Saklı Markov Modeli Kullanarak Türkçe Konuşma Tanıma
|
|
- Bariş Nalci
- 8 yıl önce
- İzleme sayısı:
Transkript
1 Saklı Markov Model Kullanarak Türkçe Konuşma Tanıma Özlem Yakar, Rıfat Aşlıyan Adnan Menderes Ünverstes, Matematk Bölümü, Aydın Özet: Konuşma tanıma, sesl fadelern blgsayar tarafından şlenerek yazılı metne dönüştürme şlemdr. İnglzce çn çok fazla konuşma tanıma çalışmaları yapılmasına rağmen Türkçe çn bu çalışmaların çok fazla olmadığı söyleneblr. Türkçenn eklemel br dl olmasından dolayı br sözcüğe ekler ekleyerek br çok yen sözcük türetleblmektedr. Bu durum, sözcük tabanlı Türkçe konuşma uygulamaların gelştrlmesn güçleştrmektedr. Aynı zamanda, ses brmlernn (fonem, hece, sözcük) uzunluğu artığında konuşma tanıma uygulamaların başarısı da yükselmektedr. Dolayısıyla, bu çalışmamızda hece tabanlı Türkçe konuşma tanıma uygulamaları gelştrlmştr. En güncel konuşma tanıma metotlarından Saklı Markov Model kullanılarak orta ölçekl konuşma tanıma sstemler oluşturulmuştur. Seslendrlen sözcükler lk olarak önşleme safhasından geçrlmş, sonra hecelere ayrılmıştır. Her hece ses brm, LPC, MFCC, parcor özntelkler kullanılarak hece özntelk vektörler elde edlmştr. Son olarak, 200 Türkçe sözcüğün heceler, Saklı Markov Model le eğtlerek her br çn modeller oluşturulmuştur ve sstemler test edlerek başarı oranları hesaplanmıştır. Orta dağarcıklı konuşma tanıma sstemnn sözlüğünde 200 Türkçe sözcük bulunmaktadır. Her br sözcük 10 defa kaydedlerek 2000 sözcüklü test vertabanı oluşturuldu ve test şlem yapıldı. Sstemn başarımını ölçmek çn sözcük hata oranı (word error rate) kullanıldı. Sözcük hata oranı, Saklı Markov Model çn % 17,4 olarak bulunmuştur. Artşleme, sstemn başarımını yaklaşık olarak %20 oranında artırmıştır. Anahtar Sözcükler: Türkçe Konuşma Tanıma, Saklı Markov Model, Hece Tabanlı Konuşma Tanıma. Turksh Speech Recognton Usng Hdden Markov Model Abstract: Speech recognton s to convert speech sgnals nto text after processng wth computer. Although a lot of speech recognton studes have been made for Englsh, t can be sad that there are comparatvely lmted number of Turksh speech recognton studes. Because Turksh s an agglutnatve language, many word can be generated wth addng suffxes. For that reason, t makes dffcult to develop word based Turksh speech recognton systems. If long speech unts (phoneme, syllable, word) are chosen for speech recognton, the success of the system wll ncrease. That's why, n ths study, syllable based speech recognton systems have been developed. Hdden Markov Model, whch s one of the state-of-the-art speech recognton methods, s used n our medum scale speech recognton studes. Frst, the nput word utterance s appled to preprocessng operaton and dvded nto syllables. After obtanng syllable utterances, LPC, parcor and MFCC coeffcents are computed for all syllables. All syllable feature vectors are traned wth Hdden Markov Model, and models for each syllable n 200 Turksh words have been constructed. After recordng each word ten tmes, we have generated a speech test dataset whch ncludes two thousand Turksh words. We have used word error rate (WER) for evaluatng the systems. After testng operaton, for Hdden Markov Model the most successful WER result s found as 17.4 %. Postprocessng operaton has been ncreased systems success about 20 %.
2 Keywords: Turksh Speech Recognton, Hdden Markov Model, Syllable Based Speech Recognton. 1. Grş Konuşma, br nsanın duygu ve düşüncelernn, akcğerlernden gelen havanın boğaz, ağız ve burun yolunda bçmlenp başka nsanın kulakları yardımıyla alınablmes çn sese dönüştürülmes şlemdr. İnsanların konuşma yeteneğ blm dünyasında merak ve araştırma konusu olmuştur. Son yetmş yılda, nsan-makne letşm yan konuşma tanıma ve konuşma sentezleme konusunda hızlı gelşmeler olmuştur. Konuşma tanıma, akustk ses snyallernn br elektronk makne tarafından şlenerek metne dönüştürülmes şlemdr. Konuşma sentezleme se metnlern ses snyallerne dönüştürülmesdr. İy br nsan-makne etkleşmnn olablmes çn lk olarak konuşma tanıma ve konuşma sentezleme konularında başarılı çalışmaların olması gerekmektedr. Son yrm yılda konuşma tanıma konusunda büyük başarılar elde edlmştr. Fakat, yüzde yüz başarılı konuşma tanıma sstemler henüz gelştrlmemştr. Konuşma tanımadak en öneml zorluklar, konuşmadan konuşmaya değşen ses snyaller, ses letm ve kaydetme ortamlarıdır. Dğer br zorlayıcı durum, konuşmacının duygusal durumundan kaynaklanan sesn spektral ve perde değşklğdr. Konuşma tanıma, kullanılan metodun özellğne göre "Şablon Tabanlı" veya "Model Tabanlı" olmak üzere genel olarak kye ayrılmaktadır. Şablon tabanlı konuşma tanımaya örnek olarak Dnamk Zaman Bükmes ve Doğrusal Zaman Hzalama metotları verleblr. Çok Katmanlı Algılayıcı, Destek Vektör Maknes ve Saklı Markov Model, model tabanlı metotlardandır. Şablon tabanlı metotlarda, her ses örneğnn br şablonu oluşturulur ve bu şablonla karşılaştırma şlem yapılır. Model tabanlı metotlar se ses örnekler eğtlerek genel özellkler çıkarılır ve br model oluşturulur. Konuşma tanıma çalışmaları konuşmacıya bağımlı ve konuşmacıdan bağımsız sstemler şeklnde de sınıflandırılablr. Aynı zamanda, sözcük sayısına göre de küçük ölçekl (1-100 sözcük), orta ölçekl ( sözcük) ve büyük ölçekl (>1000 sözcük) konuşma tanıma sstemler vardır. İlk konuşma tanıma çalışmaları 1940'ların sonlarında başlamıştır. Fakat, Konuşma tanıma çalışmaları son 30 yılda hızlanarak artmıştır. Bu çalışmaların büyük çoğunluğu konuşma tanımadak temel bleşen olarak fonem ve sözcük brmler kullanılmıştır. Fonem benzer brmler arasındak sınırların tespt edlmes oldukça zor br süreçtr. Sözcük brmlern temel alan sstemler, fonem brmlern kullanan sstemlern problemlern çermese de br çok hesaplama ve ver eğtmn berabernde getrmektedr. Türkçe sondan eklemel dller [5] grubuna grdğnden genş ölçekl konuşma tanıma sstemlernde sözcüğü temel brm olarak almak problem oluşturablr. Çünkü, br sözcüğe ekler getrmek suretyle onlarca yen sözcük türetleblr. Bu yüzden çalışmamızda sstemn temel brm olarak fonem ve sözcük arasında br brm olan hece seçlmştr. Günümüze kadar yayınlanmış heceler temel alan konuşma tanıma [3], [11], [12] sstemler çok fazla değldr. Konuşma tanıma sstemler konuşmacıya bağımlı veya konuşmacıya bağımsız olablr. Konuşma tanımada yaygın olarak terch edlen özntelkler doğrusal öngörülü kodlama (LPC) [1], [2], [9], [10], [12], parcor ve MFCC (mel frequency cepstral coeffcent) özntelklerdr. En çok kullanılan yöntemler Dnamk Zaman Bükmes (DZB) [4], [6], [7], Yapay Snr Ağları (YSA) ve Saklı Markov Modeldr (SMM) [5], [12], [13]. Bu çalışmada, Saklı Markov Model kullanılarak orta ölçekl, ayrık sözcük tanıma sstemler gerçekleştrlmştr. İmla
3 kılavuzundan brbrne çok benzer 200 sözcük seçlerek LPC, parcor ve MFCC özntelk değerler kullanılarak kşye bağımlı uygulamalar yapılmıştır. Test şlem çn 2000 tane sözcük kaydedld ve sstemn en başarılı olduğu MFCC özntelklerne göre doğru tanıma oranı %82,6 olmuştur. Bu çalışmanın knc bölümünde sstemn genel yapısı hakkında genel blgler verlmştr. Üçüncü bölümünde se hece sınırlarının nasıl tespt edldğ hakkında bahsedlmştr. Dördüncü bölümde kullanılan özntelklern hece ses snyallernden nasıl çıkarıldığı anlatılmaktadır. Beşnc bölümde SMM metodu açıklanmaktadır. Altıncı bölümde artşleme algortması verlmştr. Yednc ve sekznc bölümde sırasıyla sstemn test edlmes ve sonuç hakkında bahsedlmektedr. 2. Sstemn Genel Yapısı Gelştrlen sstemler, Şekl 1 de görüldüğü gb önşleme, hece sınır ve özntelk tespt, SMM Metodu (Konuşma tanıma metodu) ve artşleme olmak üzere dört safhadan meydana gelmektedr. İlk safhada, önceden belrlenmş k yüz sözcüğün ses snyaller önşlemden geçrlr. İknc aşamada, her br hece ses snyalnn, hece özntelk vektörler tespt edlr. Üçüncü aşamada se SMM [5] metoduyla hece tanıma şlem gerçekleştrlr. Son aşamada se konuşma tanıma başarısını yükseltmek çn artşleme şlem yapılır. Her br hecenn özntelk şablonlarının hesaplanması çn sözcükler wave formatında 2 sanyelk zaman aralığında br konuşmacı tarafından Hz de örneklenp 16 bt darbe kod kplenm kullanılıp ncemlenerek ve önşleme şlemnden geçrlmştr. Önşlemede ses snyallernn ortalaması sıfır olacak şeklde yenden düzenlenmştr (1). x, ses snyaln; m, ses snyalnn n ortalamasını ve y n se, yen ses snyaln temsl etmektedr. (1) Hece sınırları tespt edlmeden ve özntelk çıkartma şlem yapılmadan önce ses örneklerne önvurgulama yapılmaktadır. Daha sonra hece sınırları tespt edlr. Hece sınırlarının tespt Bölüm 3'te algortmasıyla brlkte anlatılmıştır. Her hecenn ses örnekler 20 ms lk çerçevelere ayrılarak çerçeveler üzerne Hammng pencereleme uygulanır. Çerçeveler arasındak örtüşme 10 mlsanyedr. Daha sonra Bölüm 4 de anlatıldığı gb hecenn her çerçeves çn özntelk değerlernden 8 er tane LPC, parcor ve MFCC özntelk vektörler bulunur. Şekl 1. Sstemn Genel Yapısı SMM konuşma tanıma metoduyla eğtm aşamasındak her br hecenn SMM hece model oluşturulur. Daha sonrasında hece ses snyaller le hece modeller arasındak benzerlk hesaplanarak sözcüktek tanına heceler belrlenr. Daha y tanıma gerçekleştrmek çn en sonunda Artşleme yapılır. 3. Hece Sınırları Belrleme Hece sınırları tespt yöntem k aşamadan oluşmaktadır. Brncs, sözcük ses snyallernn başlangıç ve btş noktalarının belrlenmes şlemdr. Bunun çn sözcüğün seslendrldğ kısma kadar ve
4 seslendrlmenn bttğ yerden sona kadar olan gürültüsüz alanlar slnr. İkncs, sözcüktek hecelern sınırlarının tespt şlemdr. Aşağıda hece sınırlarının tespt algortması verlmştr. 3.1 Sözcüktek Hecelern Sınırlarının Tespt Algortması Sesn başlangıç ve btş ndeksler (SB ve SS) tespt edldkten sonra aşağıdak algortmayla hece sınırları tespt edlr. 1. n n, n,..., n ) ( x, x,..., x ) ( 1 2 k SB SB1 SS 2. n vektörü örtüşme yapılmaksızın 900 örnekl pencerelere bölünür. n vektörü, 900 örnekl her pencerenn ortalamasının vektörüdür. n ( n1, n2,..., np) ve p k / 900 (2) ( 1)*900 1 n n m / 900,=1,2,,p (3) m* n vektörünün art arda gelen değerler arasında eğmler hesaplanıp eğm vektörü oluşturulur. =1,2,,p-1 çn, n ( n, n,..., n ) ve ne n1 / n (4) E E 1 E2 E p 1 4. Eğm vektöründen +1 ve -1 lerden oluşan yen br vektör a a, a,..., a ) ( 1 2 p1 hesaplanır. Yan artan ve azalan vektörü bulunur. For k=1 To p-1 Eğer n 0 se a 1 E k Aks halde a k 1 5. H: Sözcüktek hece sayısı H 0 For k=2 To p-1 Eğer a k1 1 ve a k 1 se H H 1 6. a vektöründek -1 değerlern çeren ndeks gruplarının ortasındak ndeks k değerler, yaklaşık olarak hece sınırlarının olduğu değerler olmaktadır. Hece sınırları H- 1 tane olacaktır. Hece sınırları vektörü s ( s 1, s 2,..., s H1 ) hesaplanır. S değerler x vektörünün ndekslern tutan değerlerdr. For k=1 To H-1 a vektöründe art arda gelen k nc -1 değerlerne sahp ndekslern ortasındak ndeks w se s k SB900* w 7. Şmdye kadar x vektöründe sesn başlangıç değer SB ve btş değer SS kesn olarak tespt edld. S vektörü se heceler arasındak yaklaşık sınır ndeksler vektörüdür. Daha doğru sınırları bulmak çn aşağıdak şlem yapılır ve s ( s, s,..., s ) vektörü elde edlr. Burada 1 2 H1 s1 SB ve s H 1 SS olmak üzere, For =1 To H-1 s 500 le s 500 aralığında 20 örnekl pencereler oluşturulur ve bu pencerelern ortalamaları hesaplandıktan sonra en küçük ortalamaya sahp pencerenn ortasındak ndeks q se olur. s 1 q 8. x ses vektöründek hecelern sınır ndeksler s vektörü şeklnde bulunur. k nc hecenn hece başlangıcı sk ve hece btş s k1 ndeks olacaktır. Sözcükte H tane de hece vardır. 4. LPC, Parcor ve MFCC Özntelklernn Belrlenmes LPC, parcor ve MFCC özntelkler hesaplanmadan önce hece ses snyallernn vektörler önvurgulama le fltrelenr. Sonra, 20 ms lk çerçevelere bölünür. 10 ms lk örtüşme şlem yapılır. Her çerçeveye Hammng pencereleme uygulanır. Karşılıklı lnt [9], [10] şlemyle özlnt vektörü [9], [10] hesaplanır. Levnson metoduyla [10] doğrusal öngörülü kodlama ve Parcor özntelkler çıkarılır. Sonuç olarak, her
5 çerçeve çn 8 LPC, parcor ve MFCC özntelk değerler elde edlr. Her hece çn oluşturulan bu özntelk vektörler daha sonra kullanılmak üzere dosya adı, hece sm ve dosya uzantısı da fetn olacak şeklde kaydedlrler. N, hecenn sözcüktek kaçıncı hece olduğunu fade eder. 5. Saklı Markov Model SMM, ses snyallernn statstksel olarak modelleyen br metottur. SMM, en başarılı konuşma tanıma metotlarından br olmuştur. Çünkü, SMM, ses snyallern çok uygun br şeklde matematksel olarak karakterze etme özellğe sahptr. SMM'nn grds, vektör olarak temsl edlen zamana bağlı ayrık verlerden oluşan br dzdr. SMM, her brnn olasılık dağılımlarıyla bağlı olan sonlu durumlardan (state) oluşmaktadır. Durumlar arasındak geçşler, geçş olasılıkları (transton probablty) adı verlen olasılık değerleryle belrlenr. Br durum çndek gözlem veya sonuç ona bağlı olan olasılık dağılımlarından elde edlmektedr. Durumlar, dışarıdak gözlemclere görünür değldr. Bu sebepten "Saklı" (Hdden) sözcüğü SMM metodunda bulunmaktadır. SMM metodunu tanımlamak çn aşağıdak değşkenlere htyaç vardır: a N:Modeldek durum sayısı. M:Alfabedek gözlem sembollernn sayısı. Eğer gözlemler sürekl se M sonsuz olacaktır. A: Denklem 5'te görüldüğü gb geçş olasılıkları A { a } j j p{ qt1 j qt }, 1,j N (5) q şmdk durumu temsl etmektedr. Geçş t olasılıkları, Denklem 6 ve 7'dek normal olasılıksal kısıtları sağlar. 0, 1, j N (6) a j N a j j1 1, 1 N (7) Denklem 8'de görüldüğü gb durumların olasılık dağılımları. B { bj ( k)} (8) b ( k) p{0 v q j}, 1 j N 1 M j t k t v k, alfabedek k. gözlem sembolünü fade etmektedr. o t se şmdk parametre vektörüdür. Denklem 9 ve 10'dak olasılıksal kısıtlar sağlanmalıdır. b j ( k) 0, 1 j N, 1 k M (9) M k 1 b ( k) 1, j 1 j N (10) Eğer gözlemler sürekl se ayrık olasılık yerne olasılık yoğunluk şlevn kullanmak zorunda olacağız. Bu durumda olasılık yoğunluk şlevnn parametrelern belrlememz gerekr. Genelde, Denklem 11'de görüldüğü üzere olasılık yoğunluğu M Gaus dağılımlarının, ağırlıklarının toplamına yaklaştırılır. c jm aşağıdak olasılıksak kısıtları sağlamak zorundadır. c jm M m 1 (11) 0, 1 j N, 1 m M (12) c jm 1, 1 j N (13) Aşağıdak denklemlerde başlangıç durum dağılımları verlmştr. { } p{ q }, 1 1 N (14) Kompak notasyon kullanmak stersek Denklem 15 ve 16'da görüldüğü gb sürekl yoğunluklar kullanılarak olasılık dağılımlı SMM'y fade edeblrz.
6 ( A, B, ) (15) ( A,,,, ) (16) c jm 6. Artşleme Algortması jm jm SMM metoduyla hece tanıma sürec bttkten sonra heceler brleştrlerek tanınan sözcük tespt edlr. Fakat, bulunan bu sözcük yanlış tanıma sonucunda Türkçe olmayan br sözcük olablr. Tanıma başarısını artırmak çn her hecenn tanıma, lk 10 sıraya göre sıralanır. Heceler en üst sıraya göre brleştrlerek Türkçe sözcük aranır. Türkçe br sözcük bulunursa tanıma şlem sonlandırılır. N: Test vertabanından alınan sözcüğün hece sayısı. H k (s) :Test edlecek sözcüğün k nc hecesne s nc sırada en çok benzeyen hecedr. 1. 1,2,..., 10 ve s : nc heceye en çok benzeyen 10 heceden br. H1( s1) H2( s2)... HN ( s10) şeklnde heceler brleştrlr ve yen sözcük oluşturulur. N Toplam 10 sözcük elde edlr. 2. Her sözcük çn br düzey belrlenr. 1. adımdak sözcüğü oluşturan hecelern sıralarının toplamı hesaplanır ve bu toplam o sözcüğün düzey olur. dosyası çeren test vertabanı oluşturulmuştur. 200 farklı sözcük ses snyaller bulunan bu vertabanında her sözcük 10 defa kaydedlmştr. Buradak ses dosyalarının hece sınırlarının tesptnden sonra her hecenn LPC, Parcor ve MFCC özntelkler hesaplanmıştır. Test vertabanındak sözcüklern her br hecesne en çok benzeyen 10 tane hece Saklı Markov Model metodu kullanılarak bulunur. Uzaklık değer en küçük olan heceler en çok brbrne benzeyen hecelerdr. Test vertabanındak sözcüğün hecelerne en küçük uzaklıkta olan heceler brleştrlrse en yakın metn sözcüğü elde edlr. Tablo 1 de kullanılan özntelklere göre ve artşleme kullanılıp kullanılmadığına bağlı olarak sstemn tanıma oranları verlmştr. Buna göre artşleme kullanılarak tanıma başarısı yaklaşık %20 artmıştır. En büyük başarı MFCC özntelğ üzernde artşlem kullanılarak elde edlmştr ve başarı oranı %82,6 bulunmuştur. Tablo 1. Sstemn sözcük hata oranları. Konuşma Tanıma Metodu Özntelkler LPC parcor MFCC SMM 43,2 37,4 34,6 SMM (Artşleme) 22,2 18,4 17,4 3. Sözcükler, sözcük düzeyne göre sıralanır. 4. Sözcük düzey en küçük olandan başlanır ve bu sözcük, sözcük vertabanında mevcut se sözcük bulunmuş olur dğer sözcüklere bakılmaksızın şlem bter. Hçbr sözcük vertabanında yoksa sstem br sözcük bulamamıştır. 7. Test İşlem Çalışmalarımız Pentum Centrno 1.6 şlemc, 768 RAM, 40 GB sabt dsk, Wndows XP şletm sstem, ses kartı, hoparlör ve mkrofona sahp blgsayar üzernde gerçekleştrlmştr. Uygulama programları Matlab 6.5 le kodlanmıştır. Sstemn test edlmes çn 2000 wav ses 8. Sonuçlar Bu çalışmada, Saklı Markov Model metodu kullanılarak hece tabanlı Türkçe ayrık ve kşye bağımlı konuşma tanıma sstemler gelştrlmştr. Özntelk olarak, doğrusal öngörülü kodlama (LPC), parcor ve MFCC özntelkler seçlmştr ve uygulamalar gerçekleştrlp karşılaştırılmıştır. Ssteme dahl edlen artşleme yöntem sstemn başarımını oldukça artırmıştır. Sstemn en başarılı özntelğ MFCC olmuştur ve sözcük hata oranı %17,4 olarak tespt edlmştr. Özntelklern başarı sırası MFCC, parcor ve LPC olmuştur. Çalışmanın daha sonrak aşamasında yapay
7 snr ağları ve nave bayes yöntem kullanılacaktır. Bütün hecelern kullanılıp modellenmesyle genş dağarcıklı Türkçe konuşma tanıma sstem gelştrlmes mümkün olacaktır. 9. KAYNAKLAR [1] Harma, A., "A comparson of warped and conventonal lnear predctve codng", IEEE Trans. Speech and Audo Processng, July, (2001). [2] Harma, A., "Lnear predctve codng wth modfed flter structures", IEEE Trans. Speech Audo Processng, 9(8): , (2001). [3] Jones, R. J., Downey, S. Mason, J. S., "Contnuous Speech Recognton usng Syllables", Proc. Eurospeech, Volume 3, pp , (1997). [4] Kruskall, J. and Lberman, M., "The Symmetrc Tme Warpng Problem: From Contnuous to Dscrete", In Tme Warps, Strng Edts and Macromolecules: The Theory and Practce of Sequence Comparson, Addson-Wesley Publshng Co., Readng, Massachusetts, , (1983). [5] Mengusoglu, E., and Derro, O., "Turksh LVCSR: Database preparaton and Language Modelng for an Agglutnatve Language", ICASSP'2001, Student Forum, Salt- Lake Cty, (2001). [6] Myers, C.S., Rabner, L.R. and Rosenberg, A.E., "Performance tradeoffs n dynamc tme warpng algorthms for solated word recognton", IEEE Trans. Acous., Speech, and Sg. Processng, ASSP-28, 6: , (1980). [7] Palwal, K.K., Agarwal A. and Snha, S.S., "A modfcaton over Sakoe and Chba's dynamc tme warpng algorthm for solated word recognton", Sgnal Processng, 4: , (1982). [8] Palwal, K.K., "On the performance of the quefrency-weghted cepstral coeffcents n vowel recognton", Speech Communcaton, 1(2): , (1982). [9] Proaks, J.G. and Manolaks, D.G., "Dgtal Sgnal Processng: Prncples and Applcaton", Prentce-Hall, Upper Saddle Rver, NJ, (1996). [10] Rabner, L. and Juang B.H., "Fundamentals of Speech Recognton", Prenctce-Hall, Englewood Clffs, NJ, (1993). [11] Rosenberg, A.E., Rabner, L.R., Levnson, S.E. and Wlpon, J.G., "A prelmnary study on the use of demsyllables n automatc speech recognton", Conf. Rec. Int. Conf. on Acous., Speech, and Sg. Processng, GA, Atlanta, , (1981). [12] Shafran, I., "Clusterng wde context and HMM topologes for spontaneous speech recognton", Ph.D. Thess, Unversty of Washngton, (2001). [13] Svendsen, T., Palwal, K.K., Harborg E. and Husoy, P.O., "A modfed acoustc sub-word unt based speech recognzer", Proc. IEEE Intern. Conf. on Acoustcs, Speech and Sgnal Processng, Glasgow, U.K., , (1989).
Dinamik Zaman Bükmesi Yöntemiyle Hece Tabanlı Konuşma Tanıma Sistemi
Akademik Bilişim 2008 Çanakkale Onsekiz Mart Üniversitesi, Çanakkale, 30 Ocak - 01 Şubat 2008 Dinamik Zaman Bükmesi Yöntemiyle Rıfat AŞLIYAN 1, Korhan GÜNEL 2, Tatyana YAKHNO 1 1 Dokuz Eylül Üniversitesi,
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
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
DetaylıT.C. ULUDAĞ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KONUŞMACI TANIMA YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ. Cemal HANİLÇİ
T.C. ULUDAĞ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KONUŞMACI TANIMA YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ Cemal HANİLÇİ YÜKSEK LİSANS TEZİ ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI BURSA-2007 T.C. ULUDAĞ ÜNİVERSİTESİ
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
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
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.
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
DetaylıTRİSTÖR VE TRİYAK HARMONİKLERİNİN 3 BOYUTLU GÖSTERİMİ VE TOPLAM HARMONİK BOZUNUMA EĞRİ UYDURMA
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K BİL İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : : : : 5- TRİSTÖR VE TRİYAK
DetaylıPROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 3, Sayı:2, 2001 PROJE SEÇİMİ VE KAYAK PLALAMASI İÇİ BİR ALGORİTMA lgün MORALI 1 C. Cengz ÇELİKOĞLU 2 ÖZ Kaynak tahss problemler koşullara bağlı olarak
DetaylıNİTEL TERCİH MODELLERİ
NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:
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
DetaylıTEKNOLOJĐK ARAŞTIRMALAR
www.teknolojkarastrmalar.com ISSN:134-4141 Makne Teknolojler Elektronk Dergs 28 (1) 61-68 TEKNOLOJĐK ARAŞTIRMALAR Kısa Makale Tabakalı Br Dskn Termal Gerlme Analz Hasan ÇALLIOĞLU 1, Şükrü KARAKAYA 2 1
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
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
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
DetaylıÜç Boyutlu Yapı-Zemin Etkileşimi Problemlerinin Kuadratik Sonlu Elemanlar ve Sonsuz Elemanlar Kullanılarak Çözümü
ECAS Uluslararası Yapı ve Deprem Mühendslğ Sempozyumu, Ekm, Orta Doğu Teknk Ünverstes, Ankara, Türkye Üç Boyutlu Yapı-Zemn Etkleşm Problemlernn Kuadratk Sonlu Elemanlar ve Sonsuz Elemanlar Kullanılarak
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)
DetaylıMakine 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
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,
DetaylıEVRİMSEL ALGORİTMA İLE SINIRLANDIRMALI DİNAMİK OPTİMİZASYON
EVRİMEL ALGORİTMA İLE INIRLANDIRMALI DİNAMİK OPTİMİZAYON Ş. BALKU, R. BERBER Ankara Ünvetes Mühendslk Fakültes, Kmya Mühendslğ Bölümü Tandoğan, 06100 Ankara ÖZET Aktf çamur proses atıksu arıtımında kullanılan
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.
DetaylıMAK 744 KÜTLE TRANSFERİ
ZKÜ Fen Blmler Ensttüsü Makne Mühendslğ Anablm alı MAK 744 KÜTLE TRANSFERİ TERMOİNAMİK ve TRANSPORT BÜYÜKLÜKLERİNİN HESAPLANMASI İÇİN FORMÜLLER VE TABLOLAR Mustafa EYRİBOYUN ZONGULAK - 007 1. TERMOİNAMİK
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
DetaylıSoğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu
Soğutucu Akışkan arışımlarının ullanıldığı Soğutma Sstemlernn ermoekonomk Optmzasyonu * 1 Hüseyn aya, 2 ehmet Özkaymak ve 3 rol Arcaklıoğlu 1 Bartın Ünverstes akne ühendslğ Bölümü, Bartın, ürkye 2 arabük
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
DetaylıTEKNOLOJİ, PİYASA REKABETİ VE REFAH
TEKNOLOJİ, PİYASA REKABETİ VE REFAH Dr Türkmen Göksel Ankara Ünverstes Syasal Blgler Fakültes Özet Bu makalede teknoloj sevyesnn pyasa rekabet ve refah sevyes üzerndek etkler matematksel br model le ncelenecektr
DetaylıUYGULAMA 2. Bağımlı Kukla Değişkenli Modeller
UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.
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.
DetaylıMeteorolojik Verilerin Yapay Sinir Ağları Đle Modellenmesi
KSÜ Fen ve Mühendslk Dergs, 10(1), 2007 148 KSU Journal of Scence and Engneerng, 10(1), 2007 Meteorolojk Verlern Yapay Snr Ağları Đle Modellenmes Kemal ATĐK 1, Emrah DENĐZ 1, Enver YILDIZ 2 1 ZKÜ. Karabük
DetaylıDeprem Tepkisinin Sayısal Metotlar ile Değerlendirilmesi (Newmark-Beta Metodu) Deprem Mühendisliğine Giriş Dersi Doç. Dr.
Deprem Tepksnn Sayısal Metotlar le Değerlendrlmes (Newmark-Beta Metodu) Sunum Anahat Grş Sayısal Metotlar Motvasyon Tahrk Fonksyonunun Parçalı Lneer Interpolasyonu (Pecewse Lnear Interpolaton of Exctaton
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
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
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:
DetaylıTuğla Duvardaki ve Tesisattaki Isı Kaybının Yapay Sinir Ağları İle Belirlenmesi
Fırat Ünv. Fen ve Müh. Bl. Der. Scence and Eng. J of Fırat Unv. 18 (1), 133-141, 2006 18 (1), 133-141, 2006 Tuğla Duvardak ve Tessattak Isı Kaybının Yapay Snr Ağları İle Belrlenmes Ömer KELEŞOĞLU ve Adem
DetaylıKENDİ KENDİNİ DÜZENLEYEN HARİTALAR YÖNTEMİYLE TÜRKÇE SESLİ HARFLERİN SINIFLANDIRILMASI VE TANINMASI
Uludağ Ünverstes Mühendslk-Mmarlık Fakültes Dergs, Clt 17, Sayı 1, 2012 ARAŞTIRMA KENDİ KENDİNİ DÜZENLEYEN HARİTALAR YÖNTEMİYLE TÜRKÇE SESLİ HARFLERİN SINIFLANDIRILMASI VE TANINMASI Emrah YÜRÜKLÜ * Osman
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 :
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
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
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
DetaylıADIYAMAN ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI YÜKSEK LİSANS TEZİ SOFT KÜMELER VE BAZI SOFT CEBİRSEL YAPILAR.
ADIYAMAN ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI YÜKSEK LİSANS TEZİ SOFT KÜMELER VE BAZI SOFT CEBİRSEL YAPILAR Ebubekr İNAN DANIŞMAN Yrd. Doç. Dr. Mehmet Al ÖZTÜRK ADIYAMAN 2011 Her
Detaylıİki veri setinin yapısının karşılaştırılması
İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu
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
DetaylıSÜREKLİ SAKLI MARKOV MODELLERİ İLE METİNDEN BAĞIMSIZ KONUŞMACI TANIMA PARAMETRELERİNİN İNCELENMESİ
Uludağ Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, Cilt 12, Sayı 1, 2007 SÜREKLİ SAKLI MARKOV MODELLERİ İLE METİNDEN BAĞIMSIZ KONUŞMACI TANIMA PARAMETRELERİNİN İNCELENMESİ Cemal HANİLÇİ Figen
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
DetaylıAdi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler
6.4.7 NÜMERİK ANALİZ Yrd. Doç. Dr. Hatce ÇITAKOĞLU 6 Müendslk sstemlernn analznde ve ugulamalı dsplnlerde türev çeren dferansel denklemlern analtk çözümü büük öneme saptr. Sınır değer ve/vea başlangıç
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,
DetaylıÖRNEK SET 5 - MBM 211 Malzeme Termodinamiği I
ÖRNE SE 5 - MBM Malzeme ermdnamğ I 5 ºC de ve sabt basınç altında, metan gazının su buharı le reaksynunun standart Gbbs serbest enerjs değşmn hesaplayın. Çözüm C O( ( ( G S S S g 98 98 98 98 98 98 98 Madde
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
DetaylıOtomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya DOĞRUSAL KONTROL SİSTEMLERİ
DOĞRUSAL KONTROL SİSTEMLERİ 96 Anahtarlamalı Sstemler Kararlı Yapan PI Kontrolör Setnn Hesabı İbrahm Işık, Serdar Ethem Hamamcı Elektrk-Elektronk Mühendslğ Bölümü İnönü Ünverstes, Malatya {İbrahm.sk, serdar.hamamc}@nonu.edu.tr
DetaylıROBİNSON PROJEKSİYONU
ROBİNSON PROJEKSİYONU Cengzhan İPBÜKER ÖZET Tüm yerkürey kapsayan dünya hartalarının yapımı çn, kartografk lteratürde özel br öneme sahp olan Robnson projeksyonu dk koordnatlarının hesabı brçok araştırmacı
DetaylıİSTANBUL TEKNİK ÜNİVERSİTESİ ELEKTRİK-ELEKTRONİK FAKÜLTESİ. WEB SAYFASI SINIFLANDIRMA YÖNTEMLERİ ve BENZERLİK ÖLÇÜTLERİ
İSTANBUL TEKNİK ÜNİVERSİTESİ ELEKTRİK-ELEKTRONİK FAKÜLTESİ WEB SAYFASI SINIFLANDIRMA YÖNTEMLERİ ve BENZERLİK ÖLÇÜTLERİ Btrme Ödev Eser Aygün 040010431 Bölüm: Blgsayar Mühendslğ Anablm Dalı: Blgsayar Blmler
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
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
DetaylıCommunication Theory
Communcaton Theory ENFORMASYON TEORİSİ KODLAMA Doç. Dr. Hakan Doğan ENFORMASYON DEYİMİ NEDEN KULLANILMIŞ? Kaynaklarn, kanalların,alıcıların blg karakterstklern ncelemek. Blgnn letmn optmze etmek çn İletmn
DetaylıCuEEG: EEG Verilerinin Hızlı İşlenmesi için GPU Tabanlı Bir Yaklaşım CuEEG: A GPU-Based Approach for Fast Processing of EEG Data
ELECO '212 Elektrk - Elektronk ve Blgsayar Mühendslğ Sempozyumu, 29 Kasım - 1 Aralık 212, Bursa CuEEG: EEG Verlernn Hızlı İşlenmes çn GPU Tabanlı Br Yaklaşım CuEEG: A GPU-Based Approach for Fast Processng
DetaylıYard. Doç. Dr. Oben Dağ 1. İstanbul Arel Üniversitesi obendag@arel.edu.tr. Özet. 1. Giriş. 2. Problemin Tanımı
Elektrk Güç Sstemlernde Mkro Şebeke Uygulamaları ve Harmonk Kaynak Yer Tespt Mcrogrd Applcatons n Electrcal Power Systems and Harmonc Source Locaton Yard. Doç. Dr. Oben Dağ 1 1 Elektrk-Elektronk Mühendslğ
DetaylıT.C. KEÇiÖREN BELEDİYE BAŞKANLIGI Mali Hizmetler Müdürlüğü BAŞKANLIK MAKAMINA
l!l KEÇÖREN BELEDİYE BAŞKANLIGI KEÇöREN BELeDYES SA YI : M.06.6.KEç.O-31/2009KONU: Yetk Devr bo f.!200fd 6.1. BAŞKANLIK MAKAMINA Blndğ üzere O 1.01.2006 tarhnden tbaren tüm yerel yönetmlerde 31.12.2005
DetaylıÖğr. Elemanı: Dr. Mustafa Cumhur AKBULUT
Ünte 11: İndeksler Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT İndeks 2 Üntede Ele Alınan Konular 11. İndeksler 11.1. Bast İndeksler 11.1.1. Fyat İndeks 11.1.2. Mktar İndeks 11.1.3. Mekan İndeks 11.2. Bleşk
DetaylıDOĞRUSAL OLMAYAN DİZGELER İÇİN MODEL TEMELLİ ARIZA BULMA-YALITIMI VE ROBOT MANİPÜLATÖRLERE UYGULANMASI
Gaz Ünv. Müh. Mm. Fak. Der. J. Fac. Eng. Arch. Gaz Unv. Clt 4, No, 79-94, 009 Vol 4, No, 79-94, 009 DOĞRUSAL OLMAYAN DİZGELER İÇİN MODEL TEMELLİ ARIZA BULMA-YALITIMI VE ROBOT MANİPÜLATÖRLERE UYGULANMASI
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
DetaylıGÜÇ KALİTESİNDEKİ BOZULMA TÜRLERİNİN SINIFLANDIRILMASI İÇİN BİR ÖRÜNTÜ TANIMA YAKLAŞIMI
Gaz Ünv. Müh. Mm. Fak. Der.. Fac. Eng. Arch. Gaz Unv. Clt 6, No 1, 41-56, 011 Vol 6, No 1, 41-56, 011 GÜÇ KALİESİNDEKİ BOZULMA ÜRLERİNİN SINIFLANDIRILMASI İÇİN BİR ÖRÜNÜ ANIMA YAKLAŞIMI Murat UYAR, Selçuk
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
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.,
DetaylıMASAÜSTÜ CNC EKSEN KARTLARI İÇİN TEST DEVRESİ TASARIMI
2. Ulusal Tasarım İmalat ve Analz Kongres 11-12 Kasım 2010- Balıkesr MASAÜSTÜ CNC EKSEN KARTLARI İÇİN TEST DEVRESİ TASARIMI Ahmet KÖBELOĞLU*, Arf GÖK**, Kerm ÇETİNKAYA*** *akobeloglu@kastamonu.edu.tr Kastamonu
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
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
DetaylıYapay Sinir Ağı ve Bulanık-Yapay Sinir Ağı Yöntemleri Kullanılarak Tava Buharlaşma Tahmini
Tarım Blmler Araştırma Dergs 3 (): 45-5, 00 ISSN: 308-3945, E-ISSN: 308-07X, www.nobel.gen.tr Yapay Snr Ağı ve Bulanık-Yapay Snr Ağı Yöntemler Kullanılarak Tava Buharlaşma Tahmn Özgür KIŞI Selcan AFŞA
DetaylıBiyomedikal Amaçlı Basınç Ölçüm Cihazı Tasarımı
Byomedkal Amaçlı Basınç Ölçüm Chazı Tasarımı Barış Çoruh 1 Onur Koçak 2 Arf Koçoğlu 3 İ. Cengz Koçum 4 1 Ayra Medkal Yatırımlar Ltd. Şt, Ankara 2,4 Byomedkal Mühendslğ Bölümü, Başkent Ünverstes, Ankara,
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
DetaylıYÜKSEK FREKANSLI HABERLEÞME DEVRELERÝ ÝÇÝN, TOPLU - DAÐINIK, KARMA ELEMANLI ARABAÐLAÞIM MODELLERÝNÝN BÝLGÝSAYAR DESTEKLÝ TASARIMI
ÝSTANBUL ÜNÝVERSÝTESÝ MÜENDÝSLÝK FAKÜLTESÝ ELEKTRÝK-ELEKTRONÝK DERGÝSÝ YIL CÝLT SAYI : 21-22 : 1 : 1 ( 32 4 ) YÜKSEK FREKANSLI ABERLEÞME DEVRELERÝ ÝÇÝN, TOPLU - DAÐINIK, KARMA ELEMANLI ARABAÐLAÞIM MODELLERÝNÝN
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)
DetaylıSigma 27, , 2009 Research Article / Araştırma Makalesi THE EFFECTS OF FILTER FREQUENCY SCALE VARIABILITY ON SPEAKER IDENTIFICATION PERFORMANCE
Journal o Engneerng and Natural Scences Mühendslk ve Fen Blmler Dergs Sgma 27, 197-207, 2009 Research Artcle / Araştırma Makales THE EFFECTS OF FILTER FREQUENCY SCALE VARIABILITY ON SPEAKER IDENTIFICATION
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
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
DetaylıGRUPLARDA VE YARIGRUPLARDA ETKİNLİK(EFFICIENCY) The Efficiency Of Groups And Semigroups *
GRUPLARDA VE YARIGRUPLARDA ETKİNLİK(EFFICIENCY The Effcency Of Groups And Semgroups * Özer CAN Matematk Ana Blm Dalı Blal VATANSEVER Matematk Ana Blm Dalı ÖZET Bu çalışmada öncelkle gruplarda, yarıgruplarda,
DetaylıFASCtOLA GİGANTtCA İLE DENEYSEL OLARAK ENFEKTE EDtLEN KOYUNLARDA SERUM TOTAL PROTEİN VE TOTAL LtptD DEGERLERİ ÜZERİNDE ARAŞTIRMALAR
A. (J. Veterner Fakültes Byokmya Kürsüsü Prof Dr. Ethem Erso)' FASCtOLA GİGANTtCA İLE DENEYSEL OLARAK ENFEKTE EDtLEN KOYUNLARDA SERUM TOTAL PROTEİN VE TOTAL LtptD DEGERLERİ ÜZERİNDE ARAŞTIRMALAR Nhat Bayşu
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,
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
DetaylıParametrik Olmayan İstatistik Çözümlü Sorular - 2
Parametrk Olmaya İstatstk Çözümlü Sorular - Soru Böbrek hastalarıa at Kreat (KRT) değerlere lşk br araştırma yapılmak stemektedr. Buu ç rasgele seçle hastaya at Kreat değerler aşağıdak gb elde edlmştr
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
DetaylıBÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 20 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI
BÖLÜM II D ÖRNEK 0 BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 0 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI 0.1. BİNANIN GENEL ÖZELLİKLERİ...II.0/ 0.. TAŞIYICI
DetaylıROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI
ROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI İsmal ÇÖLKESEN 1, Tahsn YOMRALIOĞLU 2, Taşkın KAVZOĞLU 3 1 Araş. Gör., Gebze Yüksek Teknoloj Ensttüsü,
DetaylıBİRLEŞİK DALGACIK-SİNİR AĞI MODELİ YAKLAŞIMI İLE ELEKTRİK GÜÇ SİSTEMLERİNDE ARIZA SINIFLAMA
BİRLEŞİK DALGACIK-SİNİR AĞI MODELİ YAKLAŞIMI İLE ELEKTRİK GÜÇ SİSTEMLERİNDE ARIZA SINIFLAMA Oben DAĞ Canbolat UÇAK, Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlk Fakültes Yedtepe Ünverstes,, Erenköy,
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
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
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt:13 Sayı:2 sh.75-87 Mayıs 2012
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt:13 Sayı:2 sh.75-87 Mayıs 2012 ÇELİK YAPI SİSTEMLERİNDE İKİNCİ MERTEBE ANALİZ YÖNTEMLERİNİN İNCELENMESİ (INVESTIGATION OF SECOND ORDER ANALYSIS
DetaylıKIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ
Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü Dergs Yıl: 2007/2, Sayı: 6 Journal of Suleyman Demrel Unversty Insttue of Socal Scences Year: 2007/2, Number: 6 KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM
Detaylı6. NORMAL ALT GRUPLAR
6. ORMAL ALT GRUPLAR G br grup ve olsun. 5. Bölümden çn eştlğnn her zaman doğru olamayacağını blyoruz. Fakat bu özellğ sağlayan gruplar, grup teorsnde öneml rol oynamaktadır. Bu bölümde bu tür grupları
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
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
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
DetaylıİSTANBUL BOĞAZI NIN KARADENİZ ÇIKIŞINDA SWAN DALGA TAHMİNLERİNİN RADAR ÖLÇÜMLERİ İLE KIYASLAMASI
İSTANBUL BOĞAZI NIN KARADENİZ ÇIKIŞINDA SWAN DALGA TAHMİNLERİNİN RADAR ÖLÇÜMLERİ İLE KIYASLAMASI Adem Akpınar a, Recep Emre Çakmak a, Yüksel Yağan b, Raşt Çeleb b a Uludağ Ünverstes, İnşaat Mühendslğ Bölümü,
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
DetaylıT. C. GÜMÜŞHANE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE MÜHENDİSLİĞİ DENEYLER 1 ÇOKLU ISI DEĞİŞTİRİCİSİ DENEYİ
T. C. GÜMÜŞHANE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE MÜHENDİSLİĞİ DENEYLER ÇOKLU ISI DEĞİŞTİRİCİSİ DENEYİ ÖĞRENCİ NO: ADI SOYADI: DENEY SORUMLUSU: YRD. DOÇ. DR. BİROL ŞAHİN
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
DetaylıAsimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri
Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık
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
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
Detaylı