Beyin Haritalama Görüntülerden Ağlara
|
|
- Aysun Avcı
- 8 yıl önce
- İzleme sayısı:
Transkript
1 Beyin Haritalama Görüntülerden Ağlara Doç. Dr. Burak Acar Boğaziçi Üniversitesi, Elektrik-Elektronik Müh. Bölümü, VAVlab, Bebek, İstanbul
2 Sunum Planı Ağ Nedir? İşlevsel ve Yapısal Ağ Olarak Beyin Ağ Düğümleri Yapısal Ağ (snet) Bağları İhtiyaçlar Bağ Belirleme Alternatifleri İşlevsel Ağ (fnet) Bağları İhtiyaçlar Önşleme Bağ Belirleme Alternatifleri Sonuç BRAINet projesi
3 Ağ Nedir? Leonhard Euler 1736 da Konigsberg in 7 Köprüsü problemi ile ağ teorisinin temellerini atmıştır. Konigsberg in 7 Köprüsü Problemi: Konigsberg in 4 bölgesine, her köprüden sadece birer kere geçerek ve köprülerden karşıya geçmeden geri dönülmeksizin, erişmek mümkün müdür? Düğümler Görseller: Seven Bridges of Konigsberg, Wikipedia Bağlar
4 İşlevsel ve Yapısal Bir Ağ Olarak Beyin *Efektif Ağlar hariç Beynin ağ yapısı 100 yılı aşkın süredir bilinmektedir. [His, 1888; Ramon y Cajal, 1892] Yapısal Ağ (snet) Histoloji (in-vitro, dyes) ve/ya medikal görüntüleme (in-vivo, dmri) ile gözlenebilen nöro-anatomik bölgeler arası eşleşmeler İşlevsel Ağ (fnet) EEG / MEG / fmri ile gözlenebilen, nöro-anatomik bölgeler arası işlevsel (zamansal) korelasyonlar Ağ Düğümleri anatomik ROI veya ICA gibi veri analizine dayalı (modal) şekilde belirlenen kortikal / sub-kortikal gri madde bölgeleridir Ağ Bağları önem/kapasite değerleri atanmış veya ikili (0/1) değerli, genellikle yönsüz* ilişkilerdir Video:
5 Ağ Düğümleri Beyin Bölütleme Ağ düğümlerinin istenen özellikleri: İşlevsel ve yapısal olarak homojen (intra-nodal homogeneity) İşlevsel olarak farklı bölgeleri kapsayan (inter-nodal heterogeneity) Anatomik lokasyona bağımlı (spatial embedding) Dinamik / Farklı ölçeklerde değişken (dynamicity) Yaygın olarak kullanılan yaklaşımlar: Anatomik parselasyon (ör. Freesurfer) Düşük çözünürlük, Zayıf geçerlilik, Yüksek güvenilirlik Rastgele sub-parselasyon Veriye dayalı öbekleme fmri da ICA analizi, fmri / dmri parametrelerinde öbekleme, Her vokselin ayrı bir düğüm olarak kullanılması Yüksek çözünürlük, hatalı kısa mesafe bağlar Genel kabul gören jenerik bir metod yoktur, Araştırma problemine göre tasarlanmalıdır. Görseller: Hagmann et al. PLoS Biol. 6, e159, 2008
6 Yapısal Ağ (snet) Bağları Medikal görüntülere dayalı snet bağları kortikal / sub-kortikal bölgeleri bağlayan beyaz madde yolaklarını ifade eder. Bu bağlar, dmri traktografi Subjeler arası morfometrik parametre kovaryansları (ör. GM hacmi) kullanılarak oluşturulur. snet bağlarının Nedensellik ilişkilerini göstermesi / Yönlü olması (directedness) X Göreceli önem/kapasite göstermeleri (weighted) O Excitatory, inhibitory, modularity tiplerine duyarlı olmaları (heterogeneity) X Uzun zaman aralıklarında değişken (slow dynamicity) O Uzamsal lokasyona bağlı (spatial embedding) O Görseller: Fornito 2013, Neuroimage 80, 2013
7 Görseller: Yapısal Ağ (snet) Bağları dmri (Difüzyon MRG) görüntülerine dayalı olarak nöro-anatomik bölgeler arası yolakların modellenmesine traktografi denir. Yolak modellenmesinde kullanılan tek in-vivo metoddur. Yolaklar aslen myelin kaplı sinir aksonlarında, akson boyunca hareket ettiği varsayılan su moleküllerinin 3B hareket modeline bağımlıdır. snet bağ değerleri o Traktografi parametrelerine göre yüksek değişkenlik gösteren (güvenilir fiziksel karşılığı bulunmayan) iki bölge arasındaki yolak sayısına, o Yerel değişkenlikleri es geçen yolak boyunca ölçülen dmri parametrelerine (ör. FA), o Olasılıksal traktografide yolak olasılıklarına, o Myelin içeriğini ölçen MTI (Magnetization Transfer Imaging) verilerine [van de Heuvel 2010] o Akson çapına ve yoğunluğuna [Alexander 2010] dayandırılır.
8 Görseller: Tristan-Vega et al. Neuroimage 47, 2009 Yapısal Ağ (snet) Bağları Traktografi Yaklaşımları: Yerel Global Tek Yönlü Difüzyon Modelleri DTI ÇokYönlü Difüzyon Modelleri QBI, DOT, OPDT, CSD, GDTI, MAP-MRI Deterministik Olasılıksal Deterministik Olasılıksal DTI
9 Yapısal Ağ (snet) Bağları Deterministik Yerel Traktografi vs Tek/Çok Yönlü Difüzyon Modelleri f(s) f(s) f(s) DTI r(s): Fiber ODF/MAP-MRI
10 Yapısal Ağ (snet) Bağları Traktografi Yaklaşımları: Tek Yönlü Difüzyon Modelleri DTI ÇokYönlü Difüzyon Modelleri QBI, DOT, OPDT, CSD, GDTI, MAP-MRI Deterministik Olasılıksal Deterministik Olasılıksal Yerel DTI Streamline Tensor Deflection PiCO PROBTRACK CSD Streamline ifod PROBTRACKX Global DTI Graph Tractog. ConTrack Görseller: Bastiani et al., Neuroimage, 62, 2012 CSD Multi-Graph Trac.
11 Yapısal Ağ (snet) Bağları Yerel Global Tek Yönlü Difüzyon Modelleri DTI ÇokYönlü Difüzyon Modelleri QBI, DOT, OPDT, CSD, GDTI, MAP-MRI Deterministik Olasılıksal Deterministik Olasılıksal Düşük SNR duyarlılığı Uzun fiberlerde artış Yüksek yoğunluk ve efficiency Zayıf küçük dünya özelliği Yüksek işlem yükü Eşik belirlemedeki belirsizlikler Düşen olasılık eşiği ile Uzun fiber sayısında artış Yüksek yoğunluk ve efficiency Zayıf küçük dünya özelliği Artan SNR duyarlılığı Kesişen/Öpüşen fiberlerin ayrılabilmesi Uzun fiber sayısında artış, ör. inter-hemisphere bağ artışı Yüksek yoğunluk & efficiency Zayıf küçük-dünya özelliği Yoldemir B., et al. IEEE TMI, 31, 2012 ; Bastiani M, et al. Neuroimage, 62, 2012
12 Yapısal Ağ (snet) Bağları Görseller: Bastiani et al., Neuroimage, 62, 2012 TSDC= K {N }{M } N M : Tract Specific Density Coefficient. Anatomik olarak bağlı oldukları bilinen M ve N bölgeleri arasında bulunan yolak yoğunluğu / yüzdesi SLFII : Superior longitudinal fasciculus ILF: Inferior longitudinal fasciculus CC: Corpus Collosum FP: False Positives
13 İşlevsel Ağ (fnet) Bağları Medikal görüntülemeye dayalı fnet bağları fmri BOLD (Blood Oxygenation Level Dependent) sinyali ile ölçülen kortikal / sub-kortikal bölgeler arası aktivasyon korelasyonlarına dayanır fnet bağlarının O Nedensellik ilişkilerini göstermesi (directedness) O Göreceli önem/kapasite göstermeleri (weighted) X Excitatory, inhibitory, modularity tiplerine duyarlı olmaları (heterogeneity) O Uzun zaman aralıklarında değişken (slow dynamicity) O Uzamsal lokasyona bağlı (spatial embedding) Görseller: Fornito et al., Neuroimage, 80, 2013
14 İşlevsel Ağ (fnet) Bağları Realignment Slice Timing Censoring Co-registration Nuisance Regression Parcellation Spatial Smoothing (LPF) Correlation Thresholding fmri verilerinden işlevsel ağ oluşturmada kullanılan BOLD sinyallerinden işlevsel bağlantı değerlerinin sağlıklı olarak bulunabilmesi için çok aşamalı ön sinyal işleme aşamalarının gerçekleştirilmesi gerekmektedir.
15 İşlevsel Ağ (fnet) Bağları Realignment Slice Timing Realignment : fmri-fmri Çakıştırma Transformasyon: 3-6DoF Rigid - Intra-subj., 9-12DoF Affine - Eddy-Cur. Cor., 10 6 DoF - Inter-subj. Kriter: LS & NC Intra-modal, CR & MI & NMI & BBR Inter-modal İnterpolasyon: Nearest Neighbour, Trilinear, Spline, Sinc, k-space Slice Timing : Kesit Zamanlama Sinc interpolasyonu Tek bir fmri hacminde axial kesitler arası zaman farkı bulunur. Kesit Zaman Her bir fmri hacmi içindeki bütün kesitleri eşzamanlı kılmak üzere yapılan interpolasyondur. ; FSL Lecture Slides Power JD, et al. Neuroimage,105, 2015; Strother S.C. et al., IEEE EMB Magazine, 25, 2006;
16 İşlevsel Ağ (fnet) Bağları Censoring Co-registration Spatial Smoothing (LPF) Censoring : fmri sansürleme Düşük kaliteli (ör. yüksek DVARS, FD) fmri çekimlerinin sansürlenmesi ve yerlerinin zaman ekseninde interpolasyonu (doldurulması) Co-Registration : fmri -T1(+ Parselasyon) Çakıştırma 6 DoF transformasyon + MI/NMI kriter + Trilinear interpolasyon + Field-map unwarp Filtering: Uzam LPF Uzam LPF (Alçak Geçiren Filtre): Gauss (1-2 voksel FWHM), Wavelet filtreleme, Power JD, et al. Neuroimage, 105, 2015 ; Strother S.C. et al., IEEE EMB Magazine, 25, 2006
17 İşlevsel Ağ (fnet) Bağları RegressionèBPF Parcellation Factorization: ICA RegressionèBPF Correlation Regression + BPF: İstenmeyen sinyallerin (nuisance) giderilmesi Ø Hareket (Realignment) modellerine dayalı regresyon beklenen sonucu vermemektedir. Ø fmri sinyallerine dayalı regresyon: ANATICOR: Gri madde voksellerinin komşuluğundaki beyaz maddeden yerel nuisance sinyalleri modellenip çıkarılmaktadır. CompCor: Beyaz madde, CSF gibi gri madde dışı bölgelerin global PCA modeli kullanılarak global nuisance sinyalleri modellenip çıkarılmaktadır. ICA: Tüm beyinden toplanan sinyallerinin bir arada işlenmesi ile uzamsal olarak bağımsız sinyal bileşenlerini bulmaya yönelik bir yaklaşımdır. Bu bileşenlerin nöral ve nuisance sinyallerini ayırması beklenir. ICA nın global nuisance sinyallerini belirlemesi zordur. Wavelet: Dalgacık dönüşümüyle yüksek genlikli bileşenleri ayırmayı hedefleyen oldukça yeni ve spekülatif bir yaklaşımdır. Global Regresyon: Deneysel olarak başarılı sonuçlar raporlanmış olmakla birlikte simulasyonlara dayalı tartışmalar da devam etmektedir. Ø Zaman HPF/BPF (Yüksek/Aralık Geçiren Filtre): 0.01 Hz 0.1 Hz, Konsensus yok. Power JD, et al. Neuroimage, 105, 2015 ; Strother S.C. et al., IEEE EMB Magazine, 25, 2006
18 Smith et al., Neuroimage, 54, 2011 Power JD, et al. Neuroimage, 105, 2015 ; Strother S.C. et al., IEEE EMB Magazine, 25, 2006 Beckmann CF, Philos Trans R Soc Lond B Biol Sci, 360, 2005; Marrelec et al., Neuroimage, 32, 2006 İşlevsel Ağ (fnet) Bağları RegressionèBPF Parcellation Factorization: ICA RegressionèBPF Correlation Factorization : ICA bileşenlerinin uzamsal dağılımı # α 11! α & % 1N ( [! ] pxn = A pxq % " # " ( % $ α q1! α ( qn ' BOLD Sinyalleri ICA Bileşenleri ICA Mod Katsayıları Z-stat üzerinden aktivasyon haritaları
19 İşlevsel Ağ (fnet) Bağları RegressionèBPF Factorization: ICA Correlation Parcellation RegressionèBPF Durağan-durum fnet bağlarının önem/kapasite değerleri fmri ile ölçülen BOLD sinyallerinin korelasyonu kullanılarak atanır. Kullanılan korelasyon tanımlarının başlıcaları, o Pearson (Full) correlation: o Partial corr. [Marrelec 2006]: İlgili düğümler dışındaki BOLD sinyal bileşenlerinin temizlendiği normalize korelasyon o Mutual Information [Zhou 2009]: o Coherence [Grinsted 2004, Chang & Glover 2010]: Güç spektrumu korelasyonu o Patel s K & T [Patel 2006]: Çiftli şartlı olasılık tanımları P(A B) vs P(B A) o Granger causality [Granger 1969]: Çok değişkenli AR modelleme Korelasyonlar eşiklenerek ikili (0/1) bağ değerleri bulunmaktadır Smith et al., Neuroimage, 54, 2011
20 İşlevsel Ağ (fnet) Bağları Görseller: Smith et al., Neuroimage, 54, 2011 Doğru bağların belirlenme yetkinliği Bağ yönlerinin belirlenme yetkinliği Bayes Net
21 Sonuç Beyin ilişki ve işbirliği içinde çalışan farklı birimlerden oluşan bir ağ olarak modellenebilir. İşlevsel ağlar farklı bölgelerin ilişkisini tanımlarken, yapısal ağlar fiziksel nöron bağlantılarını makro boyutta modeller. İşlevsel bağlantılar da yapısal bağlantılar da MRI teknikleri ile endirekt yolla in-vivo görüntülenebilir. Beynin ağ modelleri ortak bazı özellikler gösterse de, her ağ, seçilen MRI tekniği ve modeli, Sinyal işleme sürecine dahil edilen aşamalar, Her sinyal işleme aşamasında seçilen parametrelerle değişiklik gösterir. Beyin ağ modellemesi için genel geçer doğru bir yöntem bulunmamaktadır ama yapılan seçimlerin bilinçli yapılması, gerekçelendirilmesi ve raporlanması şarttır.
22 B-AĞ (BRAINet) Projesi TÜBİTAK 1003 Programı, Proje # 114E053 - Kasım 2014 Kasım 2016 Amaç: Bütünleşik snet-fnet (cnet) modelleme ile Alzheimer (vd. Nöropsikolojik hastalıklarda) tanı, sınıflama ve öngörü yöntemleri geliştirilmesi Yöntemler: 1. Çok yönlü yeni dmri görüntüleme (ODF, MAP-MRI) uygulamaları, 2. Deterministik-Olasılıksal hibrid traktografi (SMT) uygulamaları, 3. fmri optimal veri işleme protokolü tanımlanması 4. cnetmodelleme 5. Konvansiyonel ve ağırlıklandırılmış ağlara dayalı yeni snet, fnet, cnet karakterizasyon parametreleri 6. Yeni ağ parametreleri ile tanı, sınıflama, öngörü algoritmaları Ekip: B-AĞ projesi TÜBİTAK 1003 Prog.(114E053) tarafından desteklenmektedir
23 Katılımınız İçin Teşekkürler Sunumun kaynakçasına adresindeki BRAINet proje sayfasından erişilebilir DAVET Ekim 2016
24 Kaynakça Sporns O, Structure and function of complex brain networks, Dialogues Clin. Neuroscience (2013 Sep 1) Fornito A, et al, Graph analysis of the human connectome: promise, progress, and pitfalls, Neuroimage (2013 Oct 15) 80: Kaiser Marcus, A tutorial in connectome analysis: Topological and spatial features of brain networks. NeuroImage (2011 Jan 1) 57: O'Donnell LJ, et al, Fiber clustering versus the parcellation-based connectome. Neuroimage (2013 Oct 15) 80: Friston Karl J., et al, Mapping the Structural Core of Human Cerebral Cortex. PLoS Biology (2008 Jan 1) 6: e159 Bastiani M, et al, Human cortical connectome reconstruction from diffusion weighted MRI: The effect of tractography algorithm. Neuroimage (2012 Jun 12) 62: Smith SM, et al, Network modelling methods for FMRI. Neuroimage (2011 Jan 15) 54: Newman ME, Modularity and community structure in networks. Proc Natl Acad Sci U S A (2006 Jun 6) 103: Power JD, et al, Recent progress and outstanding issues in motion correction in resting state fmri. Neuroimage (2015 Jan 15) 105: Zhu Dajiang, et al, Fusing DTI and FMRI Data: A Survey of Methods and Applications. NeuroImage (2013 Jan 1) Telesford QK, et al, The brain as a complex system: using network science as a tool for understanding the brain. Brain Connect (2011 Jan 1) 1:
Beyin Haritalama Görüntülerden Ağlara!
Beyin Haritalama Görüntülerden Ağlara Doç. Dr. Burak Acar Boğaziçi Üniversitesi, Elektrik-Elektronik Müh. Bölümü, VAVlab, Bebek, İstanbul acarbu@boun.edu.tr Sunum Planı# Ağ yapıları Bir Ağ Olarak Beyin
DetaylıProgresyon Analizi Nasıl Değerlendirilir?
Glokomda OCT Değerlendirmesi Progresyon Analizi Nasıl Değerlendirilir? Prof. Dr. Ilgaz Yalvaç; FEBO Yeditepe Üniversitesi Tıp Fakültesi Göz Hastalıkları Anabilim Dalı Sunumda adı geçen ruhsat/izin sahipleri
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
DetaylıCORPUS CALLOSUM KESİT YÜZEY ALANININ KOMŞULUK TAKİBİ YÖNTEMİYLE SEGMENTASYONU
CORPUS CALLOSUM KESİT YÜZEY ALANININ KOMŞULUK TAKİBİ YÖNTEMİYLE SEGMENTASYONU Mücahid Günay, Ahmet Alkan, Fuat Özkan 2, Davut Özbağ 3, Berin Tuğtağ 3 Elektrik-Elektronik Mühendisliği Bölümü Kahramanmaraş
DetaylıANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ
ANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SANAL ARTIRILMIŞ VE AKILLI TEKNOLOJİLER (SAAT) LABORATUVARI SAAT Laboratuvarı Koordinatör: Yrd. Doç. Dr. Gazi Erkan BOSTANCI SAAT
DetaylıTemel ve Klinik Nörobilim Perspektifinden Beyin Bağlantısallık Ağları
Temel ve Klinik Nörobilim Perspektifinden Beyin Bağlantısallık Ağları 1. Tamer Demiralp: Beyinde İşlevsel (Fonksiyonel) Bağlantısallığın imrg ile Araştırılması 2. Metehan Çiçek: Beyinde Etkin (Efektif)
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 10 Nesne / Yüz Tespiti ve Tanıma Alp Ertürk alp.erturk@kocaeli.edu.tr Nesne Tespiti Belirli bir nesnenin sahne içindeki konumunun tespitidir Tespit edilecek nesne önceden
DetaylıZahmetsiz örüntü tanıma: Nokta bulutlarının karşılaştırılması yoluyla veri-tabanlı ve parametresiz istatistiksel öğrenme
Zahmetsiz örüntü tanıma: Nokta bulutlarının karşılaştırılması yoluyla veri-tabanlı ve parametresiz istatistiksel öğrenme Doç. Dr. Bilge Karaçalı Biyomedikal Veri İşleme Laboratuvarı Elektrik-Elektronik
DetaylıULUSLARARASI ANTALYA ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ DERS KATALOĞU
ULUSLARARASI ANTALYA ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ DERS KATALOĞU ZORUNLU DERSLER IE 201 - Operasyon Modelleme Karar vermedeki belirsizlik rolü de dahil olmak üzere işletme kararlarının matematiksel
DetaylıBMT 206 Ayrık Matematik. Yük. Müh. Köksal GÜNDOĞDU 1
BMT 206 Ayrık Matematik Yük. Müh. Köksal GÜNDOĞDU 1 Graph (Çizge) Yük. Müh. Köksal GÜNDOĞDU 2 Graph (Çizge) Köşe (vertex) adı verilen düğümlerden ve kenar (edge) adı verilip köşeleri birbirine bağlayan
DetaylıBAŞKENT ÜNİVERSİTESİ BİYOMEDİKAL MÜHENDİSLİĞİ BÖLÜMÜ
BAŞKENT ÜNİVERSİTESİ BİYOMEDİKAL MÜHENDİSLİĞİ BÖLÜMÜ BME43 BİYOMEDİKAL İŞARET İŞLEME I LABORATUVAR DERSİ Deneyin Adı: Güç Sektral Yoğunluğu DENEY 7 Deneyin Amacı: Güç Sektral Yoğunluğu Tesiti ve MATLAB
Detaylı2015/2016 Bahar Yarıyılı Bitirme Çalışması Konuları. (Doç.Dr. M. Kemal GÜLLÜ)
2015/2016 Bahar Yarıyılı Bitirme Çalışması Konuları (Doç.Dr. M. Kemal GÜLLÜ) 1. Ses temelli malzeme tanıma Malzemelerin çarpma etkisi ile çıkarttıkları seslerin mikrofon ile bir PC ye alınması ve işaretten
DetaylıİNMEDE GÖRÜNTÜLEME. Dr. Cem CALLI. Chief of Neuroradiology Section Ege University Hospital Dept. Of Radiology Izmir, Turkey
İNMEDE GÖRÜNTÜLEME Dr. Cem CALLI Chief of Neuroradiology Section Ege University Hospital Dept. Of Radiology Izmir, Turkey İNME nedir? Beyin kan akımının bozulması sonucu beyin fonksiyonlarının hızlı ilerleyici
DetaylıYAPAY ZEKA VE DERİN ÖĞRENMENİN GÜNÜMÜZDEKİ UYGULAMA ALANLARI
YAPAY ZEKA VE DERİN ÖĞRENMENİN GÜNÜMÜZDEKİ UYGULAMA ALANLARI DR. ÖĞR. ÜYESİ GÖKHAN ALTAN BİLGİSAYAR MÜH. BÖL. İSKENDERUN TEKNİK ÜNİVERSİTESİ KONUŞMA İÇERİĞİ Bilgisayar Bilimi Makine Öğrenmesi nedir? Makine
DetaylıTemel ve Uygulamalı Araştırmalar için Araştırma Süreci
BÖLÜM 8 ÖRNEKLEME Temel ve Uygulamalı Araştırmalar için Araştırma Süreci 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması
DetaylıBeyin salınımları ve bağlanırlık
Beyin salınımları ve bağlanırlık FF seminerleri Tolga Esat Özkurt 09/11/12 İnsan beyni YeAşkinler için 1300-1400 gram (~ vücudun 50 de 1 i), enerjinin ise 1/5 ini tükeayor 100 milyar nöron Nöronlar: beynin
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
DetaylıElena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK. 2 Şubat 2007
AVUÇ İZİ VE PARMAK İZİNE DAYALI BİR BİYOMETRİK TANIMA SİSTEMİ Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK İstanbul Bilgi Üniversitesi Bilgisayar Bilimleri 2 Şubat 2007 Biyometrik Biyometrik, kişileri
Detaylı2.1 Bir Sınıfı Örneklerinden Öğrenme... 15 2.2 Vapnik-Chervonenkis (VC) Boyutu... 20 2.3 Olası Yaklaşık Doğru Öğrenme... 21
İçindekiler Önsöz İkinci Basım için Önsöz Türkçe Çeviri için Önsöz Gösterim xiii xv xvii xix 1 Giriş 1 1.1 Yapay Öğrenme Nedir?......................... 1 1.2 Yapay Öğrenme Uygulamalarına Örnekler...............
Detaylıİçindekiler. Pazarlama Araştırmalarının Önemi
İçindekiler Birinci Bölüm Pazarlama Araştırmalarının Önemi 1.1. PAZARLAMA ARAŞTIRMALARININ TANIMI VE ÖNEMİ... 1 1.2. PAZARLAMA ARAŞTIRMASI İŞLEVİNİN İŞLETME ORGANİZASYONU İÇİNDEKİ YERİ... 5 1.3. PAZARLAMA
DetaylıVeriye Dayalı Karar Verme (Bölüm 2) Can Akkan
Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan 1 Ders Planı 1. Karar Problemleri i. Karar problemlerinin bileşenleri ii. Değerler, amaçlar, bağlam iii. Etki diagramları 2. Model Girdilerinde Belirsizlik
DetaylıKorelasyon, Korelasyon Türleri ve Regresyon
Korelasyon, Korelasyon Türleri ve Regresyon İçerik Korelasyon Korelasyon Türleri Korelasyon Katsayısı Regresyon KORELASYON Korelasyon iki ya da daha fazla değişken arasındaki doğrusal ilişkiyi gösterir.
DetaylıBLM 4811 MESLEKİ TERMİNOLOJİ II Salı , D-109 Dr. Göksel Biricik
BLM 4811 MESLEKİ TERMİNOLOJİ II 2017-1 Salı 13.00 14.50, D-109 Dr. Göksel Biricik goksel@ce.yildiz.edu.tr Ders Planı Hafta Tarih Konu 1 19.09 Tanışma, Ders Planı, Kriterler, Giriş 2 26.09 Bilgisayarın
DetaylıSAĞLIK BİLİMLERİ ENSTİTÜSÜ BİYOFİZİK ANABİLİM DALI ÖĞRETİM ÜYELERİ PROGRAMLAR VE DERS İÇERİKLERİ. Biyofizik Yüksek Lisans.
SAĞLIK BİLİMLERİ ENSTİTÜSÜ ÖĞRETİM ÜYELERİ PROGRAMLAR VE DERS İÇERİKLERİ Biyofizik Yüksek Lisans Biyofizik Doktora ÖĞRETİM ÜYELERİ Prof. Dr. Murat ÖZGÖREN Prof. Dr. Ali Necati GÖKMEN Doç. Dr. Adile ÖNİZ
DetaylıİZMİR DEKİ ÖZEL VE DEVLET ÜNİVERSİTELERİNDEKİ ÖĞRENCİLERİN BAŞARILARINI ETKİLEYEN FAKTÖRLERİN BELİRLENMESİ VE KARŞILAŞTIRILMASI ÖZET
Muğla Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (İLKE) Bahar 2007 Sayı 18 İZMİR DEKİ ÖZEL VE DEVLET ÜNİVERSİTELERİNDEKİ ÖĞRENCİLERİN BAŞARILARINI ETKİLEYEN FAKTÖRLERİN BELİRLENMESİ VE KARŞILAŞTIRILMASI
Detaylı20. Ulusal Astronomi Kongresi
20. Ulusal Astronomi Kongresi SV Cam Sisteminin Homojen Olmayan Yüzey Parlaklık Dağılımının İncelenmesi İbrahim ÖZAVCI, Hakan Volkan ŞENAVCI, Engin BAHAR, Onur YÖRÜKOĞLU, Didem Dilan İZCİ ve Selim Osman
DetaylıBSM 532 KABLOSUZ AĞLARIN MODELLEMESİ VE ANALİZİ OPNET MODELER
BSM 532 KABLOSUZ AĞLARIN MODELLEMESİ VE ANALİZİ OPNET MODELER Yazılımı ve Genel Özellikleri Doç.Dr. Cüneyt BAYILMIŞ Kablosuz Ağların Modellemesi ve Analizi 1 OPNET OPNET Modeler, iletişim sistemleri ve
DetaylıDoku ve Hastalıklara Özgü Büyük Ölçekli Biyolojik Ağları Oluşturul ası ve Analizi
Boğaz da Yapay Öğre e İs ail Arı Yaz Okulu 2-5 Temmuz 2018 Doku ve Hastalıklara Özgü Büyük Ölçekli Biyolojik Ağları Oluşturul ası ve Analizi Tolga Can Bilgisayar Mühe disliği Bölümü ODTÜ İçerik Genom ölçeği
Detaylıİnsan beyni, birbiri ile karmaşık ilişkiler içinde bulunan nöron hücreleri kitlesidir. Tüm aktivitelerimizi kontrol eder, yaradılışın en görkemli ve
YAPAY SİNİRAĞLARI İnsan beyni, birbiri ile karmaşık ilişkiler içinde bulunan nöron hücreleri kitlesidir. Tüm aktivitelerimizi kontrol eder, yaradılışın en görkemli ve gizemli harikalarından biridir. İnsan
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
DetaylıHafta 1 Sayısal Görüntü İşlemeye Giriş ve Temel Adımlar
BLM429 Görüntü İşlemeye Giriş Hafta 1 Sayısal Görüntü İşlemeye Giriş ve Temel Adımlar Yrd. Doç. Dr. Caner ÖZCAN Fall in love with the process, and the results will come. ~ Eric Thomas Derse Giriş Ders
DetaylıÇekişme Temelli Ortam Erişimi Algoritmaları Dilim Atama İhtimalleri Karşılaştırması
Çekişme Temelli Ortam Erişimi Algoritmaları Dilim Atama İhtimalleri Karşılaştırması Hasan Ferit Enişer İlker Demirkol Boğaziçi Üniversitesi / Türkiye Univ. Politecnica de Catalunya / İspanya 1. MOTİVASYON
DetaylıÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ
ÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ 1. Giriş Tolga Kurt, Emin Anarım Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği 80815,Bebek, İstanbul-Türkiye e-posta:
Detaylıİçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii. Ölçme, İstatistik ve Araştırma...
İçindekiler İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii BÖLÜM 1 Ölçme, İstatistik ve Araştırma...1 Ölçme Nedir?... 3 Ölçme Süreci... 3 Değişkenler
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2014-2015 Öğretim Yılı Bahar Dönemi 1 İletişim bilgileri sabdikan@beun.edu.tr 0 372 2574010 1718 http://geomatik.beun.edu.tr/abdikan/ Öğrenci
DetaylıEPİLEPSİ: GÖRÜNTÜLEME
EPİLEPSİ: GÖRÜNTÜLEME Dr. Cem ÇALLI Ege University Medical Faculty Dept. of Radiology Neuroradiology Section Nöbet Tanımı: Geçici ve istemsiz: motor aktivite, bilinç kaybı, his değişiklikleri, otonomik
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Tabu Arama (Tabu Search) Doç.Dr. M. Ali Akcayol Tabu Arama 1986 yılında Glover tarafından geliştirilmiştir. Lokal minimum u elimine edebilir ve global minimum u bulur. Değerlendirme
DetaylıFarklı Radyolojik İnceleme Koşulları için Geniş Alan Dedektörü Kullanılarak DQE ve edqe Kıyaslaması
Nükleer Bilimler Enstitüsü Medikal Fizik Ana Bilim Dalı Mühendislik Fakültesi Fizik Mühendisliği Bölümü Farklı Radyolojik İnceleme Koşulları için Geniş Alan Dedektörü Kullanılarak DQE ve edqe Kıyaslaması
DetaylıNANO AĞLARDA DİFÜZYON İLE HABERLEŞME ÜZERİNE GELİŞTİRİLMİŞ MODELLEMELER
1 NANO AĞLARDA DİFÜZYON İLE HABERLEŞME ÜZERİNE GELİŞTİRİLMİŞ MODELLEMELER F. Nur KILIÇLI, M. Tuğrul ÖZŞAHİN, H. Birkan YILMAZ, M. Şükrü KURAN, Tuna TUĞCU Boğaziçi Üniversitesi, NetLab İçerik 2 Giriş Difüzyonla
DetaylıGörüntü İşleme Dersi Ders-8 Notları
Görüntü İşleme Dersi Ders-8 Notları GRİ SEVİYE DÖNÜŞÜMLERİ Herhangi bir görüntü işleme operasyonu, görüntüdeki pikselin gri seviye değerlerini dönüştürme işlemidir. Ancak, görüntü işleme operasyonları;
DetaylıWavelet Transform and Applications. A. Enis Çetin Bilkent Üniversitesi
Wavelet Transform and Applications A. Enis Çetin Bilkent Üniversitesi Multiresolution Signal Processing Lincoln idea by Salvador Dali Dali Museum, Figueres, Spain M. Mattera Multi-resolution signal and
DetaylıKariyer ve Profesyonel Ağlar
Kariyer ve Profesyonel Ağlar Kariyer Fransızca carrière kelimesinden gelmektedir. Bir yere çıkan, bir yere gelen anlamına gelmektedir. Bir meslekte çalışma ve zamanla elde edilen aşama, başarı ve uzmanlıktır.
Detaylı2229 Ayrıntılı Etkinlik Eğitim Programı SAAT/ GÜN
9.08.206, Cuma Tanışma ve Oryantasyon Yaz okulu öğrencilerinin tanışması, çalışma gruplarının oluşturulması, çalışma konularının verilmesi, görev ve sorumlulukların anlatılması. 2229 Ayrıntılı Etkinlik
DetaylıBİLİŞSEL NÖROBİLİM BİLGİ İŞLEME SÜREÇ VE YAKLAŞIMLARI
BİLİŞSEL NÖROBİLİM BİLGİ İŞLEME SÜREÇ VE YAKLAŞIMLARI Beyni Keşfetme Dünya üzerinde keşifler genelde coğrafi keşiflerle başlamıştır. Ortalama 1120 gr ağırlığındaki jelatinimsi yapısıyla beyni keşfetme
DetaylıDijital Görüntü İşleme Teknikleri
Teknikleri Ders Notları, 2013 Doç. Dr. Fevzi Karslı Harita Mühendisliği Bölümü Mühendislik Fakültesi KTÜ 08 Ekim 2013 Salı 1 Ders Planı ve İçeriği 1. Hafta Giriş, dersin kapsamı, temel kavramlar, kaynaklar.
DetaylıRisk ve Getiri : Portföy Teorisi ve Varlık Fiyatlandırma Modelleri
5-1 Risk ve Getiri : Portföy Teorisi ve Varlık Fiyatlandırma Modelleri Portföy Teorisi Sermaye Varlıklarını Fiyatlandırma Modeli (CAPM) Etkin set Sermaye Piyasası Doğrusu (CML) Hisse Senedi Piyasası Doğrusu
DetaylıUzaktan Algılama Uygulamaları
Aksaray Üniversitesi Uzaktan Algılama Uygulamaları Doç.Dr. Semih EKERCİN Harita Mühendisliği Bölümü sekercin@aksaray.edu.tr 2010-2011 Bahar Yarıyılı Uzaktan Algılama Uygulamaları GÖRÜNTÜ İŞLEME TEKNİKLERİ
DetaylıRF MİKROELEKTRONİK GÜRÜLTÜ
RF MİKROELEKTRONİK GÜRÜLTÜ RASTGELE BİR SİNYAL Gürültü rastgele bir sinyal olduğu için herhangi bir zamandaki değerini tahmin etmek imkansızdır. Bu sebeple tekrarlayan sinyallerde de kullandığımız ortalama
DetaylıGörüntü İşleme. K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI. Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003
Görüntü İşleme K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003 İçerik Görüntü İşleme Nedir? Görüntü Tanımlamaları Görüntü Operasyonları Görüntü İşleme
DetaylıGörüntü İşleme. Dijital Görüntü Tanımları. Dijital görüntü ise sayısal değerlerden oluşur.
Görüntü İşleme Görüntü işleme, dijital bir resim haline getirilmiş olan gerçek yaşamdaki görüntülerin bir girdi resim olarak işlenerek, o resmin özelliklerinin ve görüntüsünün değiştirilmesidir. Resimler
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 12 Video, Optik Akış ve Takip Alp Ertürk alp.erturk@kocaeli.edu.tr Video Video, farklı zamanlarda alınan çerçeveler dizisidir Videolar, iki boyut uzamsal, üçüncü boyut zaman
DetaylıGLİAL TÜMÖRLERDE POSTOP GÖRÜNTÜLEME
GLİAL TÜMÖRLERDE POSTOP GÖRÜNTÜLEME Prof.Dr. Cem Çallı Chief of Neuroradiology Section, Ege University Medical Faculty, Dept of Radiology Izmir, TURKEY Ac ca sella met Germinom GLİAL TÜMÖRLERDE POSTOP
DetaylıOlaya Ġlişkin Potansiyel Kayıt Yöntemleri Kognitif Paradigmalar
Olaya Ġlişkin Potansiyel Kayıt Yöntemleri Kognitif Paradigmalar Prof. Dr. Sacit Karamürsel İstanbul Tıp Fakültesi, Fizyoloji Anabilim Dalı sacit@istanbul.edu.tr Elektroansefalogram (EEG), merkezi sinir
DetaylıSosyal Ağlar ve Yayılım
Sosyal Ağlar ve Yayılım Yöneylem Araştırması/Endüstri Mühendisliği Doktora Öğrencileri Kolokyumu 21-22 Nisan 2016 Boğaziçi Üniversitesi Sosyal ağlar nedir? Bir araştırma konusu olarak ortaya çıkışları
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 5 Görüntü Süzgeçleme ve Gürültü Giderimi Alp Ertürk alp.erturk@kocaeli.edu.tr Motivasyon: Gürültü Giderimi Bir kamera ve sabit bir sahne için gürültüyü nasıl azaltabiliriz?
Detaylıİşlevsel Beyin Görüntüleme Yöntemleri
İşlevsel Beyin Görüntüleme Yöntemleri Doç.Dr. Metehan Çiçek Ankara Üniversitesi, Tıp Fak. Fizyoloji AbD ve Sağ. Bil. Enst. Sinir Bilimleri AbD Dikkat, bellek, dil gibi bilişsel işlevlerin beyindeki nöral
DetaylıAKÜ TEKNOLOJİ FAKÜLTESİ MEKATRONİK MÜHENDİSLİĞİ BÖLÜMÜ
GÖRÜNTÜ İŞLEME DERS-8 YARDIMCI NOTLARI -2018 Gri Seviye Dönüşümleri Herhangi bir görüntü işleme operasyonu, görüntüdeki pikselin gri seviye değerlerini dönüştürme işlemidir. Ancak, görüntü işleme operasyonları;
DetaylıBeyin Temelli ve Basamaklı Öğrenme S
Beyin Temelli ve Basamaklı Öğrenme S.240-247 Kaynak II; Eğitimde Program Geliştirme Yazar;Ö.DEMİREL Hazırlayan; Abdurrahman İNAN 2005-2006 Ders Sor.; Doç. Dr. Nasip DEMİRKUŞ, 1-Önce Soruları Tıklayın Yanıtlamaya
DetaylıMIMO Radarlarda Hedef Tespiti için Parametrik Olmayan Adaptif Tekniklerin Performans Değerlendirilmesi
MIMO Radarlarda Hedef Tespiti için Parametrik Olmayan Adaptif Tekniklerin Performans Değerlendirilmesi Nefiye ERKAN Elektrik-Elektronik Mühendisliği Bölümü, Gazi Üniversitesi Eti Mh, Yükseliş Sk, Maltepe,
DetaylıZAMAN ALGISI. İnci Ayhan, PhD. Boğaziçi Üniversitesi Psikoloji Bölümü
ZAMAN ALGISI İnci Ayhan, PhD Boğaziçi Üniversitesi Psikoloji Bölümü İkinci Bahar Programı, Aralık 2014 Biyolojik sistemler, zamanı farklı ölçeklerde işlemler Mikrosaniye ölçeğinde işlemleme >> saniyenin
DetaylıVERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Sınıflandırma yöntemleri Karar ağaçları ile sınıflandırma Entropi Kavramı ID3 Algoritması C4.5
DetaylıBeyin Beyaz Cevher Yolaklarının Difüzyon Tensör Görüntüleme ile Gösterilmesi
1 Beyin Beyaz Cevher Yolaklarının Difüzyon Tensör Görüntüleme ile Gösterilmesi Ali Demir Yeditepe Üniversitesi Bilgisayar Mühendisliği (Çift anadal: Biyomedikal Mühendisliği) Proje Danışmanları Assoc.
Detaylıİkili (Binary) Görüntü Analizi
İkili (Binary) Görüntü Analizi İkili görüntü analizine giriş Eşikleme (Thresholding) Matematiksel morfoloji Piksel ve komşulukları (neighborhoods) Bağlantılı bileşenler analizi (Connected components analysis)
DetaylıKullanılacak İstatistikleri Belirleme Ölçütleri. Değişkenin Ölçek Türü ya da Yapısı
ARAŞTIRMA MODELLİLERİNDE KULLANILACAK İSTATİSTİKLERİ BELİRLEME ÖLÇÜTLERİ Parametrik mi Parametrik Olmayan mı? Kullanılacak İstatistikleri Belirleme Ölçütleri Değişken Sayısı Tek değişkenli (X) İki değişkenli
DetaylıNegatif Geri Beslemeli Kontrol
Negatif Geri Beslemeli Kontrol Beyin Anatomisi ve EEG nin Biyofizik Temelleri Dr. Bülent Yılmaz 1 Giriş İnsan sinir sistemi (nervous system) Merkezi sinir sistemi (Central Nervous System (CNS)) Çevresel
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
DetaylıDİLEK GÖKSEL DURU YARDIMCI DOÇENT
DİLEK GÖKSEL DURU YARDIMCI DOÇENT ÖZGEÇMİŞ YÜKSEKÖĞRETİM KURULU 11.03.2014 Adres Telefon E-posta Türkoba Mahallesi Erguvan Sokak No26, 34537 Tepekent - Büyükçekmece İstanbul-Türkiye 2128672500-1098 Doğum
DetaylıYapay Sinir Ağlarına Giriş. Dr. Hidayet Takçı
Yapay Sinir Ağlarına Giriş Dr. Hidayet Takçı htakci@gmail.com http://htakci.sucati.org Giriş Neden Yapay Sinir Ağları (YSA) Bazı işler insanlar tarafından kolaylıkla yerine getirilirken mevcut bilgisayarlar
DetaylıTutum ve Tutum Ölçekleri
Tutum ve Tutum Ölçekleri tutum bireye atfedilen ve bireyin psikolojik bir obje ile ilgili düşünce, duygu ve davranışlarını düzenli bir biçimde oluşturan eğilim Smith ( 1968 ) psikolojik obje birey için
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
Detaylıİkili (Binary) Görüntü Analizi
İkili (Binary) Görüntü Analizi İkili görüntü analizine giriş Eşikleme (Thresholding) Matematiksel morfoloji Piksel ve komşulukları (neighborhoods) Bağlantılı bileşenler analizi (Connected components analysis)
DetaylıOptik koherens tomografi çıktısının okunması. Dr. Oya Tekeli Ankara Üniversitesi Tıp Fakültesi Göz Hastalıkları AD, Ankara
Optik koherens tomografi çıktısının okunması Dr. Oya Tekeli Ankara Üniversitesi Tıp Fakültesi Göz Hastalıkları AD, Ankara Optik koherens tomografi Teknik ilk olarak 1991 Dr. Huang ve ekibi tarafından tanımlanmıştır
Detaylıİki Boyutlu Dalgacık Dönüşümü Kullanarak Ön Cepheden Çekilmiş İnsan Yüzü Resimlerini Tanıma Üzerine Yaklaşımlar
KSÜ Mühendislik Bilimleri Dergisi, 12(1), 2009 6 KSU Journal of Engineering Sciences, 12 (1), 2009 İki Boyutlu Dalgacık Dönüşümü Kullanarak Ön Cepheden Çekilmiş İnsan Yüzü Resimlerini Tanıma Üzerine Yaklaşımlar
DetaylıİÇİNDEKİLER ÖNSÖZ... Örneklem Genişliğinin Elde edilmesi... 1
İÇİNDEKİLER ÖNSÖZ... v 1. BÖLÜM Örneklem Genişliğinin Elde edilmesi... 1 1.1. Kitle ve Parametre... 1 1.2. Örneklem ve Tahmin Edici... 2 1.3. Basit Rastgele Örnekleme... 3 1.4. Tabakalı Rastgele Örnekleme...
DetaylıCOĞRAFİ BİLGİ SİSTEMLERİ İLERİ SEVİYE EĞİTİMLERİ 3D-SPATİAL ANALİZ ve MODEL BUİLDER
COĞRAFİ BİLGİ SİSTEMLERİ İLERİ SEVİYE EĞİTİMLERİ 3D-SPATİAL ANALİZ ve MODEL BUİLDER http://facebook.com/esriturkey https://twitter.com/esriturkiye egitim@esriturkey.com.tr Kursun Süresi: 5 Gün 40 Saat
DetaylıDUMLUPINAR ÜNİVERSİTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ 13. BÖLÜM FİBER OPTİK ÖLÇÜMLERİ
DUMLUPINAR ÜNİVERSİTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ 13. BÖLÜM FİBER OPTİK ÖLÇÜMLERİ KONULAR test ekipmanları zayıflama ölçümleri dispersiyon ölçümleri OTDR saha uygulamaları eye paternleri
DetaylıYer Sezimi ve Özet Bölüt Çizgeleri
Akıllı Sistemler Laboratuarı Elektrik-Elektronik Mühendisliği, Boğaziçi Üniversitesi TORK 2015 Türkiye Robotbilim Konferansı Önceki Çalışmalar Bölge Bitişiklilik Çizgeleri Çizge Eşleme lar Önceki Çalışmalar
DetaylıÇizgeler (Graphs) Doç. Dr. Aybars UĞUR
Çizgeler (Graphs) ve Uygulamaları Doç. Dr. Aybars UĞUR Giriş Şekil 12.1 : Çizge (Graph) Çizge (Graph) : Köşe (vertex) adı verilen düğümlerden ve kenar (edge) adı verilip köşeleri birbirine bağlayan bağlantılardan
DetaylıUzaktan Algılama (3) Yrd. Doç. Dr. Özgür ZEYDAN Renk Teorileri
Uzaktan Algılama (3) Yrd. Doç. Dr. Özgür ZEYDAN http://cevre.beun.edu.tr/zeydan/ Renk Teorileri Eklemeli renk teorisi Çıkarmalı renk teorisi 1 RGB (Red Green - Blue) Kavramı Red Green - Blue RGB-Mixer
DetaylıKümülatif Dağılım Fonksiyonları. F X (x) = P (X x) = P X (x) = P (X x) = p X (x ) f X (x) = df X(x) dx
Kümülatif Dağılım Fonksiyonları Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır. F X (x) = P (X x) = x f X (x ) dx Sürekli
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
DetaylıDoç. Dr. Fazıl Gelal İzmir Katip Çelebi Üniversitesi Atatürk Eğitim ve Araştırma Hastanesi Radyoloji Bölümü
Doç. Dr. Fazıl Gelal İzmir Katip Çelebi Üniversitesi Atatürk Eğitim ve Araştırma Hastanesi Radyoloji Bölümü Son 2 yılda ilaç endüstrisi ya da sivil toplum kuruluşlarıyla gelir getirici bir ilişkim olmamıştır.
Detaylıİş Analitiği'ne Netezza ile Yüksek Performans Katın
İş Analitiği'ne Netezza ile Yüksek Performans Katın Umut ŞATIR İleri Analitik Çözüm Mimarı 2012 IBM Corporation Netezza and IBM Business Analytics Baştan sona bir İş Analitiği çözümü Performans Kolaylık
DetaylıMOLEKÜL BOZUNMASININ DİFÜZYON İLE HABERLEŞME SİSTEMLERİNİN VERİ HIZINA ETKİSİ
1 MOLEKÜL BOZUNMASININ DİFÜZYON İLE HABERLEŞME SİSTEMLERİNİN VERİ HIZINA ETKİSİ F. Nur KILIÇLI, Tuna TUĞCU Boğaziçi Üniversitesi, NetLab 15 İçerik 2 Giriş Difüzyonla Haberleşmenin tanımı Sistem Modeli
DetaylıMM 409 MatLAB-Simulink e GİRİŞ
MM 409 MatLAB-Simulink e GİRİŞ 2016-2017 Güz Dönemi 28 Ekim 2016 Arş.Gör. B. Mahmut KOCAGİL Ajanda-İçerik Simulink Nedir? Nerelerde Kullanılır? Avantaj / Dezavantajları Nelerdir? Simulink Arayüzü Örnek
DetaylıADNAN MENDERES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI MATEMATİK PROGRAMI DERS LİSTESİ
Ders List ADNAN MENDERES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI MATEMATİK PROGRAMI DERS LİSTESİ 17.11.2016 Yüksek Lisans Dersleri Kod Ders Adı Ders Adı (EN) T U L K AKTS MTK501 Reel
DetaylıRÜZGAR ENERJİSİ KAYNAĞI VE BELİRSİZLİK
4. İzmir Rüzgâr Sempozyumu // 28-30 Eylül 2017 // İzmir RÜZGAR ENERJİSİ KAYNAĞI VE BELİRSİZLİK Prof. Dr. Barış Özerdem İzmir Ekonomi Üniversitesi Havacılık ve Uzay Mühendisliği Bölümü baris.ozerdem@ieu.edu.tr
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 11 Hiperspektral Görüntülerde Kümeleme ve Sınıflandırma Alp Ertürk alp.erturk@kocaeli.edu.tr Sınıflandırma Sınıflandırma işleminin amacı, her piksel vektörüne bir ve
Detaylı2015/2016 Bahar Yarıyılı Bitirme Çalışması Konuları. (Doç.Dr. M. Kemal GÜLLÜ)
2015/2016 Bahar Yarıyılı Bitirme Çalışması Konuları (Doç.Dr. M. Kemal GÜLLÜ) 1. Ses temelli malzeme tanıma Malzemelerin çarpma etkisi ile çıkarttıkları seslerin mikrofon ile bir PC ye alınması ve işaretten
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
DetaylıDERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar Ön Koşul Dersin Dili
DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar 3+0 3 3 Ön Koşul Yok Dersin Dili Türkçe Dersin Seviyesi Lisans Dersin Türü Seçmeli Dersi Veren Öğretim Elemanı
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 8 Multispektral Görüntüleme ve Uygulamaları Alp Ertürk alp.erturk@kocaeli.edu.tr Multispektral Görüntüleme Her piksel için birkaç adet spektral kanalda ölçüm değeri
DetaylıMESLEĞE VE ÖRGÜTE BAĞLILIĞIN ÇOK YÖNLÜ İNCELENMESİNDE MEYER-ALLEN MODELİ
İ.Ü. İşletme Fakültesi Dergisi, C: 28, S: 1/Nisan 1999, s; 7-İS MESLEĞE VE ÖRGÜTE BAĞLILIĞIN ÇOK YÖNLÜ İNCELENMESİNDE MEYER-ALLEN MODELİ Prof.Dr.Ayşe Can BAYSAL ve Prof.Dr.Mahmut PAKSOY İstanbul Üniversitesi
DetaylıGEZİNME ADAPTASYONU: NEDEN VE NASIL?
GEZİNME ADAPTASYONU: NEDEN VE NASIL? S İ BEL SOMYÜREK B İLAL ATASOY İçerik Neden gezinme adaptasyonuna ihtiyaç duyulur? Gezinme adaptasyonu nedir? Gezinme adaptasyonu nasıl gerçekleştirilir? Sonuç ve öneriler
DetaylıKan Damarı Genişliği Değişiminin Ölçülmesinde Medikal Görüntü İşlemenin Uygulanması
Kan Damarı Genişliği Değişiminin Ölçülmesinde Medikal Görüntü İşlemenin Uygulanması Öğr. Gör. İsmail KAHRAMAN, Uzm. Vildan BAYRAM, Prof.Dr. Ertuğrul Ercan, Doç.Dr. Bahadır Kırılmaz Çanakkale 18 Mart Üniversitesi
DetaylıKarar Destek Sistemleri. Prof.Dr. Günay Erpul
Karar Destek Sistemleri Prof.Dr. Günay Erpul Karar Verme Karar verme, karar vericinin/karar vericilerin mevcut tüm seçenekler arasından amaca/amaçlara en uygun bir veya birkaç seçeneği seçmesi olarak tanımlanır.
DetaylıERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ SİVİL HAVACILIK ANABİLİM DALI YENİ DERS ÖNERİSİ/ DERS GÜNCELLEME
/ DERS GÜNCELLEME Dersin Kodu SHA 615 Dersin Adı İSTATİSTİKSEL SİNYAL İŞLEME Yarıyılı GÜZ Dersin İçeriği: Olasılık ve olasılıksal süreçlerin gözden geçirilmesi. Bayes kestirim kuramı. Büyük olabilirlik
DetaylıÖRNEK BULGULAR. Tablo 1: Tanımlayıcı özelliklerin dağılımı
BULGULAR Çalışma tarihleri arasında Hastanesi Kliniği nde toplam 512 olgu ile gerçekleştirilmiştir. Olguların yaşları 18 ile 28 arasında değişmekte olup ortalama 21,10±1,61 yıldır. Olguların %66,4 ü (n=340)
DetaylıKablosuz Algılayıcı Ağlar Kullanılarak Bal Arıları İçin Nektar Akış Periyodunun İzlenmesi
Kablosuz Algılayıcı Ağlar Kullanılarak Bal Arıları İçin Nektar Akış Periyodunun İzlenmesi Öğr. Gör. Ahmet ALBAYRAK, Trabzon Meslek Yüksekokulu, Karadeniz Teknik Üniversitesi ahmetalbayrak@ktu.edu.tr Prof.
DetaylıDOZ ve BT DE DOZ KAVRAMI BT NİN BÖLÜMLERİ YENİLİKLER DOZ HESAPLAMA DOZ DÜŞÜRME
DR. GÖKÇE KAAN ATAÇ DOZ ve BT DE DOZ KAVRAMI BT NİN BÖLÜMLERİ YENİLİKLER DOZ HESAPLAMA DOZ DÜŞÜRME Her radyoloji çalışanının sorumluluğu, Faydaları ve riskleri anlamak, Faydayı en yükseğe çıkarmak Zararı
Detaylı