla tamamlanması
CCNA 3: Anahtarlama Temelleri ve Orta Düzey Yönlendirme Hedef Kitle Hedef kitle, a oluturma alanına pratik ve teknik bir giri yapmak isteyen lise örencileri, üniversite örencileri, a teknisyeni, a mühendisi,
DetaylıDÜZLEMDE GERİLME DÖNÜŞÜMLERİ
3 DÜZLEMDE GERİLME DÖNÜŞÜMLERİ Gerilme Kavramı Dış kuvvetlerin etkisi altında dengedeki elastik bir cismi matematiksel bir yüzeyle rasgele bir noktadan hayali bir yüzeyle ikiye ayıracak olursak, F 3 F
DetaylıBYS. T.C. Ulatırma Bakanlıı Biliim Belge Yönetim Sistemi Çözümü
BYS T.C. Ulatırma Bakanlıı Biliim Belge Yönetim Sistemi Çözümü Sunu Planı E-Ulatırma Projesinin Amacı, Konusu biliimbys nin Projedeki Yeri biliimbys nin Kapsamı biliimbys Nasıl Çalııyor? Saladıı Yararlar
DetaylıBİLİŞSEL NÖROBİLİM BİLGİ İŞLEME SÜREÇ VE YAKLAŞIMLARI
BİLİŞSEL NÖROBİLİM BİLGİ İŞLEME SÜREÇ VE YAKLAŞIMLARI Beyni Keşfetme Dünya üzerinde keşifler genelde coğrafi keşiflerle başlamıştır. Ortalama 1120 gr ağırlığındaki jelatinimsi yapısıyla beyni keşfetme
DetaylıDENEY 3: DTMF İŞARETLERİN ÜRETİLMESİ VE ALGILANMASI
DENEY 3: DTMF İŞARETLERİN ÜRETİLMESİ VE ALGILANMASI AMAÇ: DTMF işaretlerin yapısının, üretim ve algılanmasının incelenmesi. MALZEMELER TP5088 ya da KS58015 M8870-01 ya da M8870-02 (diğer eşdeğer entegreler
DetaylıÇok katmanlı ileri sürümlü YSA da standart geri yayıyım ve momentum geri yayılım algoritmalarının karşılaştırılması. (Eğitim/Hata geri yayılım)
Çok katmanlı ileri sürümlü YSA da standart geri yayıyım ve momentum geri yayılım algoritmalarının karşılaştırılması (Eğitim/Hata geri yayılım) Özetçe Bu çalışmada çok katmanlı ve ileri sürümlü bir YSA
DetaylıCBS ve Coğrafi Hesaplama
Yıldız Teknik Üniversitesi CBS ve Coğrafi Hesaplama 2. Bölüm Yrd. Doç. Dr. Alper ŞEN Harita Mühendisliği Bölümü Kartografya Anabilim Dalı web: http://www.yarbis.yildiz.edu.tr/alpersen/ E mail: alpersen@yildiz.edu.tr
Detaylı1. Tanım ve Özellikler. 1.1. Tanım
1. Tanım ve Özellikler 1.1. Tanım Modbus protokolü ile OmniCon, Bilgisayar, PLC ve dier cihazlarla haberleerek topladıı bilgileri göstermek üzere tasarlanmı Info Panel kontrol ve haberleme ünitesidir.
DetaylıVERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Sınıflandırma yöntemleri Karar ağaçları ile sınıflandırma Entropi Kavramı ID3 Algoritması C4.5
DetaylıDoç. Dr. Sabri KAYA Erciyes Üni. Müh. Fak. Elektrik-Elektronik Müh. Bölümü. Ders içeriği
ANTENLER Doç. Dr. Sabri KAYA Erciyes Üni. Müh. Fak. Elektrik-Elektronik Müh. Bölümü Ders içeriği BÖLÜM 1: Antenler BÖLÜM 2: Antenlerin Temel Parametreleri BÖLÜM 3: Lineer Tel Antenler BÖLÜM 4: Halka Antenler
DetaylıEŞİTLİK KISITLI TÜREVLİ YÖNTEMLER
EŞİTLİK KISITLI TÜREVLİ YÖNTEMLER LAGRANGE YÖNTEMİ Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde değişkenler ve kısıtlar genel olarak şeklinde gösterilir. fonksiyonlarının
DetaylıSAYISAL ÇÖZÜMLEME. Sayısal Çözümleme
SAYISAL ÇÖZÜMLEME 1 SAYISAL ÇÖZÜMLEME 4. Hafta DENKLEM ÇÖZÜMLERİ 2 İÇİNDEKİLER Denklem Çözümleri Doğrusal Olmayan Denklem Çözümleri Grafik Yöntemleri Kapalı Yöntemler İkiye Bölme (Bisection) Yöntemi Adım
DetaylıMUSK MUALLM MEKTEBNDEN GÜNÜMÜZE MÜZK ÖRETMEN YETTRME PROGRAMLARINDAK YAYLI ÇALGI ÖRETMNE LKN SINAMA-ÖLÇME-DEERLENDRME DURUMLARININ NCELENMES
MUSK MUALLM MEKTEBNDEN GÜNÜMÜZE MÜZK ÖRETMEN YETTRME PROGRAMLARINDAK YAYLI ÇALGI ÖRETMNE LKN SINAMA-ÖLÇME-DEERLENDRME DURUMLARININ NCELENMES 1. GR Yrd.Doç.Dr.Cansevil TEB *1924-2004 Musiki Muallim Mektebinden
DetaylıÖzdeğer ve Özvektörler
Özdeğer ve Özvektörler Yazar Öğr.Grv.Dr.Nevin ORHUN ÜNİTE 9 Amaçlar Bu üniteyi çalıştıktan sonra; bir lineer dönüşümün ve bir matrisin özdeğer ve özvektör kavramlarını anlayacak, bir dönüşüm matrisinin
Detaylıİlk Yapay Sinir Ağları. Dr. Hidayet Takçı
İlk Yapay Sinir Ağları Dr. Hidayet htakci@gmail.com http://htakci.sucati.org Tek katmanlı algılayıcılar (TKA) Perceptrons (Rosenblat) ADALINE/MADALINE (Widrow and Hoff) 2 Perseptron eptronlar Basit bir
Detaylı17 İNSAN FİZYOLOJİSİ SİNİR SİSTEMİ-1 Nöron- Glia- Nöron Çeşitleri
17 İNSAN FİZYOLOJİSİ SİNİR SİSTEMİ-1 Nöron- Glia- Nöron Çeşitleri SİNİR SİSTEMİ Sinir sistemini SİNİR DOKU oluşturur. Bu dokuda NÖRON (SİNİR HÜCRESİ) ve GLİA (NÖROGLİA) hücreleri bulunur. Sinir doku, uyarıların
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr DOĞRUSAL OLMAYAN (NONLINEAR) DENKLEM SİSTEMLERİ Mühendisliğin
Detaylır i = a i + b i r m + i
Endeks Modelleri William Sharpe tarafından gelitirilen tekli endeks modeli ve onu takip eden çoklu endeks modelleri, portföyün beklenen getirisi ve riskinin hesaplanması için gereken veri sayısını ciddi
DetaylıVEKTÖR UZAYLARI 1.GİRİŞ
1.GİRİŞ Bu bölüm lineer cebirin temelindeki cebirsel yapıya, sonlu boyutlu vektör uzayına giriş yapmaktadır. Bir vektör uzayının tanımı, elemanları skalar olarak adlandırılan herhangi bir cisim içerir.
DetaylıDİNAMİK - 7. Yrd. Doç. Dr. Mehmet Ali Dayıoğlu Ankara Üniversitesi Ziraat Fakültesi. Tarım Makinaları ve Teknolojileri Mühendisliği Bölümü
DİNAMİK - 7 Yrd. Doç. Dr. Mehmet Ali Dayıoğlu Ankara Üniversitesi Ziraat Fakültesi Tarım Makinaları ve Teknolojileri Mühendisliği Bölümü 7. HAFTA Kapsam: Parçacık Kinetiği, Kuvvet İvme Yöntemi Newton hareket
Detaylı!!"#! $#$%& '(& )*$+,( -. )/0 1-2 *. / *. /0 3 )56 7
&' -. )/0 1-2 *. /0 3 4 1-2 *. /0 3 )56 7!"#$ % Önemli Not: bu rapor, Sermaye Piyasası Kurulu Teblii VII-128.1 Pay Teblii nin 2.maddesine istinaden Yatırım Menkul Deerler A.. ( Yatırım ) Kurumsal Finansman
DetaylıSTATIK MUKAVEMET. Doç. Dr. NURHAYAT DEĞİRMENCİ
STATIK MUKAVEMET Doç. Dr. NURHAYAT DEĞİRMENCİ STATİK DENGE KOŞULLARI Yapı elemanlarının tasarımında bu elemanlarda oluşan iç kuvvetlerin dağılımının bilinmesi gerekir. Dış ve iç kuvvetlerin belirlenmesinde
DetaylıDoç.Dr.Erkan ÜLKER, Selçuk Üniversitesi Mühendislik F, Bilgisayar Mühendisliği Bölümü
17.05.2014 Sayfa 1 Curve Fitting with RBS Functional Networks RBS fonksiyonel ağı ile eğri uygunluğu Andr es Iglesias, Akemi G alvez Department of Applied Mathematics and Computational Sciences, University
Detaylı9.14 Burada u ile u r arasındaki açı ve v ile u θ arasındaki acının θ olduğu dikkate alınarak trigonometrik eşitliklerden; İfadeleri elde edilir.
9.14 Burada u ile u r arasındaki açı ve v ile u θ arasındaki acının θ olduğu dikkate alınarak trigonometrik eşitliklerden; İfadeleri elde edilir. 9.15 Bu bölümde verilen koordinat dönüşümü uygulanırsa;
Detaylı1 $/ " {ww R : w {a, b} * } ## S asa, S bsb S e#(3 * 5 $(6 )# (2 #$,(- (25 #5
!"#$ %& '()*' ' +,./0% 1 $/02 2 3 " {ww R : w {a, b} * } ## #4 S asa, S bsb S e#(3 5 2'5" * 5 $(6 )# (2 #$ 5#77 #" ' #" (25 #5 #" 8)5*# 73'" 5#$#$257" 379()379" :))##2)7 5)32) #5 6*" :5)$#$2#5" ;! Pushdown
DetaylıYapay Sinir Ağları. (Artificial Neural Networks) DOÇ. DR. ERSAN KABALCI E S N E K H E S A P L A M A Y Ö N T E M L E R İ - II
Yapay Sinir Ağları (Artificial Neural Networks) J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - II DOÇ. DR. ERSAN KABALCI Yapay Sinir Ağları Tarihçe Biyolojik
DetaylıDENEY RAPORU. Temperatür Deimesinin Reaksiyon Hızı Üzerine Etkisi (4 No lu Deney)
M.Hilmi EREN 04-98 - 3636 Fizikokimya III Lab. 2.Deney Grubu DENEY RAPORU DENEY ADI Temperatür Deimesinin Reaksiyon Hızı Üzerine Etkisi (4 No lu Deney) DENEY TARH 24 MART 2003 Pazartesi AMAÇ HI Hidrojen
Detaylı