6. Ders. Lineer Olmayan Optimizasyon Lineer Olmayan Regresyon Analizi. (Nisan2012)

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "6. Ders. Lineer Olmayan Optimizasyon Lineer Olmayan Regresyon Analizi. http://tr.wikipedia.org/wiki/optimizasyon (Nisan2012)"

Transkript

1 6. Ders Lineer Olmayan Optimizasyon Lineer Olmayan Regresyon Analizi (Nisan0) Matematikte matematiksel programlama ya da optimizasyon terimi; bir gerçel fonksiyonu minimize ya da maksimize etmek amacı ile gerçek ya da tamsayı değerlerini tanımlı bir aralıkta seçip fonksiyona yerleştirerek sistematik olarak bir problemi incelemek ya da çözmek işlemlerini ifade eder.örneğin bu problem şöyle olabilir: Verilen: f fonksiyonu: A'dan R ye tanımlı. (R:Reel Sayılar) Aranan : A'da öyle bir x 0 var mı ki; tüm x değerleri için f( x 0 ) f( x )ifadesini sağlasın ("minimizasyon") veya f( x 0 ) f( x ) ifadesini sağlasın ("maksimizasyon"). Böylesi bir formulasyona optimizasyon problemi ya da matematiksel programlama problemi denir ( terimin bilgisayar programlama ile direkt bir ilgisi yoktur, ama yine de lineer programlamada kullanılan bir ifadedir). Pek çok gerçek ve teorik problemler bu genel çerçevede modellenebilir. Bu teknik kullanılarak formüle edilen problemlere fizik biliminin ilgi alanından bir örnek verilecek olursa, bilgisayar monitörlerinin enerji minimizasyonundan söz edilebilir. O halde, yukarıdaki f fonksiyonu modellenen sistemdeki enerjiyi temsil edecektir. Bu tür problemlerde "A kümesi" genellikle, bir takım daraltıcı kısıtları, eşitlikleri ve n eşitsizlikleri sağlayan öklidyen uzayın ( R ) bir alt kümesidir. f fonksiyonunun tanım kümesi olan A'ya arama uzayı", elemanlarına ise çözüm adayları ya da olası (olabilir, uygun, feasible) çözümler denir. f fonksiyonuna amaç fonksiyonu, maliyet fonksiyonu, fayda fonksiyonu, enerji fonksiyonu,.. denmektedir. Amaç fonksiyonunu minimum (maximum) yapan çözüme "optimal çözüm" denir.

2 Olabilir çözümlerin kümesi ve amaç fonksiyonu dışbükey (konveks) olmadığında birden çok yerel "minimum" ve "maksimum" noktalarına rastlanabilir. x A ve δ > 0 olmak üzere, x x < δ olan tüm x'ler için sağlanıyorsa ( x* civarındaki yerlerde fonksiyonun tüm değerlerinin, bu noktadaki değerden büyük veya o'na eşit olduğu söylenebiliyorsa) bu nokta bir "Yerel Minimum" noktasıdır. (Yerel Maksimum da benzer şekilde ifade edilebilir). Dışbükey olmayan problemlerin çözümünde pek çok algoritma kullanılmasına rağmen yerel optimal noktalar ve gerçek (global) optimal noktalar arasındaki farkların ayırt ve tespit edilmesinde yetersiz kalınmaktadır. Konu başlıkları [gizle] Başlıca alt dalları Teknikler 3 Kullanım alanları 4 Tarihçe 5 Ayrıca bakınız o 6 Kaynakça 7 Dış bağlantılar 5. Problem Çözücüler Başlıca alt dalları [değiştir] Doğrusal Programlama : f amaç fonksiyonu doğrusal olduğu ve A kümesinin yalnızca doğrusal eşitlik veya eşitsizlikler ile ulaşılabilir olduğu durumlarda bu isim kullanılır. Böylesi bir A kümesine, sınırlandırılmamış ise polihedron, sınırlı ile politop denir. Tamsayı Programlama : Doğrusal programların bir ya da daha çok değişkeni tamsayı ile ifade edildiği durumlarda kullanılır. Kuadratik Programlama: A değeri doğrusal eşitlik veya eşitsizlikler ile gösterilmek kaidesi ile; objektif fonksiyonun kuadratik değerler almasına müsaade eder. Doğrusal olmayan Programlama: Amaç fonksiyonu ya da kısıtların doğrusal olmadığı genel durumları inceler. Konveks Programlama amaç fonksiyon ve kısıtın bükey bir fonksiyon biçminde ifade edilebileceği durumları inceler. Non-Lineer programlaman özel bir hali olarak düşünülebilir. Đkinci Derece Koni Programlama (SOCP). Yarı-Belirli Programlama (SDP) Değişkenleri yarı tanımlı olacak şekilde, Bükey optimizasyonun bir alt dalıdır. Lineer ve Konveks Kuadratik programlaman genel bir halidir.

3 Stokastik Programlama: Kısıt ve parametrelerin rastgele değişkenler'e bağlı olduğu durumları inceler. Robust Optimizasyonu/Programlama: Optimizasyon problemindeki belirsiz bilgiyi yakalamaya çalışan bir tür stokastik programlamatır. Stokastik programlama gibi, belirsiz bilgiye dayalı olarak çalışmaz ancak problemi girilen bilginin rastgele etkinliği ve şans temelinden kopmadan çözemez. Tümleşik Optimizasyon : Olası çözüm kümesi içeren problemlerin mümkün ise daha kolay çözülebilir bir şekle indirgenmesi esasına dayanır. Sonsuz-Boyutlu Optimizasyon : Olası çözüm kümesinin (Fonksiyonlar kümesi gibi) sonsuz boyutlu bir uzaya ait olup, olmadığını araştırır. Kısıt Sağlaması f fonskiyonun sabit olup, olamayacağını araştırır (Bu metod yapay zekâ alanında kullanılır, özellikle de otomatikleşmiş ilişkilendirme konusunda yardımcı olur).ayırıcı Programlama kullanularak, seçilen ve önem adledilen (en az) bir kısıtın sağlanması temin edilmesi esasına dayanır. Yörünge Optimizasyonu: Hava ve uzay araçları için kullanılan özel bir optimizasyon türüdür. Altdallara göre farklılık gösterecek şekilde, çeşitli teknikler dizayn edilmiştir: Değişkenler Hesabı Objektif fonksiyonun zaman aralıklarından seçilen değişik noktalara nasıl reaksiyon verdiğinin incelenmesi ile kullanılan yöntemdir. Optimal Kontrol Teorisi değişkenler hesabının çeşitli genellemelerinin toplanmış halidir. Dinamik Programlama Büyük parçaların daha küçük boyutlara indirgenmesi optimizasyon stratejisini yöneten metottur.bu tür alt problemler ile ilgili olan eşitliklere Bellman eşitliği denir. Teknikler [değiştir] Đki kez diferansiyeli alınabilen fonksiyonlar için, kısıt bulundurmayan problemler objektif fonksiyonun gradyan'ının sıfır'a eşit olduğu noktaların (istasyon noktaların) yeri tespit edilip, Hessian matrix ile her noktanın sınıfı belirlenerek çözülebilir.eğer Hessian pozitif tanımlı ise bu nokta "Yerel Minimum", negatif tanımlı ise "Yerel Maksimum"'dur.Şayet tanımsız ise de bir tür saddle point olduğu söylenebilir. Ancak, her zaman türev almak olası değildir. Objektif fonksiyonun düzgünlüğüne göre metodların ana sınıflandırması şöyle yapılabilir: Tümleşik Metodlar Türeve-Serbest Metodlar Birinci Derece Metodlar Đkinci Derece Metodlar Bazı metodlar özel isimleri ile de yukarıdaki dört gruptan birine denk gelecek şekilde listenebilir: Gradyan Đniş ya da Dik iniş metodu. Nelder-Mead Metodu ya da the Amoeba metodu. Alt-Gradyan Metodu - Gradyan metodunun, gradyan bulunmayan durumlar için kullanılan hali. 3

4 Tekyönlü Metod Elipsoid Metod Yğın Metodu Newton Metodu Kazi-Newton Metodu Dahili Nokta Metodu Birleşik Gradyan Metodu Hat Araması - tek boyulu optimizasyon için kullanılan bir teknik, genellikle başka bir tekniğe yardımcı olması için kullanılır. Kısıt problemleri genellikle Lagrange Çarpanı ile kısıttan bağımsız bir forma getirilir. Birkaç popüler metod daha: Tepe Tırmanışı Benzetimli Tavlama Kuantum Benzetimli Tavlama Tabu Araması Kiriş Araması Genetik Algoritmalar Karınca Sürüsü Optimizasyonu Evrim Stratejisi Stokastik Tünel Diferansiyel Evrim Sürü Parçacıkları Armoni Araması Arı Algoritması Kullanım alanları [değiştir] Yapı-Araç Đskeleti dinamiği'ne ilişkin problemler sıklık ile matematiksel programlama teknikleri gerektirmektedir.yapı-araç Đskeleti, manifold ile kısıtlanmış bir basit diferansiyel denklem'in çözümüne ihtiyaç duyan bir yönelim olarak değerlendirilebilir.bu durumda kısıtlar non-lineer olmayan gemotetrik çeşitliliktedir, öneğin "bu iki nokta daima temas etmeli", "bu alan diğerine etki etmemeli" ya da "bu nokta her zaman bu eğri üzerinde olmalı" gibi.ayrıca temas halindeki kuvvetlere ilişkin problemler de lineer uyumluluk çatısı altında çözüldüğünden, buna da bir tür QP (Kuadratir Programlama) Problemi gözüyle bakılabilir. Pek çok dizayn problemi de optimizasyon programları ile çözülmektedir.bu tür uygulamalara dizayn optimizasyonu denir.bu alanda bilinen ve büyümekte olan bir alt kol çok disiplinli dizayn optimizasyonu'dur.bu tür, pek çok problemde kullanışlı olduğu gibi aynı zamanda da uzay mühendisliği sahasına uyarlanabilmektedir. Ekonomi de matematiksel programlamaya ağır bir bağımlılık duyar.mikroiktisat'da sık karşılaşılan bir problem olan marjinal fayda ve bundan kaynaklanan ikilik olan harcamaları minimize etme problemi iktisadî bir optimizasyon problemidir. Tüketiciler ve firmalar fayda/kar oranlarını maksimize etmek durumundadırlar.ticaret teorisi de milletler arası ticari ortaklığın izahında optimizasyona sık sık başvurur. 4

5 Sabit genel giderli zaman maliyet problemleride önemli bir optimizasyon problemidir. Özellikle inşaat ve endüstri mühendisliğinde bu problemle sıkça karşılaşılır. Doğrusal programlama, sezgisel ve üst sezgisel yöntemler bu problem türünün optimizasyonu için kullanılmaktadır. Optimizasyon tekniklerinin sıkça kullanıldığı bir diğer alan da operasyon araştırması'dır. Tarihçe [değiştir] Dik Đniş adıyla bilinen ilk optimizasyon tekniğinin tarihi Gauss'a dek uzanır. Tarihi olarak, 940'larda George Dantzig tarafından ortaya atılan Lineer Programlama kuramı en yaşlı optimizasyon terimidir. Programlama terimi bu bağlamda Bilgisayar Programcılığı'nı ifade etmez.program teriminin kullanımı ABD Ordusunun, kendi içtimai ve lojistik takvimini belirlemede konteyner kullandığı "program" terimi ile ilişkilidir.(daha sonra ise "program" terimi devlet bütçesinin düzenlenmesinde kullanılmış ve günümüzde de yüksek teknolojik araştırmaların sahasına da geçmiştir.) Optimizasyon Alanına Katkı Sağlayan Diğer Önemli Matematikçiler: John von Neumann Leonid Vitalyevich Kantorovich Naum Z. Shor Leonid Khachian Boris Polyak Yurii Nesterov Arkadii Nemirovskii Michael J. Todd Richard Bellman Hoang Tuy Ayrıca bakınız [değiştir] arg max Oyun Teorisi Operasyon Araştırma Đşlem Optimizasyonu Fuzzy logic Rastgele Optimizasyon Değişkenler Eşitsizliği Değişkenler Hesabı Tek Yönlü Algoritma Dahili Nokta Metodu Radyal Temelli Fonksiyon Brachistochrone Optimizasyon Yazılımı Optimizasyon Problemi Dinamik Programlama 5

6 Problem Çözücüler [değiştir] NAG Numerical Libraries-NAG kütüphanesi çeşitli problem ve durumlardan oluşan optimizasyona dair geniş bir arşiv sunuyor. NPSOL - Non-Lineer progralama problemlerinin çözümü için geliştirilmiş bir Fortran paketi.http://www.sbsi-sol-optimize.com/asp/sol_product_npsol.htm OpenOpt - Pyhton dilinde yazılmış ücretsiz çözücüleri sağlayan bir araç-kutusu IPOPT - Açık kaynak kodlu ilkel-ikincil dahli metodlar ile çalışan bir NLP çözücü. KNITRO - Non-Lineet problemler için bir çözücü. CPLEX Mathematica Kaynakça [değiştir] Mordecai Avriel (003). Nonlinear Programming: Analysis and Methods. Dover Publishing. ISBN Stephen Boyd and Lieven Vandenberghe (004). Convex Optimization, Cambridge University Press. ISBN Panos Y. Papalambros and Douglass J. Wilde (000). Principles of Optimal Design : Modeling and Computation, Cambridge University Press. ISBN Jorge Nocedal and Stephen J. Wright (006). Numerical Optimization, Springer. ISBN

7 Matlab Yazılımında: Examples that Use Standard Algorithms Optimization Example Unconstrained Minimization Example Nonlinear Inequality Constrained Example Constrained Example with Bounds Constrained Example with Gradients Equality Constrained Example Nonlinear Equations with Analytic Jacobian Nonlinear Equations with Finite-Difference Jacobian Large-Scale Examples Nonlinear Equations with Jacobian Nonlinear Minimization with Gradient and Hessian Nonlinear Minimization with Equality Constraints Nonlinear Minimization with a Dense but Structured Hessian and Equality Constraints Quadratic Minimization with Bound Constraints Linear Least-Squares with Bound Constraints Linear Programming with Equalities and Inequalities Optimization Tool Examples Optimization Tool with the fmincon Solver Optimization Tool with the lsqlin Solver Bazı Matlab Komutları: fminunc, fminsearch, fmincon, fminbnd, fseminf, linprog, quadrprog, fgoalattain 7

8 fminunc: Kısıtsız optimizasyon için hazırlanan Matlab programı (kodu,fonksiyonu,aracı) >> help fminunc FMINUNC finds a local minimum of a function of several variables. X=FMINUNC(FUN,X0) starts at X0 and attempts to find a local minimizer X of the function FUN. FUN accepts input X and returns a scalar function value F evaluated at X. X0 can be a scalar, vector or matrix. X=FMINUNC(FUN,X0,OPTIONS) minimizes with the default optimization parameters replaced by values in the structure OPTIONS, an argument created with the OPTIMSET function. See OPTIMSET for details. Used options are Display, TolX, TolFun, DerivativeCheck, Diagnostics, FunValCheck, GradObj, HessPattern, Hessian, HessMult, HessUpdate, InitialHessType, InitialHessMatrix, MaxFunEvals, MaxIter, DiffMinChange and DiffMaxChange, LargeScale, MaxPCGIter, PrecondBandWidth, TolPCG, PlotFcns, OutputFcn, and TypicalX. Use the GradObj option to specify that FUN also returns a second output argument G that is the partial derivatives of the function df/dx, at the point X. Use the Hessian option to specify that FUN also returns a third output argument H that is the nd partial derivatives of the function (the Hessian) at the point X. The Hessian is only used by the large-scale method, not the line-search method. X = FMINUNC(PROBLEM) finds the minimum for PROBLEM. PROBLEM is a structure with the function FUN in PROBLEM.objective, the start point in PROBLEM.x0, the options structure in PROBLEM.options, and solver name 'fminunc' in PROBLEM.solver. Use this syntax to solve at the command line a problem exported from OPTIMTOOL. The structure PROBLEM must have all the fields. [X,FVAL]=FMINUNC(FUN,X0,...) returns the value of the objective function FUN at the solution X. [X,FVAL,EXITFLAG]=FMINUNC(FUN,X0,...) returns an EXITFLAG that describes the exit condition of FMINUNC. Possible values of EXITFLAG and the corresponding exit conditions are Magnitude of gradient smaller than the specified tolerance. Change in X smaller than the specified tolerance. 3 Change in the objective function value smaller than the specified tolerance (only occurs in the large-scale method). 0 Maximum number of function evaluations or iterations reached. - Algorithm terminated by the output function. - Line search cannot find an acceptable point along the current search direction (only occurs in the medium-scale method). [X,FVAL,EXITFLAG,OUTPUT]=FMINUNC(FUN,X0,...) returns a structure OUTPUT with the number of iterations taken in OUTPUT.iterations, the number of function evaluations in OUTPUT.funcCount, the algorithm used in OUTPUT.algorithm, the number of CG iterations (if used) in OUTPUT.cgiterations, the firstorder optimality (if used) in OUTPUT.firstorderopt, and the exit message in OUTPUT.message. [X,FVAL,EXITFLAG,OUTPUT,GRAD]=FMINUNC(FUN,X0,...) returns the value of the gradient of FUN at the solution X. [X,FVAL,EXITFLAG,OUTPUT,GRAD,HESSIAN]=FMINUNC(FUN,X0,...) returns the value of the Hessian of the objective function FUN at the solution X. 8

9 Examples: FUN can be specified x= where myfun is a MATLAB function such as: function F = myfun(x) F = sin(x) + 3; To minimize this function with the gradient provided, modify the function myfun so the gradient is the second output argument: function [f,g]= myfun(x) f = sin(x) + 3; g = cos(x); and indicate the gradient value is available by creating an options structure with OPTIONS.GradObj set to 'on' (using OPTIMSET): options = optimset('gradobj','on'); x = FUN can also be an anonymous function: x = 5*x()^ + x()^,[5;]) If FUN is parameterized, you can use anonymous functions to capture the problem-dependent parameters. Suppose you want to minimize the objective given in the function myfun, which is parameterized by its second argument c. Here myfun is an M-file function such as function [f,g] = myfun(x,c) f = c*x()^ + *x()*x() + x()^; g = [*c*x() + *x() ; *x() + *x()]; % function % gradient To optimize for a specific value of c, first assign the value to c. Then create a one-argument anonymous function that captures that value of c and calls myfun with two arguments. Finally, pass this anonymous function to FMINUNC: c = 3; options = optimset('gradobj','on'); % define parameter first % indicate gradient is provided x = myfun(x,c),[;],options) See also optimset, fminsearch, fminbnd, inline. Reference page in Help browser: doc fminunc 9

10 fminunc, fminsearch, fmincon, fminbnd, fseminf, linprog, quadrprog, fgoalattain gibi Matlab komutları kendi içinde optimizasyon algoritmaları bulundurmaktadır. Newton-Raphson Algoritması STA695 Spring 00 Newton Raphson Algorithm Let f(x) be a function (possibly multivariate) and suppose we are interested in determining the maximum of f and, often more importantly, the value of x which maximizes f. The most common statistical application of this problem is finding a Maximum Likelihood Estimate (MLE). The document discusses two methods of numerical maximization, the Newton Raphson method and a genetic algorithm called Differential Evolution. Motivation Newton Raphson maximization is based on a Taylor series expansion of the function. Specifically, if we expand about a point, where is the gradient vector and is the hessian matrix of second derivatives. This creates a quadratic approximation for f. We know how to maximize a quadratic function (take derivatives, set equal to zero, and solve) The Newton Raphson process iterates this equation. Specifically, let be a starting point for the algorithm and define successive estimates recursively through the equation If the function is quadratic, then of course the quadratic ``approximation'' is exact and the Newton Raphson method converges to the maximum in one iteration. If the function is concave, then the Newton Raphson method is gauranteed to converge to the correct answer. If the function is convex for some values of, then the algorithm may or may not converge. The NR algorithm may converge to a local maximum and not the global maximum, it might converge to a local minimum, or it might cycle between two points. Starting the algorithm 0

11 near the global maximum is the best practical method for helping convergence to the global maximum. Fortunately, loglikelihoods are typically approximately quadratic (the reason asymptotically normality occurs for many random variables). Thus, the NR algorithm is an obvious choice for finding MLEs. The starting value for the algorithm is often a ``simpler'' estimate (in terms of ease of computation) of the parameter, such as a method of moments estimator. Example Let estimate of. The loglikelihood is and suppose we want the joint maximum likelihood Solving for the MLE analytically requires solving the equations These two equations cannot be solved analytically (the Gamma function is difficult to work with). The two equations do provide us with the gradient The hessian matrix is The starting values of the algorithm may be found using the method of moments. Since. and, the method of moment estimators are and Suppose we have data (in truth actually generated with and ) such that n=000,,, and. The algorithm begins at

12 and. After 3 iterations, the NR algorithm stabilizes at and. Note that there is no need to treat this situation as a multivariate problem. The partial derivative for may be solved in terms of. Thus, for each value of, the maximum of is attained at reduce the problem to the one-dimensional problem of maximizing. Thus, we can This is called the profile loglikelihood. The first and second derivatives are Again starting the algorithm at after???? iterations., the algorithm converges to About this document... Newton Raphson Algorithm This document was generated using the LaTeXHTML translator Version 96. (Feb 5, 996) Copyright 993, 994, 995, 996, Nikos Drakos, Computer Based Learning Unit, University of Leeds. The command line arguments were: latexhtml -split 0 -show_section_numbers nummax.tex. The translation was initiated by Kert Viele on Fri Jan 8 :43:07 EST 00 Kert Viele Fri Jan 8 :43:07 EST 00

13 Örnek: Đki Normal Dağılımın Karması x µ σ =, f( x) exp πσ f( x) exp πσ =, x x µ σ < olmak üzere, bu olasılık yoğunluk fonksiyonlarına sahip iki normal dağılımın p (0<p<) oranında karması olan dağılımın olasılık yoğunluk fonksiyonu, < x µ x µ f ( x ; p, µ, µ, σ, σ ) = p exp + ( p) exp, < x < πσ σ πσ σ olmak üzere, olabilirlik fonksiyonunun logaritması n n ln L( θ ) = ln f ( xi ) = ln( pf( xi ) + ( p) f( xi ) i= i= dir. p, µ, µ, σ, σ ye göre kısmi türevler alınarak sıfıra eşitlenirse, normal denklemler p j f j ( xi ; µ j, σ j ) n ln L p j= = = 0 p i= p f ( ;, ) j= j j xi µ j σ j ( ;, ) n ln L µ = = 0 µ j i= p j f j xi µ j σ j j j= p j f j ( xi ; µ j, σ j ) j=, j=, p j f j ( xi; µ j, σ j ) n ln L σ j j= σ j i= p j f j ( xi ; µ j, σ j ) j= = = 0 olarak elde edilir. Gradiyent vektörünün bileşenleri 3

14 n ln L f( xi ; θ) f( xi ; θ) = = p pf ( x ; θ ) + ( p) f ( x ; θ ) i= i i p ( f ( x ; θ )) ln µ ( ; θ ) + ( ) ( ; θ ) n i L µ = = i= pf xi p f xi ( p) ( f ( x ; θ )) ln µ ( ; θ ) + ( ) ( ; θ ) n i L µ = 3 = i= pf xi p f xi ln L = = n 4 σ i= p ( f ( xi ; θ)) σ pf ( x ; θ ) + ( p) f ( x ; θ ) i i ln L = = n 5 σ i= ( p) ( f ( xi ; θ)) σ pf ( x ; θ ) + ( p) f ( x ; θ ) i i olup, burada, x µ ( f( xi; θ)) = f( x ; θ) i µ σ ( x µ ) σ ( f( x ; θ)) ( ; θ) i = f x 4 i σ σ dır. ( x µ ) σ ( f( x ; θ)) ( ; θ) i = f x 4 i σ σ 4

15 = matrisi elde edilir. vektörünün parametrelere göre yeniden türevleri alınarak Hessian matrisi (H) p µ θ µ = σ σ başlayarak, parametre vektörü için ( 0 p ) ( 0 ) µ ( 0) ( 0) θ = µ ( 0 ) σ ( 0 ) σ gibi bir başlangıç değerden (vektörden) ( k ) ( k ) ( k ) ( k θ = θ H ( θ ) ( θ ) ), k =,,3,... Newton-Raphson algoritması yazılır. Buradaki ( k ( θ ) ) ifadesi, gradiyent vektörünün ( k θ ) daki değer ve ( k H ( θ ) ) matrisi, Hessian matrisinin ( k θ ) daki değeridir. Algoritmanın sonlandırılması için uygun bir durdurma kuralı oluşturulmalıdır. Newton-Raphson yöntemi uygulamada bir çok sıkıntılarla karşılaşabilir. Hessian matrisi ile ilgili hesaplamalarda zayıf koşulluluk problemi ortaya çıkabilir. Türevlerin bulunması bazen çok zaman ve işlem gerektirebilir. Newton-Raphson yöntemi hızlı bir yöntem olmakla birlikte başlangıç değerlerine hassas bağımlı bir yöntemdir. Başlangıç değerlerin çok dikkatli seçilmesi gerekir. 5

16 6

17 7

18 clc; close all clear all; % Simülasyon verisi x=(:5); n=size(x,); for i=:n y(i)=5/(+x(i)^); end y=y+randn(,n)*.; plot(x,y,. ) % teta başlangıç değerler teta=[; ] teta=teta(,); teta=teta(,); teta/(teta+xx^); /(teta+xx^); -teta/((teta+xx^)^); % k indisi iterasyon sayısı, başka durdurma kuralları deneyiniz for k=:5 for i=:n Z(i,)=df_dteta(teta,teta,x(i)); Z(i,)=df_dteta(teta,teta,x(i)); r(i)=y(i)-f(teta,teta,x(i)); end teta=teta+inv(z'*z)*z'*r' teta=teta(,); teta=teta(,); end teta teta 8

19 nlm {stats} R Documentation Non-Linear Minimization Description This function carries out a minimization of the function f using a Newton-type algorithm. See the references for details. Usage nlm(f, p,..., hessian = FALSE, typsize = rep(, length(p)), fscale =, print.level = 0, ndigit =, gradtol = e-6, stepmax = max(000 * sqrt(sum((p/typsize)^)), 000), steptol = e-6, iterlim = 00, check.analyticals = TRUE) Arguments f the function to be minimized. If the function value has an attribute called gradient or both gradient and hessian attributes, these will be used in the calculation of updated parameter values. Otherwise, numerical derivatives are used. deriv returns a function with suitable gradient attribute. This should be a function of a vector of the length of p followed by any other arguments specified by the... argument. p starting parameter values for the minimization.... additional arguments to f. hessian if TRUE, the hessian of f at the minimum is returned. typsize an estimate of the size of each parameter at the minimum. fscale an estimate of the size of f at the minimum. print.level this argument determines the level of printing which is done during the minimization process. The default value of 0 means that no printing occurs, a value of means that initial and final details are printed and a value of means that full tracing information is printed. ndigit the number of significant digits in the function f. gradtol a positive scalar giving the tolerance at which the scaled gradient is considered close enough to zero to terminate the algorithm. The scaled gradient is a measure of the relative change in f in each direction p[i] divided by the relative change in p[i]. stepmax a positive scalar which gives the maximum allowable scaled step length. stepmax is used to prevent steps which would cause the optimization function to overflow, to prevent the algorithm from leaving the area of interest in parameter space, or to detect divergence in the algorithm. stepmax would be chosen small enough to prevent the first two of these occurrences, but should be larger than any anticipated reasonable step. steptol A positive scalar providing the minimum allowable relative step length. iterlim a positive integer specifying the maximum number of iterations to be performed before the program is terminated. 9

20 check.analyticals a logical scalar specifying whether the analytic gradients and Hessians, if they are supplied, should be checked against numerical derivatives at the initial parameter values. This can help detect incorrectly formulated gradients or Hessians. Details Note that arguments after... must be matched exactly. If a gradient or hessian is supplied but evaluates to the wrong mode or length, it will be ignored if check.analyticals = TRUE (the default) with a warning. The hessian is not even checked unless the gradient is present and passes the sanity checks. From the three methods available in the original source, we always use method which is line search. The functions supplied must always return finite (including not NA and not NaN) values. Value A list containing the following components: minimum the value of the estimated minimum of f. estimate the point at which the minimum value of f is obtained. gradient the gradient at the estimated minimum of f. hessian code the hessian at the estimated minimum of f (if requested). an integer indicating why the optimization process terminated. : relative gradient is close to zero, current iterate is probably solution. : successive iterates within tolerance, current iterate is probably solution. 3: last global step failed to locate a point lower than estimate. Either estimate is an approximate local minimum of the function or steptol is too small. 4: iteration limit exceeded. 5: 0

21 maximum step size stepmax exceeded five consecutive times. Either the function is unbounded below, becomes asymptotic to a finite value from above in some direction or stepmax is too small. iterations the number of iterations performed. References Dennis, J. E. and Schnabel, R. B. (983) Numerical Methods for Unconstrained Optimization and Nonlinear Equations. Prentice-Hall, Englewood Cliffs, NJ. Schnabel, R. B., Koontz, J. E. and Weiss, B. E. (985) A modular system of algorithms for unconstrained minimization. ACM Trans. Math. Software,, See Also optim and nlminb. constroptim for constrained optimization, optimize for one-dimensional minimization and uniroot for root finding. deriv to calculate analytical derivatives. For nonlinear regression, nls may be better. Examples f <- function(x) sum((x-:length(x))^) nlm(f, c(0,0)) nlm(f, c(0,0), print.level = ) utils::str(nlm(f, c(5), hessian = TRUE)) f <- function(x, a) sum((x-a)^) nlm(f, c(0,0), a=c(3,5)) f <- function(x, a) { res <- sum((x-a)^) attr(res, "gradient") <- *(x-a) res } nlm(f, c(0,0), a=c(3,5)) ## more examples, including the use of derivatives. ## Not run: demo(nlm)

ATILIM UNIVERSITY Department of Computer Engineering

ATILIM UNIVERSITY Department of Computer Engineering ATILIM UNIVERSITY Department of Computer Engineering COMPE 350 Numerical Methods Fall, 2011 Instructor: Fügen Selbes Assistant: İsmail Onur Kaya Homework: 1 Due date: Nov 14, 2011 You are designing a spherical

Detaylı

EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak

EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş Dr. Özgür Kabak Doğrusal Olmayan Programlama Eğer bir Matematiksel Programlama modelinin amaç fonksiyonu ve/veya kısıtları doğrusal değil

Detaylı

IDENTITY MANAGEMENT FOR EXTERNAL USERS

IDENTITY MANAGEMENT FOR EXTERNAL USERS 1/11 Sürüm Numarası Değişiklik Tarihi Değişikliği Yapan Erman Ulusoy Açıklama İlk Sürüm IDENTITY MANAGEMENT FOR EXTERNAL USERS You can connect EXTERNAL Identity Management System (IDM) with https://selfservice.tai.com.tr/

Detaylı

12. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI. yasinortakci@karabuk.edu.tr

12. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI. yasinortakci@karabuk.edu.tr 1. HAFTA BLM33 SAYISAL ANALİZ Okt. Yasin ORTAKCI yasinortakci@karabuk.edu.tr Karabük Üniversitesi Uzaktan Eğitim Uygulama ve Araştırma Merkezi DIVIDED DIFFERENCE INTERPOLATION Forward Divided Differences

Detaylı

EM302 Yöneylem Araştırması 2. Dr. Özgür Kabak

EM302 Yöneylem Araştırması 2. Dr. Özgür Kabak EM302 Yöneylem Araştırması 2 Dr. Özgür Kabak GAMS Giriş GAMS (The General Algebraic Modeling System) matematiksel proglamlama ve optimizasyon için tasarlanan yüksek seviyeli bir dildir. Giriş dosyası:

Detaylı

Araştırma Makalesi / Research Article. Yapı Sistemlerinin MATLAB Optimizasyon Araç Kutusu ile Optimum Boyutlandırılması

Araştırma Makalesi / Research Article. Yapı Sistemlerinin MATLAB Optimizasyon Araç Kutusu ile Optimum Boyutlandırılması BEÜ Fen Bilimleri Dergisi BEU Journal of Science 4(2), 189-197, 2015 4(2), 189-197, 2015 Araştırma Makalesi / Research Article Yapı Sistemlerinin MATLAB Optimizasyon Araç Kutusu ile Optimum Boyutlandırılması

Detaylı

Doğrusal olmayan programlama. Suat ATAN

Doğrusal olmayan programlama. Suat ATAN Doğrusal olmayan programlama Suat ATAN İçindekiler 1 Giriş 2 2 Optimizasyon 2 3 Doğrusal olmayan programlama 4 3.1 Tek değişkenli fonksiyonun optimumluk şartları.................. 6 3.2 Çok Değişkenli

Detaylı

Virtualmin'e Yeni Web Sitesi Host Etmek - Domain Eklemek

Virtualmin'e Yeni Web Sitesi Host Etmek - Domain Eklemek Yeni bir web sitesi tanımlamak, FTP ve Email ayarlarını ayarlamak için yapılması gerekenler Öncelikle Sol Menüden Create Virtual Server(Burdaki Virtual server ifadesi sizi yanıltmasın Reseller gibi düşünün

Detaylı

Yaz okulunda (2014 3) açılacak olan 2360120 (Calculus of Fun. of Sev. Var.) dersine kayıtlar aşağıdaki kurallara göre yapılacaktır:

Yaz okulunda (2014 3) açılacak olan 2360120 (Calculus of Fun. of Sev. Var.) dersine kayıtlar aşağıdaki kurallara göre yapılacaktır: Yaz okulunda (2014 3) açılacak olan 2360120 (Calculus of Fun. of Sev. Var.) dersine kayıtlar aşağıdaki kurallara göre yapılacaktır: Her bir sınıf kontenjanı YALNIZCA aşağıdaki koşullara uyan öğrenciler

Detaylı

Matematik Mühendisliği - Mesleki İngilizce

Matematik Mühendisliği - Mesleki İngilizce Matematik Mühendisliği - Mesleki İngilizce Tanım - Definition Tanım nasıl verilmelidir? Tanım tanımlanan ismi veya sıfatı yeterince açıklamalı, gereğinden fazla detaya girmemeli ve açık olmalıdır. Bir

Detaylı

Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi Grup Adı: Sıvı Seviye Kontrol Deneyi.../..

Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi Grup Adı: Sıvı Seviye Kontrol Deneyi.../.. Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi Grup Adı: Sıvı Seviye Kontrol Deneyi.../../2015 KP Pompa akış sabiti 3.3 cm3/s/v DO1 Çıkış-1 in ağız çapı 0.635 cm DO2

Detaylı

Multiplication/division

Multiplication/division Multiplication/division Oku H&P sections 4.6-4.8 Bir kac integer multiplication algorithm Bir integer division algorithms Floating point math 10/22/2004 Bilgisayar Mimarisi 6.1 10/22/2004 Bilgisayar Mimarisi

Detaylı

MATLAB programı kullanılarak bazı mühendislik sistemlerinin optimum tasarımı

MATLAB programı kullanılarak bazı mühendislik sistemlerinin optimum tasarımı Dicle Üniversitesi Mühendislik Fakültesi dergisi mühendislikdergisi Cilt: 1, Sayı: 1, 38-44 Dicle Üniversitesi Mühendislik Fakültesi Aralık 010 Cilt: 1, Sayı: 1, 41-47 3-9 Aralık 010 MATLAB programı kullanılarak

Detaylı

TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MAKİNA MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA PROGRAMI ŞEKİL TANIMA ÖDEV 2 KONU : DESTEK VEKTÖR MAKİNELERİ

TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MAKİNA MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA PROGRAMI ŞEKİL TANIMA ÖDEV 2 KONU : DESTEK VEKTÖR MAKİNELERİ TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MAKİNA MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA PROGRAMI ŞEKİL TANIMA ÖDEV 2 KONU : DESTEK VEKTÖR MAKİNELERİ Kenan KILIÇASLAN Okul No:1098107203 1. DESTEK VEKTÖR MAKİNELER

Detaylı

10.7442 g Na2HPO4.12H2O alınır, 500mL lik balonjojede hacim tamamlanır.

10.7442 g Na2HPO4.12H2O alınır, 500mL lik balonjojede hacim tamamlanır. 1-0,12 N 500 ml Na2HPO4 çözeltisi, Na2HPO4.12H2O kullanılarak nasıl hazırlanır? Bu çözeltiden alınan 1 ml lik bir kısım saf su ile 1000 ml ye seyreltiliyor. Son çözelti kaç Normaldir? Kaç ppm dir? % kaçlıktır?

Detaylı

SBR331 Egzersiz Biyomekaniği

SBR331 Egzersiz Biyomekaniği SBR331 Egzersiz Biyomekaniği Açısal Kinematik 1 Angular Kinematics 1 Serdar Arıtan serdar.aritan@hacettepe.edu.tr Mekanik bilimi hareketli bütün cisimlerin hareketlerinin gözlemlenebildiği en asil ve kullanışlı

Detaylı

Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ. Prof. Dr. İbrahim UZUN

Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ. Prof. Dr. İbrahim UZUN Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ Prof. Dr. İbrahim UZUN Yayın No : 2415 İşletme-Ekonomi Dizisi : 147 5. Baskı Eylül 2012 - İSTANBUL ISBN 978-605 - 377-438 - 9 Copyright Bu kitabın

Detaylı

DOĞRUSAL OLMAYAN PROGRAMLAMA -I-

DOĞRUSAL OLMAYAN PROGRAMLAMA -I- DOĞRUSAL OLMAYAN PROGRAMLAMA -I- Dışbükeylik / İçbükeylik Hazırlayan Doç. Dr. Nil ARAS Anadolu Üniversitesi, Endüstri Mühendisliği Bölümü İST38 Yöneylem Araştırması Dersi 0-0 Öğretim Yılı Doğrusal olmayan

Detaylı

altında ilerde ele alınacaktır.

altında ilerde ele alınacaktır. YTÜ-İktisat İstatistik II Nokta Tahmin Yöntemleri 1 NOKTA TAHMİN YÖNTEMLERİ Şimdiye kadar verilmiş tahmin edicilerin sonlu örneklem ve asimptotik özelliklerini inceledik. Acaba bilinmeyen anakütle parametrelerini

Detaylı

Teknoloji Servisleri; (Technology Services)

Teknoloji Servisleri; (Technology Services) Antalya International University Teknoloji Servisleri; (Technology Services) Microsoft Ofis Yazılımları (Microsoft Office Software), How to Update Office 365 User Details How to forward email in Office

Detaylı

Seri kablo bağlantısında Windows95/98/ME'ten Windows 2000'e bağlantı Windows95/98/ME - NT4 bağlantısına çok benzer.

Seri kablo bağlantısında Windows95/98/ME'ten Windows 2000'e bağlantı Windows95/98/ME - NT4 bağlantısına çok benzer. Seri kablo bağlantısında Windows95/98/ME'ten Windows 2000'e bağlantı Windows95/98/ME NT4 bağlantısına çok benzer. Direkt Kablo desteğini Windows95/98'e yükledikten sonra, Windows95 for Direct Cable Client

Detaylı

İÇİNDEKİLER. Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13

İÇİNDEKİLER. Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13 İÇİNDEKİLER ÖNSÖZ III Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13 Bölüm 2 STATİK DENGE ANALİZİ 19 2.1 İktisatta Denge Kavramı 20 2.1.1.

Detaylı

ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı

ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı Trend Analizi Eğer zaman serisi i rastgele dağılmış ğ değil ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı yansıtmayacak,

Detaylı

Yüz Tanımaya Dayalı Uygulamalar. (Özet)

Yüz Tanımaya Dayalı Uygulamalar. (Özet) 4 Yüz Tanımaya Dayalı Uygulamalar (Özet) Günümüzde, teknolojinin gelişmesi ile yüz tanımaya dayalı bir çok yöntem artık uygulama alanı bulabilmekte ve gittikçe de önem kazanmaktadır. Bir çok farklı uygulama

Detaylı

Delta Pulse 3 Montaj ve Çalıstırma Kılavuzu. www.teknolojiekibi.com

Delta Pulse 3 Montaj ve Çalıstırma Kılavuzu. www.teknolojiekibi.com Delta Pulse 3 Montaj ve Çalıstırma Kılavuzu http:/// Bu kılavuz, montajı eksiksiz olarak yapılmış devrenin kontrolü ve çalıştırılması içindir. İçeriğinde montajı tamamlanmış devrede çalıştırma öncesinde

Detaylı

a, ı ı o, u u e, i i ö, ü ü

a, ı ı o, u u e, i i ö, ü ü Possessive Endings In English, the possession of an object is described by adding an s at the end of the possessor word separated by an apostrophe. If we are talking about a pen belonging to Hakan we would

Detaylı

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 199-206

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 199-206 99 EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3- Yıl: 99-6 İKİNCİ MERTEBEDEN BİR DİFERENSİYEL DENKLEM SINIFI İÇİN BAŞLANGIÇ DEĞER PROBLEMİNİN DİFERENSİYEL DÖNÜŞÜM YÖNTEMİ İLE TAM ÇÖZÜMLERİ THE

Detaylı

yöneylem araştırması Nedensellik üzerine diyaloglar I

yöneylem araştırması Nedensellik üzerine diyaloglar I yöneylem araştırması Nedensellik üzerine diyaloglar I i Yayın No : 3197 Eğitim Dizisi : 149 1. Baskı Ocak 2015 İSTANBUL ISBN 978-605 - 333-225 1 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları

Detaylı

Tabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu

Tabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu th International Adanced Technologies Symposium (IATS ), -8 May 20, Elazığ, Turkey Tabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu Ö. Soykasap e K. B. Sugözü Afyon

Detaylı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS. 507001112001 MATEMATİK II Zorunlu 1 2 5

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS. 507001112001 MATEMATİK II Zorunlu 1 2 5 Ders Öğretim Planı Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS 507001112001 MATEMATİK II Zorunlu 1 2 5 Dersin Seviyesi Lisans Dersin Amacı Matematik bilgisini mühendislik problemlerini çözmede

Detaylı

OPTİMUM GÜÇ AKIŞININ YAPAY ARI KOLONİSİ İLE SAĞLANMASI

OPTİMUM GÜÇ AKIŞININ YAPAY ARI KOLONİSİ İLE SAĞLANMASI OPTİMUM GÜÇ AKIŞININ YAPAY ARI KOLONİSİ İLE SAĞLANMASI A. Doğan 1 M. Alçı 2 Erciyes Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği Bölümü 1 ahmetdogan@erciyes.edu.tr 2 malci@erciyes.edu.tr

Detaylı

108 0. How many sides has the polygon?

108 0. How many sides has the polygon? 1 The planet Neptune is 4 496 000 000 kilometres from the Sun. Write this distance in standard form. 44.96 x 10 8 km 4.496 x 10 8 km 4.496 x 10 9 km 4.496 x 10 10 km 0.4496 x 10-10 km 4 Solve the simultaneous

Detaylı

En Düşük Maliyetli Rasyon Hazirlamada Excel Çözümü Excel Solution for Least Cost Diet Formulation

En Düşük Maliyetli Rasyon Hazirlamada Excel Çözümü Excel Solution for Least Cost Diet Formulation Ç.Ü.Z.F. Dergisi, Yıl:1997 Sayı: 13(1):11-20 J.Agric. Fac. Ç.Ü. Year:1997 Volume:13(1):11-20 En Düşük Maliyetli Rasyon Hazirlamada Excel Çözümü Excel Solution for Least Cost Diet Formulation Aykut Gül

Detaylı

Öğrencilere bilgisayar destekli titreşim analizi yeteğinin kazandırılması

Öğrencilere bilgisayar destekli titreşim analizi yeteğinin kazandırılması Ders Öğretim Planı Dersin Kodu 50700 4222007 Dersin Seviyesi Lisans Dersin Adı BİLGİSAYAR DESTEKLİ TİTREŞİM SİMÜLASYONU Dersin Türü Yıl Yarıyıl AKTS Seçmeli 4 8 3 Dersin Amacı Öğrencilere bilgisayar destekli

Detaylı

Prof.Dr. ÜNAL ERKAN MUMCUOĞLU. merkan@metu.edu.tr

Prof.Dr. ÜNAL ERKAN MUMCUOĞLU. merkan@metu.edu.tr Ders Bilgisi Ders Kodu 9060528 Ders Bölüm 1 Ders Başlığı BİLİŞİM SİSTEMLERİ İÇİN MATEMATİĞİN TEMELLERİ Ders Kredisi 3 ECTS 8.0 Katalog Tanımı Ön koşullar Ders saati Bu dersin amacı altyapısı teknik olmayan

Detaylı

SE Engineering Sciences 30 Mayıs 2011, Pazartesi 13:00 M1-2 İNG 152 -İngilizce II 31 Mayıs 2011, Salı 14:00 Yabancı Diller Binası

SE Engineering Sciences 30 Mayıs 2011, Pazartesi 13:00 M1-2 İNG 152 -İngilizce II 31 Mayıs 2011, Salı 14:00 Yabancı Diller Binası MÜHENDİSLİK VE DOĞA BİLİMLERİ FAKÜLTESİ FİNAL TARİHLERİ 2010-2011 BAHAR DÖNEMİ 1. SINIF Dersin Adı Sınav Tarihi Saat Sınav Yeri TRD 158 / 99 - Türk Dili II 30 Mayıs 2011, 10:00 Mühendislik Amfi SE 104

Detaylı

SONLU ELEMANLAR YÖNTEMI ile (SAP2000 UYGULAMASI) 3D Frame Analysis. Reza SHIRZAD REZAEI

SONLU ELEMANLAR YÖNTEMI ile (SAP2000 UYGULAMASI) 3D Frame Analysis. Reza SHIRZAD REZAEI SONLU ELEMANLAR YÖNTEMI ile (SAP2000 UYGULAMASI) 3D Frame Analysis Reza SHIRZAD REZAEI SONLU ELEMANLAR YÖNTEMİ Sonlu Elemanlar (SE)Yöntemi, çesitli mühendislik problemlerine kabul edilebilir bir yaklasımla

Detaylı

Bulanık Mantık Tabanlı Uçak Modeli Tespiti

Bulanık Mantık Tabanlı Uçak Modeli Tespiti Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa

Detaylı

Arýza Giderme. Troubleshooting

Arýza Giderme. Troubleshooting Arýza Giderme Sorun Olasý Nedenler Giriþ Gerilimi düþük hata mesajý Þebeke giriþ gerilimi alt seviyenin altýnda geliyor Þebeke giriþ gerilimi tehlikeli derecede Yüksek geliyor Regülatör kontrol kartý hatasý

Detaylı

A UNIFIED APPROACH IN GPS ACCURACY DETERMINATION STUDIES

A UNIFIED APPROACH IN GPS ACCURACY DETERMINATION STUDIES A UNIFIED APPROACH IN GPS ACCURACY DETERMINATION STUDIES by Didem Öztürk B.S., Geodesy and Photogrammetry Department Yildiz Technical University, 2005 Submitted to the Kandilli Observatory and Earthquake

Detaylı

Bölüm 4: İş Parçacıkları. Operating System Concepts with Java 8 th Edition

Bölüm 4: İş Parçacıkları. Operating System Concepts with Java 8 th Edition Bölüm 4: İş Parçacıkları 14.1 Silberschatz, Galvin and Gagne 2009 Bölüm 4: İş Parçacıkları Genel Bakış Çoklu İş Parçacığı Modelleri İş Parçacığı Kütüphaneleri İş Parçacıkları ile İlgili Meseleler İşletim

Detaylı

Present continous tense

Present continous tense Present continous tense This tense is mainly used for talking about what is happening now. In English, the verb would be changed by adding the suffix ing, and using it in conjunction with the correct form

Detaylı

Gelir Dağılımı ve Yoksulluk

Gelir Dağılımı ve Yoksulluk 19 Decembre 2014 Gini-coefficient of inequality: This is the most commonly used measure of inequality. The coefficient varies between 0, which reflects complete equality and 1, which indicates complete

Detaylı

Üstel Öğrenme ve Genel Bozulma Etkili Akış Tipi Çizelgeleme Problemi: Maksimum Tamamlanma Zamanı Minimizasyonu

Üstel Öğrenme ve Genel Bozulma Etkili Akış Tipi Çizelgeleme Problemi: Maksimum Tamamlanma Zamanı Minimizasyonu Üstel Öğrenme ve Genel Bozulma Etkili Akış Tipi Çizelgeleme Problemi: Maksimum Tamamlanma Zamanı Minimizasyonu Tamer Eren Kırıkkale Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümü, 71451,

Detaylı

Yapay Zeka Yöntemlerinin Otomotiv Sektöründe Ürün Tasarımı Çalışmalarında Kullanılması

Yapay Zeka Yöntemlerinin Otomotiv Sektöründe Ürün Tasarımı Çalışmalarında Kullanılması Yapay Zeka Yöntemlerinin Otomotiv Sektöründe Ürün Tasarımı Çalışmalarında Kullanılması Doç. Dr. Ali Rıza YILDIZ 04.11.2014 Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının

Detaylı

KIRIKKALE ÜNİVERSİTESİ FEN-EDEBIYAT FAKÜLTESİ İSTATİSTİK BÖLÜMÜ LİSANS PROGRAMI

KIRIKKALE ÜNİVERSİTESİ FEN-EDEBIYAT FAKÜLTESİ İSTATİSTİK BÖLÜMÜ LİSANS PROGRAMI KIRIKKALE ÜNİVERSİTESİ FEN-EDEBIYAT FAKÜLTESİ İSTATİSTİK BÖLÜMÜ LİSANS PROGRAMI Kırıkkale Üniversitesi Fen-Edebiyat Fakültesi İstatistik Bölümü Lisans Programı, Kırıkkale Üniversitesi Önlisans ve Lisans

Detaylı

Çocuk bakımı için yardım

Çocuk bakımı için yardım TURKISH Çocuk bakımı için yardım Avustralya Hükümeti, ailelere çocuk bakımı giderlerinde yardımcı olmak için, şunlar dahil bir dizi hizmet ve yardım sunmaktadır: Onaylı ve ruhsatlı çocuk bakımı için Child

Detaylı

ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI. I. GENEL BİLGİLER Ders Adı

ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI. I. GENEL BİLGİLER Ders Adı BİM618 Evrimsel Algoritmalar Öğretim Üyesi Prof. Dr. Derviş Karaboğa Görüşme Saatleri 8.00-17.00 E posta: karaboga@erciyes.edu.tr http://abis.erciyes.edu.tr/sorgu.aspx?sorgu=236 Erciyes Üniversitesi, Mühendislik

Detaylı

OYUN TEORİSİ. Özlem AYDIN. Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü

OYUN TEORİSİ. Özlem AYDIN. Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü OYUN TEORİSİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü TANIM ''Oyun Teorisi'', iki yada daha fazla rakibi belirli kurallar altında birleştirerek karşılıklı olarak çelişen olasılıklar

Detaylı

Eco 338 Economic Policy Week 4 Fiscal Policy- I. Prof. Dr. Murat Yulek Istanbul Ticaret University

Eco 338 Economic Policy Week 4 Fiscal Policy- I. Prof. Dr. Murat Yulek Istanbul Ticaret University Eco 338 Economic Policy Week 4 Fiscal Policy- I Prof. Dr. Murat Yulek Istanbul Ticaret University Aggregate Demand Aggregate (domestic) demand (or domestic absorption) is the sum of consumption, investment

Detaylı

AKT 305 Aktüeryal Yazılımlar Ödev 1 Yanıtları Soru 1. Create a vector x with the elements...

AKT 305 Aktüeryal Yazılımlar Ödev 1 Yanıtları Soru 1. Create a vector x with the elements... AKT 305 Aktüeryal Yazılımlar Ödev 1 Yanıtları Soru 1. Create a vector x with the elements... a. 2, 4, 6, 8,...,10 >> [2:2:10] 2 4 6 8 10 b. 10, 8, 6, 4, 2, 0, -2, -4 >> [10:-2:-4] 10 8 6 4 2 0-2 -4 c.

Detaylı

İKİ İDEMPOTENT MATRİSİN BAZI KOMBİNASYONLARININ GRUP TERSİNİ BULAN BİR ALGORİTMA

İKİ İDEMPOTENT MATRİSİN BAZI KOMBİNASYONLARININ GRUP TERSİNİ BULAN BİR ALGORİTMA BEYKENT ÜNİVERSİTESİ FEN VE MÜHENDİSLİK BİLİMLERİ DERGİSİ Sayı 7(1) 2014, 25-36 İKİ İDEMPOTENT MATRİSİN BAZI KOMBİNASYONLARININ GRUP TERSİNİ BULAN BİR ALGORİTMA Tuğba PİŞTOFOGLU (tugbapistofoglu@gmail.com)

Detaylı

THE IMPACT OF AUTONOMOUS LEARNING ON GRADUATE STUDENTS PROFICIENCY LEVEL IN FOREIGN LANGUAGE LEARNING ABSTRACT

THE IMPACT OF AUTONOMOUS LEARNING ON GRADUATE STUDENTS PROFICIENCY LEVEL IN FOREIGN LANGUAGE LEARNING ABSTRACT THE IMPACT OF AUTONOMOUS LEARNING ON GRADUATE STUDENTS PROFICIENCY LEVEL IN FOREIGN LANGUAGE LEARNING ABSTRACT The purpose of the study is to investigate the impact of autonomous learning on graduate students

Detaylı

Öğrenciler analiz programları hakkında bilgi sahibi olurlar

Öğrenciler analiz programları hakkında bilgi sahibi olurlar Ders Öğretim Planı Dersin Kodu 0000 Dersin Seviyesi Lisans Dersin Adı Bilgisayar Destekli Tasarım ve İmalat Dersin Türü Yıl Yarıyıl AKTS Seçmeli Dersin Amacı İmalat amaçlı bir endüstriyel tasarımda, tasarım

Detaylı

Hukuk ve Hukukçular için İngilizce/ English for Law and Lawyers

Hukuk ve Hukukçular için İngilizce/ English for Law and Lawyers Hukuk ve Hukukçular için İngilizce/ English for Law and Lawyers Size iş imkanı sağlayacak bir sertifikaya mı ihtiyacınız var? Dünyanın önde gelen İngilizce sınavı TOLES, Hukuk İngilizcesi becerilerinin

Detaylı

İZDÜŞÜM. İzdüşümün Tanımı ve Önemi İzdüşüm Metodları Temel İzdüşüm Düzlemleri Noktanın İzdüşümü Doğrunun İzdüşümü Düzlemlerin İz Düşümleri

İZDÜŞÜM. İzdüşümün Tanımı ve Önemi İzdüşüm Metodları Temel İzdüşüm Düzlemleri Noktanın İzdüşümü Doğrunun İzdüşümü Düzlemlerin İz Düşümleri ÖĞR. GÖR.ÖMER UÇTU İZDÜŞÜM İzdüşümün Tanımı ve Önemi İzdüşüm Metodları Temel İzdüşüm Düzlemleri Noktanın İzdüşümü Doğrunun İzdüşümü Düzlemlerin İz Düşümleri İzdüşümün Tanımı ve Önemi İz düşüm: Bir cismin

Detaylı

İÇİNDEKİLER. Sayfa ÖNSÖZ... II ÖZET... VIII SUMMARY...IX ŞEKİL LİSTESİ... X TABLO LİSTESİ...XIX SEMBOL LİSTESİ...XX

İÇİNDEKİLER. Sayfa ÖNSÖZ... II ÖZET... VIII SUMMARY...IX ŞEKİL LİSTESİ... X TABLO LİSTESİ...XIX SEMBOL LİSTESİ...XX İÇİNDEKİLER Sayfa ÖNSÖZ... II ÖZET... VIII SUMMARY...IX ŞEKİL LİSTESİ... X TABLO LİSTESİ...XIX SEMBOL LİSTESİ...XX 1. GENEL BİLGİLER...1 1.1. Giriş...1 1.2. Geçmişte Yapılan Çalışmalar...2 1.3. Bu Çalışmanın

Detaylı

OSPF PROTOKOLÜNÜ KULLANAN ROUTER LARIN MALİYET BİLGİSİNİN BULANIK MANTIKLA BELİRLENMESİ

OSPF PROTOKOLÜNÜ KULLANAN ROUTER LARIN MALİYET BİLGİSİNİN BULANIK MANTIKLA BELİRLENMESİ OSPF PROTOKOLÜNÜ KULLANAN ROUTER LARIN MALİYET BİLGİSİNİN BULANIK MANTIKLA BELİRLENMESİ Resul KARA Elektronik ve Bilgisayar Eğitimi Bölümü Teknik Eğitim Fakültesi Abant İzzet Baysal Üniversitesi, 81100,

Detaylı

Exercise 2 Dialogue(Diyalog)

Exercise 2 Dialogue(Diyalog) Going Home 02: At a Duty-free Shop Hi! How are you today? Today s lesson is about At a Duty-free Shop. Let s make learning English fun! Eve Dönüş 02: Duty-free Satış Mağazasında Exercise 1 Vocabulary and

Detaylı

DOĞRUSAL OLMAYAN REGRESYON ANALİZİNDE GERÇEK DEĞER KODLAMALI GENETİK ALGORİTMA

DOĞRUSAL OLMAYAN REGRESYON ANALİZİNDE GERÇEK DEĞER KODLAMALI GENETİK ALGORİTMA Istanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi Yıl:8 Sayı:15 Bahar 2009 s.167-178 DOĞRUSAL OLMAYAN REGRESYON ANALİZİNDE GERÇEK DEĞER KODLAMALI GENETİK ALGORİTMA Timur KESKİNTÜRK * Serap ŞAHİN ÖZET

Detaylı

Helping you to live more independently. Insanlari ve bagimsiz yasami destekleme. Daha bagimsiz yasamak için size yardim ediyor

Helping you to live more independently. Insanlari ve bagimsiz yasami destekleme. Daha bagimsiz yasamak için size yardim ediyor The Supporting People Logo Insanlari ve bagimsiz yasami destekleme The Supporting People Door in Watermark The Supporting People Introduction Helping you to live more independently Daha bagimsiz yasamak

Detaylı

Grade 8 / SBS PRACTICE TEST Test Number 9 SBS PRACTICE TEST 9

Grade 8 / SBS PRACTICE TEST Test Number 9 SBS PRACTICE TEST 9 Grade 8 / SBS PRACTICE TEST Test Number 9 SBS PRACTICE TEST 9 1.-5. sorularda konuşma balonlarında boş bırakılan yerlere uygun düşen sözcük ya da ifadeyi bulunuz. 3. We can t go out today it s raining

Detaylı

APPLICATION QUESTIONNAIRE. Uygulama Soru Formu

APPLICATION QUESTIONNAIRE. Uygulama Soru Formu Dr.Bruno Lange GmbH & Co. KG Willstätter Str. 11 / 40549 Düsseldorf, Germany Phone : + 49 (0)211. 52. 88. 0 Fax : + 49 (0)211. 52. 88. 124 Email : anitsch@drlange.de, APPLICATION QUESTIONNAIRE Uygulama

Detaylı

Newborn Upfront Payment & Newborn Supplement

Newborn Upfront Payment & Newborn Supplement TURKISH Newborn Upfront Payment & Newborn Supplement Female 1: Bebeğim yakında doğacağı için bütçemi gözden geçirmeliyim. Duyduğuma göre, hükümet tarafından verilen Baby Bonus ödeneği yürürlükten kaldırıldı.

Detaylı

Selection Sort Insertion Sort

Selection Sort Insertion Sort Ozet Selection Sort Selection Sort Insertion Sort Linear Search.. Growth Rates. Implementation. Once dizinin en buyuk element ini bul ve bunu en son pozisyondaki element le degistir, daha sonra en buyuk

Detaylı

MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ Endüstri Mühendisliği Bölümü

MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ Endüstri Mühendisliği Bölümü MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ Endüstri Mühendisliği Bölümü Lisans Öğretim Planı (Türkçe) - 8 YARIYILLIK LİSANS MÜFREDATI I. SEMESTER MAT111 Matematik I Calculus I 4 0 4 5 FİZ101 Fizik I Physics I 3

Detaylı

"Şirket" Sunucusu ve Başarı Mobile Arasındaki HTTP Veri Aktarımı için Etkileşim Teknik Protokolü

Şirket Sunucusu ve Başarı Mobile Arasındaki HTTP Veri Aktarımı için Etkileşim Teknik Protokolü "Şirket" Sunucusu ve Başarı Mobile Arasındaki HTTP Veri Aktarımı için Etkileşim Teknik Protokolü BAŞARI Mobile tarafından desteklenmektedir. 1. Genel Bakış Bu döküman ile Şirket Adı nın ve Basari Mobile

Detaylı

ÇOK BOYUTLU KISITLI SAYISAL OPTİMİZASYONDA MATLAB OPTİMİZASYON TOOLBOX VE GENETİK ALGORİTMA KARŞILAŞTIRMASI:TOPRAKLAMA AĞI TASARIMI UYGULAMASI

ÇOK BOYUTLU KISITLI SAYISAL OPTİMİZASYONDA MATLAB OPTİMİZASYON TOOLBOX VE GENETİK ALGORİTMA KARŞILAŞTIRMASI:TOPRAKLAMA AĞI TASARIMI UYGULAMASI 5. Uluslararası İleri Teknolojiler Sempozyumu (IATS 09), 13-15 Mayıs 2009, Karabük, Türkiye ÇOK BOYUTLU KISITLI SAYISAL OPTİMİZASYONDA MATLAB OPTİMİZASYON TOOLBOX VE GENETİK ALGORİTMA KARŞILAŞTIRMASI:TOPRAKLAMA

Detaylı

Endüstri Mühendisliği Tezli Yüksek Lisans Dersler Tablosu

Endüstri Mühendisliği Tezli Yüksek Lisans Dersler Tablosu Endüstri Mühendisliği Tezli Yüksek Lisans Dersler Tablosu Zorunlu Dersler Ders Kodu Ders Adı Teorik Uygulama Toplam AKTS IENG540 Optimizasyon Modelleri ve Algoritmalar 3 0 3 8 IENG560 Olasılıksal Analiz

Detaylı

Üç Boyutlu Çerçeve Yapıların Statik Analizi için Geliştirilen Bir Bilgisayar Programı: YapAn05

Üç Boyutlu Çerçeve Yapıların Statik Analizi için Geliştirilen Bir Bilgisayar Programı: YapAn05 Akademik Bilişim 10 - XII. Akademik Bilişim Konferansı Bildirileri Üç Boyutlu Çerçeve Yapıların Statik Analizi için Geliştirilen Bir Bilgisayar Programı: YapAn05 Dumlupınar Üniversitesi, İnşaat Mühendisliği

Detaylı

AİLE İRŞAT VE REHBERLİK BÜROLARINDA YAPILAN DİNİ DANIŞMANLIK - ÇORUM ÖRNEĞİ -

AİLE İRŞAT VE REHBERLİK BÜROLARINDA YAPILAN DİNİ DANIŞMANLIK - ÇORUM ÖRNEĞİ - T.C. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Felsefe ve Din Bilimleri Anabilim Dalı AİLE İRŞAT VE REHBERLİK BÜROLARINDA YAPILAN DİNİ DANIŞMANLIK - ÇORUM ÖRNEĞİ - Necla YILMAZ Yüksek Lisans Tezi Çorum

Detaylı

Çoklu Kordinat Sistemi

Çoklu Kordinat Sistemi Çoklu Kordinat Sistemi Uçak pistte durduğu zaman burnunun kuleye göre kordinatı: (50, 5, 0), buna karşın uçağın kordinatlarına göre pozisyonu ise:(0,0,0). Benzer bir biçimde, kulenin tabanı kule kordinat

Detaylı

Website review dersbook.com

Website review dersbook.com Website review dersbook.com Generated on August 29 2015 04:10 AM The score is 58/100 SEO Content Title DersBook Eğitimde Sosyal Paylaşım Eğitimde Sosyal Paylaşım Length : 62 Perfect, your title contains

Detaylı

INTRODUCTION TO JAVASCRIPT JAVASCRIPT JavaScript is used in millions of Web pages to improve the design, validate forms, detect browsers, create cookies, and much more. JavaScript is the most popular scripting

Detaylı

T. C. E. Ü. FEN FAKÜLTESİ MATEMATİK BÖLÜMÜ. 2014-2015 Öğretim Yılı Bahar Dönemi Haftalık Ders Programı İkinci Öğretim

T. C. E. Ü. FEN FAKÜLTESİ MATEMATİK BÖLÜMÜ. 2014-2015 Öğretim Yılı Bahar Dönemi Haftalık Ders Programı İkinci Öğretim E. Ü. FEN FAKÜLTESİ MATEMATİK BÖLÜMÜ 2014-2015 Öğretim Yılı Bahar Dönemi Haftalık Ders Programı İkinci Öğretim A. Fakülte İçinde "BÖLÜMÜMÜZ" Öğrencilerine Verdiğimiz Dersler 1104001062003 Soyut Matematik

Detaylı

Epi Info Kullanımı AMACI: Epi Info Programı ile veri tabanı hazırlayabilme ve veri girişi yapabilme becerisi kazanmak ÖĞRENİM HEDEFLERİ Epi Info bileşenlerini tanımlayabilmek Epi Info Make View programında

Detaylı

İÇİNDEKİLER. Bölüm 1 YÖNEYLEM ARAŞTIRMASINA GİRİŞ 11. 1.1. Temel Kavramlar 14 1.2. Modeller 17 1.3. Diğer Kavramlar 17 Değerlendirme Soruları 19

İÇİNDEKİLER. Bölüm 1 YÖNEYLEM ARAŞTIRMASINA GİRİŞ 11. 1.1. Temel Kavramlar 14 1.2. Modeller 17 1.3. Diğer Kavramlar 17 Değerlendirme Soruları 19 İÇİNDEKİLER ÖNSÖZ III Bölüm 1 YÖNEYLEM ARAŞTIRMASINA GİRİŞ 11 1.1. Temel Kavramlar 14 1.2. Modeller 17 1.3. Diğer Kavramlar 17 Değerlendirme Soruları 19 Bölüm 2 DOĞRUSAL PROGRAMLAMA 21 2.1 Doğrusal Programlamanın

Detaylı

MATLAB DA SAYISAL ANALİZ DOÇ. DR. ERSAN KABALCI

MATLAB DA SAYISAL ANALİZ DOÇ. DR. ERSAN KABALCI MATLAB DA SAYISAL ANALİZ DOÇ. DR. ERSAN KABALCI Konu Başlıkları Lineer Denklem Sistemlerinin Çözümü İntegral ve Türev İntegral (Alan) Türev (Sayısal Fark ) Diferansiyel Denklem çözümleri Denetim Sistemlerinin

Detaylı

YEDİTEPE ÜNİVERSİTESİ MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ

YEDİTEPE ÜNİVERSİTESİ MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ ÖĞRENCİ NİN STUDENT S YEDİTEPE ÜNİVERSİTESİ STAJ DEFTERİ TRAINING DIARY Adı, Soyadı Name, Lastname : No ID Bölümü Department : : Fotoğraf Photo Öğretim Yılı Academic Year : Academic Honesty Pledge I pledge

Detaylı

BVCD DÝKDÖRTGEN HAVA DAMPERÝ ( BVCD) RECTANGULAR VOLUME CONTROL DAMPER

BVCD DÝKDÖRTGEN HAVA DAMPERÝ ( BVCD) RECTANGULAR VOLUME CONTROL DAMPER DÝKDÖRTGEN HAVA DAMPERÝ ( ) RECTANGULAR VOLUME CONTROL DAMPER Dikdörtgen Hava Damperi Teknik Detaylarý Rectangular Volume Control Damper Technical Details : Malzeme: Ürün kasa ve kanatlarýnýn tamamý ekstrüzyon

Detaylı

NEY METODU SAYFA 082 NEY METHOD PAGE 082. well.

NEY METODU SAYFA 082 NEY METHOD PAGE 082. well. NEY METODU SAYFA 082 NEY METHOD PAGE 082 ÜÇÜNCÜ DEVRE SESLERİNİN PORTE VE NEY ÜZERİNDEKİ YERLERİ Üçüncü devre sesleri ile eser icrasına başlamadan önce, öğrendiğimiz 7 perdenin, porte üzerindeki yerlerini,

Detaylı

HTML. Doç. Dr. İsmail Rakıp Karaş www.ismailkaras.com irkaras@gmail.com. Dersin Course Page: www.ismailkaras.com/228. 2. Bölüm

HTML. Doç. Dr. İsmail Rakıp Karaş www.ismailkaras.com irkaras@gmail.com. Dersin Course Page: www.ismailkaras.com/228. 2. Bölüm HTML 2. Bölüm Doç. Dr. İsmail Rakıp Karaş www.ismailkaras.com irkaras@gmail.com (Son Güncelleme: 18.02.2015) Dersin Course Page: www.ismailkaras.com/228 HTML ile Metin Biçimlendirme / Styles - Formatting

Detaylı

Sembolik Programlama1. Gün. Sembolik Programlama. 20 Eylül 2011

Sembolik Programlama1. Gün. Sembolik Programlama. 20 Eylül 2011 Sembolik Programlama 1. Gün Şenol Pişkin 20 Eylül 2011 Sunum Kapsamı MuPAD İçerik Başlangıç 1. Bölüm: Cebirsel işlemler 2. Bölüm: Denklem çözümleri MuPAD Kısaca MuPAD Bilgisi ve Tarihçesi MuPAD Diğer Araçlar

Detaylı

ÖZGEÇMİŞ. 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR

ÖZGEÇMİŞ. 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR Resim ÖZGEÇMİŞ 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR Telefon : 386 280 45 50 Mail : kskula@ahievran.edu.tr

Detaylı

Electronic Letters on Science & Engineering 1(1) 2005 Available online at www.e-lse.org

Electronic Letters on Science & Engineering 1(1) 2005 Available online at www.e-lse.org Electronic Letters on Science & Engineering 1(1) 2005 Available online at www.e-lse.org Solution of Forward Kinematic for Five Axis Robot Arm using ANN A. Mühürcü 1 1 Sakarya University, Electrical-Electronical

Detaylı

DOĞRUSAL PROGRAMLAMA MODELİ İLE BİR KOBİ DE HİZMET ÜRETİM PLANLAMASI SERVICES PRODUCTION PLANNING WITH LINEAR PROGRAMMING MODEL: THE CASE OF A SME

DOĞRUSAL PROGRAMLAMA MODELİ İLE BİR KOBİ DE HİZMET ÜRETİM PLANLAMASI SERVICES PRODUCTION PLANNING WITH LINEAR PROGRAMMING MODEL: THE CASE OF A SME Erzincan Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (ERZSOSDE) VIII-II: 139-148 [2015] DOĞRUSAL PROGRAMLAMA MODELİ İLE BİR KOBİ DE HİZMET ÜRETİM PLANLAMASI SERVICES PRODUCTION PLANNING WITH LINEAR

Detaylı

2013-14 GÜZ YY. - MKT103 - GÖRSEL PROGRAMLAMA DERSİ - ARA SINAVI

2013-14 GÜZ YY. - MKT103 - GÖRSEL PROGRAMLAMA DERSİ - ARA SINAVI 2013-14 GÜZ YY. - MKT103 - GÖRSEL PROGRAMLAMA DERSİ - ARA SINAVI KOÜ Mekatronik Mühendisliği Bölümü/MKT-103-Görsel Programlama Dersi - Ara Sınav J-grubu Ad-Soyad:...No:... J GRUBU-süre:70dk 1.) Aşağıdaki

Detaylı

A LANGUAGE TEACHER'S PERSONAL OPINION

A LANGUAGE TEACHER'S PERSONAL OPINION 1. Çeviri Metni - 9 Ekim 2014 A LANGUAGE TEACHER'S PERSONAL OPINION Why is English such an important language today? There are several reasons. Why: Neden, niçin Such: gibi Important: Önemli Language:

Detaylı

2001 ve 2008 Yılında Oluşan Krizlerin Faktör Analizi ile Açıklanması

2001 ve 2008 Yılında Oluşan Krizlerin Faktör Analizi ile Açıklanması 2001 ve 2008 Yılında Oluşan Krizlerin Faktör Analizi ile Açıklanması Mahmut YARDIMCIOĞLU Özet Genel anlamda krizler ekonominin olağan bir parçası haline gelmiştir. Sıklıkla görülen bu krizlerin istatistiksel

Detaylı

Numune Kodu ve parti no

Numune Kodu ve parti no Numune Kodu ve parti no Numune tipi Kimin tarafından üretildiği Numune formu ve şekli Sertifikalandıran Kurum Konsantrasyonlar Elde edilen konsantrasyon değerleri Ortalama Standart Sapmalar % 95 Karbon

Detaylı

Matrislerde Gauss Jordan Yöntemi ve Eşelon Matris Biçimlerinin Performans Ölçümü

Matrislerde Gauss Jordan Yöntemi ve Eşelon Matris Biçimlerinin Performans Ölçümü Matrislerde Gauss Jordan Yöntemi ve Eşelon Matris Biçimlerinin Performans Ölçümü Ahmet Çelik 1, Zekeriya Katılmış 2 1,2 Dumlupınar Üniversitesi, Bilgisayar Teknolojileri ve Programlama Bölümü, Kütahya

Detaylı

SAYI SİSTEMLERİ. 1. Sayı Sistemleri. Sayı Sistemlerinde Rakamlar

SAYI SİSTEMLERİ. 1. Sayı Sistemleri. Sayı Sistemlerinde Rakamlar SAYI SİSTEMLERİ 1. Sayı Sistemleri Sayı sistemleri; saymak, ölçmek gibi genel anlamda büyüklüklerin ifade edilmesi amacıyla kullanılan sistemler olarak tanımlanmaktadır. Temel olarak 4 sayı sistemi mevcuttur:

Detaylı

Doğrusal Programlama ve Excel Çözücü Uygulamasıyla Optimum Rasyon Çözümü

Doğrusal Programlama ve Excel Çözücü Uygulamasıyla Optimum Rasyon Çözümü Doğrusal Programlama ve Excel Çözücü Uygulamasıyla Optimum Rasyon Çözümü MIN maliyet= $1X 1 + $2X 2 Subject to: 1X 1 + 1X 2 >=10 (Kalsiyum) 3X 1 +1X 2 >=15 (Protein) 1X 1 +6X 2 >=15 (Enerji) ve X 1 >=0,

Detaylı

EGE ÜNİVERSİTESİ FEN FAKÜLTESİ MATEMATİK BÖLÜMÜ 2014-2015 ÖĞRETİM YILI BAHAR YARIYILI FİNAL PROGRAMI

EGE ÜNİVERSİTESİ FEN FAKÜLTESİ MATEMATİK BÖLÜMÜ 2014-2015 ÖĞRETİM YILI BAHAR YARIYILI FİNAL PROGRAMI II. YARIYIL Soyut Matematik II Mat. 1. Grup Prof.Dr.A.FIRAT 01.06.2015 08:30-10:00 C 012, C 013, C 118, C 119 Mathematics II Mat. 1. Grup Prof.Dr.İ.ÇANAK 10.06.2015 15:00-16:30 C 117, C 118, C 119, C 013

Detaylı

2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics

2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics 2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics Özet: Bulanık bir denetleyici tasarlanırken karşılaşılan en önemli sıkıntı, bulanık giriş çıkış üyelik fonksiyonlarının

Detaylı

Bağlaç 88 adet P. Phrase 6 adet Toplam 94 adet

Bağlaç 88 adet P. Phrase 6 adet Toplam 94 adet ÖNEMLİ BAĞLAÇLAR Bu liste YDS için Önemli özellikle seçilmiş bağlaçları içerir. 88 adet P. Phrase 6 adet Toplam 94 adet Bu doküman, YDS ye hazırlananlar için dinamik olarak oluşturulmuştur. 1. although

Detaylı

Derece Bölüm/Program Üniversite Yıl

Derece Bölüm/Program Üniversite Yıl DR. ALI S. NAZLIPINAR Dumlupınar Üniversitesi, Fen Ed. Fakültesi Matematik Bölümü, Kütahya, TÜRKİYE ali.nazlipinar@dpu.edu.tr Tel: +90 274 2652031 /3065 (Dahili) Öğrenim Durumu Derece Bölüm/Program Üniversite

Detaylı

AKTS Kredisi (ECTS Credits) Petrol ve Doğal Gaz Mühendisliği (Petroleum and Natural Gas Engineering)

AKTS Kredisi (ECTS Credits) Petrol ve Doğal Gaz Mühendisliği (Petroleum and Natural Gas Engineering) Dersin Adı İleri Mühendislik Matematiği Course Name Advanced Engineering Mathematics Kodu (Code) Yarıyılı (Semester) Kredisi (Local Credits) AKTS Kredisi (ECTS Credits) Ders Türü (Course Type) PET519E

Detaylı

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTıRMA MODELININ TANıMı Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.

Detaylı