EKG İŞARETLERİNİN FARKLI VE BİRLEŞİK ÖZNİTELİKLER İLE ANALİZİ
|
|
- Yağmur Elmas
- 5 yıl önce
- İzleme sayısı:
Transkript
1 EKG İŞARETLERİNİN FARKLI VE BİRLEŞİK ÖZNİTELİKLER İLE ANALİZİ Elf Derya ÜBEYLİ TOBB Ekonom ve Teknoloj Ünverstes, Elektrk ve Elektronk Mühendslğ, Söğütözü, Ankara, e-posta: ABSTRACT In ths study, the automated dagnostc systems employng dverse and composte features for electrocardogram (ECG) sgnals were analyzed and ther accuraces were determned. In pattern recognton applcatons, dverse features are extracted from raw data whch needs recognzng. Combnng multple classfers wth dverse features are vewed as a general problem n varous applcaton areas of pattern recognton. Because of the mportance of makng the rght decson, classfcaton procedures classfyng the ECG sgnals wth hgh accuracy were analyzed. The classfcaton accuraces of multlayer perceptron neural network, combned neural network, and mxture of experts traned on composte feature and modfed mxture of experts traned on dverse features were compared. The nputs of these automated dagnostc systems composed of dverse or composte features and were chosen accordng to the network structures. The conclusons of ths study demonstrated that the modfed mxture of experts traned on dverse features acheved accuracy rates whch were hgher than that of the other automated dagnostc systems traned on composte features. Anahtar sözcükler: Farklı özntelkler, Brleşk özntelkler, EKG şaret, Otomatk tanı sstemler.giriş Tanı sstemlernde çeştl yöntemler kullanılmakla brlkte tanı sstemler genellkle şu şlemlerden oluşmaktadır: ön şleme, özntelk çıkarma/seçme ve sınıflama. Özntelk çıkarma, şekl tanılama ve şekln öneml özntelklernn çıkarılıp özntelk vektörünün elde edlmes şlemdr. Özntelk seçme steğe bağlı olarak yapılan br şlem olup sınıflama şlem açısından en belrleyc özntelklern seçlmes le özntelk vektörünün boyutunun azaltılmasıdır. Tanı sstemlernn son aşaması olan sınıflamada, kullanılan algortmaya bağlı olarak grş özntelk vektörler ncelenr ve sınıflama sonucu belrlenr. Sınıflama sonucunu belrlemes açısından ele alındığında özntelk çıkarma ve gerekl durumlarda özntelk seçme, yapay snr ağları gb sınıflama sstemlernn başarısını oldukça etklemektedr [,]. Özntelk çıkarma şlemnde çok farklı yöntemler kullanılabldğ çn şlenmemş şaret tanımlayan farklı özntelkler elde edleblmektedr. Çıkarılan her özntelk vektörü şaret tanımlayablr fakat sınıflama çn hç br mükemmel olmayablr. Ayrıca, şekl sınıflama şlemnde özntelklern önemnn ölçümü kolay değldr. Bundan dolayı, yüksek sınıflama başarımı elde etmek çn farklı özntelklern brlkte kullanımı gerekl olmuştur. Bu tp şekl sınıflama, farklı özntelkler le sınıflama olarak adlandırılır [3]. Sınıflama şlem k ayrı yöntem le gerçekleştrleblr. Bu yöntemlerden brnde farklı özntelklern br araya getrlmes le oluşan brleşk özntelkler kullanılırken, dğernde farklı özntelk vektörler le eğtlen brden fazla sınıflayıcı brleştrlr. Brleşk özntelklern kullanımından kaynaklanan brkaç problem aşağıda belrtlmektedr: Boyutu özntelk vektör bleşenlernden daha büyüktür ve boyutu büyük olan vektörler hesaplama karmaşıklığını artırdığı gb gerçekleştrme ve doğruluk problemlerne neden olmaktadır. Farklı formlarda olan brkaç özntelğ br araya getrmek zordur, örneğn sürekl değşkenler, klk değerler, ayrık değşkenler, yapısal değşkenler. Özntelk vektör bleşenler genellkle bağımsız değllerdr. Bu problemlerden dolayı brleşk özntelklern kullanımı genellkle başarımı fazla yükseltmez. Bununla brlkte, farklı özntelkler çeren problemlern çözümünde brden fazla sınıflayıcının brleşm y br çözüm olablr. Uzman ağların karışımı modelnde, geçt ve uzman ağlara aynı grş uygulanması gerektğ çn brleşk özntelkler kullanılablr [4]. Chen tarafından sunulan [3] değştrlmş uzman ağların karışımı model farklı özntelklern kullanılabldğ br modeldr. Elektrokardyogram (EKG) şaretler, kardyak sstemn byoelektrk ve byomekank aktvtelernn
2 kayıtlarıdır. Bu şaretler, kardyovasküler sstem ve kalbn fonksyonları hakkında oneml blg çermektedr. Kayıt edlen EKG lern normal EKG lerle karşılaştırılmasıyla, kalbn çalışmasıyla lgl bazı normal dışı durumlar belrleneblr. Br doktorun hastada yapılmasını stedğ temel ölçümlerden brs EKG ve kalp vuru hızının ölçümüdür. EKG de her kalp atımının karşılığı olan P,Q,R,S,T dalgalarından oluşmuş br kompleks görülür. Bu dalgalardak değşklkler, bu düzenl dalgalardan farklı dalgaların görülmes, dalgalar arasındak sürelerdek değşmeler doktorlara kalp hastalığı hakkında puçları verrler [5,6]. Kalp yeterszlğ kalbn vücut htyacını karşılayablecek kadar kan pompalayamaması durumunda oluşur. Konjestf kalp yeterszlğ de denen bu durumda toplar damarlarda, vücut dokularında ve akcğerlerde sıvı brkr ve ödem oluşur. Vücut fazla mktardak suyu atamaz. Kalp çok yavaş veya çok hızlı, düzenl veya düzensz atablr. Enfarktüs geçrmş, kalp damarlarında daralma olan veya herhang başka br kalp hastalığı geçrmş kşlerde ventrküler taşartm (hızlı artm) görüleblr. Atral fbrlasyon en sık gözlenen rtm bozukluklarından brdr. Atral fbrlasyonda uyarılar atrumda düzgün br şeklde yol alacaklarına atrum çnde aynı anda sayısız uyarı dalgası oluşup farklı yönlere hareket eder ve atroventrküler düğümden geçmek çn brbrleryle yarışırlar. Bu uyarılar kalbn elektrksel sstem dışındak dokulardan kaynaklanır. Bu uyarıların oluşması le çok hızlı ve organze olmayan br kalp rtm oluşur [5,6]. Bu çalışmada kaynak [7] den elde edlen, normal, konjestf kalp yeterszlğ, ventrküler taşartm ve atral fbrlasyon durumlarındak EKG şaretlernn spektral analz dalgacık dönüşümü ve özvektör yöntemler le gerçekleştrlmş ve özntelk vektörler elde edlmştr. EKG şaretlern yüksek doğrulukla sınıflayablmek çn farklı ve brleşk özntelkler le eğtlen dört otomatk tanı sstem (farklı özntelkler le eğtlen değştrlmş uzman ağların karışımı; brleşk özntelkler le eğtlen çok katmanlı perseptron snr ağı, brleşk snr ağı ve uzman ağların karışımı) ncelenmştr. Bu snr ağlarının başarımlarının değerlendrlmesnde toplam sınıflama doğrulukları ve ağ eğtmnn merkez şlemc zamanı ele alınmıştır.. DALGACIK DÖNÜŞÜMÜ VE ÖZVEKTÖR YÖNTEMLERİ Dalgacık dönüşümü sürekl ve ayrık olmak üzere k farklı şeklde ncelenr. Sürekl dalgacık dönüşümünde ölçeklendrme ve dönüşüm parametrelernn sürekl olarak değşmnden dolayı her br ölçek çn dalgacık katsayılarının hesaplanması zor ve zaman alıcı olmaktadır. Bu nedenle ayrık dalgacık dönüşümü daha sık kullanılmaktadır. Dalgacık dönüşümü le şaret bell sayıda ölçeklere ayrılır. Çoklu çözünürlük ayrışımı olarak smlendrlen bu şlemde lk yüksek geçren fltreye ( g [] ) ve alçak geçren fltreye ( h [] ) at olan örneklenmş çıkışlar sırası le ayrıntılı D ve yaklaşık A alt bandlarını oluşturur. A yaklaşım bandı tekrar ayrışır ve bu şlem devam eder. Dalgacık dönüşümü aşağıda verlen şartı sağlayan alçak geçren fltre ( h ) le belrtleblr: H ( z) H ( z ) + H ( z) H ( z ) = () burada H (z), h fltresnn z-dönüşümüdür. Bu fltrenn tamamlayıcı yüksek geçren fltres ( g ) şu şeklde tanımlanablr: G ( z) = zh ( z ) () Artan uzunluklar le fltre dzs ( ndeks le) şu şeklde elde edlr: H + ( z) = H ( z ) H ( z) G+ ( z) = G( z ) H ( z), = 0, K, I (3) burada başlangıç şartı H 0 ( z) = dr. Bu, zaman domennde şu şeklde fade edlr: h k) h * h ( [ ] ) [ g] * h ( ) + ( = k ( k) k g + = (4) burada, [] m ndeks m faktörü le yukarı örnekleme yapıldığını gösterr ve k eşt olarak örneklenmş ayrık zamanı belrtr. Normalze edlmş dalgacık ve ölçek temell fonksyonlar ϕ ( ), ψ ( ) şu şeklde tanımlanır: ϕ, l k, l k /, l ( k) = h ( k l) /, l ( k) = g ( k l) ψ (5) / burada, faktörü ç çarpım normalzasyonudur, ölçeklendrme parametres, l dönüşüm parametresdr. Ayrık dalgacık dönüşüm ayrışımı şu şeklde belrtlr: a( )( l) = x( k)* ϕ, l ( k) d( ) ( l) = x( k) * ψ, l ( k) (6) burada, a( ) ( l) ve d (l) sırası le çözünürlüğündek yaklaşık katsayılar ve ayrıntılı katsayılardır [,6,8]. Lteratürde yer alan çalışmalar ncelendğnde özvektör yöntemlernn byomedkal şaretlernn spektral analznde yüksek başarım gösterdğ anlaşılmaktadır [9]. Özvektör yöntemler le elde edlen güç yoğunluk spektrumunun logartmk değerler, EKG şaretlern tanımlayan dğer farklı özntelk vektörünü oluşturmaktadır. Özellkle şaret gürültü oranının düşük olduğu durumlarda, özvektör yöntemler olarak adlandırılan Psarenko, çoklu şaret sınıflandırma (multple sgnal classfcaton MUSIC) ve Mnmum-Norm yöntemlernn frekans çözünürlüğü oldukça yüksektr [9]. Bu yöntemler le EKG şaretlernn güç yoğunluk spektrumlarının elde edlmesnde kullanılan fadeler denklem (7)-(9) da verlmektedr.
3 P PISARENKO ( f ) = (7) A( f ) burada m A ( f ) = k= 0 a k e jπfk dır. Yanıltıcı tepeler oluşturmasından dolayı Psarenko yöntem, EKG şaretlernn spektral analz çn uygun bulunmamıştır. P MUSIC ( f ) = (8) A ( f ) K K = 0 P MIN ( f, K) = (9) A( f ) MUSIC ve Mnmum-Norm yöntemler le elde edlen EKG güç yoğunluk spektrumlarının brbrne yakın olduğu görülmüştür. 3. FARKLI ÖZNİTELİK VEKTÖRLERİNİN HESAPLANMASI Uygun dalgacık seçm ve ayrışım sevyelernn sayısının tesbt, şaretlern dalgacık dönüşümü le analznde oldukça önemldr. İşaretn baskın frekans bleşenlerne göre ayrışım sevyelernn sayısı tespt edlr. EKG şaretlernn ayrışım sevyelernn sayısı 4 olarak tespt edlmştr. Bu durumda, EKG şaretler D D 4 ayrıntılı alt bandlarına ve son olarak A 4 yaklaşık alt bandına ayrılmıştır. EKG şaretlernn dalgacık katsayılarının hesaplanmasında. dereceden Daubeches dalgacık (db) kullanımının uygun olduğu belrlenmştr. Her br EKG bölütü çn 65 dalgacık katsayısı elde edlmştr. Çıkarılan özntelk vektörlernn boyutlarının azaltılablmes çn özvektör yöntemler le elde edlen güç yoğunluk spektrumunun logartmk değerler ve dalgacık katsayıları üzernde aşağıda belrtlen statstksel özellkler kullanılmıştır:. Özvektör yöntemler le elde edlen güç yoğunluk spektrumlarının logartmk değerlernn enbüyükler, her br alt banddak dalgacık katsayılarının mutlak değerlernn enbüyüğü.. Özvektör yöntemler le elde edlen güç yoğunluk spektrumlarının logartmk değerlernn ortalamaları, her br alt banddak dalgacık katsayılarının mutlak değerlernn ortalaması. 3. Özvektör yöntemler le elde edlen güç yoğunluk spektrumlarının logartmk değerlernn enküçükler, her br alt banddak dalgacık katsayılarının mutlak değerlernn enküçüğü. 4. Özvektör yöntemler le elde edlen güç yoğunluk spektrumlarının logartmk değerlernn standard sapmaları, her br alt banddak dalgacık katsayılarının mutlak değerlernn standard sapması. EKG şaretlernn farklı sınıflarına at örnek şaretler çn hesaplanan özntelkler Tablo ve de verlmektedr. Farklı özntelk vektörlernn hesaplanmasında MATLAB program paket kullanılmıştır. Tablo : Dört farklı sınıfa at EKG şaretlernden özvektör yöntemler le hesaplanan özntelkler EKG şaretler Normal Konjestf kalp yeterszlğ Ventrküler taşartm Atral fbrlasyon Özntelkler Psarenko MUSIC Mnmum-Norm Enbüyük Ortalama Enküçük Standard sapma Enbüyük Ortalama Enküçük Standard sapma Enbüyük Ortalama Enküçük Standard sapma Enbüyük Ortalama Enküçük Standard sapma
4 EKG şaretler Tablo. Dört farklı sınıfa at EKG şaretlernden hesaplanan dalgacık katsayıları Dalgacık katsayıları Özntelkler Alt bandlar Normal Konjestf kalp yeterszlğ Ventrküler taşartm Atral fbrlasyon D D D 3 D 4 A 4 Enbüyük Ortalama Enküçük Standard sapma Enbüyük Ortalama Enküçük Standard sapma Enbüyük Ortalama Enküçük Standard sapma Enbüyük Ortalama Enküçük Standard sapma OTOMATİK TANI SİSTEMLERİNİN EKG İŞARETLERİNE UYGULANMASI Otomatk tanı sstemlernde kullanılan eğtm ve test verler 3 boyutlu (özntelk vektörünün boyutu) 70 vektörden oluşmaktadır (her br sınıftan 80 vektör). Bu vektörlerden 360 ı (her br sınıftan 90 vektör) ağların eğtm çn 360 ı (her br sınıftan 90 vektör) ağların test çn kullanılmıştır. Değştrlmş uzman ağların karışımı modelnde uzman ağ kullanılmış ve uzman ağlar dört farklı özntelk vektörünün uygulandığı dört gruba bölünmüştür (her grupta 3 uzman ağ yer almaktadır). Aynı sınıflama problem çn 4 uzman ağdan oluşan ve brleşk özntelk vektörler (3 grş) le eğtlen uzman ağların karışımı model gelştrlmştr. Bu çalışmada, geçt ve uzman ağlar çok katmanlı perseptron snr ağlarından oluşturulmuştur. Gerçekleştrlen brleşk snr ağı modelnde EKG şaretlernn 4 farklı sınıfı olduğu çn lk sevyede 4 snr ağı eğtlmştr. Her br ağ br tp sınıflamayı dğerlerne göre daha doğru yapacak şeklde eğtlmektedr. Ağın mmarsnde tek gzl katmanı olan çok katmanlı perseptron snr ağları yer almaktadır. Her br ağın grş 3 nörondan (brleşk özntelk vektör boyutu) oluşmaktadır. Gzl nöron sayısı 30, çıkış sayısı 4 tür. Ağların çıkış vektörler (0,0,0,), (0,0,,0), (0,,0,0), (,0,0,0) şeklndedr. Brnc sevyedek ağ çıkışlarını brleştren knc sevyedek snr ağları eğtlmştr. İknc sevyedek ağların grş 6 nörondan (brnc sevyedek ağların çıkışları) oluşmaktadır. Gzl nöron sayısı 30 ve stenen çıkışlar brnc sevyedek ağların çıkışları le aynıdır. Farklı sınıflayıcıların başarımlarını karşılaştırmak amacı le aynı sınıflama problem çn brleşk özntelk vektörler le eğtlen çok katmanlı perseptron snr ağı gelştrlmştr. Gelştrlmş olan ağ modellernn eğtm ardışımlarının sayısı ve ağ parametreler Tablo 3 te verlmektedr. Ardışım sayıları ncelendğnde değştrlmş uzman ağların karışımı ve uzman ağların karışımı modellernn yakınsama hızlarının brleşk snr ağı ve çok katmanlı perseptron snr ağının yakınsama hızlarından daha yüksek olduğu görülmektedr. Ağ modellernn başarımlarının karşılaştırılmasında toplam sınıflama doğrulukları ve ağların eğtm çn merkez şlemc zamanı ncelenmştr (Tablo 4). Tablo 4 te verlen değerler ncelendğnde dört farklı özntelk vektörü le eğtlen değştrlmş uzman ağların karışımı modelnn, brleşk özntelk vektörler le eğtlen dğer ağ modellerne göre oldukça yüksek başarım gösterdğ görülmektedr. 5. SONUÇLAR Farklı ve brleşk özntelk vektörler le eğtlen dört snr ağı model, EKG şaretlernn sınıflandırılmasındak başarımları bakımından ncelenmştr. EKG şaretlernn farklı özntelkler le sınıflandırma problem olarak ele alınmasının neden, EKG şaretlernden özntelk çıkarmakta kullanılan yöntemlern farklı başarım göstermeler ve en başarılı olan özntelk vektörünün saptanmasındak zorluktur. Bu çalışmadan çıkarılan üç öneml sonuç: () Farklı özntelkler le eğtlen değştrlmş uzman ağların karışımı modelnn yakınsama hızı dğer ağ modellernn yakınsama hızlarına göre daha yüksektr; () Büyük boyutlu brleşk özntelk vektörler hesaplama karışıklığına neden olmaktadır ve brleşk özntelkler le eğtlen ağ modellernn doğrulukları düşüktür; (3) EKG şaretlernn sınıflandırılmasında farklı özntelkler le eğtlen değştrlmş uzman ağların karışımı modelnn doğruluğu brleşk özntelkler le eğtlen ağ modellernn doğruluklarından daha yüksektr.
5 Tablo 3: Sınıflayıcıların ağ parametreler Sınıflayıcı Ağ parametreler (özntelk) Değştrlmş uzman ağların karışımı (farklı özntelkler) Uzman ağların karışımı Brleşk snr ağı Çok katmanlı perseptron snr ağı a, a, a, a, b, b, b, b, 600 c a, d, 800 c e, f 700 c g, 500 c a Uzman ağların tasarımı: Grş gzl çıkış nöronları b Geçt ağlarının tasarımı: Grş gzl çıkış nöronları c Eğtm ardışımlarının sayısı d Geçt ağının tasarımı: Grş gzl çıkış nöronları e Brnc sevyedek ağ tasarımı: Grş gzl çıkış nöronları f İknc sevyedek ağ tasarımı: Grş gzl çıkış nöronları g Snr ağı tasarımı: Grş gzl çıkış nöronları Tablo 4: Toplam sınıflama doğrulukları ve eğtm çn merkez şlemc zamanı Sınıflayıcı (özntelkler) Değştrlmş uzman ağların karışımı (farklı özntelkler) Uzman ağların karışımı Brleşk snr ağı Çok katmanlı perseptron snr ağı Toplam sınıflama doğruluğu (%) Merkez şlemc zamanı (dak:s) : : : :4 KAYNAKLAR [] Kwak, N., Cho, C.-H., Input feature selecton for classfcaton problems, IEEE Transactons on Neural Networks, Vol. 3, No., pp , 00. [] Übeyl, E.D., Güler, İ., Feature extracton from Doppler ultrasound sgnals for automated dagnostc systems, Computers n Bology and Medcne, Vol. 35, No. 9, pp , 005. [3] Chen, K., A connectonst method for pattern classfcaton wth dverse features, Pattern Recognton Letters, Vol. 9, No. 7, pp , 998. [4] Güler, İ., Übeyl, E.D., A mxture of experts network structure for modellng Doppler ultrasound blood flow sgnals, Computers n Bology and Medcne, Vol. 35, No. 7, pp , 005. [5] S.C. Saxena, V. Kumar, S.T. Hamde, Feature extracton from ECG sgnals usng wavelet transforms for dsease dagnostcs, Internatonal Journal of Systems Scence, Vol. 33, No. 3, pp , 00. [6] Güler, İ., Übeyl, E.D., ECG beat classfer desgned by combned neural network model, Pattern Recognton, vol. 38, No., pp , 005. [7] A.L. Goldberger, L.A.N. Amaral, L. Glass, J.M. Hausdorff, P.Ch. Ivanov, R.G. Mark, J.E. Metus, G.B. Moody, C.K. Peng, H.E. Stanley, Physobank, Physotoolkt, and Physonet: Components of a New Research Resource for Complex Physologc Sgnals, Crculaton 0(3), e5-e0 [Crculaton Electronc Pages; 000 (June 3). 3/e5]; [8] I. Daubeches, The wavelet transform, tmefrequency localzaton and sgnal analyss, IEEE Transactons on Informaton Theory, Vol. 36, No. 5, pp , 990. [9] Übeyl, E.D., Güler, İ., Comparson of egenvector methods wth classcal and modelbased methods n analyss of nternal carotd arteral Doppler sgnals, Computers n Bology and Medcne, Vol. 33, No. 6, pp , 003.
BİYOMEDİKAL İŞARETLERİN SINIFLANDIRILMASINDA OTOMATİK TEŞHİS SİSTEMLERİNİN BAŞARIMI
Gaz Ünv. Müh. Mm. Fak. Der. J. Fac. Eng. Arch. Gaz Unv. Clt, No 3, 461469, 007 Vol 0, No 3, 461469, 007 BİYOMEDİKAL İŞARETLERİN SINIFLANDIRILMASINDA OTOMATİK TEŞHİS SİSTEMLERİNİN BAŞARIMI Elf Derya ÜBEYLİ
DetaylıDALGACIK DÖNÜŞÜMÜ İLE EEG İŞARETLERİNDEN ÇIKARILAN ÖZNİTELİK VEKTÖRLERİ ÜZERİNDE İSTATİSTİKSEL İŞLEMLERİN GERÇEKLEŞTİRİLMESİ
DALGACI DÖNÜŞÜMÜ İLE EEG İŞARETLERİNDEN ÇIARILAN ÖZNİTELİ VETÖRLERİ ÜZERİNDE İSTATİSTİSEL İŞLEMLERİN GERÇELEŞTİRİLMESİ Elf Derya ÜBEYLİ İnan GÜLER TOBB Eonom ve Tenoloj Ünverstes, Mühendsl Faültes, Eletr-Eletron
DetaylıÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU
6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız
DetaylıEMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering
KSÜ Mühendslk Blmler Dergs, (), 9 5 KSU Journal of Engneerng Scences, (), 9 EMG İşaretlernn K-Ortalama Algortması Kullanılarak Öbekleştrlmes Mücahd Günay, Ahmet ALKA, KSÜ Mühendslk-Mmarlık Fakültes Elektrk-Elektronk
DetaylıSistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :
5 9. BÖLÜM YÜK AKIŞI (GÜÇ AKIŞI) 9.. Grş İletm sstemlernn analzlernde, bara sayısı arttıkça artan karmaşıklıkları yenmek çn sstemn matematksel modellenmesnde kolaylık getrc bazı yöntemler gelştrlmştr.
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
DetaylıDoğrusal Korelasyon ve Regresyon
Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan
DetaylıBulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi
Harta Teknolojler Elektronk Dergs Clt: 5, No: 1, 2013 (61-67) Electronc Journal of Map Technologes Vol: 5, No: 1, 2013 (61-67) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn: 1309-3983 Makale
DetaylıVEKTÖRLER VE VEKTÖREL IŞLEMLER
VEKTÖRLER VE VEKTÖREL IŞLEMLER 1 2.1 Tanımlar Skaler büyüklük: Sadece şddet bulunan büyüklükler (örn: uzunluk, zaman, kütle, hacm, enerj, yoğunluk) Br harf le sembolze edleblr. (örn: kütle: m) Şddet :
DetaylıFLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ
FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ 1 Nasır Çoruh, Tarık Erfdan, 3 Satılmış Ürgün, 4 Semra Öztürk 1,,4 Kocael Ünverstes Elektrk Mühendslğ Bölümü 3 Kocael Ünverstes Svl Havacılık Yüksekokulu ncoruh@kocael.edu.tr,
Detaylı5.3. Tekne Yüzeylerinin Matematiksel Temsili
5.3. Tekne Yüzeylernn atematksel Temsl atematksel yüzey temslnde lk öneml çalışmalar Coons (53) tarafından gerçekleştrlmştr. Ferguson yüzeylernn gelştrlmş hal olan Coons yüzeylernde tüm sınır eğrler çn
DetaylıMakine Öğrenmesi 6. hafta
Makne Öğrenmes 6. hafta Yapay Snr Ağlarına Grş Tek katmanlı YSA lar Algılayıcı (Perceptron) Aalne (Aaptve Lnear Elemen Byolojk Snr Hücres Byolojk snrler ört ana bölümen oluşmaktaır. Bunlar: Denrt, Akson,
DetaylıBilgisayarla Görüye Giriş
Blgsayarla Görüye Grş Ders 8 Görüntü Eşleme Alp Ertürk alp.erturk@kocael.edu.tr Panorama Oluşturma Görüntüler eşlememz / çakıştırmamız gerekmektedr Panorama Oluşturma İk görüntüden özntelkler çıkar Panorama
Detaylıa IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI
Fırat Ünverstes-Elazığ MİTRAL KAPAK İŞARETİ ÜZERİNDEKİ ANATOMİK VE ELEKTRONİK GÜRÜLTÜLERİN ABC ALGORİTMASI İLE TASARLANAN IIR SÜZGEÇLERLE SÜZÜLMESİ N. Karaboğa 1, E. Uzunhsarcıklı, F.Latfoğlu 3, T. Koza
DetaylıK-means ve YSA temelli Hibrit Bir Model ile Epileptik EEG İşaretlerinin Sınıflandırılması
K-means ve temell Hbrt Br Model le Epleptk EEG İşaretlernn Sınıflandırılması Ramazan TEKİN 1 Yılmaz KAYA 2 Mehmet Emn TAĞLUK 3 1 Batman Ünverstes, Mühendslk Mmarlık Fakültes, Blgsayar Mühendslğ, Batman,
DetaylıYÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA
YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,
DetaylıDENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI
A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.
DetaylıMIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için
MIT Açık Ders Malzemeler http://ocm.mt.edu Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında blg almak çn http://ocm.mt.edu/terms veya http://tuba.açık ders.org.tr adresn zyaret ednz. 18.102
Detaylıdir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.
BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)
DetaylıG.1. : Y.Kutlu, M.Kuntalp, D.Kuntalp. : Öz Düzenleyici Haritalar Kullanilarak Diken Dalgalarin Analizi. Yay nlanan Kitapç k.
G.1 Yazarlar : Y.Kutlu, M.Kuntalp, D.Kuntalp Ba l k : Öz Düzenley Hartalar Kullanlarak Dken Dalgalarn Analz Yay nlanan Ktapç k : Genç Blm nsanlar le Beyn Byofz II. Çal tay, Izmr / Turkey, 21-23 ubat2008
DetaylıT.C. ULUDAĞ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KONUŞMACI TANIMA YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ. Cemal HANİLÇİ
T.C. ULUDAĞ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KONUŞMACI TANIMA YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ Cemal HANİLÇİ YÜKSEK LİSANS TEZİ ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI BURSA-2007 T.C. ULUDAĞ ÜNİVERSİTESİ
DetaylıHAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :
HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını
DetaylıEpilepside EEG Tabanlı Entropi Değişimleri
TURKMIA 9 Proceedngs 7 VI. Ulusal Tıp Blşm Kongres Bldrler ENMI Vol V No 1, 9 Eplepsde EEG Tabanlı Entrop Değşmler b c Serap 1 AYDINa,1, H.Melh SARAOĞLU, Sadık KARA a Elektrk-Elektronk Müh Böl, Ondokuz
DetaylıTEKNOLOJĐK ARAŞTIRMALAR
www.teknolojkarastrmalar.com ISSN:134-4141 Makne Teknolojler Elektronk Dergs 28 (1) 61-68 TEKNOLOJĐK ARAŞTIRMALAR Kısa Makale Tabakalı Br Dskn Termal Gerlme Analz Hasan ÇALLIOĞLU 1, Şükrü KARAKAYA 2 1
DetaylıPARMAKİZİ RESİMLERİNİN YAPAY SİNİR AĞLARI İLE TEMİZLENMESİ VE İYİLEŞTİRİLMESİ
PARMAKİZİ RESİMLERİNİN YAPAY SİNİR AĞLARI İLE TEMİZLENMESİ VE İYİLEŞTİRİLMESİ Necla ÖZKAYA Şeref SAĞIROĞLU Blgsayar Mühendslğ Bölümü, Mühendslk Fakültes, Ercyes Ünverstes, 38039, Talas, Kayser Gaz Ünverstes,
DetaylıSıklık Tabloları ve Tek Değişkenli Grafikler
Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.
Detaylıkadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.
KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X
DetaylıENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ
ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ Emel KOCADAYI EGE ÜNİVERSİTESİ MÜH. FAK., KİMYA MÜH. BÖLÜMÜ, 35100-BORNOVA-İZMİR ÖZET Bu projede, Afyon Alkalot Fabrkasından
DetaylıSTANDART VE HİBRİD YAPILAR KULLANARAK YAPAY SİNİR AĞLARI İLE İMZA TANIMA
STANDART VE HİBRİD YAPILAR KULLANARAK YAPAY SİNİR AĞLARI İLE İMZA TANIMA Canan ŞENOL Tülay YILDIRIM Kadr Has Ünverstes, Elektronk Mühendslğ Bölümü, 3430, Cbal, Fath-İstanbul Yıldız Teknk Ünverstes, Elektronk
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
DetaylıKamuflaj Tespiti için Hiperspektral Görüntüleme Hyperspectral Imaging for Camouflage Detection
Karaca A. C., Ertürk A., Güllü M. K., Elmas M., Ertürk S., Kamuflaj Tespt çn Hperspektral Görüntüleme, Clt 3, Sayı 5, Syf 35-39, Hazran 2013 SAVTEK Makales Kamuflaj Tespt çn Hperspektral Görüntüleme Hyperspectral
DetaylıMetin Madenciliği ile Soru Cevaplama Sistemi
Metn Madenclğ le Soru Cevaplama Sstem Sevnç İlhan 1, Nevchan Duru 2, Şenol Karagöz 3, Merve Sağır 4 1 Mühendslk Fakültes Blgsayar Mühendslğ Bölümü Kocael Ünverstes slhan@kocael.edu.tr, nduru@kocael.edu.tr,
DetaylıX, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının
1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell
DetaylıENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN
DetaylıBİRLEŞİK DALGACIK-SİNİR AĞI MODELİ YAKLAŞIMI İLE ELEKTRİK GÜÇ SİSTEMLERİNDE ARIZA SINIFLAMA
BİRLEŞİK DALGACIK-SİNİR AĞI MODELİ YAKLAŞIMI İLE ELEKTRİK GÜÇ SİSTEMLERİNDE ARIZA SINIFLAMA Oben DAĞ Canbolat UÇAK, Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlk Fakültes Yedtepe Ünverstes,, Erenköy,
DetaylıDARBELİ RADARLARDA HEDEF SINIFLAMA İÇİN AR MODELİNİN GÜÇ SPEKTRUMU VE YAPAY SİNİR AĞI TEMELLİ ÖZELLİK ÇIKARMA YÖNTEMİ ÖZET
Polteknk Dergs Journal of Polytechnc Clt: Sayı: s. 11-17, Vol: No: pp. 11-17, DARBELİ RADARLARDA HEDEF SINIFLAMA İÇİN AR MODELİNİN GÜÇ SPEKTRUMU VE YAPAY SİNİR AĞI TEMELLİ ÖZELLİK ÇIKARMA YÖNTEMİ İbrahm
Detaylı( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3
Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör
DetaylıTürk Dilinin Biçimbilim Yapısından Yararlanarak Türkçe Metinlerin Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması
Türk Dlnn Bçmblm Yapısından Yararlanarak Türkçe Metnlern Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması Banu DİRİ, M.Yahya KARSLIGİL Yıldız Teknk Ünverstes Elektrk Elektronk Fakültes - Blgsayar
DetaylıİÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ
Türkye İnşaat Mühendslğ, XVII. Teknk Kongre, İstanbul, 2004 İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Nur MERZİ 1, Metn NOHUTCU, Evren YILDIZ 1 Orta Doğu Teknk Ünverstes, İnşaat Mühendslğ Bölümü, 06531 Ankara
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı
DetaylıBulanık TOPSIS ve Bulanık VIKOR Yöntemleriyle Alışveriş Merkezi Kuruluş Yeri Seçimi ve Bir Uygulama
EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Clt: 14 Sayı: 3 Temmuz 2014 ss. 463-479 Bulanık TOPSIS ve Bulanık VIKOR Yöntemleryle Alışverş Merkez Kuruluş Yer Seçm ve Br Uygulama Selecton of Shoppng Center
DetaylıCuEEG: EEG Verilerinin Hızlı İşlenmesi için GPU Tabanlı Bir Yaklaşım CuEEG: A GPU-Based Approach for Fast Processing of EEG Data
ELECO '212 Elektrk - Elektronk ve Blgsayar Mühendslğ Sempozyumu, 29 Kasım - 1 Aralık 212, Bursa CuEEG: EEG Verlernn Hızlı İşlenmes çn GPU Tabanlı Br Yaklaşım CuEEG: A GPU-Based Approach for Fast Processng
DetaylıSürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak
DetaylıGÜÇ KALİTESİNDEKİ BOZULMA TÜRLERİNİN SINIFLANDIRILMASI İÇİN BİR ÖRÜNTÜ TANIMA YAKLAŞIMI
Gaz Ünv. Müh. Mm. Fak. Der.. Fac. Eng. Arch. Gaz Unv. Clt 6, No 1, 41-56, 011 Vol 6, No 1, 41-56, 011 GÜÇ KALİESİNDEKİ BOZULMA ÜRLERİNİN SINIFLANDIRILMASI İÇİN BİR ÖRÜNÜ ANIMA YAKLAŞIMI Murat UYAR, Selçuk
DetaylıARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ
ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,
DetaylıYapay Sinir Ağı ve Bulanık-Yapay Sinir Ağı Yöntemleri Kullanılarak Tava Buharlaşma Tahmini
Tarım Blmler Araştırma Dergs 3 (): 45-5, 00 ISSN: 308-3945, E-ISSN: 308-07X, www.nobel.gen.tr Yapay Snr Ağı ve Bulanık-Yapay Snr Ağı Yöntemler Kullanılarak Tava Buharlaşma Tahmn Özgür KIŞI Selcan AFŞA
DetaylıELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ
T SAKAYA ÜNİESİTESİ TEKNOLOJİ FAKÜLTESİ ELEKTİK-ELEKTONİK MÜHENDİSLİĞİ ELM201 ELEKTONİK- DESİ LAOATUA FÖYÜ DENEYİ YAPTAN: DENEYİN AD: DENEY NO: DENEYİ YAPANN AD ve SOYAD: SNF: OKUL NO: DENEY GUP NO: DENEY
DetaylıTek Yönlü Varyans Analizi (ANOVA)
VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem
DetaylıÇok Parçalı Basınç Çubukları
Çok Parçalı Basınç Çubukları Çok parçalı basınç çubukları genel olarak k gruba arılır. Bunlar; a) Sürekl brleşk parçalardan oluşan çok parçalı basınç çubukları b) Parçaları arasında aralık bulunan çok
DetaylıTOPSIS Metodu Kullanılarak Kesici Takım Malzemesi Seçimi
Makne Teknolojler Elektronk Dergs Clt: 9, No: 3, 2012 (35-42) Electronc Journal of Machne Technologes Vol: 9, No: 3, 2012 (35-42) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn:1304-4141 Makale
DetaylıPROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 3, Sayı:2, 2001 PROJE SEÇİMİ VE KAYAK PLALAMASI İÇİ BİR ALGORİTMA lgün MORALI 1 C. Cengz ÇELİKOĞLU 2 ÖZ Kaynak tahss problemler koşullara bağlı olarak
DetaylıNİTEL TERCİH MODELLERİ
NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:
DetaylıTEKNOLOJĐK ARAŞTIRMALAR
www.teknolojkarastrmalar.com ISSN:305-63X Yapı Teknolojler Elektronk Dergs 008 () - TEKNOLOJĐK ARAŞTIRMALAR Makale Başlığın Boru Hattı Etrafındak Akıma Etks Ahmet Alper ÖNER Aksaray Ünverstes, Mühendslk
DetaylıOTOMATİK PARMAKİZİ TANIMA SİSTEMLERİNDE ÖZELLİK NOKTALARININ TESPİTİNDE YAPAY SİNİR AĞLARININ KULLANILMASI
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K B İ L İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 007 : 13 : 1 : 911
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt:13 Sayı:2 sh.75-87 Mayıs 2012
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt:13 Sayı:2 sh.75-87 Mayıs 2012 ÇELİK YAPI SİSTEMLERİNDE İKİNCİ MERTEBE ANALİZ YÖNTEMLERİNİN İNCELENMESİ (INVESTIGATION OF SECOND ORDER ANALYSIS
DetaylıDeney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı
SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış
DetaylıToplam Eşdeğer Deprem Yükünün Hesabı Bakımından 1975 Deprem Yönetmeliği İle 2006 Deprem Yönetmeliğinin Karşılaştırılması
Fırat Ünv. Fen ve Müh. Bl. ergs Scence and Eng. J of Fırat Unv. 19 (2, 133-138, 2007 19 (2, 133-138, 2007 Toplam Eşdeğer eprem Yükünün Hesabı Bakımından 1975 eprem Yönetmelğ İle 2006 eprem Yönetmelğnn
DetaylıKIRIKKALE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNDEN AHP VE TOPSIS İLE KAMP YERİ SEÇİMİ
KIRIKKALE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNDEN AHP VE TOPSIS İLE KAMP YERİ SEÇİMİ Burak KARAHAN Burak PEKEL Neşet BEDİR Cavt CAN Kırıkkale -2014-
DetaylıTuğla Duvardaki ve Tesisattaki Isı Kaybının Yapay Sinir Ağları İle Belirlenmesi
Fırat Ünv. Fen ve Müh. Bl. Der. Scence and Eng. J of Fırat Unv. 18 (1), 133-141, 2006 18 (1), 133-141, 2006 Tuğla Duvardak ve Tessattak Isı Kaybının Yapay Snr Ağları İle Belrlenmes Ömer KELEŞOĞLU ve Adem
DetaylıENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007
Yrd. Doç. Dr. Atlla EVİN Afyon Kocatepe Ünverstes 007 ENERJİ Maddenn fzksel ve kmyasal hal değşm m le brlkte dama enerj değşm m de söz s z konusudur. Enerj değşmler mler lke olarak Termodnamğn Brnc Yasasına
DetaylıSaklı Markov Modeli Kullanarak Türkçe Konuşma Tanıma
Saklı Markov Model Kullanarak Türkçe Konuşma Tanıma Özlem Yakar, Rıfat Aşlıyan Adnan Menderes Ünverstes, Matematk Bölümü, Aydın ozlemyakar.34@gmal.com, raslyan@adu.edu.tr Özet: Konuşma tanıma, sesl fadelern
DetaylıŞiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *
İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)
DetaylıYAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE
BAÜ Fen Bl. Enst. Dergs (6).8. YAYII YÜK İE YÜKENİŞ YAPI KİRİŞERİNDE GÖÇE YÜKÜ HESABI Perhan (Karakulak) EFE Balıkesr Ünverstes ühendslk marlık Fakültes İnşaat üh. Bölümü Balıkesr, TÜRKİYE ÖZET Yapılar
Detaylı6. KAYNAKLAR 5. SONUÇ. Fırat Üniversitesi-Elazığ
Fırat Ünverstes-Elazığ TEK TAŞIYICILI VE ÇOK TAŞIYICILI WMAX RADYONUN DURAĞAN VE ZAMANLA DEĞİŞEN NAKAGAMİ-M SÖNÜMLEMELİ KANALLARDAKİ BAŞARIM ANALİZLERİ Merve Abde Demr, Al Özen Elektrk-Elektronk Mühendslğ
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
DetaylıObtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests
Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 26, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The
DetaylıAsimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri
Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık
DetaylıDOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre
1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı
DetaylıBÖLÜM 1 1.GİRİŞ: İSTATİSTİKSEL DOĞRUSAL MODELLER
BÖLÜM 1 1.GİRİŞ: İSTATİSTİKSEL DOĞRUSAL MODELLER Blmn amaçlarından br yaşanılan doğa olaylarını tanımlamak ve olayları önceden tahmnlemektr. Bu amacı başarmanın yollarından br olaylar üzernde etkl olduğu
DetaylıUzun Dönem Evrim Hücresel Sistemleri için Karma Trafik Durumunda Çeşitli İniş Yolu Çizelgeleme Yöntemlerinin Başarım Karşılaştırması
Fırat Ünv. Mühendslk Blmler Dergs Fırat Unv. Journal of Engneerng 27(1), 65-72, 215 27(1), 65-72, 215 Uzun Dönem Evrm Hücresel Sstemler çn Karma Trafk Durumunda Çeştl İnş Yolu Çzelgeleme Yöntemlernn Başarım
DetaylıPÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI
PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI Mehmet ARDIÇLIOĞLU *, Galp Seçkn ** ve Özgür Öztürk * * Ercyes Ünverstes, Mühendslk Fakültes, İnşaat Mühendslğ Bölümü Kayser
Detaylı3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları
3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları Basınç çubukları brden fazla profl kullanılarak, bu profller arasında plan düzlemnde bell br mesafe bulunacak şeklde düzenleneblr. Bu teşklde,
DetaylıOLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI
OLASILIĞA GİRİŞ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Ünverstes Tıp Fakültes Byostatstk Anablm Dalı uerkorkmaz@sakarya.edu.tr OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI Br olayındoğal koşullar altında toplumda
DetaylıYAPAY ZEKA YÖNTEMLERİYLE BİTKİ YAPRAK İMGELERİNDE PAS HASTALIKLARININ TESPİTİ. Emrullah ACAR
T.C DİCLE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YAPAY ZEKA YÖNTEMLERİYLE BİTKİ YAPRAK İMGELERİNDE PAS HASTALIKLARININ TESPİTİ Emrullah ACAR YÜKSEK LİSANS TEZİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI
DetaylıK-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi *
İMO Teknk Derg, 2012 6037-6050, Yazı 383 K-Ortalamalar Yöntem le Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelern Belrlenmes * Mahmut FIAT* Fath DİKBAŞ** Abdullah Cem KOÇ*** Mahmud GÜGÖ**** ÖZ
DetaylıTRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM
TRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM Emrah ONAT SDT - Space & Defence Technologes A.Ş. emrahonat@yahoo.com
Detaylı2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46
2005 Gaz Ünverstes Endüstryel Sanatlar Eğtm Fakültes Dergs Sayı:16, s31-46 ÖZET BANKALARDA MALİ BAŞARISIZLIĞIN ÖNGÖRÜLMESİ LOJİSTİK REGRESYON VE YAPAY SİNİR AĞI KARŞILAŞTIRMASI 31 Yasemn KESKİN BENLİ 1
DetaylıBALİ KHO BİLİM DERGİSİ CİLT:23 SAYI:2 YIL:2013. BULANIK BOYUT ANALİZİ ve BULANIK VIKOR İLE BİR ÇNKV MODELİ: PERSONEL SEÇİMİ PROBLEMİ.
BULANIK BOYUT ANALİZİ ve BULANIK VIKOR İLE BİR ÇNKV MODELİ: PERSONEL SEÇİMİ PROBLEMİ Özkan BALİ ÖZET Personel seçm organzasyonların başarısını etkleyen en öneml problemlerden brdr. Bu seçm, belrszlk çeren
DetaylıStandart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim.
SM de yer alacak fermyonlar Standart Model (SM) agrange Yoğunluğu u s t d c b u, d, c, s, t, b e e e,, Şmdlk nötrnoları kütlesz Kabul edeceğz. Kuark çftlern gösterelm. u, c ve t y u (=1,,) olarak gösterelm.
DetaylıTRİSTÖR VE TRİYAK HARMONİKLERİNİN 3 BOYUTLU GÖSTERİMİ VE TOPLAM HARMONİK BOZUNUMA EĞRİ UYDURMA
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K BİL İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : : : : 5- TRİSTÖR VE TRİYAK
DetaylıSinirsel Bulanık Sistemler İle Trafik Gürültüsünün Tahmini
Snrsel Bulanık Sstemler İle Trafk Gürültüsünün Tahmn Ahmet Tortum Yrd. Doç. Dr.,Atatürk Ünverstes,Mühendslk Fakültes,İnşaat Bölümü,Erzurum E-posta : atortum@ataun.edu.tr Yasn Çodur Arş.Gör., Atatürk Ünverstes,Mühendslk
DetaylıFumonic 3 radio net kablosuz duman dedektörü. Kiracılar ve mülk sahipleri için bilgi
Fumonc 3 rado net kablosuz duman dedektörü Kracılar ve mülk sahpler çn blg Tebrk ederz! Darenze akıllı fumonc 3 rado net duman dedektörler monte edlmştr. Bu şeklde ev sahbnz yasal donanım yükümlülüğünü
DetaylıSoğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu
Soğutucu Akışkan arışımlarının ullanıldığı Soğutma Sstemlernn ermoekonomk Optmzasyonu * 1 Hüseyn aya, 2 ehmet Özkaymak ve 3 rol Arcaklıoğlu 1 Bartın Ünverstes akne ühendslğ Bölümü, Bartın, ürkye 2 arabük
DetaylıPamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences
Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ
Detaylı4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ
Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ 1 Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
DetaylıTRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI
Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm
DetaylıBasel II Geçiş Süreci Sıkça Sorulan Sorular
Basel II Geçş Sürec Sıkça Sorulan Sorular Soru No: 71 Cevaplanma Tarh: 06.03.2012 İlgl Hüküm: --- Konu: Gayrmenkul İpoteğyle Temnatlandırılmış Alacaklar İçn KR510AS Formunun Doldurulmasına İlşkn Örnek
DetaylıTE 06 TOZ DETERJAN ÜRETİM TESİSİNDEKİ PÜSKÜRTMELİ KURUTMA ÜNİTESİNDE EKSERJİ ANALİZİ
Yednc lusal Kmya Mühendslğ Kngres, 5-8 ylül 26, Anadlu Ünverstes, skşehr 6 OZ DRJAN ÜRİM SİSİNDKİ PÜSKÜRMLİ KRMA ÜNİSİND KSRJİ ANALİZİ GÜLSÜN BKAŞ*, FİRZ BALKAN ge Ünverstes Kmya Mühendslğ Bölümü, 351,
DetaylıKIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ
Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü Dergs Yıl: 2007/2, Sayı: 6 Journal of Suleyman Demrel Unversty Insttue of Socal Scences Year: 2007/2, Number: 6 KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM
DetaylıTÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ
TÜRİYE DEİ 38 kv LU 4 BARALI GÜÇ SİSTEMİDE EOOMİ YÜLEME AALİZİ Mehmet URBA Ümmühan BAŞARA 2,2 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlık Fakültes Anadolu Ünverstes İk Eylül ampüsü, 2647, ESİŞEHİR
DetaylıBoğaziçi Köprüsü Hareketlerinin Zaman Dizileri Analizi İle Belirlenmesi
hkm Jeodez, Jeonformasyon ve Araz Yönetm Dergs 2009/ Sayı 00 www.hkmo.org.tr Boğazç Köprüsü Hareketlernn Zaman Dzler Analz İle Belrlenmes Hedye ERDOĞAN, Engn GÜLAL 2 Özet Bu makalede; Asya le Avrupa kıtalarını
DetaylıPolinom Filtresi ile Görüntü Stabilizasyonu
Polno Fltres le Görüntü Stablzasonu Fata Özbek, Sarp Ertürk Kocael Ünverstes Elektronk ve ab. Müendslğ Bölüü İzt, Kocael fozbek@kou.edu.tr, serturk@kou.edu.tr Özetçe Bu bldrde vdeo görüntü dznnde steneen
DetaylıObtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests
Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 2006, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The
DetaylıELEKTRİK DEVRE TEMELLERİ
ELEKTRİK DEVRE TEMELLERİ Öğretm üyes: Doç. Dr. S. Özoğuz Tel: 85 36 9 e-posta: serdar@ehb.tu.edu.tr Ders saat: Pazartes,.-3. / D-4 İçndekler. Dere teors, toplu parametrel dereler, Krchhoff un gerlm e akım
DetaylıCalculating the Index of Refraction of Air
Ankara Unversty Faculty o Engneerng Optcs Lab IV Sprng 2009 Calculatng the Index o Reracton o Ar Lab Group: 1 Teoman Soygül Snan Tarakçı Seval Cbcel Muhammed Karakaya March 3, 2009 Havanın Kırılma Đndsnn
DetaylıİKİNCİ KUŞAK AKIM TAŞIYICI İLE HABERLEŞME SÜZGEÇLERİNİN TASARIMINDA YENİ OLANAKLAR
İKİNİ KUŞAK AKIM TAŞIYII İLE HABELEŞME SÜGEÇLEİNİN TASAIMINDA YENİ OLANAKLA Murat AKSOY 1 Hakan KUNTMAN Sadr ÖAN Oğuhan ÇİÇEKOĞLU 1 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk Mmarlık Fakültes Çukurova
DetaylıKonveks Sınıf Modelleri Kullanarak Dijital İmgelerdeki Nesne Görüntülerinin Konumlarının Bulunması. Proje No: 109E279
Konveks Sınıf Modeller Kullanarak Djtal İmgelerdek Nesne Görüntülernn Konumlarının Bulunması Proje No: 109E279 Doç. Dr. Hakan Çevkalp Hüseyn Gündüz Musa Aydın Güvenç Usanmaz Onur Akyüz ŞUBAT 2013 ESKİŞEHİR
DetaylıKaraciğer mikrodizi kanser verisinin sınıflandırılması için genetik algoritma kullanarak ANFIS in eğitilmesi
Karacğer mkrodz kanser versnn sınıflandırılması çn genetk algortma kullanarak ANFIS n eğtlmes Bülent Haznedar 1*, Mustafa Turan Arslan 2, Adem Kalınlı 3 ÖZ 21.06.2016 Gelş/Receved, 30.11.2016 Kabul/Accepted
DetaylıTürkiyede ki ĠĢ Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini
Türkyede k ĠĢ Kazalarının Yapay Snr Ağları le 2025 Yılına Kadar Tahmn Hüseyn Ceylan ve Murat Avan Kırıkkale Meslek Yüksekokulu, Kırıkkale Ünverstes, Kırıkkale, 71450 Türkye. Kaman Meslek Yüksekokulu, Ah
Detaylı