Türkçe de Ünlülerin Formant Analizi
|
|
- Nuray Usta
- 8 yıl önce
- İzleme sayısı:
Transkript
1 Türkçe de Ünlülerin Formant Analizi Oytun Türk*, Ömer Şayli**, A. Sumru Özsoy***, Levent M. Arslan* Boğaziçi Üniversitesi *Elektrik-Elektronik Mühendisliği Bölümü **Biyomedikal Mühendisliği Enstitüsü ***Batı Dilleri Edebiyatı Bölümü Özetçe Türkçedeki seslerin akustik özelliklerinin tamamen çıkarılması hedefi, sesbilgisi ve yapay ses sentezi uygulamaları için büyük önem taşımaktadır. Türkçedeki ünlülerin formant frekansları da önemli akustik parametrelerden biridir. Formant frekanslar, sesin en yüksek enerjiye sahip olduğu frekans değerleridir. Ünlüler için genelde ilk 4 formant frekansın bulunması, o ünlü için yeterli olmaktadır. Bu çalışmada, Türkçedeki ünlülerin formant frekansları incelenmektedir. İnceleme için, bilgisayar yardımıyla dijital olarak kaydedilen 15 yetişkin erkek, 14 yetişkin kadın, 15 erkek çocuk ve 8 kız çocuğa ait ses kayıtları kullanılmıştır. Yetişkin erkek ve kadınlarda F1 ve F2 ye göre ayrımlar belirlenmiş, çocuklarda formant frekanslarına göre ayrım yapmanın yetişkinlere göre daha zor olduğu gözlenmiştir. 1. GİRİŞ Türkçe de ünlüler çene açısının büyüklüğüne göre kapalı (geniş), açık (dar) olarak sınıflandırılmaktadır. Sınıflandırma, dudak biçimine göre düz ve yuvarlak şeklinde yapılmaktadır. Türkçe ünlüler, dilin devinimine ve biçimine göre ise arka, orta ve ön dil olarak üçe ayrılmaktadır. Tablo 1 de Türkçe de ünlülerin sınıflandırılması gösterilmiştir. Ön Orta Arka Düz Yuvarlak Düz Yuvarlak Düz Yuvarlak Kapalı i ü ı u Açık e ö a o Tablo 1. Türkçe de ünlülerin sınıflandırılması. Ünlülerle ilgili en önemli akustik özniteliklerden biri formant frekanslarıdır. Formant frekans değerlerinin seslendirilen ünlüye ve konuşmacıya bağlı olarak değiştiği bilinmektedir. Çeşitli dillerde ünlülerin formant frekans istatistikleri çıkarılmış olup (Referanslar) Türkçe için bu konuda kapsamlı bir çalışmaya rastlanılmamıştır. Bu çalışmada, Türkçe için formant frekanslarının ünlülerdeki istatistiksel değerleri bulunmuştur. İlk dört formant frekans değerlerinin farklı cinsiyet ve yaş grupları için ortalama ve standart sapmalarının hesaplanmasında kullanılmak üzere Türkçe bir veri tabanı toplanmıştır. İnceleme bilgisayar programları yardımıyla otomatik olarak gerçekleştirilmiştir. Bölüm 2 de ses, ses işaretinin oluşumu ve ses analiziyle ilgili kısa bilgiler verilmiştir. Bölüm 3 te kullanılan veri tabanının özellikleri ve analiz yöntemi açıklanmıştır. Farklı yaş ve cinsiyet grupları için ünlülerin formant frekans değerleri Bölüm 4 te verilmiştir. Çalışma, Bölüm 5 te sonuçların tartışılmasıyla sona ermektedir.
2 2. SES İŞARETİ ANALİZİ 2.1. Ses ve Ses İşaretinin Oluşumu Ses işareti akciğerlerde üretilen havanın ses yolunda değişime uğramasıyla oluşur. Şekil 1'de ses üretim mekanizması ana hatlarıyla gösterilmektedir. Bu değişim sırasında üretilen sese ve sesi üreten kişiye bağlı olarak çeşitli frekanslarda (çınlama sıklıkları) enerji yoğunlaşması gerçekleşir. Bu frekanslara formant frekansı adı verilmektedir. İlk üç formant frekansı genelde ünlüleri ayırt etmek için yeterlidir. Spektrumda ünlüler koyu renkli çınlama sıklıklarıyla kolayca fark edilebilmektedirler. Diğer bir deyişle çınlama sıklıkları, seslerin yoğun enerjiye sahip olduğu, algısal açıdan düşük enerjili sıklıklara göre daha önemli olan sıklıklardır Spektrogram Ses işaretinin farklı frekanslardaki enerji dağılımının zamanla değişimini gösteren görsel analiz aracına spektrogram denilmektedir. Spektrogram kayıtların etiketlenmesinde kullanılmaktadır. Şekil 2 de yetişkin bir erkek tarafından söylenen zeybek sözcüğüne karşılık gelen ses şiddetinin zamana göre değişimini gösteren dalga biçimi (sesin oluşturduğu hava basıncı), ilk dört formant frekans ve spektrogram gösterilmiştir. Ses dalga biçiminde dikey eksen hava basıncının değerini, düşey eksen zamanı gösterir. Formant frekansları en düşük frekans değerine sahip olan ilk formanttan başlanarak F1, F2, F3,... şeklinde işaretlenir. F0 sesin temel frekans değerine karşılık gelir ve sesin kalınlığı/inceliğiyle orantılı bir akustik özniteliktir. Spektrogram vasıtasıyla sesin her sıklıktaki (frekanstaki) enerjisinin zamana göre değerini ve değişimini görmek mümkündür. Spektrogramda dikey eksen sıklık değerlerini, düşey eksen zamanı gösterir. Spektrogramda herhangi bir sıklıktaki koyuluk, o sıklıktaki enerjinin yoğunluğuyla orantılıdır (Şayli ve Arslan, 2003). Ses akustiği, fonetik ve ses fiziği ile ilgili kaynaklarda ses fiziği ile ilgili daha ayrıntılı bilgiler bulunabilir. Örneğin Lieberman ve Blumstein (1988), Hardcastle ve Laver (1997) bu konuda başvurulabilecek kaynaklardır. Şekil 1. Ses üretim mekanizması
3 Şekil 2. Yetişkin bir erkek konuşmacıdan alınan zeybek sözcüğüne karşılık gelen ses kaydının Wavesurfer programı ile yapılan ses çözümlemesi. Şekilde ilk dört formant frekansı sırasıyla F1, F2, F3 ve F4 olarak işaretlenmiştir. 3. YÖNTEM 3.1. Veri Tabanı İncelenen ses kayıtları farklı cinsiyetlerde ve farklı yaş gruplarındaki konuşmacılardan toplanmıştır. Konuşmacıların anadili Türkçe dir. Tüm konuşmacılar İstanbul ağzıyla konuşmaktadır. Kayıtlar sessiz ofis, laboratuar ve sınıf ortamlarında bilgisayar ile dijital olarak alınmıştır. Kayıtların alınmasında Sestek Ses Kayıt Programı kullanılmıştır. Dijital kayıt formatı 16-bit, 16 KHz, Microsoft PCM Wave formatıdır. İki tip mikrofon kullanılmıştır: Behringer XM2000S kardioid mikrofon ve Plantronics Audio 50 analog headset mikrofon. Toplanan veri tabanıyla ilgili ayrıntılar Tablo 2 de gösterilmiştir. Grup Konuşmacı Sayısı Yaş Tümce ve Sözcük Sayısı Yalıtılmış Ünlü Sayısı (tek başına söylenen) Yetişkin erkek (72 tümce sözcük) Yetişkin kadın (72 tümce sözcük) Erkek çocuk (sözcük) 8 Kız çocuk (sözcük) 8 Tablo 2. Kullanılan veritabanı ile ilgili kişi sayıları ve tümce/sözcük sayıları.
4 3.2. Formant Analizi Tüm ses kayıtları HTK programı ile bilgisayar ortamında otomatik olarak etiketlenmiştir. Etiketleme için 205 konuşmacıdan (105 erkek, 90 kadın) toplanmış ve elle etiketlenmiş ses kayıtları ile eğitilen fonem tabanlı Saklı Markov Modelleri (Hidden Markov Models) kullanılmıştır. Tüm etiketler gözden geçirilerek hatalı etiketlenen kısımlar çıkarılmış ve formant analizi kalan kısım üzerinde gerçekleştirilmiştir. Formant analizinde her ötümlü için ortalama formant değeri otomatik olarak hesaplanmıştır. Bölüm 3.2 de verilen değerler ünlülere karşılık gelen ortalama formant frekanslarının ortalama ve standart sapmalarıdır. Formant analizi Matlab ortamında geliştirdiğimiz, doğrusal öngörü analizi (linear prediction analysis - LPC) yöntemine dayanan bir programla gerçekleştirilmiştir. 4. SONUÇLAR Formant frekanslarının yaşa, cinsiyete ve seslendirilen ünlüye bağlı olarak değiştiği bilinmektedir. Bu nedenle analiz dört ayrı yaş-cinsiyet grubunda (yetişkin erkek, yetişkin kadın, erkek çocuk ve kız çocuk) her ünlünün formant frekans değerlerinin ortalaması ve standart sapması hesaplanarak gerçekleştirilmiştir. Yalıtılmış ünlüler ve sözcük/tümce içinde geçen ünlülerin formant frekans istatistikleri ayrı ayrı hesaplanmıştır. Tablo 3, 4, 5 ve 6 da yalıtılmış ünlüler için ortlama formant frekans değerleri ve standart sapmaları gösterilmektedir. Tablo 7, 8, 9 ve 10 da benzer analiz sözcük/tümce içinde geçen ünlüler için gerçekleştirilmiştir. a e ı i o ö u ü Tablo 3. Yetişkin erkekler için Türkçe yalıtılmış ünlülerin formant analiz sonuçları. a e ı i o ö u ü Tablo 4. Yetişkin kadınlar için Türkçe yalıtılmış ünlülerin formant analiz sonuçları.
5 a e ı i o ö u ü Tablo 5. Erkek çocuklar için Türkçe yalıtılmış ünlülerin formant analiz sonuçları. a e ı i o ö u ü Tablo 6. Kız çocuklar için Türkçe yalıtılmış ünlülerin formant analiz sonuçları. a e ı i o ö u ü Tablo 7. Yetişkin erkekler için Türkçe sözcük/tümcelerdeki ünlülerin formant analiz sonuçları. a e ı i o ö u ü Tablo 8. Yetişkin kadınlar için Türkçe sözcük ve cümlelerdeki ünlülerin formant analiz sonuçları.
6 a e ı i o ö u ü Tablo 9. Erkek çocuklar için Türkçe sözcük ve cümlelerdeki ünlülerin formant analiz sonuçları. a e ı i o ö u ü Tablo 10. Kız çocuklar için Türkçe sözcük ve cümlelerdeki ünlülerin formant analiz sonuçları. Tüm ünlülerin formant frekanslarının farklı yaş-cinsiyet gruplarına göre dağılımları Şekil 3, 4, 5 ve 6 da gösterilmiştir. Şekil 3. Yetişkin erkekler için tüm ünlülerin ilk iki formant frekansının sözcük/tümce içindeki ünlüler (sol) ve yalıtılmış ünlüler için dağılımları.
7 Şekil 4. Yetişkin kadınlar için tüm ünlülerin ilk iki formant frekansının sözcük/tümce içindeki ünlüler (sol) ve yalıtılmış ünlüler için dağılımları. Şekil 5. Erkek çocuklar için tüm ünlülerin ilk iki formant frekansının sözcük/tümce içindeki ünlüler (sol) ve yalıtılmış ünlüler için dağılımları. Şekil 6. Kız çocuklariçin tüm ünlülerin ilk iki formant frekansının sözcük/tümce içindeki ünlüler (sol) ve yalıtılmış ünlüler için dağılımları.
8 Şekil 7. Sözcük/tümcelerdeki ünlülerin F1-F2 dağılımları.
9 Şekil 8. Yalıtılmış ünlülerin F1-F2 dağılımları.
10 Şekil 7 ve 8 de her ünlü için F1 ve F2 değerlerinin farklı yaş-cinsiyet gruplarına göre dağılımları bir arada gösterilmiştir. Bu şekillerden her ünlünün ilk iki formant frekansı değerlerinin yaş-cinsiyet grubuna bağlı olarak değiştiği gözlenmektedir. 5. TARTIŞMA Yetişkin erkek konuşmacılar için elde edilen sonuçlar F1 e göre üç ayrımın yapılmasını sağlamaktadır: F1 > 600 Hz. Ünlü: /a/ (kapalı-açık-düz ü.) 430 Hz < F1< 600 Hz. Ünlüler: /e/, /o/, /ö/ F1 < 430 Hz. Ünlüler: /i/, /ü/, /u/ (/ı/ hariç kapalı ünlüler) Yetişkin erkekler için F2 ye göre ayrım aşağıdaki gibidir. F2 nin değişiminde dil devinimi ve biçimi etkilidir. F2 > 1450 Hz. Ünlüler: /a/, /u/, /o/ (arka dil ünlüleri) 1450 Hz < F2 < 1650 Hz. Ünlüler: /ı/ (orta dil ünlüsü) F2 < 1450 Hz. Ünlüler: /e/, /i/, /ü/, /ö/ (ön dil ünlüleri) Benzer şekilde yetişkin kadınlar için sonuçlar incelendiğinde F1 e göre iki ayrım gözlenmektedir: F1 > 600 Hz. Ünlüler: /a/ (kapalı-açık-düz ü.), /ı/ (orta-kapalı-düz ü.), /o/ (açıkyuvarlak-arka), /u/ (kapalı-arka-yuvarlak). F1 < 600 Hz. Ünlüler: /e/, /i/, /ö/, /ü/ (ön dil ünlüleri) Yetişkin kadınlarda F2 ye göre ayrım şu şekildedir: F2 > 1600 Hz. Ünlüler: /ı/, /i/, /ü/ (kapalı ünlüler, /u/ hariç) 1400 Hz < F2 < 1600 Hz. Ünlüler: /e/, /a/ (düz - açık ü.) F2 < 1400 Hz. Ünlüler: /ö/, /o/ (açık yuvarlak ü.), /u/ (kapalı yuvarlak ünlü) Yetişkin erkeklerde F2 ye göre sınıflandırmada ön/orta/arka dil ünlüleri sınıflandırması gözükmektedir. Yetişkin bayanlarda ise aynı sınıflandırma F1 ile yapılabilmektedir. (Selen, 1979) çalışmasında belirtilen ön/orta/arka dil ünlü sınıflandırması bu çalışmada da gözlenmiştir. Özellikle /ı/ nın ön ve arka dil ünlülerinin arasında olmasıyla. Çocuklar için sonuçlar incelendiğinde ünlülerin formant değerlerinin yetişkinlere göre daha yüksek olduğu gözlenmektedir. Bunun nedeni çocuklarda ses yolunun yetişkinlere göre daha kısa olması ve yüksek enerji içeren frekansların kısa dalga boylarına (yüksek frekanslara) karşılık gelmesidir. Çocuklarda kız ve erkekler için değerler birbirine yetişkinlere göre daha yakındır. Ayrıca ünlüler arasındaki kesişmelerin fazla olması nedeniyle F1 ve F2 ile ünlüler arasında ayrım yapmak daha zordur. 6. KAYNAKÇA Pye, D., Woodland, P. ve Young, S. (1995). "Large Vocabulary Multilingual Speech Recognition using HTK." Proc Eurospeech, Madrid.
11 Rabiner, L., R., ve Juang, B.-H., Fundamentals of Speech Recognition, 1993, New Jersey, NJ, Prentice-Hall, Inc. Rabiner, L., W., ve Schafer, R., W., Digital Processing of Speech Signals, 1978, New Jersey, Prentice-Hal. Inc. Ergenç, İ., Türkiye Türkçesinin Görevsel Sesbilimi, Ankara:Engin, Hardcastle, W. J. ve J. Laver (editörler), The Handbook of Phonetic Sciences, Blackwell Publishers Ltd., Kopkalli, H., A Phonetic and Phonological Analysis of Final Devoicing in Turkish. University of Michigan. Ph. D. Dissertation, Kılıç, M. A., Türkiye Türkçesindeki Ünlülerin Sesbilgisel Özellikleri, Studies in Turkish Linguistics, Boğaziçi University Press, Lieberman, P. ve S. E. Blumstei, Speech physiology, speech perception, and acoustic phonetics, Cambridge University Press, Rabiner, L. R. and R. W. Schafer, Digital Processing of Speech Signals, Prentice Hall Inc., Englewood Cliffs, N. J., Selen, N., Söyleyiş Sesbilimi, Akustik Sesbilim ve Türkiye Türkçesi, Türk Dil Kurumu Yayınları, Ankara, Şayli, Ö. ve Levent M. Arslan, "Türkçe'deki seslerin süre özellikleri", Dilbilim Araştırmaları, Boğaziçi Üniversitesi Yayınevi, s , WaveSurfer ses çözümleme programı,
Türkçe de Ünlülerin FormantĐncelemesi
Türk, O., Şayli, Ö., Özsoy, S., Arslan, L., Türkçede Ünlülerin Formant Frekans Đncelemesi, 18. Ulusal Dilbilim Kurultayı, Ankara Üniversitesi, 20-21 Mayıs 2004 (Sözel sunum) Türkçe de Ünlülerin FormantĐncelemesi
DetaylıBiyo-Medikal Mühendisliği Enstitüsü. Bbatı Dilleri ve Edebiyatı Bölümü. Elektrik-Elektronik Mühendisliği Bölümü {sayliome, arslanle}@boun.edu.
Şayli, Ö., Levent M. Arslan and A. Sumru Özsoy, Türkçe'de Ses Sürelerine Etki Eden Etmenler ve Etkileri (Factors Effecting Durations of Turkish Phonemes and Their Effects), XVII. Dilbilim Kurultayı, Anadolu
DetaylıÖmer Şayi i ve Levent M. A ıslan Boğaziçi Üniversitesi
Türkçe deki sesierin süre özellikleri Ömer Şayi i ve Levent M. A ıslan Boğaziçi Üniversitesi Durations of the Tıırkish phonemes are investigated in t'nis study using the high quality digital records of
DetaylıTürkçe Ses Sentezi için Süre Modellenmesi
Türkçe Ses Sentezi için Süre Modellenmesi Ömer Şayli 1, Levent M. Arslan 1 ve A. Sumru Özsoy 2 Boğaziçi Üniversitesi, Bebek, 80815,İstanbul 1 Elektrik-Elektronik Mühendisliği Bölümü 2 Batı Dilleri ve Edebiyatı
DetaylıTÜRK DİL BİLGİSİ ÖĞRETİMİNDE ÜNLÜLERİN SINIFLANDIRILMASINA YÖNELİK ELEŞTİREL BİR DEĞERLENDİRME. 2. Araştırmanın Kapsamı ve Kaynakları
TÜRK DİL BİLGİSİ ÖĞRETİMİNDE ÜNLÜLERİN SINIFLANDIRILMASINA YÖNELİK ELEŞTİREL BİR DEĞERLENDİRME 1. Araştırmanın Amacı Mustafa Altun Sakarya Üniversitesi maltun@sakarya.edu.tr Araştırmada, akademik dil bilgisi
DetaylıFONETİK ÇALIŞMALAR VE AĞIZ ARAŞTIRMALARINDA BİLGİSAYAR VE SES PROGRAMLARININ KULLANIMI
FONETİK ÇALIŞMALAR VE AĞIZ ARAŞTIRMALARINDA BİLGİSAYAR VE SES PROGRAMLARININ KULLANIMI Yrd.Doç.Dr. Paki KÜÇÜKER * Türkçedeki seslerin akustik özelliklerinin belirlenmesi fonetik çalışmalarda oldukça büyük
DetaylıSESBİLİM ÇALIŞMALARI. Prof. Dr. İclâl ERGENÇ
SESBİLİM ÇALIŞMALARI Prof. Dr. İclâl ERGENÇ SESBİLİM ve SESBİLGİSİ ALANINDAKİ ÖNCÜ ÇALIŞMALAR Prof. Dr. NECİP ÜÇOK Seslerin fizyolojik açıdan çıkış biçimleri ve ses dizgesindeki konumlanışlarını betimlenmesi»
DetaylıSÜREKLİ SAKLI MARKOV MODELLERİ İLE METİNDEN BAĞIMSIZ KONUŞMACI TANIMA PARAMETRELERİNİN İNCELENMESİ
Uludağ Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, Cilt 12, Sayı 1, 2007 SÜREKLİ SAKLI MARKOV MODELLERİ İLE METİNDEN BAĞIMSIZ KONUŞMACI TANIMA PARAMETRELERİNİN İNCELENMESİ Cemal HANİLÇİ Figen
DetaylıDoğan Can, Murat Saraçlar. Bebek, İstanbul. 9 Mart, 2009
Türkçe Haber Bültenlerinin Açık Kaynak Yazılımlar ile Yazılandırılması Doğan Can, Murat Saraçlar Elektrik Elektronik Mühendisliği Bölümü Boğaziçi Üniversitesi Bebek, İstanbul 9 Mart, 2009 Bir Bakışta GDSKT
DetaylıKonuşma Terapisine Yönelik Otomatik Konuşma Tanıma Yöntemleri
Konuşma Terapisine Yönelik Otomatik Konuşma Tanıma Yöntemleri Oytun Türk Levent M. Arslan Elektrik-Elektronik Müh. Bölümü, Boğaziçi Üniversitesi, Bebek, İstanbul Sestek A.Ş., ARI-1 Teknopark Binası, İTÜ
DetaylıDİL BİLGİSİ KAYNAKLARINA GÖRE TÜRKİYE TÜRKÇESİNİN ÜNLÜ VE ÜNSÜZLERİ Çalışma Taslağı 6 Kasım 2008
DİL BİLGİSİ KAYNAKLARINA GÖRE TÜRKİYE TÜRKÇESİNİN ÜNLÜ VE ÜNSÜZLERİ Çalışma Taslağı 6 Kasım 2008 Dr. Mustafa Altun * GİRİŞ Türkiye Türkçesinin sesleri, dil bilgisi kaynaklarının birçoğunda farklı sınıflandırmalara
DetaylıTÜRKÇE ÜNLÜ FORMANT FREKANS DEĞERLERİ VE BU DEĞERLERE DAYALI ÜNLÜ DÖRTGENİ
TÜRKÇE ÜNLÜ FORMANT FREKANS DEĞERLERİ VE BU DEĞERLERE DAYALI ÜNLÜ DÖRTGENİ Ekrem Malkoç Özet Türkçedeki ünlülerin formant frekans değerlerinin belirlenmesine yönelik değişik çalışmalar mevcuttur. Bu çalışmalarda
DetaylıAdli Konusma Bilimi ve Uygulamaları Burcu Önder Adli Ses Analiz Uzmanı
Adli Konusma Bilimi ve Uygulamaları Burcu Önder Adli Ses Analiz Uzmanı 1 CBS Etkinlikleri 13 Kasım m 2012 İçerik Adli Sesbilim kavramı Konuşmacı karşılaştırma Dava örnekleri Yöntemler Yazılımlar Analiz
DetaylıEkrem MALKOÇ, Levent GÜNER. Van Jandarma Bölge Kriminal Laboratuvar Amirliği leventguner84@gmail.com, e.malkoc@superonline.com
FARKLI KAYIT YÖNTEMLERİNİN ADLİ KONUŞUCU TANIMA ÜZERİNDEKİ ETKİLERİ Ekrem MALKOÇ, Levent GÜNER Van Jandarma Bölge Kriminal Laboratuvar Amirliği leventguner84@gmail.com, e.malkoc@superonline.com ÖZET Konuşucu
DetaylıDijital Sinyal İşleme (COMPE 463) Ders Detayları
Dijital Sinyal İşleme (COMPE 463) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Dijital Sinyal İşleme COMPE 463 Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin
Detaylı2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018
2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018 Sigortacılık Eğitim Merkezi (SEGEM) tarafından hazırlanmış olan bu sınav sorularının her hakkı saklıdır. Hangi amaçla
DetaylıDinamik Zaman Bükmesi Yöntemiyle Hece Tabanlı Konuşma Tanıma Sistemi
Akademik Bilişim 2008 Çanakkale Onsekiz Mart Üniversitesi, Çanakkale, 30 Ocak - 01 Şubat 2008 Dinamik Zaman Bükmesi Yöntemiyle Rıfat AŞLIYAN 1, Korhan GÜNEL 2, Tatyana YAKHNO 1 1 Dokuz Eylül Üniversitesi,
DetaylıÖRÜNTÜ TANIMA YÖNTEMLERİ KULLANARAK KONUŞMACI BAĞIMLI AYRIŞIK SÖZCÜK TANIMA. Betül KESKİN
2 ÖRÜNTÜ TANIMA YÖNTEMLERİ KULLANARAK KONUŞMACI BAĞIMLI AYRIŞIK SÖZCÜK TANIMA Betül KESKİN YÜKSEK LİSANS TEZİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MART
DetaylıSürtünmeli Ünsüzler. Praat. Sınıflandırma (Islıksı Islıksı Olmayan) Sınıflandırma (Boğumlanma Noktasına Göre) 01.10.2012
TÜRKÇEDEKİ ÖTÜMSÜZ SÜRTÜNMELİ ÜNSÜZLERİNAKUSTİKÖZELLİKLERİ Prof. Dr. Mehmet Akif KILIÇ Kahramanmaraş Sütçü İmam Üniversitesi makilic@yahoo.com Sürtünmeli Ünsüzler Ses yolunun ileri derecede daralmasıyla
DetaylıTÜRKÇENĐN ÖĞRETĐMĐNDE ÜNSÜZLERĐN SINIFLANDIRILMASI ÖZET ABSTRACT
Muğla Üniversitesi SBE Dergisi Bahar 2002 Sayı 8 TÜRKÇENĐN ÖĞRETĐMĐNDE ÜNSÜZLERĐN SINIFLANDIRILMASI ÖZET M. Volkan COŞKUN ** Makalede, tonlu ve tonsuz ünsüzlerin oluşum safhaları anlatılmış olup, ünsüzlerin
DetaylıTIKANMAYA BAĞLI UYKU APNESİ HASTALARI VE BASİT HORLAYANLARDA HORLAMA SESLERİNİN SPEKTRAL ZARF ANALİZİ
TIKANMAYA BAĞLI UYKU APNESİ HASTALARI VE BASİT HORLAYANLARDA HORLAMA SESLERİNİN SPEKTRAL ZARF ANALİZİ Mustafa Çavuşoğlu Mustafa Kamaşak Osman Eroğul Tolga Çiloğlu Yeşim Serinağaoğlu Hakan Birkent SİU 2007
DetaylıİNSAN İLE BİLGİSAYAR ARASINDA SESLİ İLETİŞİMİN İYİLEŞTİRİLMESİ
İNSAN İLE BİLGİSAYAR ARASINDA SESLİ İLETİŞİMİN İYİLEŞTİRİLMESİ Hasan Feyzi Özustaoğlu 1, Prof. Dr. Arif Nacaroğlu 2 1, 2 Elektrik-Elektronik Mühendisliği Bölümü, Gaziantep Üniversitesi Şahinbey, Gaziantep.
DetaylıTürkiye Türkçesi'ndeki ünlüterin sesbilgisel özellikleri
Türkiye Türkçesi'ndeki ünlüterin sesbilgisel özellikleri Mehmet AkifKılıç Kahramanmaraş Sütçü İmam Üniversitesi I. Giriş Çalışmamızın amacı, Türkiye Türkçesi'ndeki sekiz ünlünün oluşturma (artikülatuvar),
DetaylıEGE ÜNİVERSİTESİ Bilgisayar Mühendisliği. Dr. Kemal YILMAZ, Prof. Dr. Aylin KANTARCI, Prof. Dr. Cezmi AKKIN
EGE ÜNİVERSİTESİ Bilgisayar Mühendisliği Dr. Kemal YILMAZ, Prof. Dr. Aylin KANTARCI, Prof. Dr. Cezmi AKKIN Oftalmoskopi: oftalmoskop ile göz dibinin muayene edilmesi bilimidir. Bilim tarihinin ilk optik
Detaylı1.Bölüm Ses, Ses bileşenleri, İnsan kulağının duyarlılığı, İşitsel-Fizyolojik yeğinlik, Grafik gösterme biçimleri Prof. Dr.
AKUSTİK TEMEL KONULARI SUNUMU 1.Bölüm Ses, Ses bileşenleri, İnsan kulağının duyarlılığı, İşitsel-Fizyolojik yeğinlik, Grafik gösterme biçimleri Prof. Dr. Neşe Yüğrük AKDAĞ MİMARİ AKUSTİK AKUSTİK BİLİMİNİN
DetaylıMetal kalıplar Tabanı plastik enjeksiyonla üretilen, sayası ısı ile form alması istenilen (Rok ) ayakkabıların imalatında kullanılmaktadır.
KALIP ÖZELLİKLERİ VE ÇEŞİTLERİ, KALIP ÜZERİNDE ÖLÇÜ ALINACAK TEMEL NOKTALAR Kalıp Üzerinde, modelin çizilip hazırlandığı, sayanın monte edildiği ve tabanın yerleştirildiği ayakkabının şeklini vermek için
Detaylı2.1 Gri Düzey Eş Oluşum Matrisi ( GLCM) Gri düzey eş oluşum matrisi Haralick tarafından öne sürülmüştür [1]. Đstatistiksel doku analizi yöntemidir.
ÇELĐK YÜZEYLERĐN SINIFLANDIRILMASI * Cem ÜNSALAN ** Aytül ERÇĐL * Ayşın ERTÜZÜN *Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği Bölümü unsalan@boun.edu.tr **Boğaziçi Üniversitesi, Endüstri Mühendisliği
DetaylıAkustik Temizleyici Seçimi. Tipik bir yaklaşım.
Akustik Temizleyici Seçimi 00 0 00 0 0 0 00 0 0 00 0 Tipik bir yaklaşım. Önce tamamlanmış bir anket ve DWG çizimi alırsınız. 00 000 00 0 000 000 0 Ses basınç varyasyonlarının kökeni Dalga boyu( ) ve Sesin
DetaylıKonuşma İşleme ve Uygulamaları (EE 519) Ders Detayları
Konuşma İşleme ve Uygulamaları (EE 519) Ders Detayları Ders Adı Ders Dönemi Ders Uygulama Laboratuar Kredi AKTS Kodu Saati Saati Saati Konuşma İşleme ve Uygulamaları EE 519 Güz 3 0 0 3 7.5 Ön Koşul Ders(ler)i
DetaylıDijital Görüntü İşleme (COMPE 464) Ders Detayları
Dijital Görüntü İşleme (COMPE 464) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Dijital Görüntü İşleme COMPE 464 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i
DetaylıBÖLÜM 12 STUDENT T DAĞILIMI
1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir
DetaylıAlt-bant İşlemeye Dayalı Bir Ses Sınıflandırma Sistemi
1. Giriş Alt-bant İşlemeye Dayalı Bir Ses Sınıflandırma Sistemi Oytun Türk Ömer Şayli Helin Dutağacı Levent M. Arslan Boğaziçi Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü Bebek, İstanbul
DetaylıÖRNEK BULGULAR. Tablo 1: Tanımlayıcı özelliklerin dağılımı
BULGULAR Çalışma tarihleri arasında Hastanesi Kliniği nde toplam 512 olgu ile gerçekleştirilmiştir. Olguların yaşları 18 ile 28 arasında değişmekte olup ortalama 21,10±1,61 yıldır. Olguların %66,4 ü (n=340)
DetaylıTÜRKİYE TÜRKÇESİNDEKİ YUMUŞAK G ÜNSÜZÜNÜN FONETİK ANALİZİ Mehmet Akif KILIÇ 1 Mevlüt ERDEM 2
TÜRKİYE TÜRKÇESİNDEKİ YUMUŞAK G ÜNSÜZÜNÜN FONETİK ANALİZİ Mehmet Akif KILIÇ 1 Mevlüt ERDEM 2 GİRİŞ Fonetik, konuşma seslerini (fonları) inceleyen bir bilim dalı olup fizyolojik (artikülatuvar), akustik
Detaylıy Konuşma sesleriyle ilgili nesnel değerler ortaya koyar. 1. seçenek: 2. seçenek: y Fonetik çözümleme, fonetik laboratuvarında ve
Fonetik Çözümleme: Niçin? Konuşma seslerile ilgili nesnel değerler ortaa koar. İnsan kulağıla aırt edilemeen pek çok özellik fonetik incelemele ortaa çıkarılabilir. Tekrarlaan ölçümlerde elde edilen değerler
DetaylıLINEAR PREDICTIVE CODING VE DYNAMIC TIME WARPING TEKNİKLERİ KULLANILARAK SES TANIMA SİSTEMİ GELİŞTİRİLMESİ
LINEAR PREDICTIVE CODING VE DYNAMIC TIME WARPING TEKNİKLERİ KULLANILARAK SES TANIMA SİSTEMİ GELİŞTİRİLMESİ ÖZET Murat Kemal BAYGÜN Egecom Int. Hiz. ve Yazılım Ltd. Çaybaşı M. 1582 S. No:14 K:1 D:1, DENİZLİ
DetaylıVerilerin Düzenlenmesi
Verilerin Düzenlenmesi İstatistiksel verileri anlamlı hale getirmenin 5 ayrı yolu: 1. Sözel ifadelerle açıklama 2. Tablolar halinde düzenleme 3. Seriler halinde düzenleme 4. Grafiklerle gösterme 5. Bu
DetaylıBİRİNCİ YIL GÜZ DÖNEMİ
BİRİNCİ YIL GÜZ DÖNEMİ ANA 133 ANATOMİ (2-0) 2 İlgili bölgeler ağırlıklı olmak üzere bölgesel ve fonksiyonel genel insan anatomisi Cumhur M.(editör), Temel Anatomi, ODTÜ Geliştirme Vakfı Yay.A.Ş 1.baskı,
Detaylıobjektif değerlendirilmesini sağlayan bilim - veri arasındaki farkın olup olmadığını tespit
İSTATİST STİK A. G E N E L B İ L G İ A. G E N E L B İ L G İ İstatistik, belli amacla tespit edilen verilerin objektif değerlendirilmesini sağlayan bilim dalıdır. Hedef - verilere anlam kazandırmak - veri
DetaylıZahmetsiz örüntü tanıma: Nokta bulutlarının karşılaştırılması yoluyla veri-tabanlı ve parametresiz istatistiksel öğrenme
Zahmetsiz örüntü tanıma: Nokta bulutlarının karşılaştırılması yoluyla veri-tabanlı ve parametresiz istatistiksel öğrenme Doç. Dr. Bilge Karaçalı Biyomedikal Veri İşleme Laboratuvarı Elektrik-Elektronik
DetaylıBÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ
1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel
DetaylıEHM381 ANALOG HABERLEŞME DÖNEM PROJESİ
T.C. SÜLEYMAN DEMİREL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ Elektronik ve Haberleşme Mühendisliği Bölümü EHM381 ANALOG HABERLEŞME DÖNEM PROJESİ MATLAB YARDIMIYLA ANALOG MODÜLASYONLU SİNYALLERİN ÜRETİLMESİ
DetaylıSTANDART TÜRKÇEDEKİ ÜNLÜLERİN AKUSTİK ANALİZİ
T.C. İSTANBUL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ SAHNE SANATLARI ANASANAT DALI TİYATRO SANAT DALI SANATTA YETERLİK TEZİ STANDART TÜRKÇEDEKİ ÜNLÜLERİN AKUSTİK ANALİZİ VE FONETİK ALTYAPI ASLI YILMAZ
DetaylıFatih Üniversitesi Elektrik ve Elektronik Mühendisliği Bölümü EEM 316 Haberleşme I LAB SINAVI DARBE GENLİK MODÜLASYONU (PWM)
Fatih Üniversitesi Elektrik ve Elektronik Mühendisliği Bölümü EEM 316 Haberleşme I LAB SINAVI DARBE GENLİK MODÜLASYONU (PWM) 9.1 Amaçlar 1. µa741 ile PWM modülatör kurulması. 2. LM555 in çalışma prensiplerinin
DetaylıDijital Görüntü İşleme Teknikleri
Teknikleri Ders Notları, 2013 Doç. Dr. Fevzi Karslı Harita Mühendisliği Bölümü Mühendislik Fakültesi KTÜ 08 Ekim 2013 Salı 1 Ders Planı ve İçeriği 1. Hafta Giriş, dersin kapsamı, temel kavramlar, kaynaklar.
DetaylıBölüm 14 FSK Demodülatörleri
Bölüm 14 FSK Demodülatörleri 14.1 AMAÇ 1. Faz kilitlemeli çevrim(pll) kullanarak frekans kaydırmalı anahtarlama detektörünün gerçekleştirilmesi.. OP AMP kullanarak bir gerilim karşılaştırıcının nasıl tasarlanacağının
DetaylıTürkçe Dokümanlar Ġçin Yazar Tanıma
Türkçe Dokümanlar Ġçin Yazar Tanıma Özcan KOLYĠĞĠT, Rıfat AġLIYAN, Korhan GÜNEL Adnan Menderes Üniversitesi, Matematik Bölümü Bölümü, Aydın okolyigit@gmail.com, rasliyan@adu.edu.tr, kgunel@adu.edu.tr Özet:
DetaylıFizik 102-Fizik II /II
1 -Fizik II 2010-2011/II Gauss Yasası Nurdan Demirci Sankır Ofis: 325, Tel: 2924331 Kaynaklar: Giancoli, Physics, Principles With Applications, Prentice Hall Serway, Beichner, Fen ve Mühendislik için Fizik
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
DetaylıSes Komut Tanıma ile Gezgin Araç Kontrolü. Mobile Vehicle Control With Voice Command Recognition
Ses Komut Tanıma ile Gezgin Araç Kontrolü * 1 Muharrem ÇELEBİ, 2 Ali BULDU 1 Elektronik ve Haberleşme Mühendisliği, Fen Bilimleri Enstitüsü, Kocaeli Üniversitesi, Türkiye 2 Bilgisayar Mühendisliği, Teknoloji
DetaylıBÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ
1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma
DetaylıÖrnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.
.4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin
DetaylıKANTİTATİF TEKNİKLER - Temel İstatistik -
KANTİTATİF TEKNİKLER - Temel İstatistik - 1 İstatistik Nedir? Belirli bir amaçla verilerin toplanması, düzenlenmesi, analiz edilerek yorumlanmasını sağlayan yöntemler topluluğudur. 2 İstatistik Kullanım
DetaylıTÜRKÇE KOMUTLARI TANIYAN SES TANIMA SİSTEMİ GELİŞTİRİLMESİ
TÜRKÇE KOMUTLARI TANIYAN SES TANIMA SİSTEMİ GELİŞTİRİLMESİ Pamukkale Üniversitesi Fen Bilimleri Enstitüsü Yüksek Lisans Tezi Bilgisayar Mühendisliği Anabilim Dalı Murat Kemal BAYGÜN Danışman: Yard. Doç.
DetaylıİNŞAAT MÜHENDİSLİĞİNDE LİSANS SONRASI AKADEMİK EĞİTİM: SAYILARLA TÜRKİYE DEKİ MEVCUT DURUM
- 169 - İNŞAAT MÜHENDİSLİĞİNDE LİSANS SONRASI AKADEMİK EĞİTİM: SAYILARLA TÜRKİYE DEKİ MEVCUT DURUM Cemalettin Dönmez * Özet Türkiye de inşaat mühendisliğinde lisans sonrası eğitimin hacim ve temel uzmanlık
DetaylıMAHREC: Mobil Tabanlı Harf Çıkış Bozukluklarının İyileştirilmesi
MAHREC: Mobil Tabanlı Harf Çıkış Bozukluklarının İyileştirilmesi Seyfullah Uysal, Emre Yılmaz, Süleyman Eken, Ahmet Sayar Bilgisayar Mühendisliği, Kocaeli Üniversitesi, 41380 İzmit, Türkiye seyfullah.ysl@gmail.com,
Detaylı- İşgücüne katılım oranlarının önemi anlaşılmalıdır.
DERS ÖĞRETİM PLANI Dersin Adı Ekonomide Kadın Dersin Kodu Dersin Türü Dersin Seviyesi Seçmeli Lisans Dersin AKTS Kredisi 5 Haftalık Ders Saati 3 Haftalık Uygulama Saati - Haftalık Laboratuar Saati - Dersin
DetaylıVERİ SETİNE GENEL BAKIŞ
VERİ SETİNE GENEL BAKIŞ Outlier : Veri setinde normal olmayan değerler olarak tanımlanır. Ders: Kantitatif Yöntemler 1 VERİ SETİNE GENEL BAKIŞ Veri setinden değerlendirme başlamadan çıkarılabilir. Yazım
DetaylıRİSK ANALİZİ VE AKTÜERYAL MODELLEME
SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla
DetaylıÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ
ÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ 1. Giriş Tolga Kurt, Emin Anarım Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği 80815,Bebek, İstanbul-Türkiye e-posta:
DetaylıDers Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Dijital Sinyal İşleme EEE
DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Dijital Sinyal İşleme EEE409 7 3+0 3 5 Ön Koşul Dersleri Dersin Dili Dersin Seviyesi Dersin Türü İngilizce Lisans Seçmeli / Yüz Yüze
DetaylıFethiye ÖÇK Bölgesi Arazi Örtüsü/Arazi Kullanımı Değişim Tespiti
Fethiye ÖÇK Bölgesi Arazi Örtüsü/Arazi Kullanımı Değişim Tespiti Kurum adı: T.C. Çevre ve Orman Bakanlığı Bilgi İşlem Dairesi Başkanlığı, Özel Çevre Koruma Kurumu Başkanlığı Proje durumu: Tamamlandı. Proje
DetaylıAKTİF KAYNAKLI YÜZEY DALGASI (MASW) YÖNTEMINDE FARKLI DOĞRUSAL DIZILIMLERIN SPEKTRAL ÇÖZÜNÜRLÜLÜĞÜ
AKTİF KAYNAKLI YÜZEY DALGASI (MASW) YÖNTEMINDE FARKLI DOĞRUSAL DIZILIMLERIN SPEKTRAL ÇÖZÜNÜRLÜLÜĞÜ M.Ö.Arısoy, İ.Akkaya ve Ü. Dikmen Ankara Üniversitesi Mühendislik Fakültesi Jeofizik Mühendisliği Bölümü,
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
DetaylıArazi Kullanımı Veri Kaynakları ve Yöntem. Öğrt.Gör.Dr. Rüya Bayar
Arazi Kullanımı Veri Kaynakları ve Yöntem Öğrt.Gör.Dr. Rüya Bayar Arazi Kullanımı doğal ortam insan etkileşimine bağlı olarak ortaya çıktığı için, bu çalışmalarda Coğrafyanın veri kaynaklarını kullanır.
DetaylıHipotez Testleri. Mühendislikte İstatistik Yöntemler
Hipotez Testleri Mühendislikte İstatistik Yöntemler Hipotez Testleri Parametrik Testler ( z ve t testleri) Parametrik Olmayan Testler (χ 2 Testi) Hipotez Testleri Ana Kütle β( µ, σ ) Örnek Kütle b ( µ
DetaylıİÇİNDEKİLER KISIM I SİSTEMATİK YAKLAŞIM
İÇİNDEKİLER KISIM I SİSTEMATİK YAKLAŞIM 1 BİLİM DİSİPLİN ARAŞTIRMA... 3 1. BİLİM NEDİR?... 3 2. DİSİPLİN NEDİR?... 6 3. DOĞA BİLİMLERİ VE SOSYAL BİLİMLER ARASINDAKİ TEMEL FARK... 7 4. ARAŞTIRMA NEDİR?...
Detaylı13. Olasılık Dağılımlar
13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon
DetaylıŞekil 3-1 Ses ve PWM işaretleri arasındaki ilişki
DARBE GENİŞLİK MÖDÜLATÖRLERİ (PWM) (3.DENEY) DENEY NO : 3 DENEY ADI : Darbe Genişlik Modülatörleri (PWM) DENEYİN AMACI : µa741 kullanarak bir darbe genişlik modülatörünün gerçekleştirilmesi.lm555 in karakteristiklerinin
DetaylıDENEY NO:1 SAYISAL MODÜLASYON VE DEMODÜLASYON
DENEY NO:1 SAYISAL MODÜLASYON VE DEMODÜLASYON 1. Amaç Sayısal Modülasyonlu sistemleri tanımak ve sistemlerin nasıl çalıştığını deney ortamında görmektir. Bu Deneyde Genlik Kaydırmalı Anahtarlama (ASK),
DetaylıSESİN DOĞASI VE OLUŞUMU The Nature of Sound
1 SESİN DOĞASI VE OLUŞUMU The Nature of Sound Levent GÜNER Prof.Dr. İclal ERGENÇ ÖZET : Bu bölümde, ses nasıl oluşur, nasıl duyarız, yapısı nasıldır, bilim adamlarının bu konular üzerindeki çalışmaları
DetaylıBOĞAZİÇİ ÜNİVERSİTESİ FEN EDEBİYAT FAKÜLTESİ DİLBİLİM BÖLÜMÜ
5 BOĞAZİÇİ ÜNİVERSİTESİ FEN EDEBİYAT FAKÜLTESİ DİLBİLİM BÖLÜMÜ DİLBİLİM NEDİR? İnsan dilinin farklı yönlerini inceleyen bilim dalı Dilbilim edebiyat değildir sadece İngilizce yle ilgili değildir soyutlama
DetaylıYabancı Elyaf Sınıflandırması
Masters in Textile textile Quality Control Masters in textile Quality Control yarnmaster facts yarnmaster Ya b a n c ı E l y a f Sınıflandırması 045913/007t Yabancı Elyaf Sınıflandırması Yabancı elyaf,
DetaylıOptik Filtrelerde Performans Analizi Performance Analysis of the Optical Filters
Optik Filtrelerde Performans Analizi Performance Analysis of the Optical Filters Gizem Pekküçük, İbrahim Uzar, N. Özlem Ünverdi Elektronik ve Haberleşme Mühendisliği Bölümü Yıldız Teknik Üniversitesi gizem.pekkucuk@gmail.com,
DetaylıPamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences
Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences Mobil araçlarda Türkçe konuşma tanıma için yeni bir veri tabanı ve bu veri tabanı ile elde edilen
Detaylı2015/2016 Bahar Yarıyılı Bitirme Çalışması Konuları. (Doç.Dr. M. Kemal GÜLLÜ)
2015/2016 Bahar Yarıyılı Bitirme Çalışması Konuları (Doç.Dr. M. Kemal GÜLLÜ) 1. Ses temelli malzeme tanıma Malzemelerin çarpma etkisi ile çıkarttıkları seslerin mikrofon ile bir PC ye alınması ve işaretten
DetaylıORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH
ORTALAMA ÖLÇÜLERİ Ünite 6 Öğr. Gör. Ali Onur CERRAH Araştırma sonucunda elde edilen nitelik değişkenler hakkında tablo ve grafikle bilgi sahibi olunurken, sayısal değişkenler hakkında bilgi sahibi olmanın
DetaylıOnline teknik sayfa MCS100FT-C SEOS ÇÖZÜMLERI
Online teknik sayfa A B C D E F Ayrıntılı teknik bilgiler sistemi Sipariş bilgileri Tip Stok no. Talep üzerine Uygulama yeri ve müşteri gereklilikleri doğrultusunda kullanılacak cihazın özellikleri ve
DetaylıBölüm 7 Renkli Görüntü İşleme
BLM429 Görüntü İşlemeye Giriş Bölüm 7 Renkli Görüntü İşleme Dr. Öğr. Üyesi Caner ÖZCAN Genç sanatçının, rengin sadece tanımlayıcı değil aynı zamanda kişisel ifade anlamına geldiğini anlaması renge dokunmasından
DetaylıT.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ EĞİTİM ÖĞRETİM YILI DERS KATALOĞU
T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ - EĞİTİM ÖĞRETİM YILI DERS KATALOĞU Ders Kodu Bim Kodu Ders Adı Türkçe Ders Adı İngilizce Dersin Dönemi T Snf Açıl.Dönem P
DetaylıBİR HECE-TABANLI TÜRKÇE SESLİ İFADE TANIMA SİSTEMİNİN TASARIMI VE GERÇEKLEŞTİRİMİ
BİR HECE-TABANLI TÜRKÇE SESLİ İFADE TANIMA SİSTEMİNİN TASARIMI VE GERÇEKLEŞTİRİMİ A SYLLABLE-BASED SPEECH RECOGNITION SYSTEM DESIGN AND IMPLEMENTATION FOR TURKISH LANGUAGE BURCU CAN Hacettepe Üniversitesi
DetaylıÖZGEÇMİŞ. 7. Yayınlar 7.1 Uluslararası hakemli dergilerde yayınlanan makaleler (SCI,SSCI,Arts and Humanities)
ÖZGEÇMİŞ 1. Adı Soyadı : Ebru Arısoy SARAÇLAR 2. Doğum Tarihi : 01.01.1979 3. Unvanı : Doktor 4. Öğrenim Durumu : Doktora Derece Alan Üniversite Yıl Lisans Elektrik-Elektronik Mühendisliği Boğaziçi Üniversitesi
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
DetaylıTÜBİTAK-BİDEB Lise Öğretmenleri (Fizik, Kimya, Biyoloji ve Matematik) Proje Danışmanlığı Eğitimi Çalıştayı LİSE-2 (ÇALIŞTAY 2012) SUYUN DANSI
TÜBİTAK-BİDEB Lise Öğretmenleri (Fizik, Kimya, Biyoloji ve Matematik) Proje Danışmanlığı Eğitimi Çalıştayı LİSE-2 (ÇALIŞTAY 2012) SUYUN DANSI Ali EKRİKAYA Teknik ve Endüstri Meslek Lisesi KAYSERİ Ömer
DetaylıANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL İYİ UYUM TESTİ Rassal değişkenin olasılık yoğunluk fonksiyonunun ve parametresinin bilinmediği, ancak belirli
DetaylıBAŞKENT ÜNİVERSİTESİ BİYOMEDİKAL MÜHENDİSLİĞİ BÖLÜMÜ
BAŞKENT ÜNİVERSİTESİ BİYOMEDİKAL MÜHENDİSLİĞİ BÖLÜMÜ BME43 BİYOMEDİKAL İŞARET İŞLEME I LABORATUVAR DERSİ Deneyin Adı: Güç Sektral Yoğunluğu DENEY 7 Deneyin Amacı: Güç Sektral Yoğunluğu Tesiti ve MATLAB
DetaylıAST416 Astronomide Sayısal Çözümleme - II. 6. Monte Carlo
AST416 Astronomide Sayısal Çözümleme - II 6. Monte Carlo Bu derste neler öğreneceksiniz? Monte Carlo Yöntemleri Markov Zinciri (Markov Chain) Rastgele Yürüyüş (Random Walk) Markov Chain Monte Carlo, MCMC
DetaylıOnline teknik sayfa MCS100E HW-C SEOS ÇÖZÜMLERI
Online teknik sayfa A B C D E F Ayrıntılı teknik bilgiler Sistem Sipariş bilgileri Tip Stok no. Talep üzerine Uygulama yeri ve müşteri gereklilikleri doğrultusunda kullanılacak cihazın özellikleri ve spesifikasyonları
DetaylıKi- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL İYİ UYUM TESTİ Rassal değişkenin olasılık yoğunluk fonksiyonunun ve parametresinin bilinmediği, ancak belirli
DetaylıMOCKUS HİDROGRAFI İLE HAVZA & TAŞKIN MODELLENMESİNE BİR ÖRNEK: KIZILCAHAMAM(ANKARA)
MOCKUS HİDROGRAFI İLE HAVZA & TAŞKIN MODELLENMESİNE BİR ÖRNEK: KIZILCAHAMAM(ANKARA) Tunç Emre TOPTAŞ Teknik Hizmetler ve Eğitim Müdürü, Netcad Yazılım A.Ş. Bilkent, Ankara, Öğretim Görevlisi, Gazi Üniversitesi,
Detaylı26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır?
26.2.23 Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HĐPOTEZ TESTLERĐ denir. Sonuçların raslantıya bağlı olup
DetaylıÖrnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin ortalamasını 5 yapabilmek için son sınavdan kaç alması gerekmektedir?
İSTATİSTİK Bir sonuç çıkarmak ya da çözüme ulaşabilmek için gözlem, deney, araştırma gibi yöntemlerle toplanan bilgiye veri adı verilir. Örnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin
DetaylıADLİ TIP AUDIO DEVAMLILIK ANALİZİ RAPORU
ADLİ TIP AUDIO DEVAMLILIK ANALİZİ RAPORU AFS Ref: Talepte Bulunan Müşteri: Adli Tıp Soruşturmacıları: 0011929/MA Mehmet Alaybeyoğlu Paul Baker Raporun Düzenlenme Tarihi: 12/04/2014 ve 13/04/2014 Dosya
DetaylıAYRIŞIK SÖZCÜK TABANLI TÜRKÇE KONUŞMACI TANIMA SİSTEMİ GELİŞTİRME VE ANAHTAR KELİME SEÇİMİNİN KONUŞMACI TANIMA PERFORMANSINA ETKİSİNİN İNCELENMESİ
AYRIŞIK SÖZCÜK TABANLI TÜRKÇE KONUŞMACI TANIMA SİSTEMİ GELİŞTİRME VE ANAHTAR KELİME SEÇİMİNİN KONUŞMACI TANIMA PERFORMANSINA ETKİSİNİN İNCELENMESİ Zekeriya ŞENTÜRK YÜKSEK LİSANS ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ
DetaylıBölüm 13 FSK Modülatörleri.
Bölüm 13 FSK Modülatörleri. 13.1 AMAÇ 1. Frekans Kaydırmalı Anahtarlama (FSK) modülasyonunun çalışma prensibinin anlaşılması.. FSK işaretlerinin ölçülmesi. 3. LM5 kullanarak bir FSK modülatörünün gerçekleştirilmesi.
Detaylıyarnmaster İplik Hataları ve Splays'ların
Masters in Textile textile Quality Control Masters in textile Quality Control yarnmaster facts yarnmaster İplik Hataları ve Splays'ların Sınıflandırılması 045912/007t İPLİK HATALARININ SINIFLANDIRILMASI
DetaylıSANTRALLERİ SICAK SULU ISITMA DENGELENMESİ. üçüka Dokuz Eylül Üniversitesi Makina Müh. M
DEÜ HASTANESİ KLİMA SANTRALLERİ SICAK SULU ISITMA SİSTEMLERİNİN N ISIL VE HİDROLİK DENGELENMESİ Burak Kurşun un / Doç.Dr.Serhan KüçüK üçüka Dokuz Eylül Üniversitesi Makina Müh. M BölümüB GİRİŞ Değişen
DetaylıBAŞAK ÇOBAN MERVE SARITAŞ AZİME AKÇAÖZ BÜŞRA AYDEMİR
VERİ MADENCİLİĞİ İSİMLER BAŞAK ÇOBAN MERVE SARITAŞ AZİME AKÇAÖZ BÜŞRA AYDEMİR MOLEKÜLER BİYOLOJİ ve GENETİK GEBZE TEKNİK ÜNİVERSİTESİ ARALIK 2015 İçindekiler ÖZET... iii 1.GİRİŞ... 1 1.1 Veri Ambarı, Veri
DetaylıTürkçe de Duygu Çözümlemesi. H. Mesut Meral, Hazım K. Ekenel, A. Sumru Özsoy Boğaziçi Üniversitesi
Türkçe de Duygu Çözümlemesi H. Mesut Meral, Hazım K. Ekenel, A. Sumru Özsoy Boğaziçi Üniversitesi Özetçe Bu çalışmada temel sıklık eğrilerinden yararlanarak konuşma sırasında aktarılan dört temel duygunun
DetaylıMühendislikte İstatistiksel Yöntemler
Mühendislikte İstatistiksel Yöntemler BÖLÜM 2 AÇIKLAYICI (BETİMLEYİCİ) İSTATİSTİK Yrd. Doç. Dr. Fatih TOSUNOĞLU 1-Açıklayıcı (Betimleyici) İstatistik İnceleme sonucu elde edilen ham verilerin istatistiksel
Detaylı