EN BÜYÜK YER İVMESİNİN TAHMİNİNDE YAPAY SİNİR AĞLARININ KULLANIMI
|
|
- Elmas Toker
- 5 yıl önce
- İzleme sayısı:
Transkript
1 EN BÜYÜK YER İVMESİNİN TAHMİNİNDE YAPAY SİNİR AĞLARININ KULLANIMI İlknur Kaftan ve Elçin Gök ÖZET: Dr., Jeofizik Müh. Bölümü, Dokuz Eylül Üniversitesi, İzmir Yrd.Doç.Dr., Jeofizik Müh. Bölümü, Dokuz Eylül Üniversitesi, İzmir Batı Türkiye tarihsel ve aletsel dönemde birçok yıkıcı depremlerin meydana geldiği bölgelerden biridir. Bu depremler İzmir ve civarında büyük hasarlara sebep olmuştur. En büyük yer ivmesi (PGA) belirlenen bölgedeki deprem hareketinin analizinde yaygın olarak kullanılan parametrelerden biridir. Depremin büyüklüğü, odak derinliği, zeminin özellikleri ve deprem mekanizması gibi parametreler PGA yı etkiler. Bu çalışmada 009 ile 04 yılları arasında İzmirNET istasyon ağı tarafından kaydedilen magnitüdü 4 den büyük depremler kullanılmıştır. Bu çalışmanın amacı mühendislik sismoloji çalışmalarında da yaygın olarak kullanılmaya başlanan yapay sinir ağları (YSA) ile en büyük yer ivmesinin (PGA) saptanmasıdır. Yapay Sinir Ağları uygulamasında 800 kayıt kullanılmıştır. Depremin moment büyüklüğü, derinliği, hiposantr mesafesi ve zemin özellikleri yapay sinir ağlarının girdi setini oluşturmaktadır. YSA nın güvenilirliğini göstermek için, sonuçlar depremlerden hesaplanan PGA değerleri ile karşılaştırılmıştır. Elde edilen sonuçlar Yapay sinir ağlarının özellikle İzmir ve çevresi için PGA nın saptanmasında başarılı sonuçlar verdiğini göstermiştir. ANAHTAR KELİMELER: En büyük yer ivmesi (PGA), İzmir, Yapay Sinir Ağları (YSA) USE of ARTIFICIAL NEURAL NETWORKS to ESTIMATE PEAK GROUND ACCELERATIONS ABSTRACT: Western Turkey is one of the regions where many destructive earthquakes have taken place in the historical and instrumental period. These earthquakes caused great damage in Izmir and surroundings. The peak ground acceleration (PGA) is one of the commonly used parameters in the analysis of earthquake motion in the determined area. Parameters such as magnitude, focal depth, site conditions and earthquake mechanism affect the PGA. In this study, earthquakes greater than magnitude of 4 were recorded by IzmirNET between 009 and 04 were used. The aim of this study is to determine the peak ground acceleration with artificial neural networks which are widely used in engineering seismology studies. For this purpose, 800 records were used in the Artificial Neural Networks application. Earthquake moment magnitude, hypocentral distance, focal depth, and site conditions of strong motions were used as inputs for predicting the PGA. To demonstrate the reliability of the ANN, results were compared with the computed PGA values from the earthquakes. Obtained results show that artificial neural networks perform successful results in the estimation of PGA for Izmir and surroundings. KEYWORDS: Peak Ground Acceleration (PGA), Izmir, Artificial Neural Networks (ANN)
2 . GİRİŞ Mühendislik yapılarının tasarımında bölgenin yer hareketlerinin özelliklerini bilmek önemlidir. Bu amaçla PGA analizleri yaygın olarak kullanılan yaklaşımlardan biridir. Zeminin deprem sırasındaki davranışını tanımlamak için kullanılan PGA çoğu zaman, daha önce bölgede meydana gelmiş depremlerin regresyon analizi kullanılarak geliştirilen azalım ilişkileri tarafından tahmin edilir. Regresyon analizlerinde, PGA genellikle büyüklük, kaynaktan alana uzaklık, yerel zemin koşulları, faylanma türü ve dalga yayılımı gibi bağımsız değişkenlerin bir fonksiyonu olarak hesaplanır. Ancak bu bağımsız değişkenler hem fiziksel özelliklere hem de hesaplamadan kaynaklanan bazı belirsizliklere neden olmaktadır. Bu sebeple kullanılan ampirik denklemlerin gözlenen PGA değerlerini tahmin etme becerisi sınırlıdır. Günümüze kadar bölgeye ve depreme ait PGA nın saptanması için regresyon analizine dayanan farklı ampirik bağıntılar önerilmiştir (Joyner and Boore, 993; Kramer, 996; Douglas, 003). Genel kapsamlı deprem tehlikesi çalışmalarında istasyon ağları arttıkça ampirik azalım ilişkileri yerine gerçek PGA değerleri depremlerden hesaplanmaya başlanmıştır. Son yıllarda birçok alanda yaygın olarak kullanılan Yapay Sinir Ağları (YSA) PGA nın tahmininde de uygulanmaktadır. YSA belirli bir denklem formu olarak tanımlanmadığından, değişkenler arasında doğrusal olmayan ve karmaşık etkileşime sahip olan problemlere çözüm bulabilir ve veri kümesinin girdi ve çıktısı arasındaki fonksiyonel ilişkiyi saptayabilir. Günümüzde PGA nın tahmininde YSA çeşitli araştırmacılar tarafından uygulanmaktadır. Günaydın ve Günaydın (008), 999 ve 00 yıllarında Marmara Bölgesinde oluşan deprem kayıtlarından yararlanarak PGA değerlerinin saptanmasında üç farklı YSA türünü uygulamıştır. Derras ve Bekkouche (0) Japonya için 76 kayıt kullanarak regresyona dayalı denklemler ve YSA ile PGA tahmini yapmış ve elde ettikleri sonuçları karşılaştırmışlardır. Meksika civarında meydana gelen depremleri kullanan Pozos-Estrada ve diğ. (04) bölgeye ait PGA değerlerinin saptanmasında YSA nı kullanmışlardır. Bu çalışmada ise İzmir ve çevresinde yılları arasında meydana gelen magnitüdü 4 ten büyük depremler YSA nın çok yaygın kullanılan bir türü olan çok katmanlı algılayıcı (ÇKA) ile değerlendirilerek bölgenin PGA değerlerine ulaşılmıştır.. YAPAY SİNİR AĞLARI Yapay sinir ağları biyolojik sinir sisteminden esinlenerek geliştirilmiştir. Biyolojik sinir sistemindeki birimler ile yapay sinir ağlarındaki birimlerin görevleri ve terminolojideki isimleri Şekil de özetlenmektedir. Biyolojik sinir sistemindeki sinir hücresi YSA da da sinir, nöron yada işlem elemanı olarak isimlendirilir. Dendritler toplam fonskiyonunun, hücre gövdesi aktivasyon fonksiyonunun, aksonlar YSA çıktısının, sinapslar ise ağırlıkların görevlerini yerine getirmektedir. YSA nın en temel elemanı algılayıcıdır (perceptron). İlk olarak 958 yılında Frank Rosenblatt tarafından geliştirilmiştir. Şekil de görüldüğü gibi algılayıcı altı ana bölümden oluşmaktadır. Bunlar, girişler (x i), ağırlıklar (w i), eşik (b i), toplam fonksiyonu (Σ), aktivasyon fonksiyonu (f) ve çıkış değeri y dir.
3 Şekil : Biyolojik ve yapay sinir hücrelerinin birlikte gösterimi Yapay sinir ağları, yapılarına ve öğrenme algoritmalarına göre çeşitli sınıflara ayrılmaktadır. Yapılarına göre ileri beslemeli ve geri beslemeli ağlar olmak üzere iki, öğrenme algoritmalarına göre ise öğretmenli öğrenme, öğretmensiz öğrenme ve takviyeli öğrenme olmak üzere üç grupta sınıflanmaktadır. Uygulama kolaylığı ve bir çok problemin çözümü açısından uygunluğu nedeniyle Çok Katmanlı Algılayıcı (ÇKA) yaygın olarak kullanılan bir modeldir. Bir girdi katmanı, bir ya da birden fazla gizli (ara) katman ve bir çıkış katmanından oluşmaktadır (Şekil ). Şekil : Çok Katmanlı Algılayıcı.
4 Katmanlardaki nöronlar verilen girdiyi işleyerek ve diğer nöronlara ileterek istenilen çıktıya ulaşmayı sağlar. Verilen girdi vektörünün her elemanı ilgili ağırlık ile çarpılıp birbirine eklenerek net girdi hesaplanır. Nöronda hesaplanan net girdiyi çıktıya dönüştürmek için aktivasyon fonksiyonu kullanılır. ÇKA da türevinin kolay alınabilmesi hatanın geri yayılma sürecinde işlem kolaylığı sağladığı için aktivasyon fonksiyonu olarak genellikle sigmoid kullanılır. ÇKA da nöronlar iki katman arasında bağlantıyı sağlar. Ancak aynı katmandaki nöronlar arasında bağlantı yoktur. Bu yapısı nedeniyle veri akışı girdi katmanından çıktı katmanına doğru ilerler. Ağırlıklar ağın çıktısı ile istenilen çıktının arasındaki farkın azaltılmasını sağlayacak yönde hesaplanır. En yaygın ve en çok kullanılan öğrenme algoritması geri yayılım algoritmasıdır. Anlaşılması kolay ve matematiksel olarak kolayca ispatlanabilir olmasından dolayı en çok tercih edilen öğrenme algoritmasıdır. Bu algoritma, hataları çıkıştan girişe geriye doğru azaltmaya çalışmasından dolayı geri yayılım ( back propagation ) ismini almıştır. Geri yayılım algoritması en genel haliyle açıklanırsa çıktı katmanındaki j. nöronun n. örnek için hata sinyali aşağıdaki gibi tanımlanmaktadır. e ( n) = d ( n) y ( n) () j j j Burada d j(n) ve y j(n) n. örnek için sırasıyla çıkış katmanındaki arzulanan ve hesaplanan çıktı değerlerini belirtir. Ağın performansı, ortalama karesel hataya göre ölçülür. Çıktı nöronunun MSE değeri aşağıdaki bağıntıyla hesaplanır. ÇKA yapay sinir ağları için kullanılan standart geri yayılım algoritması anlık hatayı tanımlayan enerji fonksiyonunun azaltılmasında kullanılan en dik iniş (steepest descent) gradient tabanlı bir algoritmadır.en aza indirgenmesi arzulanan hata fonksiyonu 3 katmanlı bir ağ için; E q n3 = ( d h= qh y h ) () şeklinde yazılır. Burada d qh q. giriş verisi için h. nörondaki arzulanan ağ çıktısını temsil eder. y h (3) ise çıktı katmanındaki h. nöron için gerçek (hesaplanan) çıkış değerini verir (Haykin, 999; Ham ve Kostanic, 00). 3. İZMİRNET KUVVETLİ YER HAREKETİ İSTASYON AĞI Bu çalışmada İzmir ve çevresinde bulunan İzmirNET tarafından kaydedilmiş kuvvetli yer hareketi verileri kullanılmıştır. 009 ve 04 yılları arasında Ege Bölgesinde meydana gelen magnitüdü 4 ten büyük depremlerin kayıtları PGA nın YSA ile tahmininde kullanılmıştır. Çalışma alanı, kullanılan depremler ve istasyonlar Şekil 3 de verilmiştir. Çalışmada 9 istasyon tarafından kaydedilen 49 deprem kullanılmıştır. Bölgede ölçülen PGA değerleri 0,007 ile 5,3cm/sn arasında değişmektedir.
5 Şekil 3: Çalışma alanı ve kullanılan depremler 4. YAPAY SİNİR AĞLARININ PGA UYGULAMASI Bu çalışmada birçok alanda yaygın olarak uygulanan çok katmanlı algılayıcı ağ modeli (ÇKA) kullanılmıştır. İzmir ve civarında meydana gelen magnitüdü 4 ten büyük 49 depremden oluşan 800 kayıt kullanılarak bölgenin PGA değeri tahmin edilmiştir. Depremin magnitüdü, hiposantr derinliği, zemin cinsi ve odak derinliği ağın girdi katmanını oluştururken, PGA değerleri ise çıktı katmanını oluşturmaktadır. Tüm veri setinin % 85 i yani 380 kayıt ağı eğitmek için kullanılırken 40 kayıt ise test amacıyla kullanılmıştır. Çeşitli denemeler sonucunda ara (gizli) katmandan oluşan ağ yapısı en iyi PGA değerlerinin elde edildiği ağ yapısı olmuştur. Birinci ara katmanda 50 nöron, ikinci ara katmanda ise 30 nöron bulunmaktadır. Kullanılan aktivasyon fonksiyonu ise logaritmik sigmoid tir. Test setini oluşturan ölçülen PGA değerleri ve YSA ile saptanan PGA değerleri Şekil 4 de verilmektedir. Hesaplanan ve ölçülen PGA lar arasındaki korelasyon katsayısı 0,946 ve ortalama karesel hata ise 0,046 olarak saptanmıştır.
6 8 7 YSA ile hesaplanan PGA (cm/sn ) Ölçülen PGA (cm/sn ) Şekil 4: Ölçülen ve YSA ile tahmin edilen(hesaplanan) PGA değerleri 5. SONUÇLAR Bu çalışmada İzmir Net istasyonları tarafından kaydedilen büyüklüğü 4 ve üzeri olan depremlerin kayıtları kullanılarak bölgeye ait PGA değerleri YSA kullanılarak saptanmıştır. Elde edilen sonuçlar incelendiğinde saptanan PGA değerlerinin kabul edilebilir hata sınırları içinde olduğu görülmektedir. Bu yöntemle özellikle istasyonlarda meydana gelebilecek sorunlar veya veri kaybının olduğu durumlar düşünüldüğünde bölgede daha önce meydana gelmiş deprem kayıtları kullanılarak PGA değerlerinin saptanabilmesi mümkün olabilecektir. Veri setine eklenecek yeni depremler ve bu depremlerin kayıtları ile saptanan PGA değerlerinin hassasiyetinin arttırılması mümkündür. KAYNAKLAR Derras, B., ve Bekkouche, A. (0). Use of the artificial neural network for peak ground acceleration estimation. Lebanese Science Journal, Vol., No:. Douglas, J. (003). Earthquake ground motion estimation using strong-motion records: a review of equations for the estimation of peak ground acceleration and response spectral ordinates. Earth- Science Reviews vol. 6, no. -, pp Günaydın, K., ve Günaydın, A.( 008). Peak ground acceleration prediction by artificial neural networks for northwestern Turkey. Mathematical Problems in Engineering, Article ID 9940, 0 pages. Ham, M.F. ve Kostanic, I. (000). Principles of Neurocomputing for Science & Engineering. McGraw- Hill. Haykin, S.(999). Neural Network: A Comprehensive Foundation.Prentice Hall, New Jersey, USA.
7 Joyner, W. B., ve Boore, D. M.(993). Methods for regression analysis of strong-motion data. Bulletin of the Seismological Society of America vol. 83, no., pp Kramer, S.L. (996). Geotechnical Earthquake Engineering. Prentice-Hall. 653 pp. Pozos-Estrada, A., Gomez, R., ve Hong, H.P. (04). Use of Neural Network to Predict the Peak Ground Accelerations and Pseudo Spectral Accelerations for Mexican Inslab and Interplate Earthquakes. Geofisica Internacional, 53, pp Rosenblatt, F.(958). The Percetron: A probabilistic model for information storage and organization in the brain. Psychological Review, Vol. 65,
SÜREKLİ DOĞAL GERİLİM VERİLERİNİN YAPAY SİNİR AĞLARI İLE DEĞERLENDİRİLMESİ, DEPREM ve YAĞIŞLARLA İLİŞKİSİ
SÜREKLİ DOĞAL GERİLİM VERİLERİNİN YAPAY SİNİR AĞLARI İLE DEĞERLENDİRİLMESİ, DEPREM ve YAĞIŞLARLA İLİŞKİSİ ÖZET: Petek SINDIRGI 1 ve İlknur KAFTAN 2 1 Yardımcı Doçent Dr. Jeofizik Müh. Bölümü, Dokuz Eylül
Detaylı1. Giriş. 2. Model Parametreleri
STRONG GROUND MOTION ATTENUATION RELATIONSHIP FOR NORTHWEST ANATOLIAN EARTHQUAKES KUZEYBATI ANADOLU DEPREMLERİ İÇİN KUVVETLİ YER HAREKETİ AZALIM İLİŞKİSİ 1 ÇEKEN, U., 2 BEYHAN, G. ve 3 GÜLKAN, P. 1 ceken@deprem.gov.tr,
DetaylıMARMARA BÖLGESİNİN KUVVETLİ YER HAREKETİ AZALIM İLİŞKİSİ MODELİ STRONG GROUND MOTION ATTENUATION RELATIONSHIP MODEL FOR MARMARA REGION
MARMARA BÖLGESİNİN KUVVETLİ YER HAREKETİ AZALIM İLİŞKİSİ MODELİ STRONG GROUND MOTION ATTENUATION RELATIONSHIP MODEL FOR MARMARA REGION Çeken U. -1, Beyhan G. -1, Tüzel B. -1 Posta Adresi: 1- Afet İşleri
DetaylıÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ
ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ Ezgi Özkara a, Hatice Yanıkoğlu a, Mehmet Yüceer a, * a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği Bölümü, Malatya, 44280 myuceer@inonu.edu.tr
DetaylıYapay 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
DetaylıİNM Ders 2.2 YER HAREKETİ PARAMETRELERİNİN HESAPLANMASI. Yrd. Doç. Dr. Pelin ÖZENER İnşaat Mühendisliği Bölümü Geoteknik Anabilim Dalı
İNM 424112 Ders 2.2 YER HAREKETİ PARAMETRELERİNİN HESAPLANMASI Yrd. Doç. Dr. Pelin ÖZENER İnşaat Mühendisliği Bölümü Geoteknik Anabilim Dalı YER HAREKETİ PARAMETRELERİNİN HESAPLANMASI Yapıların Depreme
DetaylıBAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY ZEKA İLE ZAMAN TAHMİNİ SONER ŞÜKRÜ ALTIN
BAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY ZEKA İLE ZAMAN TAHMİNİ SONER ŞÜKRÜ ALTIN YÜKSEK LİSANS TEZİ 2011 BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY
DetaylıESTIMATION OF EFFLUENT PARAMETERS AND EFFICIENCY FOR ADAPAZARI URBAN WASTEWATER TREATMENT PLANT BY ARTIFICIAL NEURAL NETWORK
ESTIMATION OF EFFLUENT PARAMETERS AND EFFICIENCY FOR ADAPAZARI URBAN WASTEWATER TREATMENT PLANT BY ARTIFICIAL NEURAL NETWORK ADAPAZARI KENTSEL ATIKSU ARITMA TESĐSĐ ÇIKIŞ SUYU PARAMETRELERĐ VE VERĐM DEĞERLERĐNĐN
DetaylıEN BÜYÜK OLASILIK YÖNTEMİ KULLANILARAK BATI ANADOLU NUN FARKLI BÖLGELERİNDE ALETSEL DÖNEM İÇİN DEPREM TEHLİKE ANALİZİ
EN BÜYÜK OLASILIK YÖNTEMİ KULLANILARAK BATI ANADOLU NUN FARKLI BÖLGELERİNDE ALETSEL DÖNEM İÇİN DEPREM TEHLİKE ANALİZİ ÖZET: Y. Bayrak 1, E. Bayrak 2, Ş. Yılmaz 2, T. Türker 2 ve M. Softa 3 1 Doçent Doktor,
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
DetaylıPRELIMINARY REPORT. 19/09/2012 KAHRAMANMARAŞ PAZARCIK EARTHQUAKE (SOUTHEAST TURKEY) Ml=5.1.
PRELIMINARY REPORT 19/09/2012 KAHRAMANMARAŞ PAZARCIK EARTHQUAKE (SOUTHEAST TURKEY) Ml=5.1 www.deprem.gov.tr www.afad.gov.tr REPUBLIC OF TUKEY MANAGEMENT PRESIDENCY An earthquake with magnitude Ml=5.1 occurred
DetaylıYAPAY SİNİR AĞLARI YÖNTEMİ İLE PAFTALARININ SAYISALLAŞTIRILMASI ARTIFICIAL NEURAL NETWORKS METHOD FOR MAP DIGITIZATION
YAPAY SİNİR AĞLARI YÖNTEMİ İLE PAFTALARININ SAYISALLAŞTIRILMASI Y.ŞİŞMAN 1, H. DEMİRTAŞ 2 1 Ondokuz Mayıs Üniversitesi, Harita Mühendisliği Bölümü, 55139, Samsun/TÜRKİYE ysisman@omu.edu.tr 2 Sağlık Bakanlığı,
DetaylıAVRUPA VE ORTADOĞU İÇİN HESAPLANAN YER HAREKETİ TAHMİN DENKLEMLERİNİN TÜRKİYE İLE UYUMLULUĞUNUN İRDELENMESİ
. Türkiye Deprem Mühendisliği ve Sismoloji Konferansı 5-7 Eylül 3 MKÜ HATAY AVRUPA VE ORTADOĞU İÇİN HESAPLANAN YER HAREKETİ TAHMİN DENKLEMLERİNİN TÜRKİYE İLE UYUMLULUĞUNUN İRDELENMESİ ÖZET: M.A. Sandıkkaya
DetaylıİZMİR VE ÇEVRESİNİN ÜST-KABUK HIZ YAPISININ BELİRLENMESİ. Araştırma Görevlisi, Jeofizik Müh. Bölümü, Dokuz Eylül Üniversitesi, İzmir 2
İZMİR VE ÇEVRESİNİN ÜST-KABUK HIZ YAPISININ BELİRLENMESİ Ç. Özer 1, B. Kaypak 2, E. Gök 3, U. Çeken 4, O. Polat 5 1 Araştırma Görevlisi, Jeofizik Müh. Bölümü, Dokuz Eylül Üniversitesi, İzmir 2 Doçent Doktor,
DetaylıElectronic Letters on Science & Engineering 1(1) 2005 Available online at www.e-lse.org
Electronic Letters on Science & Engineering 1(1) 2005 Available online at www.e-lse.org Solution of Forward Kinematic for Five Axis Robot Arm using ANN A. Mühürcü 1 1 Sakarya University, Electrical-Electronical
Detaylıby Karin Şeşetyan BS. In C.E., Boğaziçi University, 1994
A PROBABILISTIC ASSESSMENT OF THE SEISMIC HAZARD IN THE CAUCASUS IN TERMS OF SPECTRAL VALUES by Karin Şeşetyan BS. In C.E., Boğaziçi University, 1994 Submitted to Kandilli Observatory and Earthquake Research
DetaylıYAPAY SĠNĠR AĞLARININ EKONOMĠK TAHMĠNLERDE KULLANILMASI
P A M U K K A L E Ü N İ V E R S İ T E S İ M Ü H E N D İ S L İ K F A K Ü L T E S İ P A M U K K A L E U N I V E R S I T Y E N G I N E E R I N G C O L L E G E M Ü H E N D ĠS L ĠK B ĠL ĠM L E R ĠD E R G ĠS
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
DetaylıGeriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu
Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı Mehmet Ali Çavuşlu Özet Yapay sinir ağlarının eğitiminde genellikle geriye
Detaylı12 HAZİRAN 2017 (15:28 TSİ), Mw=6.2 İZMİR KARABURUN (EGE DENİZİ) DEPREMİ SİSMOLOJİK ÖN DEĞERLENDİRME RAPORU
12 HAZİRAN 2017 (15:28 TSİ), Mw=6.2 İZMİR KARABURUN (EGE DENİZİ) DEPREMİ SİSMOLOJİK ÖN DEĞERLENDİRME RAPORU 14.06.2017 Buca - İZMİR 1. SİSMOLOJİK-SİSMOTEKTONİK GÖZLEMLER T.C. Başbakanlık Afet ve Acil Durum
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
DetaylıDeprem Mühendisliği 1
ESTIMATION OF GROUND MOTION PARAMETERS AZALIM İLİŞKİLERİ ATTENUATION RELATIONSHIPS DR. M. KUTANİS SPRING 2005 EARTHQUAKE ENGINEERING SLIDES 1 Depreme dayanıklı yapı tasarımında, tasarıma esas deprem hareketinin
DetaylıTÜRKİYE ULUSAL KUVVETLİ YER HAREKETİ GÖZLEM AĞI VERİLERİNİN MEVCUT YER HAREKETİ TAHMİN İLİŞKİLERİ İLE DEĞERLENDİRİLMESİ
ÖZET: TÜRKİYE ULUSAL KUVVETLİ YER HAREKETİ GÖZLEM AĞI VERİLERİNİN MEVCUT YER HAREKETİ TAHMİN İLİŞKİLERİ İLE DEĞERLENDİRİLMESİ Y. Kamer 1 ve C. Zülfikar 2 1 Araştırma Görevlisi,Deprem Müh. Anabilim Dalı,
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
DetaylıTUĞLA VE KİREMİT FABRİKALARININ HAVA KİRLİLİĞİNE KATKILARININ YAPAY SİNİR AĞI MODELLEMESİ İLE ARAŞTIRILMASI
TUĞLA VE KİREMİT FABRİKALARININ HAVA KİRLİLİĞİNE KATKILARININ YAPAY SİNİR AĞI MODELLEMESİ İLE ARAŞTIRILMASI Merve ARABACI a, Miray BAYRAM a, Mehmet YÜCEER b, Erdal KARADURMUŞ a a Hitit Üniversitesi, Mühendislik
DetaylıDEPREM KONUMLARININ BELİRLENMESİNDE BULANIK MANTIK YAKLAŞIMI
DEPREM KONUMLRININ BELİRLENMESİNDE BULNIK MNTIK YKLŞIMI Koray BODUR 1 ve Hüseyin GÖKLP 2 ÖZET: 1 Yüksek lisans öğrencisi, Jeofizik Müh. Bölümü, Karadeniz Teknik Üniversitesi, Trabzon 2 Yrd. Doç. Dr., Jeofizik
DetaylıGEOTEKNİK DEPREM MÜHENDİSLİĞİ
GEOTEKNİK DEPREM MÜHENDİSLİĞİ (YER HAREKETİ AZALIM İLİŞKİLERİ ATTENUATION RELATIONSHIPS) KAYNAKLAR 1. Steven L. Kramer, Geotechnical Earthquake Engineering (Çeviri; Doç. Dr. Kamil Kayabalı) 2. Building
DetaylıDOĞU ANADOLU BÖLGESİ VE CİVARININ POISSON YÖNTEMİ İLE DEPREM TEHLİKE TAHMİNİ
DOĞU ANADOLU BÖLGESİ VE CİVARININ POISSON YÖNTEMİ İLE DEPREM TEHLİKE TAHMİNİ ÖZET: Tuğba TÜRKER 1 ve Yusuf BAYRAK 2 1 Araştırma Görevlisi, Jeofizik Müh. Bölümü, Karadeniz Teknik Üniversitesi, Trabzon 2
DetaylıROBOTLARIN YAPAY SİNİR AĞLARI KULLANILARAK DENETİMİ.
ROBOTLARIN YAPAY SİNİR AĞLARI KULLANILARAK DENETİMİ Murat ŞEKER 1 Ahmet BERKAY 1 EMurat ESİN 1 ArşGör,Gebze Yüksek Teknoloji Enstitüsü, Bilgisayar MühBöl 41400 Gebze mseker@bilmuhgyteedutr aberkay@bilmuhgyteedutr,
DetaylıYAPAY SİNİR AĞI KULLANARAK DEPREM EĞİLİMİNİN KESTİRİMİ. Umut FIRAT
YAPAY SİNİR AĞI KULLANARAK DEPREM EĞİLİMİNİN KESTİRİMİ Umut FIRAT ufirat@yahoo.com Öz: Depremler yeryüzünde en çok yıkıma neden olan doğal afetlerdir. Bu durum, depremlerin önceden tahmin edilmesi fikrini
DetaylıKÜTAHYA İLİNİN YAPAY SİNİR AĞLARI KULLANILARAK ELEKTRİK PUANT YÜK TAHMİNİ
ELECTRICAL PEAK LOAD FORECASTING IN KÜTAHYA WITH ARTIFICIAL NEURAL NETWORKS. Y. ASLAN * & C. YAŞAR * & A. NALBANT * * Elektrik-Elektronik Mühendisliği Bölümü, Mühendislik Fakültesi Dumlupınar Üniversitesi,
Detaylı19 Mayıs 2011 M w 6.0 Simav-Kütahya Depreminin Kaynak Parametreleri ve Coulomb Gerilim Değişimleri
19 Mayıs 2011 M w 6.0 Simav-Kütahya Depreminin Kaynak Parametreleri ve Coulomb Gerilim Değişimleri E. Görgün 1 1 Doçent, Jeofizik Müh. Bölümü, Sismoloji Anabilim Dalı, İstanbul Üniversitesi, Avcılar ÖZET:
DetaylıMİKROŞERİT HAT ENDÜKTANS BÜYÜKLÜĞÜNÜN BİLGİ TABANLI YAPAY SİNİR AĞLARI ile MODELLENMESİ
MİKROŞERİT HAT ENDÜKTANS BÜYÜKLÜĞÜNÜN BİLGİ TABANLI YAPAY SİNİR AĞLARI ile MODELLENMESİ Levent AKSOY e-posta: levent@ehb.itu.edu.tr Neslihan Serap ŞENGÖR e-posta: neslihan@ehb.itu.edu.tr Elektronik ve
DetaylıISSN : Isparta-Turkey YAPAY SĠNĠR AĞLARI (YSA) YÖNTEMĠ ĠLE GLOBAL RADYASYON TAHMĠNĠ
ISSN:1306-3111 e-journal o New World Sciences Academy 2011, Volume: 6, Number: 2, Article Number: 1A0174 Kadir Günoğlu ENGINEERING SCIENCES Betül Mavi Received: November 2010 Ġskender Akkurt Accepted:
DetaylıGEOTEKNİK DEPREM MÜHENDİSLİĞİ KAYNAKLAR 1. Steven L. Kramer, Geotechnical Earthquake Engineering (Çeviri; Doç. Dr. Kamil Kayabalı) 2. Yılmaz, I.
GEOTEKNİK DEPREM MÜHENDİSLİĞİ KAYNAKLAR 1. Steven L. Kramer, Geotechnical Earthquake Engineering (Çeviri; Doç. Dr. Kamil Kayabalı) 2. Yılmaz, I., Mühendislik Jeolojisi: İlkeler ve Temel Kavramlar 3. Tarbuck,
DetaylıElazığ ve Çevresindeki Sismik Aktivitelerin Deprem Parametreleri İlişkisinin İncelenmesi
Fırat Üniv. Fen Bilimleri Dergisi Firat Unv. Journal of Science 6(), 7-77, 0 6(), 7-77, 0 Elazığ ve Çevresindeki Sismik Aktivitelerin Deprem Parametreleri İlişkisinin İncelenmesi Adem DOĞANER, Sinan ÇALIK
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
Detaylı27 Şubat 2009 Uzaktan Algılama ve CBS ile Afet Yönetimi Đstanbul Teknik Üniversitesi. Çalışmanın Amacı
HAZTURK: CBS Bazlı Türkiye Deprem Hasar Tahmini Yazılımı Dr. Himmet Karaman Đstanbul Teknik Üniversitesi Jeodezi & Fotogrametri Müh. Bölümü Ölçme Tekniği Anabilim Dalı Çalışmanın Amacı 2 Milyonlarca insana
DetaylıKaraciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması
Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması 1 Emre DANDIL Bilecik Ş. Edebali Üniversitesi emre.dandil@bilecik.edu.tr +90228 214 1613 Sunum İçeriği Özet Giriş
Detaylı21 NİSAN 2017, 17h12, Mw=4.9 MANİSA-ŞEHZADELER DEPREMİ SİSMOLOJİK ÖN DEĞERLENDİRME RAPORU
21 NİSAN 2017, 17h12, Mw=4.9 MANİSA-ŞEHZADELER DEPREMİ SİSMOLOJİK ÖN DEĞERLENDİRME RAPORU 25.04.2017 Buca / İZMİR 1. SİSMOTEKTONİK 21 Nisan 2017 günü, TSİ ile saat 17:12 de Manisa-Şehzadeler merkezli bir
DetaylıPSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ
PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ U. Özveren 2, S. Dinçer 1 1 Yıldız Teknik Üniversitesi, Kimya Müh. Bölümü, Davutpaşa Kampüsü, 34210 Esenler / İstanbul e-posta: dincer@yildiz.edu.tr
DetaylıGEOTEKNİK DEPREM MÜHENDİSLİĞİ (Yer Hareketi Parametreleri)
GEOTEKNİK DEPREM MÜHENDİSLİĞİ (Yer Hareketi Parametreleri) KAYNAKLAR 1. Steven L. Kramer, Geotechnical Earthquake Engineering (Çeviri; Doç. Dr. Kamil Kayabalı) 2. Prof. Steven Bartlett, Geoteknik Deprem
DetaylıSİSMİK KAYNAK ve YER HAREKETİ TAHMİN DENKLEMLERİNE BAĞLI MODELLEME BELİRSİZLİĞİNİN OLASILIKSAL SİSMİK TEHLİKE HESAPLARINA ETKİLERİ
11-14 Ekim 11 ODTÜ ANKAA SİSMİK KAYNAK ve YE HAEKETİ TAHMİN DENKLEMLEİNE BAĞLI MODELLEME BELİSİZLİĞİNİN OLASILIKSAL SİSMİK TEHLİKE HESAPLAINA ETKİLEİ ÖZET Mehtap Şenyurt 1, Sinan Akkar 2, M. Tolga Yılmaz
DetaylıTürkiyede ki İş Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini
International Journal of Engineering Research and Development, Vol.4, No., January 202 46 Türkiyede ki İş Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini Hüseyin Ceylan ve Murat Avan Kırıkkale
DetaylıTORNALAMA İŞLEMİNDE KESME KUVVETLERİNİN VE TAKIM UCU SICAKLIĞININ YAPAY SİNİR AĞI İLE TAHMİN EDİLMESİ
5. Uluslararası İleri Teknolojiler Sempozyumu (IATS 09), 13-15 Mayıs 009, Karabük, Türkiye TORNALAMA İŞLEMİNDE KESME KUVVETLERİNİN VE TAKIM UCU SICAKLIĞININ YAPAY SİNİR AĞI İLE TAHMİN EDİLMESİ PREDICTION
DetaylıTÜRKİYE KUVVETLİ YER HAREKETİ VERİ TABANININ GENİŞLETİLMESİ: BİR ÖN ÇALIŞMA
TÜRKİYE KUVVETLİ YER HAREKETİ VERİ TABANININ GENİŞLETİLMESİ: BİR ÖN ÇALIŞMA M.A. Sandıkkaya 1, N. Aghaalipour 2 ve Z. Gülerce 3 1 Y. Doç. Dr., İnşaat Müh. Bölümü, Hacettepe Üniversitesi, Ankara 2 Yüksek
DetaylıŞifrebilimde Yapay Sinir Ağları
Ege Üniversitesi Bilgisayar Mühendisliği Bölümü Şifrebilimde Yapay Sinir Ağları BİM345 Yapay Sinir Ağları İlker Kalaycı Mayıs,2008 Gündem Şifrebilim Şifrebilim nedir Şifreleme Şifre Çözme Klasik Şifreleme
DetaylıŞekil 1. DEÜ Test Asansörü kuyusu.
DOKUZ EYLÜL ÜNĐVERSĐTESĐ TEST ASANSÖRÜ KUYUSUNUN DEPREM YÜKLERĐ ETKĐSĐ ALTINDAKĐ DĐNAMĐK DAVRANIŞININ ĐNCELENMESĐ Zeki Kıral ve Binnur Gören Kıral Dokuz Eylül Üniversitesi, Mühendislik Fakültesi, Makine
DetaylıSAKARYA ÜNİVERSİTESİ DEPREM KAYIT İSTASYONUNUNA AİT SÜREYE BAĞLI BÜYÜKLÜK HESABI
ÖZET: SAKARYA ÜNİVERSİTESİ DEPREM KAYIT İSTASYONUNUNA AİT SÜREYE BAĞLI BÜYÜKLÜK HESABI E. Yavuz 1, G. Altun 2, G. Horasan 3 1 Araştırma Görevlisi, Jeofizik Müh. Bölümü, Sakarya Üniversitesi Mühendislik
DetaylıTÜRKİYE NİN FARKLI BÖLGELERİ İÇİN SİSMİK HAZARD PARAMETRELERİ ARASINDAKİ İLİŞKİLER
TÜRKİYE NİN FARKLI BÖLGELERİ İÇİN SİSMİK HAZARD PARAMETRELERİ ARASINDAKİ İLİŞKİLER THE RELATIONSHIPS OF SEISMIC HAZARD PARAMETERS IN DIFFERENT REGIONS OF TURKEY Yusuf BAYRAK 1, Serkan ÖZTÜRK 1 ve Özlem
DetaylıÇırpan Kanat Aerodinamik Kuvvetlerinin Yapay Sinir Ağları ile Modellenmesi
Çırpan Kanat Aerodinamik Kuvvetlerinin Yapay Sinir Ağları ile Modellenmesi Dr. Dilek Funda Kurtuluş 1 e-posta: dfunda@ae.metu.edu.tr 1 Orta Doğu Teknik Üniversitesi Havacılık ve Uzay Mühendisliği Bölümü
Detaylı1. Türkiye Deprem Mühendisliği ve Sismoloji Konferansı 11-14 Ekim 2011 ODTÜ ANKARA
YER HAREKETİ TAHMİN DENKLEMLERİNİN ESKİŞEHİR ŞEHRİ İÇİN İSTATİSTİKSEL OLARAK UYGUNLUĞUNUN BELİRLENMESİ Hakan KARACA 1, M. Semih YÜCEMEN 2 1 Doktora Öğrencisi, İnşaat Müh. Bölümü, ODTÜ, Ankara 2 Profesör,
DetaylıCam Elyaf Katkılı Betonların Yarmada Çekme Dayanımlarının Yapay Sinir Ağları İle Tahmini
6 th International Advanced Technologies Symposium (IATS 11), 16-18 May 211, Elazığ, Turkey Cam Elyaf Katkılı Betonların Yarmada Çekme Dayanımlarının Yapay Sinir Ağları İle Tahmini S. Yıldız 1, Y. Bölükbaş
DetaylıKuzeybatı Anadolu da Bölgesel Kappa Modeli
ÖZET: Kuzeybatı Anadolu da Bölgesel Kappa Modeli Fatma Nurten ŞİŞMAN 1, Ayşegül ASKAN 2 ve Onur PEKCAN 2 1 Araştırma Görevlisi, Mühendislik Bilimleri Bölümü, Orta Doğu Teknik Üniversitesi, Ankara 2 Doç.
DetaylıISSN : Hatay-Turkey YAPAY SİNİR AĞLARI YAKLAŞIMI İLE TAHTAKÖPRÜ BARAJINDAKİ AYLIK BUHARLAŞMA TAHMİNİ
ISSN:136-3111 211, Volume: 6, Number: 1, Article Number: 1A132 Fatih Üneş ENGINEERING SCIENCES Hakan Varçin Received: October 21 Kazım Kadir Dindar Accepted: January 211 Mustafa Kemal University Series
DetaylıYAPAY SİNİR AĞLARI YÖNTEMİ İLE GÖKSU NEHRİ NİN AKIM TAHMİNİ FLOW FORECASTING OF GÖKSU RIVER WITH ARTIFICIAL NEURAL NETWORKS METHOD
1 SDU International Technologic Science pp. 1-7 Constructional Technologies YAPAY SİNİR AĞLARI YÖNTEMİ İLE GÖKSU NEHRİ NİN AKIM TAHMİNİ Özlem Terzi, Mehmet Köse Özet: Günümüzde kuraklık ve küresel ısınma
DetaylıYOLCULUK YARATIMININ YAPAY SİNİR AĞLARI İLE MODELLENMESİ MODELLING OF THE TRIP GENERATION WITH ARTIFICIAL NEURAL NETWORK
YOLCULUK YARATIMININ YAPAY SİNİR AĞLARI İLE MODELLENMESİ * Nuran BAĞIRGAN 1, Muhammet Mahir YENİCE 2 1 Dumlupınar Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümü, Kütahya, nbagirgan@dumlupinar.edu.tr
DetaylıAkademik Sosyal Araştırmalar Dergisi, Yıl: 5, Sayı: 50, Temmuz 2017, s
Akademik Sosyal Araştırmalar Dergisi, Yıl: 5, Sayı: 50, Temmuz 2017, s. 119-125 Yayın Geliş Tarihi / Article Arrival Date Yayınlanma Tarihi / The Publication Date 29.05.2017 30.07.2017 Yrd. Doç. Dr. Mehmet
DetaylıFatih Kölmek. ICCI 2012-18.Uluslararası Enerji ve Çevre Fuarı ve Konferansı 25 Nisan 2012, İstanbul, Türkiye
Fatih Kölmek ICCI 2012-18.Uluslararası Enerji ve Çevre Fuarı ve Konferansı 25 Nisan 2012, İstanbul, Türkiye Türkiye Elektrik Piyasası Dengeleme ve Uzlaştırma Mekanizması Fiyat Tahmin Modelleri Yapay Sinir
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
DetaylıBeton Mekanik Özelliklerinin Taze Beton Özelliklerinden Yararlanılarak Yapay Sinir Ağları İle Tahmini ÖZET
Beton Mekanik Özelliklerinin Taze Beton Özelliklerinden Yararlanılarak Yapay Sinir Ağları İle Tahmini Serkan SUBAŞI 1, Ahmet BEYCİOĞLU 1 ve Mehmet EMİROĞLU 1 1 Düzce Üniversitesi Yapı Eğitimi Bölümü Teknik
DetaylıSenaryo Depremlerin Zemin Hareketi
7.2.4. Senaryo Depremlerin Zemin Hareketi (1) En Yüksek Zemin İvmesi (PGA) Şekil 7.2.5 den Şekil 7.2.8. e PGA dağılım haritaları gösterilmiştir. a. Model A Avrupa yakasının sahil kesimi ile Adalar da ivme
DetaylıİTME ANALİZİ KULLANILARAK YÜKSEK RİSKLİ DEPREM BÖLGESİNDEKİ BİR PREFABRİK YAPININ SİSMİK KAPASİTESİNİN İNCELENMESİ
İTME ANALİZİ KULLANILARAK YÜKSEK RİSKLİ DEPREM BÖLGESİNDEKİ BİR PREFABRİK YAPININ SİSMİK KAPASİTESİNİN İNCELENMESİ ÖZET: B. Öztürk 1, C. Yıldız 2 ve E. Aydın 3 1 Yrd. Doç. Dr., İnşaat Müh. Bölümü, Niğde
DetaylıDOĞU KARADENİZ BÖLGESİNDE SON YILLARDA YAPILAN PATLATMALARLA OLUŞAN DEPREMLERİN AYIRT EDİLMESİ
DOĞU KARADENİZ BÖLGESİNDE SON YILLARDA YAPILAN PATLATMALARLA OLUŞAN DEPREMLERİN AYIRT EDİLMESİ Yılmaz, Ş. 1, Bayrak, Y. 2 1 Karadeniz Teknik Üniversitesi, Mühendislik Fakültesi, Jeofizik Mühendisliği,
DetaylıKredi Riski Tahmininde Yapay Sinir Ağları ve Lojistik Regresyon Analizi Karşılaştırılması
AJIT e: Online Academic Journal of Information Technology Fall/Güz 2012 Cilt/Vol: 3 Sayı/Num: 9 Kredi Riski Tahmininde Yapay Sinir Ağları ve Lojistik Regresyon Analizi Karşılaştırılması Comparison of Artificial
DetaylıErdem Işık Accepted: January 2011. ISSN : 1308-7231 erdemis@firat.edu.tr 2010 www.newwsa.com Elazig-Turkey
ISSN:1306-3111 e-journal of New World Sciences Academy 2011, Volume: 6, Number: 1, Article Number: 1A0140 ENGINEERING SCIENCES Received: October 2010 Erdem Işık Accepted: January 2011 Mustafa İnallı Series
DetaylıOSPF PROTOKOLÜNÜ KULLANAN ROUTER LARIN MALİYET BİLGİSİNİN BULANIK MANTIKLA BELİRLENMESİ
OSPF PROTOKOLÜNÜ KULLANAN ROUTER LARIN MALİYET BİLGİSİNİN BULANIK MANTIKLA BELİRLENMESİ Resul KARA Elektronik ve Bilgisayar Eğitimi Bölümü Teknik Eğitim Fakültesi Abant İzzet Baysal Üniversitesi, 81100,
DetaylıÇATI DÖŞEMESİNDE MEYDANA GELEN YOĞUŞMA VE BUHARLAŞMA KÜTLELERİNİN YAPAY SİNİR AĞLARI İLE TAHMİN EDİLMESİ
S.Ü. Müh.-Mim. Fak. Derg., c.21, s.1-2, 2006 J. Fac.Eng.Arch. Selcuk Univ., v.21, n.1-2, 2006 ÇATI DÖŞEMESİNDE MEYDANA GELEN YOĞUŞMA VE BUHARLAŞMA KÜTLELERİNİN YAPAY SİNİR AĞLARI İLE TAHMİN EDİLMESİ Ömer
DetaylıEN BÜYÜK OLASILIK YÖNTEMİ KULLANILARAK BATI ANADOLU NUN FARKLI BÖLGELERİNDE ALETSEL DÖNEM İÇİN DEPREM TEHLİKE ANALİZİ
EN BÜYÜK OLASILIK YÖNTEMİ KULLANILARAK BATI ANADOLU NUN FARKLI BÖLGELERİNDE ALETSEL DÖNEM İÇİN DEPREM TEHLİKE ANALİZİ Yusuf BAYRAK 1, Erdem BAYRAK 2, Nursebil ATAY 3 ÖZET: 1 Doçent, Jeofizik Müh. Bölümü,
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
DetaylıBOĞAZİÇİ UNIVERSITY KANDİLLİ OBSERVATORY and EARTHQUAKE RESEARCH INSTITUTE GEOMAGNETISM LABORATORY
Monthly Magnetic Bulletin May 2015 BOĞAZİÇİ UNIVERSITY KANDİLLİ OBSERVATORY and EARTHQUAKE RESEARCH INSTITUTE GEOMAGNETISM LABORATORY http://www.koeri.boun.edu.tr/jeomanyetizma/ Magnetic Results from İznik
DetaylıEksik Akım Verilerinin Tahmin Modelinin OluĢturulmasında Yapay Sinir Ağlarının Kullanımı: Asi Nehri-Demirköprü Akım Gözlem Ġstasyonu Örneği
Çukurova Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 31(1), 93-106 ss., Haziran 2016 Çukurova University Journal of the Faculty of Engineering and Architecture, 31(1), pp. 93-106, June 2016 Eksik
DetaylıYEREL VE GLOBAL YER HAREKETİ TAHMİN DENKLEMLERİNİN TÜRKİYE İÇİN UYGULANABİLECEK SİSMİK TEHLİKE ANALİZLERİNDE KULLANILABİLİRLİKLERİNİN TEST EDİLMESİ
YEREL VE GLOBAL YER HAREKETİ TAHMİN DENKLEMLERİNİN TÜRKİYE İÇİN UYGULANABİLECEK SİSMİK TEHLİKE ANALİZLERİNDE KULLANILABİLİRLİKLERİNİN TEST EDİLMESİ Ö. Kale 1 ve S. Akkar 2 1 Araştırma Görevlisi, Deprem
DetaylıYAPAY SĠNĠR AĞLARI ĠLE KOCAELĠ ĠLĠNĠN PUANT YÜK TAHMĠNĠ. Oya DEMİRER Demet ÖZDEMİR Melih İNAL
YAPAY SĠNĠR AĞLARI ĠLE KOCAELĠ ĠLĠNĠN PUANT YÜK TAHMĠNĠ Oya DEMİRER Demet ÖZDEMİR Melih İNAL Kocaeli Ü. Müh.Fak. Elektrik Müh.Bl.MSB İzmit İnşaat BaşkanlığıKocaeli Ü.Tek.Fak.Elektronik Eğ. odemirer@hotmail.com
DetaylıYAPAY SİNİR AĞLARI EĞİTİM SETİ. Gazi Üniversitesi Teknik Eğitim Fakültesi Elektrik Eğitimi Bölümü, 06500, ANKARA ÖZET
YAPAY SİNİR AĞLAR EĞİTİM SETİ Uğur GÜVENÇ *, Serdar BİROĞUL *, Yusuf SÖNMEZ * Gazi Üniversitesi Teknik Eğitim Fakültesi Elektrik Eğitimi Bölümü, 06500, ANKARA ÖZET Yapay sinir ağları iş hayatı, finans
DetaylıYÜKSEK RİSKLİ DEPREM BÖLGESİNDEKİ BİR PREFABRİK YAPININ FARKLI YER HAREKETLERİ ETKİSİNDEKİ SİSMİK DAVRANIŞININ İNCELENMESİ
Altıncı Ulusal Deprem Mühendisliği Konferansı, 16-2 Ekim 27, İstanbul Sixth National Conference on Earthquake Engineering, 16-2 October 27, Istanbul, Turkey 1 YÜKSEK RİSKLİ DEPREM BÖLGESİNDEKİ BİR PREFABRİK
DetaylıVAN GÖLÜ VE ÇEVRESİNİN BİR BOYUTLU (1-B) KABUK HIZ MODELİNİN BELİRLENMESİ
VAN GÖLÜ VE ÇEVRESİNİN BİR BOYUTLU (1-B) KABUK HIZ MODELİNİN BELİRLENMESİ Bülent Kaypak 1, M.Feyza Akkoyunlu 2,3, Doğan Kalafat 2, Şerif Barış 3 1 Jeofizik Müh. Bölümü, Ankara Üniversitesi, Tandoğan 2
DetaylıYEŞİLIRMAK NEHRİ İÇİN TOPLAM ORGANİK KARBON ÖNGÖRÜ MODELLERİ
YEŞİLIRMAK NEHRİ İÇİN TOPLAM ORGANİK KARBON ÖNGÖRÜ MODELLERİ Mehmet Yüceer a*, İlknur Atasoy b, Eda Semizer c, Erdal Karadurmuş d, Kazım Yetik e, Ayla Çalımlı c, Rıdvan Berber c a İnönü Üniversitesi Mühendislik
Detaylı2017 AYVACIK DEPREM SERİSİNDE M 5.0 OLAN DEPREMLERİN KUVETLİ YER HAREKETİ KAYITLARI VE İSTASYON ZEMİN PARAMETRELERİ ÜZERİNE DEĞERLENDİRMELER
ÖZET: 2017 AYVACIK DEPREM SERİSİNDE M 5.0 OLAN DEPREMLERİN KUVETLİ YER HAREKETİ KAYITLARI VE İSTASYON ZEMİN PARAMETRELERİ ÜZERİNE DEĞERLENDİRMELER Eren Tepeuğur 1, F. Sertçelik 2 1 Kuvvetli Yer Hareketi
Detaylı21 TEMMUZ 2017 KOS ADASI - GÖKOVA KÖRFEZİ DEPREMİ İVME KAYITLARI VE ÖZELLİKLERİ
Deprem Mühendisliği Anabilim Dalı 21 TEMMUZ 2017 KOS ADASI - GÖKOVA KÖRFEZİ DEPREMİ İVME KAYITLARI VE ÖZELLİKLERİ Hakan Alçık, Ahmet Korkmaz, Oktay Çırağ, Erdal Şafak Kandilli Rasathanesi ve Deprem Araştırma
DetaylıSİMÜLASYON-YAPAY SİNİR AĞI İLE ESNEK ÜRETİM SİSTEMİ TASARIMI
Gazi Üniv. Müh. Mim. Fak. Der. J. Fac. Eng. Arch. Gazi Univ. Cilt 18, No 2, 31-38, 2003 Vol 18, No 2, 31-38, 2003 SİMÜLASYON-YAPAY SİNİR AĞI İLE ESNEK ÜRETİM SİSTEMİ TASARIMI Akif KURT Endüstri Mühendisliği
DetaylıOLASILIK VE İSTATİSTİK YÖNTEMLER İLE MERSİN İLİNİN SİSMİK TEHLİKESİNİN TAHMİNİ
OLASILIK VE İSTATİSTİK YÖNTEMLER İLE MERSİN İLİNİN SİSMİK TEHLİKESİNİN TAHMİNİ R. F. KARTAL 1, T. KILIÇ 1, F. T. KADİRİOGLU 2, 1 Jeofizik Yük. Müh., Deprem Dairesi,Afet ve Acil Durum Yönetimi Başkanlığı,
DetaylıANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DÖNEM PROJESİ TAŞINMAZ DEĞERLEMEDE HEDONİK REGRESYON ÇÖZÜMLEMESİ. Duygu ÖZÇALIK
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DÖNEM PROJESİ TAŞINMAZ DEĞERLEMEDE HEDONİK REGRESYON ÇÖZÜMLEMESİ Duygu ÖZÇALIK GAYRİMENKUL GELİŞTİRME VE YÖNETİMİ ANABİLİM DALI ANKARA 2018 Her hakkı saklıdır
Detaylı21 TEMMUZ 2017 KOS ADASI - GÖKOVA KÖRFEZİ DEPREMİ İVME KAYITLARI VE ÖZELLİKLERİ
Deprem Mühendisliği Anabilim Dalı 21 TEMMUZ 2017 KOS ADASI - GÖKOVA KÖRFEZİ DEPREMİ İVME KAYITLARI VE ÖZELLİKLERİ Hakan Alçık, Ahmet Korkmaz, Oktay Çırağ, Erdal Şafak Kandilli Rasathanesi ve Deprem Araştırma
DetaylıQUANTILE REGRESYON * Quantile Regression
QUANTILE REGRESYON * Quantile Regression Fikriye KURTOĞLU İstatistik Anabilim Dalı Olcay ARSLAN İstatistik Anabilim Dalı ÖZET Bu çalışmada, Lineer Regresyon analizinde kullanılan en küçük kareler yöntemine
DetaylıTÜRKĠYE DEPREMLERĠ ĠÇĠN SĠSMĠK ġġddet ĠLE YER HAREKETĠ PARAMETRELERĠ ARASINDA BAĞINTILAR
. Türkiye Deprem Mühendisliği ve Sismoloji Konferansı ÖZET: TÜRKĠYE DEPREMLERĠ ĠÇĠN SĠSMĠK ġġddet ĠLE YER HAREKETĠ PARAMETRELERĠ ARASINDA BAĞINTILAR M. Bilal ve A. Askan Doktora Öğrencisi, İnşaat Müh.
Detaylı24.05.2014 EGE DENİZİ DEPREMİ
24.05.2014 EGE DENİZİ DEPREMİ ÖN ARAŞTIRMA RAPORU Hazırlayanlar Dr. Mustafa K. Koçkar Prof. Dr. Özgür Anıl Doç. Dr. S. Oğuzhan Akbaş EGE DENİZİ DEPREMİ (24.05.2014; M w :6.5) GİRİŞ 24 Mayıs 2014 tarihinde,
DetaylıYapay Sinir Ağları ve Uygulamaları (EE 505) Ders Detayları
Yapay Sinir Ağları ve Uygulamaları (EE 505) Ders Detayları Ders Adı Ders Dönemi Ders Uygulama Laboratuar Kredi AKTS Kodu Saati Saati Saati Yapay Sinir Ağları ve Uygulamaları EE 505 Her İkisi 3 0 0 3 7.5
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 6 Sayı: 1 sh. 51-63 Ocak 2004
DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 6 Sayı: 1 sh. 51-63 Ocak 24 KİRİŞSİZ DÖŞEMELİ BETONARME BİR BİNADA OLUŞAN YATAY DEPLASMANIN YAPAY SİNİR AĞLARI İLE TAHMİNİ (ESTIMATION OF LATERAL
DetaylıZAMAN SERİSİ ANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI
ZAMAN SERİSİ ANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI Oğuz KAYNAR * Serkan TAŞTAN ** ÖZ Bu çalışmada zaman serisi analizinde yaygın olarak kullanılan Box-Jenkis modelleri
DetaylıTaş Dolgu Dalgakıranların Yapay Sinir Ağları ile Ön Tasarımı 1
İMO Teknik Dergi, 2004 3351-3375, Yazı 225 Taş Dolgu Dalgakıranların Yapay Sinir Ağları ile Ön Tasarımı 1 M. Levent KOÇ * Can E. BALAS ** Abdussamet ARSLAN *** ÖZ Yapay sinir ağları, karmaşık sistemlerin
DetaylıÇok Katmanlı Algılayıcı (Multilayer Perceptron) DOÇ. DR. ERSAN KABALCI
Çok Katmanlı Algılayıcı (Multilayer Perceptron) 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 Perceptron Rosenblatt (1962): İlk
DetaylıYapay Sinir Ağları ve Uygulamaları (EE 423) Ders Detayları
Yapay Sinir Ağları ve Uygulamaları (EE 423) Ders Detayları Ders Adı Ders Dönemi Ders Uygulama Laboratuar Kredi AKTS Kodu Saati Saati Saati Yapay Sinir Ağları ve Uygulamaları EE 423 Her İkisi 3 0 0 3 5
DetaylıSIVILAŞMA ANALİZLERİNİN ARİAS ŞİDDET KAVRAMI İLE DEĞERLENDİRİLMESİ
SIVILAŞMA ANALİZLERİNİN ARİAS ŞİDDET KAVRAMI İLE DEĞERLENDİRİLMESİ Prof.Dr. Müh.Ergin ARIOĞLU Y.Müh. Başar ARIOĞLU Dr.Müh. Canan GİRGİN Yapı Merkezi Holding Hacı Reşit Paşa Sok., Blok F, Çamlıca, 37, İstanbul
DetaylıENDÜSTRİYEL BİR DAMITMA KOLONUNDA YAPAY SİNİR AĞI VE ADAPTİF SİNİRSEL BULANIK TAHMİN METOTLARININ KULLANIMI
ENDÜSTRİYEL BİR DAMITMA KOLONUNDA YAPAY SİNİR AĞI VE ADAPTİF SİNİRSEL BULANIK TAHMİN METOTLARININ KULLANIMI A. BAHAR, E. GÜNER, C. ÖZGEN Department of Chemical Engineering, Middle East Technical University,
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
DetaylıMODELLING LOCAL GPS/LEVELLING GEOID WITH POLYNOMIALS, MULTIQUADRIC INTERPOLATION, ARTIFICIAL NEURAL NETWORK AND ANFIS METHODS
POLİNOMLAR, MULTİKUADRİK ENTERPOLASYON, İLERİ BESLEMELİ YAPAY SİNİR AĞI VE ANFIS YÖNTEMLERİ İLE YEREL GPS/NİVELMAN JEOİDİN BELİRLENMESİ L. ÇAKIR 1, 1 Karadeniz Teknik. Üniversitesi, Mühendislik Fakültesi,
DetaylıMevcut Betonarme Binaların Yapısal Parametrelerinin Binaların Deprem Performansına Etkilerinin Belirlenmesi
Mevcut Betonarme Binaların Yapısal Parametrelerinin Binaların Deprem Performansına Etkilerinin Belirlenmesi 1 Naci Çağlar and 2 Zehra Şule Garip * 1 Faculty of Engineering, Department of Civil Engineering
DetaylıİSTANBUL İÇİN TASARIM ESASLI KUVVETLİ YER HAREKETİ DALGA FORMLARININ ZAMAN ORTAMINDA TÜRETİLMESİ
11-14 Ekim 211 ODTÜ ANKARA İSTANBUL İÇİN TASARIM ESASLI KUVVETLİ YER HAREKETİ DALGA FORMLARININ ZAMAN ORTAMINDA TÜRETİLMESİ ÖZET Aydın Mert 1, Yasin Fahjan 2, Ali Pınar 3, Larry Hutchings 4 1 Doktor, Deprem
Detaylı