TRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM
|
|
- Ayla Polat
- 8 yıl önce
- İzleme sayısı:
Transkript
1 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 Ömer ÖZDİL TÜBİTAK - BİLGEM / İLTAREN omer.ozdl@ltaren.tubtak.gov.tr Özetçe Bu bldrde, Türkye dek trafk şaretlernn renk ve şekller gb bazı özntelklernden faydalanılarak sınıflandırılması anlatılmaktadır. MATLAB ortamında oluşturulan algortmalar le trafk şaretler öncelkle fotoğraftak dğer öğelerden ayırt edlmş, daha sonra renklerne göre fltrelenmştr. Fltreleme şlem sonrası lk olarak kenar bulma fonksyonundan geçrlp Hough dönüşümü veya DVM (Destek Vektör Makneler) kullanılarak trafk şaretler şekllerne göre sınıflandırmaya tab tutulmuştur. Anahtar Kelmeler Trafk İşaretlernn Sınıflandırılması, Hough Dönüşümü, DVM Abstract In ths paper, classfcaton of traffc sgns n Turkey wth the help of ther some features such as color and shape s explaned. In the algorthm that s generated n MATLAB, frstly trafc sgns are dstngushed from the other objects of the mage and then fltered by ther colors. After flterng, edge detecton s processed and then Hough Transform and SVM are used for shape classfcaton. Keywords Traffc Sgn Classfcaton, Hough Transform, Support Vector Machne I. GİRİŞ Trafk şaretlernn temel amacı trafk güvenlğn sağlamak ve trafk kazalarını önlemek çn sürücüler trafğn akışı çersnde uyarıp doğru br şeklde yönlendrmektr [1]. Bu sebeple trafk şaretler sürücüler tarafından kolayca farkedlp tanınacak ve anlaşılacak şeklde bulundukları ortamdan ayırt edleblmesn sağlayacak şekl ve renklerde tasarlanırlar [2]. İnsanların sürüş kablyetler pskolojk ve fzksel durumuna bağlı olarak değşkenlk göstereblr. Ruhsal olarak bunalmış veya fzksel olarak sürüş anında bazı sıkıntıları olan br sürücü trafk şaretlern dkkatl okuyamayablr. Bu tp durumlarda, sürüş esnasında sürücülere trafk şaretler hakkında yararlı blgler vereblmek sürüş kaltesn artıracağı gb aynı zamanda kaza rskn de azaltmış olacaktır [3]. Trafk şaretler, sürücüler tarafından doğal çevreden kolayca ayırt edleblmes ve farkedleblmes çn farklı özel şekl ve renklerde tasarlanırlar [4]. Genel olarak tüm dünyada trafk şaretler 2 boyutlu br levhanın üçgen, dkdörtgen veya dare şekl verlerek sarı, kırmızı veya mav renkte dkkat çekc br renk le boyanması veya levhanın etrafının şert olarak çzlmes le oluşturulurlar. Ülkeden ülkeye trafk şaretlernn şeklnn ve rengnn farklı anlamlar taşımasıyla beraber bu şaretler ülkemzde aşağıdak anlamlara gelmektedrler [5]. Uyarıcı Trafk şaretler : Ekseryetle üçgen şeklnde ve kırmızı şertl Trafk Tanzm şaretler : Ekseryetle dare şeklnde ve kırmızı şertl veya mav renkte Trafk Blg şaretler : Ekseryetle dkdörtgen şeklnde mav veya sarı renkte Hızlı, gerçek zamanlı ve güvenl çalışan otomatk trafk şaret tanımlama ve sınıflandırma sstem trafk güvenlğnn ve konforunun artırılması adına büyük önem taşımaktadır. Ayrıca bu sstemler akıllı araba sürücü yardımcı özellkler açısından da önemldr. Örneğn bazı araçlarda gdlen yol le kesşen tren yolları veya başka yollar hakkında sürücüyü blglendren ve uyaran akıllı yardımcı uygulamaları kullanılmaktadır [6]. II. TRAFİK İŞARETLERİNİN SINIFLANDIRILMASI Çalışmada kullanılacak ver set, İstanbul ve Ankara sokakalarındak trafk şaretlernn farklı günlerde farklı fotoğraf makneler le çeklmesyle oluşturulmuştur. Çeklen fotoğraflardak trafk şaretler fotoğrafın merkeznde kalacak şeklde fotoğraflar kırpılmıştır. Sınıflandırma yapacak algortma lk olarak ssteme grd olarak verlen kırpılmış RGB fotoğrafları, standart boyutlara getrmektedr. Böylelkle br nev tüm grdlern boyutları standardze edlmektedr. A. Renk Sınıflandırması Trafk şaretlernn sınıflandırma şlem yapılırken öncelkle fotoğraf karesndek trafk şaretnn dışındak kalan dğer öğelerden ayırt edlmeldr çünkü fotoğraftak dğer nesneler sınıflandırma şlemnde algortmaya olumsuz tesr göstereblrler. Bu sebeple lk etapta renk fltrelemesnn yapılması planlanlanmıştır. Renk fltres yapıldığında hem trafk şaret fotoğraftak dğer öğelerden büyük ölçüde ayrılırken hem de lk sınıflandırma şlemne uğramış olacaktır. Ra fr( x, y) Rb g(x, y) = k 1 eğer Ga f g( x, y) Gb Ba fb( x, y) Bb g(x, y) = k 2 dğer durumlarda (1) /15/$ IEEE
2 1 numaralı denklem dzsnde de görüldüğü üzere trafk şaretlernn belrl renklerden oluştuğu gerçeğ göz önüne alınarak her renk çn RGB eşk değerler eğtme ver setndek fotoğraflar üzernden belrlenp trafk şaretnn fotoğraftak dğer öğelerden ayırt edlmes sağlanmıştır. Ancak fltreleme şlem sonrasında üç temel sorun meydana gelmektedr. Bunlardan lk, fotoğraf karesnn çersnde trafk şaretn rengnn fltrelendğ RGB aralıklarında başka pkseller de olablmektedr. Bu pkseller fltrelenmeden geçecek ve algortmanın lerleyen aşamalarında olumsuz etkler oluşturableceklerdr. Br dğer sorun tahrp olmuş, fzksel etkenler sebebyle reng solmuş veya üzerne lan, pankart veya poster gb trafk şaretlernn rengn şekln anlamayı güçleştrecek kağıtlar yapıştırılmış olması durumunda trafk şaret de stenen ve beklenen şeklde fltrelenemeyeblecektr. Son sorun se bazı trafk şaretlernn kırmızı, mav ve sarı reng brlkte bulundurmasıdır. Böylelkle trafk şaretnn oluşturulan 3 fltreden de geçeblen parçaları olablmektedr. Burada da çözüm olarak fltreden geçen pksel sayısına bakılmış ve hang renk ağırlıkda se trafk şaretnn rengne sayıca fazla olan o renk olarak karar verlmştr. olması muhtemel yarıçap eşk büyüklüğünden fazla br yarıçaptaysa bu fotoğraftak trafk şaret dare şeklndedr kararı verlp; dare, belrlendğ koordnatlara şekln üzerne çzdrlecektr. Böylelkle hang renk fltresnden geçtğ blnen dare şeklnde trafk şaretnn KGM standartlarında hang sınıfa at olduğuna kolaylıkla karar verlecektr. Dkdörtgen ve üçgen şeklndek trafk şaretlern sınıflandırırken se daha farklı br yöntem uygulamaktadır. Burada renk fltresnden geçrldkten sonra hang renk sınıfına at olduğuna göre uygulanacak şlem değşmektedr. Kırmızı çn üçgen bulma yöntem uygulanırken mav ve sarı renk çn se dkdörtgen bulma algortması çalışmaktadır. Ancak renk fltresnden ve kenar bulma şlemnden sonra köşe bulma algortması le köşeler bulunmaya çalışılan trafk şaretlernn pek başarılı sonuçlar vermemes üzerne burada doğrusal DVM kullanılmasına karar verlmştr. En bast tanımlamalarıyla durumu anlatacak olursak fotoğraf karesnn dört kenarından fotoğrafın çne doğru pksel pksel yaklaştığımızda kenar bulma yöntem le kenarları çıkartılmış trafk şaretne temas edlen noktaların oluşturduğu vektörler bzm x vektörlermz olmaktadır. Böylelkle fotoğraf karesnn solundan, sağından, üstünden ve altından çer doğru Şekl 2 dek gb yaklaşarak trafk şaretne lk temas edlen nokta vektörün lk elemanını, son temas edlen nokta se son elemanını oluşturmaktadır. Bu noktalardan lk ve sonuncusu dahl olmak kaydıyla eşt aralıklarla toplam 11 nokta alınıp DVM şlemne x vektörü olarak grd yapılmaktadır. Şekl 1: Trafk İşaretlernde Renk Sınıflandırması Bell br başarı oranı le fltreden geçen trafk şaretler burada renklerne göre br sınıflandırmaya tab tutulmuş da olacaklardır. Bundan sonrak aşama se trafk şaretlernn şekllerne göre sınıflandırmasının yapılması ve karayolları genel müdürlüğünün belrledğ hang sınıfa grdklernn tespt edlmesdr. B. Şekl Sınıflandırması Trafk şaretlernn sınıflandırılması yapılırken daha öncede bahsedldğ gb öncelkle hang renk olduğuna karar verlmştr. Rengne karar verlen trafk şaretnn hang şekllerde olableceğ se Şekl 1 dek dyagramdan çıkartılablmektedr. Kırmızı ve mav renk fltresnden geçen fltrelenmş fotoğrafların dare şeklnde olup olmadıklarına bakılacaktır. Bunun çn öncelkle fltrelenmş fotoğrafın canny kenar bulma algortması le denklem 2 dek gb kenarları bulunacaktır. Şekl 2: DVM çn x Değerlernn Oluşturulması [7] Trafk şaretnn büyüklüğüne göre noktalar arasındak uzaklık değşmekle beraber toplam nokta sayısı sabt ve 11 dr. Bunlardan 1,3,5,7,9 ve 11 br sınıfa (+1) atanırken, kalan dğer noktalar da dğer sınıfa (-1) atanmış ve böylece z matrs de oluşturulmuştur. Böylece bu k sınıfı brbrnden ayıran ω.x + ω 0 = 0 doğrusu Şekl 3 dek gb olacaktır. mage_red_edge = EDGE(mage_red,'canny',0.5,2); (2) Kenarları bulunan yen ver matrsnde dare şeklnde br görüntü olup olmadığını anlamak çn bu matrse Hough dönüşümü uygulanarak fotoğraf karesnn çersnde dare şeklnde br şekl varsa bulunacak ve belrlenen bu darenn boyutları standardze edlmş fotoğraf karesnn çersnde Şekl 3: Doğrusal Olarak Sınıfları Ayıran Hper Düzlem
3 ω, z ve w 0 değşkenlern 3 numaralı eştszlğ sağlamalıdır. z (x ω+ ω ) (3) Belrl kısıtları olan br değer mnmze etmek çn Lagrange kullanıp problem br optmzasyon problemne dönüştürürsek; 1 2 T L( ω) = ω α z( ω x + ω0) 1 2 (4) Renk fltrelemes aşamasından sonra hem kırmızı hem mav fltreden de geçen kısımların bulunduğu görülmektedr. Burada kırmızı renkte geçen pksel sayısının fazla olması sebebyle kırmızı renk sınıfına karar verlmştr. Renk fltrelemes aşamasından sonra lk olarak kenar bulma algortması çalışmaktadır. Lagrange denklem 4 dek gb olacaktır. Burada Lagrange denklemnn ω ve ω 0 a göre türevler alındığında; α z = 0, ω = α zx (5, 6) olarak bulunmaktadır. Bulunan bu değerler Lagrange denklemnde yerne yazıldığında se; 1 T ω0 = ω x z olacaktır. Algortmada kenar noktaları üzerndek noktaları k sınıfa ayırarak bu noktaları doğrusal olarak kye ayıran br doğru elde edlmek stenmş ve bu doğrunun üçgenn veya karenn kenarlarından br olacağı düşünülmüştür. Ancak sınıflandırmayı kolaylaştırmak çn belrlenen sınıflardak noktalar brbrlernden braz daha uzaklaştırılarak (belrl br offset verlerek) sınıflandırma kolaylaştırılmıştır. (7) Şekl 5: Canny Kenar Bulma İşlem Sonrası Görüntü Otomatk kenar bulma algortmasından sonra se Hough dönüşümü algortması yardımıyla Şekl 5 dek dare bulunarak görüntü üzerne çzdrlmştr. Kırmızı Renkl ve Dare Şeklnde Matlab ortamında α değerlerne ulaşablmek çn 8 numaralı denklemdek fonksyon kullanılmıştır. Bu fonksyon çn gerekl grdler belrlenen x ve z değerlernden türetlmştr. alfa=quadprog((h+eye(11)*0.0001),f,a,a,b,b); (8) Buradan bulunan α değerler kullanılarak ω ve ω 0 a ulaşılmıştır. Böylelkle renk fltres ve kenar bulma şlemnden geçerek gelmş görüntü üzerndek trafk şaretne at olan kenarlar da DVM kullanılarak bulunmuştur. Böylece zaten reng blnen trafk şaretnn üçgen veya dkdörtgen olduğuna da karar verlerek nha sınıflandırma yapılmıştır. Şekl 6: Kırmızı Renkl ve Dare Şeklnde Trafk İşaret - Trafk Tanzm İşaret Sonuç olarak kırmızı renkte ve dare şeklnde br trafk şaret olduğu Şekl 6 dak gb görülmektedr. III. ALGORİTMANIN MODELLENMESİ Teork olarak bahsedlen algortmanın modelleme aşamaları bu kısımda sırasıyla anlatılacaktır. Öncelkle trafk şaret bulunan fotoğraf kares Şekl 4 dek gb fltrelenr. Burada kırmızı reng, mav reng ve sarı reng geçrp dğer tüm renkler geçrmemes çn 1 numaralı denklem setndek gb her br rengn RGB değerler çn 3 ayrı aralık eğtme vers üzernden belrlenmştr. Şekl 7: Algortma Dyagramı Şekl 4: Orjnal fotoğraf ve kırmızı, mav ve sarı renk çn belrlenmş fltrelerden geçrldkten sonra çıkan fltrelenmş görüntüler Modellenen algortmanın akış dyagramı Şekl 7 de verlmştr.
4 Şekl 7 de görüldüğü üzere mav renk çn farklı br akış sözkonusudur. Mav renk gökyüzü rengnden dolayı fltrelenmekte zorlandığı çn mav renk fltres stenlen düzeyde fltreleme yapamamaktadır. Bu sebeple mav renk çn renk fltresne alternatf olarak RGB den gr renge dönüştürülen görüntüler Şekl 8 dek gb daha sonra canny kenar bulma algortmasına verlmştr. Daha sonra yne aynı şeklde Hough dönüşümü yardımıyla dare şeklnde olup olmadığına bakılmıştır. Şekl 9 dan da görüldüğü üzere trafk şaretnn her br kenarının üzernde 11 nokta belrlenerek bu noktaları brbrnden ayıran doğrular 4 adet DVM yardımıyla çzdrlmştr. Aynı algortma üçgen şeklnde trafk şaret çnde uygulanmıştır ancak bu sefer DVM lerden br tanes anlamlı sonuç vermeyecektr. Bu sebeple anlamlı sonuç vermeyen DVM (fotoğraf karesnn üst kenarından üçgene yaklaşılarak bulunan noklatar) göz ardı edlmştr. Üçgen şeklnde trafk şaret çn çıkan sonuç Şekl 10 da verlmştr. Kırmızı Renkl ve Üögen Şeklnde Şekl 10: Kırmızı Renkl ve Üçgen Şeklnde Trafk İşaret - Uyarıcı Trafk İşaret Şekl 8: Mav Renkl ve Dare Şeklnde Trafk İşaret - Trafk Tanzm İşaret Üçgen ve dkdörtgen şeklndek trafk şaretlern bulmak çn se her trafk şaretne 4 adet DVM uygulanmaktadır. Fotoğraf karesnn her br kenarından fotoğrafın merkezne doğru pksel pksel yaklaşılarak beyaz renge temas edlen noktaların koordnatlarından belrl aralıklarda seçlen 11 tanes bu DVM lern x vektörlern oluşturmaktadır. Sarı Renkl ve Dkdörtgen Şeklnde IV. SONUÇ Bu çalışmada, trafk güvenlğnn sağlanması amacıyla trafk şaretlernn sınıflandırılması çn kullanılan algortma ve yöntem teork olarak anlatılmış ve MATLAB ortamında smulasyonu yapılmıştır. Smulasyon sonucunda dare, üçgen ve dkdörtgen şeklnde şaretler renk fltrelendrmes düzgün yapılablen trafk şaretler çn yüksek br başarı oranı le belrleneblmştr. Ancak renk fltresnden geçen trafk şaret dışındak dğer pkseller algortmanın çalışma performansını etklemektedr. Bu sebeple mav renk fltres çn alternatf çözüm olarak gr ölçek kullanılmıştır. Renk fltresnden sonrak aşamada se lteratürdek alternatf yöntemlerden farklı olarak dare şeklnn belrlenmes çn Hough dönüşümü kullanılmıştır. Üçgen ve dkdörtgen şeklndek trafk şaretler çn se DVM kullanılarak şekl sınıflandırması tamamlanmıştır. Sınıflandırmalar sonucunda her br şekl ve renk çn yaklaşık %70 başarı oranında doğru sınıflandırma yapıldığı görülmüştür. Başarı elde edlemeyen trafk şaretlernn yaklaşık yarısı renk fltresnden düzgün fltreleme yapılamadığı çn doğru sonuçlar vermezken, gerye kalan kısım se trafk şaretnn şeklnn doğru belrlenememesnden kaynaklanmaktadır. V. TEŞEKKÜR Yazarlar, çalışmanın hazırlanmasında sağladıkları katkıdan ve verdkler destekden dolayı Sn. Burak Gökçe ve Sn. Mthat Perköz e teşekkür eder. Şekl 9: Sarı Renkl ve Dkdörtgen Şeklnde Trafk İşaret - Trafk Blg İşaret
5 KAYNAKÇA [1] C.Y. Fang, C.S. Fuh, P.S. Yen, S. Cherng, S.W. Chen, An Automatc Road Sgn Recognton System Based On a Computatonal Model of Human Recognton Processng, Computer Vson and Image Understandng vol.96, pp , [2] de la Escalera, A., Moreno, L.E., Salchs, M.A., Armngol, J.M., Road traffc sgn detecton and classfcaton, IEEE Transactons on Industral Electroncs, vol.44, no.6, pp , Dec [3] H. Fleyeh, Color detecton and segmentaton for road and traffc sgns, IEEE Conference on Cybernetcs and Intellgent Systems, vol.2, pp , 2004 [4] S.L. Arroyo, P.Garca-Daz, F.J.Acevedo-Rodrguez, P.Gll-Jmenez, S.Maldonado-Bascon, Traffc Sgn Classfcaton Invarant to Rotatons Usng Support Vector Machne, AVICS 04, August 2004 [5] saretler.aspx [6] B. Cyganek, Real-Tme Detecton of the Trangular and Rectangular Shape Road Sgns, AGH - Unversty of Scence and Technology, Poland [7] S.L. Arroyo, P.Gll-Jmenez, R.Maldonado-Bascon, F.Lopez-Ferreras, S.Maldonado-Bascon, Traffc Sgn Shape Classfcaton Evaluaton I: SVM Usng Dstance to Borders, ICAPR 09, 2009 [8] S.L. Arroyo, P.Gll-Jmenez, R.Maldonado-Bascon, F.Lopez-Ferreras, S.Maldonado-Bascon, Traffc Sgn Shape Classfcaton Evaluaton I: SVM Usng Dstance to Borders, ICAPR 09, 2009 [9] D. C. Cresan, U. Meer, J. Masc, and J. Schmdhuber, A commttee of neural networks for traffc sgn classfcato. IJCNN. IEEE, pp , 2011
Makine Öğrenmesi 10. hafta
Makne Öğrenmes 0. hafta Lagrange Optmzasonu Destek Vektör Maknes (SVM) Karesel (Quadratc) Programlama Optmzason Blmsel term olarak dlmze geçmş olsa da bazen en leme termle karşılık bulur. Matematktek en
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
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
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
Detaylıbir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre
Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak
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
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
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
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 :
DetaylıALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ
BÖLÜM 6 ALTERNATİF AKIM DEVRE ÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ 6. ÇEVRE AKIMLAR ÖNTEMİ 6. SÜPERPOZİSON TEOREMİ 6. DÜĞÜM GERİLİMLER ÖNTEMİ 6.4 THEVENİN TEOREMİ 6.5 NORTON TEOREMİ Tpak GİRİŞ Alternatf akımın
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
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
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
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,
DetaylıZKÜ Mühendislik Fakültesi - Makine Mühendisliği Bölümü ISI VE TERMODİNAMİK LABORATUVARI Sudan Suya Türbülanslı Akış Isı Değiştirgeci Deney Föyü
ZKÜ Müendslk Fakültes - Makne Müendslğ Bölümü Sudan Suya Türbülanslı Akış Isı Değştrge Deney Föyü Şekl. Sudan suya türbülanslı akış ısı değştrge (H950 Deneyn adı : Boru çnde sudan suya türbülanslı akışta
Detaylı2. STEGANOGRAFİ 1. GİRİŞ
1. GİRİŞ Bu çalışmada, steganograf sstemnn FPGA üzernde tasarımı ve gerçeklenmes sağlanmıştır. Esk Yunancada gzlenmş yazı anlamına gelen steganograf, blgnn görünürlüğünü gzleme blmne verlen smdr. Günümüzde
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.
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
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
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
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
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,
DetaylıFizik 101: Ders 15 Ajanda
zk 101: Ders 15 Ajanda İk boyutta elastk çarpışma Örnekler (nükleer saçılma, blardo) Impulse ve ortalama kuvvet İk boyutta csmn elastk çarpışması Önces Sonrası m 1 v 1, m 1 v 1, KM KM V KM V KM m v, m
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
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
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
DetaylıQKUIAN. SAĞLIK BAKANLIĞI_ KAMU HASTANELERİ KURUMU Trabzon Ili Kamu Hastaneleri Birliği Genel Sekreterliği Kanuni Eğitim ve Araştırma Hastanesi
V tsttşfaktör T.C. SAĞLIK BAKANLIĞI KAMU HASTANELERİ KURUMU Trabzon Il Kamu Hastaneler Brlğ Genel Sekreterlğ Kanun Eğtm ve Araştırma Hastanes Sayı ı 23618724/?ı C.. Y** 08/10/2015 Konu : Yaklaşık Malyet
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.,
DetaylıGRAFİK TABANLI ŞİFRELERİN GÜVENLİK ANALİZİ İÇİN BİR YAKLAŞIM
Uludağ Ünverstes Mühendslk-Mmarlık Fakültes Dergs, Clt 11, Sayı 2, 2006 GRAFİK TABANLI ŞİFRELERİN GÜVENLİK ANALİZİ İÇİN BİR YAKLAŞIM Ahmet Emr DİRİK Özet: Grafk tabanlı şfreler, alfanümerk şfrelerden farklı
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
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
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
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)
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.
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
Detaylı2.7 Bezier eğrileri, B-spline eğrileri
.7 Bezer eğrler, B-splne eğrler Bezer eğrler ve B-splne eğrler blgsaar grafklernde ve Blgsaar Destekl Tasarım (CAD) ugulamalarında çok kullanılmaktadır.. B-splne eğrler sadece br grup ver noktası çn tanımlanan
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)
DetaylıA İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?
. Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de
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
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
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,
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,
DetaylıMerkezi Eğilim (Yer) Ölçüleri
Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına
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
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
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
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
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
DetaylıPARÇALI DOĞRUSAL REGRESYON
HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal
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
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
DetaylıŞehiriçi Karayolu Ağlarının Sezgisel Harmoni Araştırması Optimizasyon Yöntemi ile Ayrık Tasarımı *
İMO Teknk Derg, 2013 6211-6231, Yazı 392 Şehrç Karayolu Ağlarının Sezgsel Harmon Araştırması Optmzasyon Yöntem le Ayrık Tasarımı * Hüseyn CEYLAN* Halm CEYLAN** ÖZ Bu çalışmada, şehrç ulaştırma ağlarının
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.
DetaylıBİNALARIN YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN DESTEK VEKTÖR MAKİNELERİ SINIFLANDIRMA TEKNİĞİ KULLANILARAK BELİRLENMESİ
292 BİNALARIN YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN DESTEK VEKTÖR MAKİNELERİ SINIFLANDIRMA TEKNİĞİ KULLANILARAK BELİRLENMESİ Dlek Koç San 1 ve Mustafa Türker 2 1 ODTÜ, Fen Blmler Ensttüsü, Jeodez ve
Detaylı2 MANYETİZMA. 7. Etki ile mıknatıslanmada mıknatısın 5. K L M F F S N S N S N
3 Manyetzma Test Çözümler 1 Test 1'n Çözümler 3. 1 2 3 4 5 6 1. X Şekl I M 1 2 Y 3 4 Mıknatıs kutupları Şekl I dek gb se 4 ve 5 numaralı kutuplar zıt şaretl olur. Manyetk alan çzgler kutup şddet le doğru
DetaylıTEMEL DEVRE KAVRAMLARI VE KANUNLARI
TDK Temel Devre Kavramları ve Kanunları /0 TEMEL DEVRE KAVRAMLARI VE KANUNLARI GĐRĐŞ: Devre analz gerçek hayatta var olan fzksel elemanların matematksel olarak modellenerek gerçekte olması gereken sonuçların
DetaylıIşığın Kırılması Test Çözümleri. Test 1'in Çözümleri 3. K
4 şığın ırılması Test Çözümler Test 'n Çözümler 3.. cam şık az yoğun ortamdan çok yoğun ortama geçerken normale yaklaşarak kırılır. Bu nedenle dan cama geçen ışık şekldek gb kırılmalıdır. şık az yoğun
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
DetaylıDETERMINATION OF THE ECONOMIC DISPATCH IN ELECTRIC POWER SYSTEMS USING SIMULATED ANNEALING(SA) ALGORITHM
5 Uluslararası İler Teknolojler Sempozyumu (IATS 09), 3-5 Mayıs 2009, Karabük, Türkye ELEKTRİK GÜÇ SİSTEMİNDE OPTİMAL YAKIT MALİYETİNİN BENZETİM TAVLAMA (BT) ALGORİTMASI İLE BELİRLENMESİ DETERMINATION
DetaylıKAFES SİSTEMLERİN UYGULAMAYA YÖNELİK OPTİMUM TASARIMI
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K BİLİMLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 1999 : 5 : 1 : 951-957
DetaylıRİJİT CİSİMLERİN DÜZLEMSEL KİNETİĞİ
RİJİT CİSİMLERİN DÜZLEMSEL KİNETİĞİ Rjt csmn knetğ, csme etk eden kuvvetler le csmn şekl, kütles ve bu kuvvetlern yarattığı hareket arasındak bağıntıları nceler. Parçacığın knetğ konusunda csm yalnızca
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,
DetaylıTEKLİF MEKTUBU SAĞLIK BAKANLIĞI_. '.. m
SAĞLIK BAKANLIĞI TC Kayıt No: 133709 TURKIYE KAMU HASTANELERI KURUMU ı TRABZON ILI KAMU HASTANELERI BIRLIGI GENEL SEKRETERLIGI Kanun Eğtm Araştırma Hastanes TEKLİF MEKTUBU Sayı : 23618724 12.10.2015 Konu
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
DetaylıBulanık Mantık ve Yapay Sinir Ağları ile bir 3-3 Stewart Platformu nun Pozisyon Kontrolü
Bulanık Mantık ve Yapay Snr Ağları le br 3-3 Stewart Platformu nun Pozsyon Kontrolü İbrahm Yıldız 1, V.Emre Ömürlü 2, Ş.Nac Engn 3 1 Makne Mühendslğ Bölümü Yıldız Teknk Ünverstes, Beşktaş yldz@yldz.edu.tr
DetaylıJFM316 Elektrik Yöntemler ( Doğru Akım Özdirenç Yöntemi)
JFM316 Elektrk Yöntemler ( Doğru Akım Özdrenç Yöntem) yeryüzünde oluşturacağı gerlm değerler hesaplanablr. Daha sonra aşağıdak formül kullanılarak görünür özdrenç hesaplanır. a K I K 2 1 1 1 1 AM BM AN
Detaylı1. KEYNESÇİ PARA TALEBİ TEORİSİ
DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...
DetaylıResmi Gazetenin 29.12.2012 tarih ve 28512 sayılı ile yayınlanmıştır. TEİAŞ Türkiye Elektrik İletim Anonim Şirketi
İletm Sstem Sstem Kullanım ve Sstem İşletm Tarfelern Hesaplama ve Uygulama Yöntem Bldrm Resm Gazetenn 29.12.2012 tarh ve 28512 sayılı le yayınlanmıştır. TEİAŞ Türkye Elektrk İletm Anonm Şrket Bu Doküman
Detaylı01.01.2015 tarih ve 29223 sayılı Resmi Gazetede yayımlanmıştır. TEİAŞ Türkiye Elektrik İletim Anonim Şirketi
01.01.2015 tarh ve 29223 sayılı Resm Gazetede yayımlanmıştır. Bu Doküman Hakkında TEİAŞ Türkye Elektrk İletm Anonm Şrket İletm Sstem Sstem Kullanım ve Sstem İşletm Tarfelern Hesaplama ve Uygulama Yöntem
DetaylıKİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp
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
DetaylıDestek Vektör Makineleri ile Yaramaz Elektronik Postaların Filtrelenmesi Spam e-mail Filtering Using Support Vector Machine
Destek Vektör Makneler le Yaramaz Elektronk Postaların Fltrelenmes Spam e-mal Flterng Usng Support Vector Machne E. U. Küçükslle ve N. Ateş Süleman Demrel Ünverstes, Isparta/urke, ecrkucukslle@sdu.edu.tr
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
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
DetaylıDört Ayaklı Robotun Bir Bacağı İçin PID Kontrolcü Tasarımı ve Arı Algoritması Kullanarak Optimizasyonu
Uluslararası Katılımlı 17. Makna Teors Sempozyumu, İzmr, 14-17 Hazran 2015 Dört Ayaklı Robotun Br Bacağı İçn PID Kontrolcü Tasarımı ve Arı Algortması Kullanarak Optmzasyonu V. Bakırcıoğlu M. A. Şen M.
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
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
DetaylıKARMAŞIK SAYILAR. Derse giriş için tıklayın...
KARMAŞIK SAYILAR Derse grş çn tıklayın A Tanım B nn Kuvvetler C İk Karmaşık Sayının Eştlğ D Br Karmaşık Sayının Eşlenğ E Karmaşık Sayılarda Dört İşlem Toplama - Çıkarma Çarpma Bölme F Karmaşık Dülem ve
DetaylıServis Amaçlı Robotlarda Modüler ve Esnek Boyun Mekanizması Tasarımı ve Kontrolü
Servs Amaçlı Robotlarda Modüler ve Esnek Boyun Mekanzması Tasarımı ve Kontrolü Neşe Topuz, Hüseyn Burak Kurt, Pınar Boyraz, Chat Bora Yğt Makna Mühendslğ Bölümü İstanbul Teknk Ünverstes İnönü Cd. No:65,
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
DetaylıGenetik Algoritma ile İki Boyutlu Şekil Yerleştirme ÖZET
Genetk Algortma le İk Boyutlu Şekl Yerleştrme Metn Özşahn 1 ve Mustafa Oral 2 1) Çukurova Ünverstes Fen Blmler Ensttüsü Endüstr Mühendslğ Bölümü, Adana, Turkey 2 Çukurova Ünverstes Blgsayar Mühendslğ Bölümü,
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:
DetaylıCebir Notları. Karmaşık Sayılar Testi z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır?
Cebr Ntları Karmaşık Sayılar Test. + se Re() + Im()?. ( x y) + + ( x+ y ) se x + y tplamı kaçtır?. x + y ( x ) ve se y kaçtır?. ve se y x kaçtır?. sayısı kaça eşttr?. sayısı kaça eşttr? 7. x+ + ( y ) y
DetaylıBİLGİSAYARLA GÖRÜ TABANLI, HAREKETLİ CİSİM YÖRÜNGESİ İZLEYEN ROBOT KOL TASARIMI
BİLGİSAYARLA GÖRÜ TABANLI, HAREKETLİ CİSİM YÖRÜNGESİ İZLEYEN ROBOT KOL TASARIMI Emre Kouncu İstanbul Teknk Ünverstes Elektrk Mühendslğ ekouncu@kouncurobotc.com Osman Celan İstanbul Teknk Ünverstes Elektronk
DetaylıRasgele Değişken Üretme Teknikleri
Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan
DetaylıTOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA
Araştırma Makaleler TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA Dr., Dokuz Eylül Ünverstes, İİBF İşletme Bölümü erhan.demrel@deu.edu.tr ÖZET Ekonomk faalyetlern
DetaylıEK-1 01 OCAK 2014 TARİHLİ VE 28869 SATILI RESMİ GAZETEDE YAYINLANMIŞTIR.
EK-1 01 OCAK 2014 TARİHLİ VE 28869 SATL RESMİ GAETEDE YAYNLANMŞTR. Bu Doküman Hakkında TEİAŞ Türkye Elektrk İletm Anonm Şrket İletm Sstem Sstem Kullanım ve Sstem İşletm Tarfelern Hesaplama ve Uygulama
DetaylıMOBİPA MOBİLYA TEKSTİL İNŞAAT NAKLİYE PETROL ÜRÜNLERİ. SÜPERMARKET VE TuRİzM SANAYİ VE TİcARET ANONİM ŞİRKETİ
MOBİPA MOBİLYA TEKSTİL İNŞAAT NAKLİYE PETROL ÜRÜNLERİ SÜPERMARKET VE TuRİzM SANAYİ VE TİcARET ANONİM ŞİRKETİ 2011-2012-2013 MALİ yılına İLİşKİN YÖNETİM KURULU FAALİYET RAPORU ("Şrket") 01012011-31 ı22013
DetaylıBETONARME YAPI TASARIMI
BETONARME YAPI TASARIMI DEPREM HESABI Doç. Dr. Mustafa ZORBOZAN Mart 008 GENEL BİLGİ 18 Mart 007 ve 18 Mart 008 tarhler arasında ülkemzde kaydedlen deprem etknlkler Kaynak: http://www.koer.boun.edu.tr/ssmo/map/tr/oneyear.html
DetaylıMİNİMAL SİSTEMLERDE DURUM GERİBESLEMESİ İLE KUTUP ATAMA PROBLEMİNİN NÜMERİK ANALİZİ
MİNİMAL SİSTEMLERDE DURUM GERİBESLEMESİ İLE KUTUP ATAMA PROBLEMİNİN NÜMERİK ANALİZİ Erkam Murat BOZKURT Mehmet Turan SÖYLEMEZ Kontrol ve Otomasyon Mühendslğ Bölümü, Elektrk-Elektronk Fakültes, İstanbul
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.
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
DetaylıORTA GERİLİM ENERJİ DAĞITIM TALİ HATLARINDA ARIZA ANALİZİ
ORTA GERİLİM ENERJİ DAĞTM TALİ HATLARNDA ARZA ANALİZİ Yılmaz ASLAN Şebnem TÜRE 2,2 Dumlupınar Ünverstes Mühendslk Fak., Elektrk-Elektronk Müh. Bölümü, 4300, Kütahya e-posta: yaslan@dumlupnar.edu.tr 2 e-posta:
DetaylıTEİAŞ Türkiye Elektrik İletim Anonim Şirketi. İletim Sistemi Sistem Kullanım ve Sistem İşletim Tarifelerini Hesaplama ve Uygulama Yöntem Bildirimi
İletm Sstem Sstem Kullanım ve Sstem İşletm Tarfelern Hesaplama ve Uygulama Yöntem Bldrm EK-1 TEİAŞ Türkye Elektrk İletm Anonm Şrket İletm Sstem Sstem Kullanım ve Sstem İşletm Tarfelern Hesaplama ve Uygulama
DetaylıKİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri
Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.
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
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,
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,
DetaylıOkullarda Coğrafi Bilgi Sistem Destekli Öğrenci Kayıt Otomasyon Sistemi Uygulaması: Trabzon Kenti Örneği
Okullarda Coğraf Blg Sstem Destekl Öğrenc Kayıt Otomasyon Sstem Uygulaması: Trabzon Kent Örneğ Volkan YILDIRIM 1, Recep NİŞANCI 2, Selçuk REİS 3 Özet Ülkemzde öğrenc veller le okul darecler, öğrenc kayıt
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME (JOB SHOP SCHEDULING WITH KRILL HERD ALGORITHM) İlker GÖLCÜK
Detaylı