Enis Günay 1, Alper Baştürk 2, Hilal Benli 3. Özet. Abstract. 1. Giriş.

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Enis Günay 1, Alper Baştürk 2, Hilal Benli 3. Özet. Abstract. 1. Giriş. {egunay,ab}@erciyes.edu.tr. hilal.benli@tubitak.gov.tr"

Transkript

1 HSA ile Sayısal Görüntülerde Kenar Çıkarımı için Parçacık Sürüsü Optimizasyon Algoritması Taanlı Şalon Katsayısı Öğrenimi Particle Swarm Optimization Algorithm Based Cloning Template Learning for Edge Detection in Digital Images with CNN Enis Günay, Alper Baştürk, Hilal Benli 3 Elektrik-Elektronik Müh. Böl., Bilgisayar Müh. Böl., Erciyes Üniversitesi, KAYSERİ 3 Bilişim Müdürlüğü, TÜBİTAK, ANKARA Özet Bu çalışmada, ir hücresel sinir ağının (HSA) şalon katsayıları sayısal imgelerde kenar çıkarımı amacıyla parçacık sürüsü optimizasyon algoritması kullanılarak elirlenmektedir. Sunulan HSA nın şalon katsayıları asit yapay eğitim imgeleri kullanılarak elirlenmiştir. Sunulan kenar çıkarıcının aşarımı irinci dereceden farklı kenar çıkarıcılarla ve literatürdeki diğer HSA taanlı kenar çıkarıcılarla karşılaştırılmış, tüm operatörlerin aşarımları hem ikili hem de gri seviyeli test imgeleri üzerinde test edilmiştir. Benzetim sonuçları sunulan kenar çıkarıcının aşarımının diğer kenar çıkarıcılara kıyasla daha iyi olduğunu göstermiştir. Astract A cellular neural network (CNN) ased edge detector whose cloning template is tuned y particle swarm optimization (PSO) algorithm is presented. Cloning template of the proposed CNN is adaptively tuned y using simple training images. The performance of the proposed edge detector is evaluated on different test images and compared with well known first order edge detectors and other CNN ased edge detectors from the literature. Simulation results indicate that the proposed CNN edge detector outperforms competing edge detectors and offers superior performance in edge detection in digital images.. Giriş Hücresel sinir ağları (HSA), yapay zeka, görüntü işleme ve enformasyon teorisi gii araştırma ve uygulama alanlarında kendisine yer ulmuş işlemsel geniş ölçekli doğrusal olmayan devreleri temsil eder [-8]. HSA, yerel ağlantılılık özelliği sayesinde imge işleme alanında çok sayıda uygulamada kullanılmıştır [9-4]. HSA nın dinamik davranışı, şalon katsayıları (clonning template) olarak adlandırılan 9 parametre tarafından elirlenmektedir [4,5]. HSA taanlı görüntü işleme çalışmaları içerisinde, kararlı şalon katsayılarının elirlenmesi işlemi en önemli prolemlerden irisini oluşturmaktadır [5,6]. Şalon katsayılarının elirlenmesi üzerine literatürde yer alan çalışmalar, kendi içerisinde üç kısma ayrılmaktadır. Şalon katsayılarının elirlenmesinde tercih edilen yollardan irincisi deneme yanılma yöntemidir ve tasarımcının u konudaki kişisel tecrüesine dayanmaktadır. Bu tasarım yöntemi ile nadiren olumlu sonuçlara ulaşılsa da arzu edilen aşarımlar çoğunlukla elde edilememektedir. Ayrıca aşarılı sonuçlara ulaşailmek adına şalon katsayıları ve ağ yapısı üzerinde oldukça fazla uygulama yapmayı gerektirmektedir. İkinci tercih edilen yol ise proleme en yakın literatürdeki HSA şalon katsayılarından yola çıkılarak kararlı katsayılara ulaşılması üzerine dayanmaktadır. Bu yöntemin dezavantajı olarak yaklaşık çözümlere dayanması gösterileilir [7]. Üçüncü ve en çok tercih edilen yöntem ise şalon katsayılarının optimizasyonudur. Şalon katsayılarının optimizasyon yöntemleri de iki kısma ayrılailir. Bunlardan irincisi yapay sinir ağları kullanılarak şalon katsayılarının optimizasyonu, diğeri ise u optimizasyonun genetik algoritma, ısıl işlem algoritması, parçacık sürüsü optimizasyonu, enzetimli tavlama gii sezgisel yaklaşımlar ile gerçekleştirilmesidir [7]. Her iki metotta da arzu edilen çıkış görüntüsü ile giriş görüntüsü kullanılarak kararlı şalon katsayılarına ulaşılmaya çalışılmaktadır. Bir sayısal imgedeki kenarlar imgede yer alan nesneleri iririnden ayıran sınırlar oldukları için nesneler hakkında vermiş oldukları ilgiler açısından önem arz ederler. Kenar çıkarımı, imge ölütleme, sınır sezimi, nesne tanıma ve sınıflandırma v. gii imge işleme operasyonları öncesinde yapılan ilk operasyonlardan irisi olması nedeniyle imge işleme uygulamalarında sıklıkla gerçekleştirilen ir operasyondur. Sonuç olarak, ardı sıra gelecek olan imge işleme uygulamalarının aşarımı kenar çıkarma işleminin aşarımına doğrudan ağımlılık gösterir [8,9]. İmge yoğunluğu, kenarlarda ani değişimler gösterir. Bu nedenle, kenar çıkarımı herhangi ir imge elemanı yerleşimindeki imge yoğunluk fonksiyonunun türevinin hesaplanmasını gerektirir. İmge elemanı yerleşimindeki imge yoğunluk fonksiyonunun türevinin değerinin yüksek olması, u yerleşimdeki imge elemanının ir kenar elemanı olarak sınıflandırılaileceği manasına gelir [8,9]. Literatürde sayısal imgelerde kenar çıkarımına yönelik farklı irçok yöntem ulunmaktadır. Bu yöntemlere istatistiki metotlar [0-4], fark metotları [5-8] ve eğri uydurma metotları [9-33] örnek verileilir. Soel [5], Prewitt [6] ve Kirsch [7] kenar çıkarıcıları gii klasik yöntemler kenar yerleşimlerini elirlemek için irinci dereceden yönlü türevleri hesaplarlar. Sıfır geçişli kenar çıkarıcılar [34, 35] Laplacian

2 operatörü ile irlikte ikinci türevi kullanırlar. Bir gaussian kenar çıkarıcı olan Canny operatörü [36], literatürde oldukça yoğun kullanılan popüler ir kenar sezicidir [37-39]. Son zamanlarda, gelişimsel ir hesaplama tekniği olan parçacık sürüsü optimizasyon algoritması (PSOA) irçok farklı optimizasyon prolemine uygulanmış ve aşarılı sonuçlar elde edilmiştir. İlk olarak [40] ta duyurulan PSOA, kuş sürülerindeki ve alık topluluklarındaki sosyal dayanışmayı ve sürü teorisini temel alarak geliştirilmiş ir algoritmadır. PSOA çözüme rasgele ir çözüm popülasyonu ile aşlar. Parçacık olarak isimlendirilen popülasyondaki her ir irey elirli ir hız ve konum değerine sahiptir ve u değerler hem ireyin kendi hız ve konum ilgisinden hem de popülasyondaki diğer ireylerin hız ve konum ilgisinden yararlanılarak hesaplanır. Parçacıklar çok oyutlu uzayda konum değiştirirler ve gloal optimaya yakınsarlar. Basit mantığı, kolay gerçeklemesi ve hızlı yakınsaması nedeniyle u algoritma günümüzde yoğun ir şekilde, özellikle de sınırlamasız optimizasyon prolemlerinde [4,4] sıklıkla kullanılmaktadır. Bu çalışmada, sayısal imgelerdeki kenarların çıkarımı amacıyla PSOA kullanılarak ir HSA nın şalon katsayılarının nasıl elirleneileceği konu alınmaktadır. Bildirinin geri kalanı şu şekilde düzenlenmiştir:. ölümde HSA yapısı; 3. ölümde PSOA hakkında ilgi verilmiştir. 4. ölümde PSOA kullanılarak HSA şalon katsayılarının optimizasyonu tartışılmıştır. Deneysel sonuçlar ve Soel [5], Prewitt [6], Canny [36] gii klasik tekniklerin yanı sıra Sheu [43], Xavier [44] ve Firpi [45] gii diğer HSA taanlı kenar çıkarıcılar ile yapılan karşılaştırmalar 5. ölümde verilmiş olup, çıkarım 6. ölümde sunulmuştur.. Hücresel Sinir Ağı Yapısı HSA ilginin giriş, eşik ve aşlangıç durumu olarak adlandırılailecek üç adet ağımsız değişken kullanılarak, hücre adı verilen doğrusal-olmayan dinamik sistemler tarafından işlendiği ir ağ yapısıdır [-8]. Aynı zamanda HSA, elirli kurallara göre işlem yapan, ölgesel olarak iririne ağlı (locally-coupled) hücreler topluluğudur. Bu topluluk içerisindeki her ir dinamik sistem, ir giriş, ir çıkış ve ir durum (state) değerine sahiptir [-8]. Genelleştirilmiş HSA eşitlikleri aşağıdaki gii verileilir. x = x + a y + u + z kl kl kl kl kl S ( r) kl S ( r) y = ( x + x ); i =,,..., M, j =,,..., N () { kl ( ) } S () r = C :max k i, l j r, k M, l N (3) Yukarıdaki eşitliklerde görülen x, y, u ve z sırasıyla ir hücrenin durum, çıkış, giriş ve eşik ifadelerini, S (r) hücrenin r yarıçapı komşuluk kümesini oluşturmaktadır. Eşitlik () deki a katsayısı, hücrenin komşu hücre çıkışlarıyla olan ağlantı ağırlıklarını veren geri esleme şalonunu, katsayısı ise hücrenin komşu girişleriyle olan ağlantı ağırlıklarını veren ileri esleme şalonunu oluşturmaktadır. Bir HSA hücresinin etkinlik alanı ya da etki ölgesi eşitlik (3) te verilen komşuluk ifadesi ile elirlenmektedir [-8]. Eşitlik (3) teki r pozitif ir tam sayıdır ve r= komşuluğu 3x3 komşuluğu, r= komşuluğu 5x5 komşuluğu ve r=3 komşuluğu da ir 7x7 komşuluğu olarak tanımlanır. r= yarıçap komşuluğunda yani 3x3 oyutlu ir HSA hücresi için ileri esleme ve geri esleme şalon katsayıları aşağıda matris formunda () görülmektedir. Matrislerden de görüleileceği üzere genelleştirilmiş ir HSA hücresi, ir adet eşik z kl =z değeri, 9 adet geri esleme şalon katsayısı a kl ve 9 adet ileri yönde esleme şalon katsayısı kl ile toplam 9 adet reel sayı tarafından tanımlanailmektedir. a a a a a a A = a a a a a a i, j; i, j i, j; i, j i, j; i, j+ 3 i, j; i, j i, j; i, j i, j; i, j ai, j; i, j ai, j; i, j a + + i, j; i+, j+ a7 a8 a 9 i, j; i, j i, j; i, j i, j; i, j+ 3 B = i, j; i, j i, j; i, j i, j; i, j i, j; i+, j i, j; i+, j i, j; i+, j , Z = [ z] Yukarıda sayılan 9 reel sayı kullanılarak ir HSA hücresi için şalon diyagramı vektörel olarak eşitlik (4) teki gii tanımlanailir. [ aaaaaaaaaz] μ = (4) HSA üzerine yapılan çalışmalarda, konumsal-değişmezlik varsayımı altında, geri esleme şalon katsayılarının eşitlik (5) te verildiği gii simetrik seçilmesi durumunda tasarlanan HSA nın tümüyle kararlı olduğu elirtilmektedir [-8]. x (0), u, Ai (, j; k, l) = Ak (, l; i, j) i M; j N (5) Eşitlik (5) te verilen simetri kriterine enzer şekilde, sistemin enzetim süresini kısaltmak üzere, ileri esleme şalon katsayıları için de enzer ir simetri öngörülmektedir [46-48]. Buna göre, eşitlik (5) te verilen kararlılık kriteri ışığında, simetrik şalon katsayıları eşitlik (6) daki gii oluşmaktadır. a = a, =, i =,,3,4 (6) i 0 i i 0 i Eşitlik (6) da verilen simetrik şalon katsayılarından yola çıkılarak eşitlik (4) aşağıdaki gii yeniden yazılailir. [ aaaaaz] μ = (7) Parçacık Sürüsü Optimizasyon Algoritması PSOA, kuş ve alık sürülerinin sosyal dayanışmalarından esinlenilerek geliştirilmiş gelişimsel ir hesaplama tekniğidir [40]. Genetik ve farksal gelişim algoritmasına enzer içimde, PSOA da popülasyon taanlı ir optimizasyon algoritmasıdır. Algoritmadaki her ir irey parçacık olarak adlandırılır. Her parçacık, değeri diğer parçacıklardan ve kendisinden edindiği deneyimlere ağlı olarak sürekli olarak güncellenen ir hız değeri ile çok oyutlu uzayda konum değiştirir. Diğer gelişimsel tekniklerle karşılaştırıldığında PSOA gerçeklenmesi kolay ve ayarlanması gereken sadece irkaç parametreye sahip ir algoritma olarak farklılık gösterir. Bu çalışmada Clerc in üzmeli PSOA sı [49] kullanılmıştır. x ve υ parçacığın çok oyutlu uzaydaki konum ve hız değerlerini göstersin. Algoritmada parçacığın araştırma uzayındaki daha önce ulaşmış olduğu en iyi konumu kaydedilir ve p ile gösterilir. Benzer şekilde tüm parçacıklar arasındaki en iyi konum ilgisi de kaydedilir ve p g ile gösterilir. Algoritma ile parçacığın hız ve konum değerleri aşağıdaki eşitlikler ile hesaplanır: g ( cr( p x) cr ( p x) ) υ = t ς υ + + (8) + t t t t t x = x + υ (9) t+ t t+

3 Burada ς üzme çarpanını, c ve c sait pozitif hızlanma katsayılarını, r ve r [0,] aralığından eşdağılımlı ir şekilde seçilen rasgele sayıları, x ve υ daha önce de değinildiği gii parçacığın konum ve hız değerini, t ve t+ ise iterasyon değerlerini göstermektedir. Konum ve hız değerlerine ek olarak algoritmanın üzme çarpanı ς eşitlik (0) yardımıyla hesaplanır [49]. ς = ( c c ) ( c c ) ( c c ) 4. PSOA ile HSA Şalon Katsayılarının Belirlenmesi (0) Şekil, HSA şalon katsayılarının elirlenmesine ait düzeneği göstermektedir. Burada HSA nın şalon katsayıları, HSA nın çıkış işareti arzu edilen çıkış işaretine yakınsayıncaya dek optimize edilmektedir. Düzenekteki ideal kenar çıkarıcı lok gerçekte olmayıp, u loğun çıkış işareti kenarların ideal ir şekilde elirlenmiş olduğu ideal kenar eğitim imgesini temsil etmektedir. Asıl Eğitim İmgesi I İdeal Kenar Çıkarıcı HSA İdeal Kenar İmgesi + Σ Amaç Fonk. Değeri PSOA Şekil : HSA şalon katsayılarının optimizasyon düzeneği. Şekil- HSA nın şalon katsayılarının optimize edilmesi esnasında kullanılan eğitim imgelerini göstermektedir. Şekil- a kişisel ilgisayar aracılığıyla üretilmiş 64x64 oyutundaki yapay ir imge olan asıl eğitim imgesini göstermektedir. Bu imgedeki her ir kutucuk 4x4 oyutunda olup değerleri 0-55 arasından düzgün dağılıma göre rasgele ir şekilde seçilen aynı parlaklık seviyesine sahip 6 elemandan oluşmaktadır. Şekil-, gri renk seviye farklılıklarını temel alarak asıl eğitim imgesindeki kenarların ideal yerleşimlerini temsil eden ideal kenar imgesidir. a Şekil : Eğitim için kullanılan imge çifti. Bu çalışmada kullanılan amaç fonksiyonu, ideal durumda HSA çıkışında elde edilmek istenen ideal kenar imgesi ve şalon katsayıları optimize edilen HSA ile elde edilen kenar imgesi arasındaki ortalama karesel hata değeridir. Bu durum aşağıdaki gii ifade edileilir: AmaçFonk. Değeri = MSE( y ideal yˆ ) () Burada y ideal idealde HSA nın çıkışından elde edilmek istenen ideal kenar imgesini, ŷ ise şalon katsayıları PSOA ile elirlenen HSA nın çıkışında elde edilen kenar imgesini temsil etmektedir. Bu amaç fonksiyonunun değeri optimizasyon süresince azalan ir seyir izlemektedir. HSA şalon katsayılarının optimizasyonu tamamlandığında, şalon katsayılarına ait değerler saitlenir. 5. Sonuçlar Sunulan HSA taanlı kenar çıkarıcının aşarımını karşılaştırmak için üç farklı klasik kenar çıkarıcısı (Soel, Prewitt, Canny) [5,6,36] ve ayrıca üç farklı HSA taanlı kenar çıkarıcısı (Sheu, Xavier, Firpi) [43-45] kullanılmıştır. [43] de HSA nın optimal şalon katsayıları donanımsal işlem algoritması ile elde edilmiştir. [43] de kullanılan şalon katsayıları [50] deki Matla MatCNN InstantVision araç kutusunda kullanılan şalon katsayıları ile aynıdır. Diğer taraftan adaptif ısıl işlem algoritması da [5,5] kenar çıkarımı amacıyla HSA şalon katsayılarının elirlenmesi amacıyla kullanılmıştır [44]. Karşılaştırma amacıyla kullanılan üçüncü HSA taanlı çalışmada [45] ise u çalışmaya enzer ir şekilde PSOA kullanılmıştır. Bu çalışmalardan [43,45] te şalon katsayıları eşitlik (4) ü sağlayacak şekilde aşağıdaki gii seçilmiştir: a = a = a3 = a4 = a6 = a7 = a8 = a9 = 0; a5 = a = = 3 = 4 = 6 = 7 = 8 = 9 = ; 5 = 0 z = z () Buradan hareketle eşitlik (4) teki şalon katsayısı optimizasyon vektörü aşağıdaki gii olmaktadır: [ a z] μ = (3) 0 [4] deki şalon katsayısı optimizasyon vektörü formu u çalışmada korunmakla irlikte u vektöre zaman adımı (timestep) ve iterasyon (iter) değerleri de eklenerek aşağıdaki gii seçilmiştir: [ a a a a a z timestep iter] μ = (4) Talo de karşılaştırmada kullanılan ve u çalışmada sunulan HSA taanlı kenar çıkarıcılara ait şalon katsayıları verilmiştir. Talo de verilen şalon katsayılarına ek olarak u çalışmada ulaşılan optimal zaman adımı değeri ve iterasyon değeri sırasıyla.359 ve olarak ulunmuştur. HSA yapısı ile ilgili enzetimler için Matla MatCNN InstantVision araç kutusu [50] kullanılmıştır. HSA taanlı kenar çıkarıcının aşarımını değerlendirmek amacıyla hem eğitim imgesi ve ir ikili imge, hem de iki adet gri seviyeli imge üzerinde detaylı kenar çıkarma enzetimleri yapılmıştır. Benzetimlerde kullanılan giriş imgeleri Şekil 3 te ilk hücrelerde verilmiştir. Bu giriş imgeleri optimizasyon esnasında kullanılan yapay orjinal eğitim imgesi, yapay ir ikili imge, popüler texmos3.s5 [53] ve Aluminum gri seviyeli test imgeleridir. Karşılaştırmada kullanılan kenar çıkarıcılara ve sunulan kenar çıkarıcıya ait çıktı imgeleri Şekil 3 te verilmektedir. Bu şekilden görüleileceği gii irinci dereceden türev taanlı kenar çıkarıcılar ve (Soel, Prewitt), gaussian taanlı kenar çıkarıcı (Canny) enzer kenar çıkarma aşarımlarına sahiptirler. Bu kenar çıkarıcılar arasından Soel ve Prewitt operatörlerine ait çıktı imgeleri irtakım düzensizliklere ve devamsızlıklara (kenarlarda kesintilere)

4 sahiptir. Canny kenar çıkarıcısı u operatörlere kıyasla daha iyi ir aşarıma sahiptir. Sheu ve Firpi HSA taanlı kenar çıkarıcıları texmos3.s5 ve Aluminum test imgelerinde daha düşük aşarım sergilemektedir. Xavier HSA taanlı kenar çıkarıcı, Firpi ve Sheu nun operatörlerine göre daha iyi ir aşarıma sahiptir. Şekil 3 ten görüldüğü gii, en iyi aşarıma sahip kenar çıkarıcı sunulan HSA taanlı kenar çıkarıcıdır. [43,50] [44] A B Z [45] Sunulan A B Z Çıkarım Bu çalışmada, sayısal imgelerde kenar çıkarımı amacıyla PSOA taanlı ir HSA şalon katsayısı elirleme yöntemi sunulmuştur. Sunulan HSA taanlı kenar çıkarıcının aşarımı hem ir ikili imgede hem de gri seviyeli popüler test imgeleri üzerinde denenmiştir. Sunulan kenar çıkarıcının temel avantajı literatürdeki kenar çıkarıcılara göre kenarları daha etkin ir şekilde elde etmesidir. HSA taanlı kenar çıkarıcının avantajları şöyle özetleneilir: i) HSA asit ir yapıya sahiptir. Davranışı irinci dereceden ir diferansiyel denklem ile karakterize edileilmektedir; ii) Sadece kenar çıkarma amacıyla değil, farklı imge işleme işlevleri için de şalon katsayıları optimize edilerek HSA taanlı operatörler kullanılailecektir. Sunulan HSA taanlı kenar çıkarıcı sayısal imgelerde kenarların etkin ir şekilde çıkarımı amacıyla asit ancak güçlü ir araç olarak kullanılailecektir. 7. Kaynaklar [] Chua, L. O.; Yang, L.: Cellular neural networks: Theory. IEEE Transactions on Circuits and Systems I: Fundamental Theory And Applications 35 (988), [] Chua, L. O.; Yang, L.: Cellular neural networks: Applications. IEEE Transactions on Circuits and Systems I: Fundamental Theory And Applications 35 (988), [3] Chua, L. O.: A paradigm for complexity. Vol. 3. World Scientific Pulishing Co. Pte. Ltd., 998. (World Scientific Series on NonLinear Science, Series A). [4] Dogaru, R.: Universality and emergent computation in cellular neural networks. Vol. 43. World Scientific Pulishing Co. Pte. Ltd., 003. (World Scientific Series on NonLinear Science, Series A). a c d Şekil 3: Benzetim sonuçları, a. Orinal eğitim imgesi,. İkili imge, c. texmos3.s5, d. Aluminum. [5] Frasca, M.; Arena, P.; Fortuna, L.: Bio-inspired emergent control of locomotion systems. Vol. 48. World Scientific Pulishing Co. Pte. Ltd., 004. (World Scientific Series on NonLinear Science, Series A). [6] Arena, P.; Fortuna, L.: Analog cellular locomotion control of hexapod roots. IEEE Control Systems Magazine (00), 36. [7] Arena, P.; Fortuna, L.; Frasca, M.; Patane, L.: A cnn-ased chip for root locomotion control. IEEE Transactions on Circuits and Systems I: Fundamental Theory And Applications 5 (005), [8] Arena, P.; Bonomo, C.; Fortuna, L.; Frasca, M.; Graziani, S.: Design and control of an ipmc wormlike root. IEEE

5 Transactions on Systems, Man and Cyernetics, Part B 36 (006), [9] Arena, P.; Bucolo, M.; Fortuna, L.; Occhipinti, L.: Cellular neural networks for real-time dna microarray analysis. IEEE Engineering in Medicine and Biology Magazine (00), 7 5. [0] Arena, P.; Fortuna, L.; Occhipinti, L.: A cnn algorithm for real time analysis of dna microarrays. IEEE Transactions on Circuits and Systems I: Fundamental Theory And Applications 49 (00), [] Matsumoto, T.; Chua, L. O.; Suzuki, H.: Cnn cloning template: Connected component detector. IEEE Transactions on Circuits and Systems I: Fundamental Theory And Applications 37 (990), [] Matsumoto, T.; Chua, L. O.; Furukawa, R.: Cnn cloning template: Hole filler. IEEE Transactions on Circuits and Systems I: Fundamental Theory And Applications 37 (990), [3] Matsumoto, T.; Chua, L. O.; Yokohoma, T.: Image thinning with a cellular neural network. IEEE Transactions on Circuits and Systems I: Fundamental Theory And Application 37 (990), [4] Crounse, K. R.; Chua, L. O.: Methods for image processing and pattern formation in cellular neural networks: A tutorial. IEEE Transactions on Circuits and Systems I: Fundamental Theory And Applications 4 (995), [5] Chua, L. O.; Roska, T.; Kozek, T.; Zarandy, A.: The cnn paradigm. Baffins Lane, Chichester, West Sussex PO9UD England: John Wiley & Sons Ltd., 993. (Cellular Neural Networks). [6] Chua, L. O.; Roska, T.: The cnn paradigm. IEEE Transactions on Circuits and Systems I: Fundamental Theory And Application 40 (993), [7] Zarandy, A.: The art of cnn template design. Int. Journal of Circuit Theory and Applications 7 (999), 5 3. [8] Yükksel, M. E. (007). Edge detection in noisy images y neuro-fuzzy processing. International Journal of Electronics and Communications (AEÜ), 6(), [9] Yüksel, M. E., & Yildirim, M. T. (004). A Simple Neuro-Fuzzy Edge Detector for Digital Images Corrupted y Impulse Noise. International Journal of Electronics and Communications (AEÜ), 58(), [0] Stern, D.; Kurz, L.: Edge detection in correlated noise using latin squares models. Pattern Recognition (988), 9 9. [] Haerstroh, J.; Kurz, L.: Line detection in noisy and structured ackground using graco latin squares. CVGIP: Graphical Models Image Process 55 (993), [] Nahi, N. E.; Assefi, T.: Bayesian recursive image estimation. IEEE Trans. Comput. 7 (97), [3] Hansen, F. R.; Elliot, H.: Image segmentation using simple markov field models. Comput. Graphics Image Process 0 (98), 0 3. [4] Huang, J. S.; Tseng, D. H.: Statistical theory of edge detection. Comput. Vision Graphics Image Process. 43 (988), [5] Soel, I.: Neighourhood coding of inary images fast contour following and general array inary processing. Computer Graphics and Image Processing 8 (978), [6] Prewitt, J. M. S.: Oject enhancement and extraction. New York: Academic Press, 970. (Picture Processing and Psychopictorics). [7] Kirsch, R. A.: Computer determination of the constituent structure of iological images. Comput. Biomed. Res. 4 (97), [8] Marr, D.; Hidreth, E.: Theory of edge detection. Proceedings of the Royal Society London, [9] Haralick, R. M.: Digital step edges from zero crossing second directional derivatives. IEEE Trans. Pattern Anal. Mach. Intell. PAMI 6 (984), [30] Huechel, M. H.: An operator which locates edges in digitized pictures. J. Assoc. Comput. Mach. 8 (97), 3 5. [3] Haralick, R. M.; Watson, L.: A facet model for image data. Comput. Graphics Image Process. 5 (98), 3 9. [3] Nalwa, V.; Binford, T. O.: On detecting edges. IEEE Trans. Pattern Anal. Mach. Intell. PAMI 8 (986), [33] Ji, Q.; Haralick, R. M.: Efficient facet edge detection and quantitative performance evaluation. Pattern Recognition 35 (00), [34] Umaugh, S. E.: Computer vision and image processing. Englewood Cliffs, NJ: Prentice Hall International Inc., 998. [35] Bovik, A.C.: Handook of image and video processing. New York: Academic Press, 998. [36] Canny, J.: A computational approach to edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence PAMI 8 (986), [37] Linares, I.; Maersereau, R. M.; Smith, M. J. T.: Jpeg estimated spectrum adaptive post fitler using image adaptive q tales and canny edge detectors. ISCAS 96, IEEE International Symposium on Circuits and Systems, Atlanta, GA, USA, [38] Ali, M.; Clausi, D.: Using the canny edge detector for feature extraction and enhancement of remote sensing images. IGARSS 0, IEEE International Symposium on Geoscience and Remote Sensing, Sydney, Australia, [39] Hongjian, S.; Ward, R.: Canny edge ased image expansion. ISCAS 00, IEEE International Symposium on Circuits and Systems, Scottsdale, AZ, USA, [40] Kennedy, J.; Eerhart, R.: Particle swarm optimization. Int. Conf. Neural Networks, Perth, Australia, [4] Liu, B.; Wang, L.; Jin, Y.-H.; Tang, F.; Huang, D.-X.: Improved particle swarm optimization comined with chaos. Chaos, Solitons & Fractals 5 (005), 6 7. [4] Selleri, S.; Mussetta, M.; Pirinoli, P.; Zich, R. E.; Matekovits, L.: Some insight over new variations of the particle swarm optimization method. Antennas and Wireless Propagation Letters 5 (006), [43] Sheu, B. J.; Chang, R. C.; Wu, T. H.; Bang, S. H.: Vlsi compatile cellular neural networks with optimal solution capaility for optimization. IEEE International Symposium on Circuits and Systems, ISCAS 95, [44] Xavier-de Souza, S.; Yalcin, M. E.; Suykens, J. A. K.; Vandewalle, J.: Toward cnn chipspecific roustness. IEEE Transactions on Circuits and Systems I: Fundamental Theory and Applications 5 (004), [45] Firpi, H. A.; Goodman, E. D.: Designing templates for cellular neural networks using particle swarm optimization. In proc. 33rd Applied Imagery Pattern Recognition Workshop, [46] Guzelis, C.: Supervised learning of the steady state outputs in generalized cellular networks. CNNA-9 Second International Workshop on Cellular Neural Networks and their Applications, [47] Guzelis, C.; Karamahmut, S.: Recurrent perceptron learning algorithm for completely stale cellular neural networks. CNNA-94 Third International Workshop on Cellular Neural Networks and their Applications, [48] Guzelis, C.; Karamahmut, S.: Recurrent perceptron learning algorithm for cnns with application to edge detection. IEEE International Conference on Neural Networks, [49] Clerc, M.; Kennedy, J.: The particle swarm: explosion, staility, and convergence in a multi dimensional complex space. IEEE Transactions on Evolutionary Computation 6 (00), [50] Matcnn InstantVision Toolox for Matla, [5] Inger, L.: Very fast simulated re annealing. J. Math. Comput. Model. (989), [5] Inger, L.: Adaptive simulated annealing (asa) version 4.. [53] Usc sipi texture dataase, university of southern california, signal & image processing institute.

Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu

Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı Mehmet Ali Çavuşlu Özet Yapay sinir ağlarının eğitiminde genellikle geriye

Detaylı

91-03-01-529 SAYISAL GÖRÜNTÜ İŞLEME (Digital Image Processing)

91-03-01-529 SAYISAL GÖRÜNTÜ İŞLEME (Digital Image Processing) 91-03-01-529 SAYISAL GÖRÜNTÜ İŞLEME (Digital Image Processing) Dersi Veren Öğretim Üyesi Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 1 Amaçlar Öğrencileri Matlab gibi teknik

Detaylı

Curriculum Vitae. 06 September 1970, Kayseri, TURKEY. Phone : +90 352 4374901 / Ext.: 32204. : yuksel@erciyes.edu.tr

Curriculum Vitae. 06 September 1970, Kayseri, TURKEY. Phone : +90 352 4374901 / Ext.: 32204. : yuksel@erciyes.edu.tr Curriculum Vitae Full Name: Date & Place of Birth: Dr. M. Emin YÜKSEL 06 September 1970, Kayseri, TURKEY. Office Contact: Dept. of Electronics Eng., Faculty of Engineering, Erciyes University, Kayseri,

Detaylı

SOBEL İŞLECİ KULLANILARAK RENKLİ GÖRÜNTÜLERDE KENAR BULMA. Elif AYBAR. Anadolu Üniversitesi, Porsuk Meslek Yüksekokulu, 26430, Eskişehir/Türkiye

SOBEL İŞLECİ KULLANILARAK RENKLİ GÖRÜNTÜLERDE KENAR BULMA. Elif AYBAR. Anadolu Üniversitesi, Porsuk Meslek Yüksekokulu, 26430, Eskişehir/Türkiye Afyon Kocatepe Üniversitesi 8(1) Afyon Kocatepe University FEN BİLİMLERİ DERGİSİ JOURNAL OF SCIENCE SOBEL İŞLECİ KULLANILARAK RENKLİ GÖRÜNTÜLERDE KENAR BULMA ÖZET Elif AYBAR Anadolu Üniversitesi, Porsuk

Detaylı

PROJEM İSTANBUL ARAŞTIRMA PROJESİ BİLGİSAYARLI GÖRÜ VE SINIFLANDIRMA TEKNİKLERİYLE ARAZİ KULLANIMININ OTOMATİK OLARAK BULUNMASI

PROJEM İSTANBUL ARAŞTIRMA PROJESİ BİLGİSAYARLI GÖRÜ VE SINIFLANDIRMA TEKNİKLERİYLE ARAZİ KULLANIMININ OTOMATİK OLARAK BULUNMASI PROJEM İSTANBUL ARAŞTIRMA PROJESİ BİLGİSAYARLI GÖRÜ VE SINIFLANDIRMA TEKNİKLERİYLE ARAZİ KULLANIMININ OTOMATİK OLARAK BULUNMASI Proje Yüklenicisi: Yeditepe Üniversitesi Mühendislik ve Mimarlık Fakültesi

Detaylı

ÖZGEÇMİŞ. Doktora Tezi: Nonlinear Dynamical State Feedback Design for Tracking and Chaotification. Görev Ünvanı Görev Yeri Yıl

ÖZGEÇMİŞ. Doktora Tezi: Nonlinear Dynamical State Feedback Design for Tracking and Chaotification. Görev Ünvanı Görev Yeri Yıl ÖZGEÇMİŞ Adı Soyadı: SAVAŞ ŞAHİN Öğrenim Durumu: DOKTORA Tel: +90.232.3293535 / 3713 E-posta: phd.savas.sahin@gmail.com savas.sahin@ikc.edu.tr Öğrenim Durumu: Derece Alan Üniversite Yıl Lisans Elektronik

Detaylı

Doç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü oner@isikun.edu.tr

Doç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü oner@isikun.edu.tr Doç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Bölümü oner@isikun.edu.tr 1. Adı Soyadı : Mustafa Mengüç ÖNER 2. Doğum Tarihi : 01.02.1977 3. Unvanı : Doçent Dr. 4. Öğrenim Durumu : ÖĞRENİM

Detaylı

91-03-01-517 YAPAY ZEKA (Artificial Intelligence)

91-03-01-517 YAPAY ZEKA (Artificial Intelligence) 91-03-01-517 YAPAY ZEKA (Artificial Intelligence) Dersi Veren Öğretim Üyesi Y. Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 27.09.2009 Y. Doç. Dr. Aybars UĞUR (517 Yapay Zeka)

Detaylı

ÖZGEÇMİŞ. 1. Adı Soyadı : Olcay Taner Yıldız. 2. Doğum Tarihi : 15.05.1976. 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu :

ÖZGEÇMİŞ. 1. Adı Soyadı : Olcay Taner Yıldız. 2. Doğum Tarihi : 15.05.1976. 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu : ÖZGEÇMİŞ 1. Adı Soyadı : Olcay Taner Yıldız 2. Doğum Tarihi : 15.05.1976 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu : Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Boğaziçi Üniversitesi 1997 Y.

Detaylı

Kaotik Tabanlı Diferansiyel (Farksal) Gelişim Algoritması

Kaotik Tabanlı Diferansiyel (Farksal) Gelişim Algoritması Kaotik Tabanlı Diferansiyel (Farksal) Gelişim Algoritması 1 Mehmet Eser * 1 Uğur Yüzgeç 1 Bilecik Şeyh Edebali Üniversitesi, Bilgisayar Mühendisliği Bölümü, 111, Gülümbe, Bilecik 1. Giriş Abstract Differential

Detaylı

Görev Unvanı Alan Üniversite Yıl Prof. Dr. Elek.-Eln Müh. Çukurova Üniversitesi Eylül 2014

Görev Unvanı Alan Üniversite Yıl Prof. Dr. Elek.-Eln Müh. Çukurova Üniversitesi Eylül 2014 ÖZGEÇMİŞ 1. Adı Soyadı : MUSTAFA GÖK 2. Doğum Tarihi: : 1972 3. Unvanı : Prof. Dr. 4. Öğrenim Durumu Derece Alan Üniversite Yıl Lisans Elektronik Mühendisliği İstanbul Üniversitesi 1995 Yüksek Lisans Electrical

Detaylı

Kablosuz Sensör Ağlar ve Eniyileme. Tahir Emre KALAYCI. 21 Mart 2008

Kablosuz Sensör Ağlar ve Eniyileme. Tahir Emre KALAYCI. 21 Mart 2008 Kablosuz Sensör Ağlar ve Eniyileme Tahir Emre KALAYCI 21 Mart 2008 Gündem Genel Bilgi Alınan Dersler Üretilen Yayınlar Yapılması Planlanan Doktora Çalışması Kablosuz Sensör Ağlar Yapay Zeka Teknikleri

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

Çift Tonlu Çoklu Frekans Kodlama Sisteminin Optimize Edilmesi

Çift Tonlu Çoklu Frekans Kodlama Sisteminin Optimize Edilmesi ISSN: 2148-0273 Cilt 3, Sayı 1, 2015 Vol. 3, Issue 1, 2015 Çift Tonlu Çoklu Frekans Kodlama Sisteminin Optimize Edilmesi Halil Kaygısız 1, Abdülkadir Çakır 2 Özet Çift Tonlu Çoklu Frekans (Dual Tone Multi

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

ÖZGEÇMİŞ. Doktora Tezi: Nonlinear Dynamical State Feedback Design for Tracking and Chaotification. Görev Ünvanı Görev Yeri Yıl

ÖZGEÇMİŞ. Doktora Tezi: Nonlinear Dynamical State Feedback Design for Tracking and Chaotification. Görev Ünvanı Görev Yeri Yıl ÖZGEÇMİŞ Adı Soyadı: SAVAŞ ŞAHİN Öğrenim Durumu: DOKTORA Tel: +90.555.7426731 E-posta: phd.savas.sahin@gmail.com Öğrenim Durumu: savas.sahin@ikc.edu.tr Derece Alan Üniversite Yıl Lisans Elektronik ve Haberleşme

Detaylı

Basit Doğrusal Regresyon Analizi ile Hiyerarşik Doğrusal Modeller Analizinin Karşılaştırılması

Basit Doğrusal Regresyon Analizi ile Hiyerarşik Doğrusal Modeller Analizinin Karşılaştırılması Eğitimde ve Psikoloide Ölçme ve Değerlendirme Dergisi, Kış 2010, 1(2), 78-84 Basit Doğrusal Regresyon Analizi ile Hiyerarşik Doğrusal Modeller Analizinin Karşılaştırılması Burcu ATAR * Hacettepe Üniversitesi

Detaylı

EKSPONANSİYEL AĞIRLIKLI PARÇACIK SÜRÜ ALGORİTMASI İLE TORNALAMA İŞLEMLERİNDE KESME KOŞULLARININ OPTİMİZASYONU

EKSPONANSİYEL AĞIRLIKLI PARÇACIK SÜRÜ ALGORİTMASI İLE TORNALAMA İŞLEMLERİNDE KESME KOŞULLARININ OPTİMİZASYONU EKSPONANSİYEL AĞIRLIKLI PARÇACIK SÜRÜ ALGORİTMASI İLE TORNALAMA İŞLEMLERİNDE KESME KOŞULLARININ OPTİMİZASYONU *Yasin CANTAŞ 1, Burhanettin DURMUŞ 2 1 Sakarya Üniversitesi, Teknoloji Fakültesi, Elektrik-Elektronik

Detaylı

MÜFREDAT DERS LİSTESİ

MÜFREDAT DERS LİSTESİ MÜFREDAT DERS LİSTESİ MÜHENDİSLİK FAK. / BİLGİSAYAR MÜHENDİSL / 2010 BİLGİSAYAR MÜHENDİSLİĞİ Müfredatı 0504101 Matematik I Calculus I 1 GÜZ 4 5 Z 0504102 Genel Fizik I General Physics I 1 GÜZ 4 4 Z 0504103

Detaylı

Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması

Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması 1 Giriş Binnur Kurt, H. Tahsin Demiral, Muhittin Gökmen İstanbul Teknik Üniversitesi, Bilgisayar Mühendisliği Bölümü, Maslak, 80626 İstanbul {kurt,demiral,gokmen}@cs.itu.edu.tr

Detaylı

1st TERM Class Code Class Name T A C. Fizik I Physics I Bilgisayar Programlama I (Java) Computer Programming I (Java)

1st TERM Class Code Class Name T A C. Fizik I Physics I Bilgisayar Programlama I (Java) Computer Programming I (Java) Curriculum: Students need to take a total of 128 credits of classes to graduate from the Electrical and Electronics Engineering Undergraduate Program. With 8 credits of classes taught in Turkish and 120

Detaylı

Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK. 2 Şubat 2007

Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK. 2 Şubat 2007 AVUÇ İZİ VE PARMAK İZİNE DAYALI BİR BİYOMETRİK TANIMA SİSTEMİ Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK İstanbul Bilgi Üniversitesi Bilgisayar Bilimleri 2 Şubat 2007 Biyometrik Biyometrik, kişileri

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

Evrimsel Algoritma Tabanlı FIR Filtre Tasarım Simülatörü The FIR Filter Simulator based on Evolutionary Algorithm

Evrimsel Algoritma Tabanlı FIR Filtre Tasarım Simülatörü The FIR Filter Simulator based on Evolutionary Algorithm Evrimsel Algoritma Tabanlı FIR Filtre Tasarım Simülatörü The FIR Filter Simulator based on Evolutionary Algorithm 1 Yigit Cagatay Kuyu, 1 Nedim Aktan Yalcin, * 1 Fahri Vatansever * 1 Faculty of Engineering,

Detaylı

Veysel Aslanta, M Do ru

Veysel Aslanta, M Do ru Veysel Aslanta, MDoru, Genetik Algoritma (GA) kullanarak (Singular Value Decomposition - SVD) resim Ç (scaling factors - SFs) kullanarak alues - SVs) metotta, maksimum optimize maksimum saydam da S Anahtar

Detaylı

YAPAY SĠNĠR AĞLARININ EKONOMĠK TAHMĠNLERDE KULLANILMASI

YAPAY SĠNĠR AĞLARININ EKONOMĠK TAHMĠNLERDE KULLANILMASI P A M U K K A L E Ü N İ V E R S İ T E S İ M Ü H E N D İ S L İ K F A K Ü L T E S İ P A M U K K A L E U N I V E R S I T Y E N G I N E E R I N G C O L L E G E M Ü H E N D ĠS L ĠK B ĠL ĠM L E R ĠD E R G ĠS

Detaylı

GÖRÜNTÜLERİN RENK UZAYI YARDIMIYLA AYRIŞTIRILMASI SEGMENTATION OF IMAGES WITH COLOR SPACE

GÖRÜNTÜLERİN RENK UZAYI YARDIMIYLA AYRIŞTIRILMASI SEGMENTATION OF IMAGES WITH COLOR SPACE İleri Teknoloji Bilimleri Dergisi Cilt 3, Sayı 1, 1-8, 2014 Journal of Advanced Technology Sciences Vol 3, No 1, 1-8, 2014 GÖRÜNTÜLERİN RENK UZAYI YARDIMIYLA AYRIŞTIRILMASI Recep DEMİRCİ 1 Uğur GÜVENÇ

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

Biyomedikal Resimlerdeki Rastgele Değerli Darbe Gürültüsünün Çift Gürültü Kontrollü Hızlı Adaptif Medyan Filtre ile Azaltılması

Biyomedikal Resimlerdeki Rastgele Değerli Darbe Gürültüsünün Çift Gürültü Kontrollü Hızlı Adaptif Medyan Filtre ile Azaltılması URSI-TÜRKİYE 214 VII. Bilimsel Kongresi, 28-3 Ağustos 214, ELAZIĞ Biyomedikal Resimlerdeki Rastgele Değerli Darbe Gürültüsünün Çift Gürültü Kontrollü Hızlı Adaptif Medyan Filtre ile Azaltılması Cafer Budak

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

HAREKETLİ GÖRÜNTÜDE KENAR BELİRLEME ALGORİTMASININ ANALOG HÜCRESEL SİNİR AĞI VE SAYISAL İŞARET İŞLEME İŞLEMCİLERİ ÜZERİNDE UYGULAMASI

HAREKETLİ GÖRÜNTÜDE KENAR BELİRLEME ALGORİTMASININ ANALOG HÜCRESEL SİNİR AĞI VE SAYISAL İŞARET İŞLEME İŞLEMCİLERİ ÜZERİNDE UYGULAMASI İstanbul Üniversitesi İstanbul University of Mühendislik Bilimleri Dergisi Engineering Sciences 1, 1-7, 2010 1, 1-7, 2010 HAREKETLİ GÖRÜNTÜDE KENAR BELİRLEME ALGORİTMASININ ANALOG HÜCRESEL SİNİR AĞI VE

Detaylı

AMAÇ Araçlardaki Kamera Sistemleri

AMAÇ Araçlardaki Kamera Sistemleri SUNU PLANI AMAÇ OPEN CV GÖRÜNTÜ EŞİKLEME KENAR BULMA ŞEKİL BULMA GÖRÜNTÜ GENİŞLETME VE BOZMA GÖRÜNTÜ DOLDURMA AFFİNE DÖNÜŞÜMÜ PERSPEKTİF DÖNÜŞÜM KUŞ BAKIŞI GÖRÜNTÜ DÖNÜŞÜMÜ AMAÇ Araçlardaki Kamera Sistemleri

Detaylı

İRİSTEN KİMLİK TANIMA SİSTEMİ

İRİSTEN KİMLİK TANIMA SİSTEMİ ÖZEL EGE LİSESİ İRİSTEN KİMLİK TANIMA SİSTEMİ HAZIRLAYAN ÖĞRENCİLER: Ceren KÖKTÜRK Ece AYTAN DANIŞMAN ÖĞRETMEN: A.Ruhşah ERDUYGUN 2006 İZMİR AMAÇ Bu çalışma ile, güvenlik amacıyla kullanılabilecek bir

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

Yrd. Doç. Dr.Yiğit Aksoy

Yrd. Doç. Dr.Yiğit Aksoy Yrd. Doç. Dr.Yiğit Aksoy ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Lisans Celal Bayar Üniversitesi Makine Mühendisliği 00 Y. Lisans Celal Bayar Üniversitesi Makine Mühendisliği 00 Doktora Celal

Detaylı

SAYISAL İŞARET İŞLEME. M. Kemal GÜLLÜ

SAYISAL İŞARET İŞLEME. M. Kemal GÜLLÜ SAYISAL İŞARET İŞLEME M. Kemal GÜLLÜ İçerik Giriş Ayrık Zamanlı İşaretler Ayrık Zamanlı Sistemler İşaret ve Sistemlerin Frekans Uzayı Analizi Sürekli Zaman İşaretlerin Ayrık Zamanlı İşlenmesi İşaret ve

Detaylı

Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması

Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması 1 Emre DANDIL Bilecik Ş. Edebali Üniversitesi emre.dandil@bilecik.edu.tr +90228 214 1613 Sunum İçeriği Özet Giriş

Detaylı

: ahabes@nny.edu.tr, asuman83@gmail.com. 2006 2013 Gazi Üniversitesi Araş. Gör. 4. Eğitim Derece Alan Üniversite Yıl

: ahabes@nny.edu.tr, asuman83@gmail.com. 2006 2013 Gazi Üniversitesi Araş. Gör. 4. Eğitim Derece Alan Üniversite Yıl Özgeçmiş - CV Yrd. Doç. Dr. Asuman SAVAŞCIHABEŞ 1. Kişisel Bilgiler Adı Soyadı Unvanı Adres :Asuman SAVAŞCIHABEŞ :Yrd.Doç.Dr. :Nuh Naci Yazgan Üniversitesi Mühendislik Fakültesi, Elektrik-Elektronik Mühendisliği

Detaylı

BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU

BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU KİŞİSEL BİLGİLER Adı Soyadı Tolga YÜKSEL Ünvanı Birimi Doğum Tarihi Yrd. Doç. Dr. Mühendislik Fakültesi/ Elektrik Elektronik Mühendisliği 23.10.1980

Detaylı

ÖZGEÇMİŞ VE ESERLER LİSTESİ

ÖZGEÇMİŞ VE ESERLER LİSTESİ ÖZGEÇMİŞ VE ESERLER LİSTESİ Adı Soyadı E-posta İletişim Adresileri : Özge CAĞCAĞ YOLCU : ozge.cagcag_yolcu@kcl.ac.uk ozgecagcag@yahoo.com : Giresun Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği

Detaylı

ÖZGEÇMİŞ. Unvan Bölüm Üniversite Yıl Yrd. Doç. Dr. Yazılım Mühendisliği Bahçeşehir Üniversitesi 2007

ÖZGEÇMİŞ. Unvan Bölüm Üniversite Yıl Yrd. Doç. Dr. Yazılım Mühendisliği Bahçeşehir Üniversitesi 2007 1. Adı Soyadı: Mehmet Alper TUNGA 2. Doğum Tarihi: 11/06/1975 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: ÖZGEÇMİŞ Derece Bölüm/Program Üniversite Yıl Lisans Matematik Mühendisliği İstanbul Teknik Üniversitesi

Detaylı

HAFİF BETONLARDA DONATI ADERANSI DAYANIMININ BULANIK MANTIK YÖNTEMİYLE MODELLENMESİ

HAFİF BETONLARDA DONATI ADERANSI DAYANIMININ BULANIK MANTIK YÖNTEMİYLE MODELLENMESİ ASYU 2008 Akıllı Sistemlerde Yenilikler ve Uygulamaları Sempozyumu HAFİF BETONLARDA DONATI ADERANSI DAYANIMININ BULANIK MANTIK YÖNTEMİYLE MODELLENMESİ Serkan SUBAŞI 1 Ahmet BEYCİOĞLU 2 Mehmet EMİROĞLU

Detaylı

Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Vize. İris Segmentation. Selçuk BAŞAK 08501008

Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Vize. İris Segmentation. Selçuk BAŞAK 08501008 Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayarla Görme Vize İris Segmentation Selçuk BAŞAK 08501008 Not: Ödevi hazırlamak için geliştirdiğim program ve kaynak

Detaylı

PROF.DR. ERCAN SOLAK Işık Üniversitesi Bilgisayar Müh. Böl. Bşk. ercan@isikun.edu.tr

PROF.DR. ERCAN SOLAK Işık Üniversitesi Bilgisayar Müh. Böl. Bşk. ercan@isikun.edu.tr PROF.DR. ERCAN SOLAK Işık Üniversitesi Bilgisayar Müh. Böl. Bşk. ercan@isikun.edu.tr 1. Adı Soyadı : Ercan SOLAK 2. Doğum Tarihi : 1972 3. Unvanı : Profesör 4. Öğrenim Durumu : ÖĞRENİM DÖNEMİ DERECE ÜNİVERSİTE

Detaylı

Ö Z G E Ç M İ Ş. 1. Adı Soyadı: Mustafa GÖÇKEN. 2. Doğum Tarihi: 12 Haziran 1976. 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D.

Ö Z G E Ç M İ Ş. 1. Adı Soyadı: Mustafa GÖÇKEN. 2. Doğum Tarihi: 12 Haziran 1976. 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D. Ö Z G E Ç M İ Ş 1. Adı Soyadı: Mustafa GÖÇKEN 2. Doğum Tarihi: 12 Haziran 1976 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D. Derece Alan Üniversite Yıl Lisans Endüstri Mühendisliği Çukurova Üniversitesi

Detaylı

Güncel Sezgisel Arama Algoritmalarının Denetleyici Parametrelerinin Optimizasyonunda Başarım Kıyaslaması

Güncel Sezgisel Arama Algoritmalarının Denetleyici Parametrelerinin Optimizasyonunda Başarım Kıyaslaması th International Advanced Technologies Symposium (IATS 11), 1-1 May 211, Elazığ, Turkey Güncel Sezgisel Arama Algoritmalarının Denetleyici Parametrelerinin Optimizasyonunda Başarım Kıyaslaması M. Kesler

Detaylı

Prof.Dr. Adem KALINLI

Prof.Dr. Adem KALINLI Prof.Dr. Adem KALINLI ÖZGEÇMİŞ DOSYASI KİŞİSEL BİLGİLER Doğum Yılı : Doğum Yeri : Sabit Telefon : Faks : E-Posta Adresi : Web Adresi : Posta Adresi : 1968 SİVAS T: 352 4379138 352 2076666 13300 F: 352

Detaylı

İNŞAAT MÜHENDİSLİĞİ YÜKSEK LİSANS PROGRAMI AKIŞ DİYAGRAMI

İNŞAAT MÜHENDİSLİĞİ YÜKSEK LİSANS PROGRAMI AKIŞ DİYAGRAMI İNŞAAT MÜHENDİSLİĞİ YÜKSEK LİSANS PROGRAMI AKIŞ DİYAGRAMI Programa Kabul Lisansüstü Danışmanı nın belirlenmesi Kayıt Tez Danışmanı Tez Konusu 1. Yarıyıl Ders 2. Yarıyıl Ders Tez Danışmanı ve Tez Konusu

Detaylı

ÖZGEÇMİŞ. 2. Doğum Yeri ve Tarihi : Washington DC - 22 Temmuz 1978. Derece Alan Üniversite Yılı Bilgisayar-Kontrol Marmara Üniversitesi

ÖZGEÇMİŞ. 2. Doğum Yeri ve Tarihi : Washington DC - 22 Temmuz 1978. Derece Alan Üniversite Yılı Bilgisayar-Kontrol Marmara Üniversitesi ÖZGEÇMİŞ 1. Adı Soyadı : Serhat ÖZEKES 2. Doğum Yeri ve Tarihi : Washington DC - 22 Temmuz 1978 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu : Derece Alan Üniversite Yılı ve Kontrol Marmara Üniversitesi 2000

Detaylı

Derece Alan Üniversite Yıl Lisans Elektrik Mühendisliği Yıldız Teknik Üniversitesi 1994 Y. Lisans Elektronik

Derece Alan Üniversite Yıl Lisans Elektrik Mühendisliği Yıldız Teknik Üniversitesi 1994 Y. Lisans Elektronik ÖZGEÇMİŞ 1. Adı Soyadı : Ramazan ÇOBAN 2. Doğum Tarihi : 17 Mart 1973 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu : Derece Alan Üniversite Yıl Lisans Elektrik Mühendisliği Yıldız Teknik Üniversitesi 1994 Y.

Detaylı

Self Organising Migrating Algorithm

Self Organising Migrating Algorithm OPTİMİZASYON TEKNİKLERİ Self Organising Migrating Algorithm Kendini Organize Eden Göç/Geçiş Algoritması MELİH HİLMİ ULUDAĞ Fırat Üniversitesi Teknoloji Fakültesi Yazılım Mühendisliği Bölümü İletişim: www.melihhilmiuludag.com

Detaylı

Mean Shift Ve Gaussian Filtre İle Gölge Tespiti Shadow Detection With Mean Shift And Gaussian Filter

Mean Shift Ve Gaussian Filtre İle Gölge Tespiti Shadow Detection With Mean Shift And Gaussian Filter Mean Shift Ve Gaussian Filtre İle Gölge Tespiti Shadow Detection With Mean Shift And Gaussian Filter Yunus SANTUR 1, Haluk DİLMEN 1, Semiha MAKİNİST 2, M. Fatih TALU 1 1 Bilgisayar Bölümü Mühendislik Fakültesi

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Yapay Sinir Ağları (Artificial Neural Network) Doç.Dr. M. Ali Akcayol Yapay Sinir Ağları Biyolojik sinir sisteminden esinlenerek ortaya çıkmıştır. İnsan beyninin öğrenme, eski

Detaylı

Yrd. Doç. Dr. Mustafa NİL

Yrd. Doç. Dr. Mustafa NİL Yrd. Doç. Dr. Mustafa NİL ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Fırat Üniversitesi Elektrik-Elektronik Mühendisliği Y. Kocaeli Üniversitesi Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

Detaylı

Dijital Görüntü İşleme Teknikleri

Dijital Görüntü İşleme Teknikleri Teknikleri Ders Notları, 2013 Doç. Dr. Fevzi Karslı Harita Mühendisliği Bölümü Mühendislik Fakültesi KTÜ 08 Ekim 2013 Salı 1 Ders Planı ve İçeriği 1. Hafta Giriş, dersin kapsamı, temel kavramlar, kaynaklar.

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 7 Sayı: 3 s. 31-36 Ekim 2005

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 7 Sayı: 3 s. 31-36 Ekim 2005 DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 7 Sayı: 3 s. 31-36 Ekim 2005 PROSTAT HÜCRE ÇEKİRDEKLERİNİN SINIFLANDIRILMASINDA İSTATİSTİKSEL YÖNTEMLERİN VE YAPAY SİNİR AĞLARININ BAŞARIMI (PERFORMANCE

Detaylı

İki Boyutlu Dalgacık Dönüşümü Kullanarak Ön Cepheden Çekilmiş İnsan Yüzü Resimlerini Tanıma Üzerine Yaklaşımlar

İki Boyutlu Dalgacık Dönüşümü Kullanarak Ön Cepheden Çekilmiş İnsan Yüzü Resimlerini Tanıma Üzerine Yaklaşımlar KSÜ Mühendislik Bilimleri Dergisi, 12(1), 2009 6 KSU Journal of Engineering Sciences, 12 (1), 2009 İki Boyutlu Dalgacık Dönüşümü Kullanarak Ön Cepheden Çekilmiş İnsan Yüzü Resimlerini Tanıma Üzerine Yaklaşımlar

Detaylı

BOĞAZİÇİ ÜNİVERSİTESİ MEKATRONİK UYGULAMA VE ARAŞTIRMA MERKEZİ FAALİYET RAPORU

BOĞAZİÇİ ÜNİVERSİTESİ MEKATRONİK UYGULAMA VE ARAŞTIRMA MERKEZİ FAALİYET RAPORU BOĞAZİÇİ ÜNİVERSİTESİ MEKATRONİK UYGULAMA VE ARAŞTIRMA MERKEZİ FAALİYET RAPORU MERKEZDE YÜRÜTÜLEN PROJELER Proje Adı Yürütücüsü Desteklendiği Fon Başlangıç Tarihi Durumu EUMECHA-PRO European Mechatronics

Detaylı

Yrd. Doç. Dr. Ayşegül ALAYBEYOĞLU

Yrd. Doç. Dr. Ayşegül ALAYBEYOĞLU Yrd. Doç. Dr. Ayşegül ALAYBEYOĞLU ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Lisans Sakarya Üniversitesi Bilgisayar Mühendisliği 00-00 Y. Lisans Doktora Ege Üniversitesi Bilgisayar Mühendisliği 00-009

Detaylı

PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ

PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ U. Özveren 2, S. Dinçer 1 1 Yıldız Teknik Üniversitesi, Kimya Müh. Bölümü, Davutpaşa Kampüsü, 34210 Esenler / İstanbul e-posta: dincer@yildiz.edu.tr

Detaylı

ULUSLARARASI SCI / SCI-Expanded KAPSAMINDAKİ DERGİLERDEKİ MAKALELER. Yayın NO. Yazarlar Başlık Dergi Adı Yıl

ULUSLARARASI SCI / SCI-Expanded KAPSAMINDAKİ DERGİLERDEKİ MAKALELER. Yayın NO. Yazarlar Başlık Dergi Adı Yıl ULUSLARARASI SCI / SCI-Expanded KAPSAMINDAKİ DERGİLERDEKİ MAKALELER Yazarlar Başlık Dergi Adı Yıl Barbaros Preveze, Aysel Şafak 2 Barbaros Preveze Effects of Routing Algorithms on Novel Throughput Improvement

Detaylı

Elektronik Devrelerin Optimizasyonu

Elektronik Devrelerin Optimizasyonu Elektronik Devrelerin Optimizasyonu Arş. Gör. Dr. Revna ACAR VURAL 22.04.2013 Elektronik Devre Tasarım Problemi Elektronik devrelerin tasarımı maddi yükümlülüğü yüksek bilimsel çalışma gerektirir. Tasarım

Detaylı

RENK BİLEŞENLERİ YARDIMIYLA HAREKETLİ HEDEFLERİN GERÇEK ZAMANLI TESPİTİ

RENK BİLEŞENLERİ YARDIMIYLA HAREKETLİ HEDEFLERİN GERÇEK ZAMANLI TESPİTİ Journal of Naval Science and Engineering 2009, Vol 5, No2, pp 89-97 RENK BİLEŞENLERİ YARDIMIYLA HAREKETLİ HEDEFLERİN GERÇEK ZAMANLI TESPİTİ Öğr Kd Bnb Mustafa Yağımlı Elektrik/Elektronik Mühendisliği Bölümü,

Detaylı

ÖZET...V ABSTRACT...VII TEŞEKKÜR... IX ŞEKİLLER DİZİNİ... XIV SÖZLÜK... XIX

ÖZET...V ABSTRACT...VII TEŞEKKÜR... IX ŞEKİLLER DİZİNİ... XIV SÖZLÜK... XIX XI İÇİNDEKİLER ÖZET...V ABSTRACT...VII TEŞEKKÜR... IX ŞEKİLLER DİZİNİ... XIV SÖZLÜK... XIX 1. GİRİŞ... 1 2. PLANLAMANIN TARİHÇESİ... 7 2.1 Literatürdeki Planlayıcılar ve Kullandıkları Problem... Gösterimi

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

GÜNEŞ ENERJİSİ VE RÜZGÂR ENERJİSİ DÂHİL OLAN HİBRİT GÜÇ SİSTEMİNDE FARKLI ALGORİTMALAR İLE EKONOMİK YÜK DAĞITIMININ İNCELENMESİ

GÜNEŞ ENERJİSİ VE RÜZGÂR ENERJİSİ DÂHİL OLAN HİBRİT GÜÇ SİSTEMİNDE FARKLI ALGORİTMALAR İLE EKONOMİK YÜK DAĞITIMININ İNCELENMESİ 3. İzmir Rüzgâr Sempozyumu // 8-10 Ekim 2015 // İzmir 29 GÜNEŞ ENERJİSİ VE RÜZGÂR ENERJİSİ DÂHİL OLAN HİBRİT GÜÇ SİSTEMİNDE FARKLI ALGORİTMALAR İLE EKONOMİK YÜK DAĞITIMININ İNCELENMESİ Gül Kurt 1, Deniz

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN VE MÜHENDİSLİK DERGİSİ Cilt: 10 Sayı: 2 sh. 23-30 Mayıs 2008

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN VE MÜHENDİSLİK DERGİSİ Cilt: 10 Sayı: 2 sh. 23-30 Mayıs 2008 DEÜ MÜHENDİSLİK FAKÜLTESİ FEN VE MÜHENDİSLİK DERGİSİ Cilt: 10 Sayı: 2 sh. 23-30 Mayıs 2008 SAFRA KESESİ GÖRÜNTÜLERİNİN AYRIK DALGACIK DÖNÜŞÜMÜ VE DURAĞAN DALGACIK DÖNÜŞÜMÜ KULLANILARAK KARŞILAŞTIRILMALI

Detaylı

İTÜ Bilişim Enstitüsü Yönetim Kurulu Toplantı Tutanağı Toplantı No: 228, 09 Mayıs 2011, Bilişim Enstitüsü

İTÜ Bilişim Enstitüsü Yönetim Kurulu Toplantı Tutanağı Toplantı No: 228, 09 Mayıs 2011, Bilişim Enstitüsü İTÜ Bilişim Enstitüsü Yönetim Kurulu Toplantı Tutanağı Toplantı No: 228, 09 Mayıs 2011, Bilişim Enstitüsü İstanbul Teknik Üniversitesi Bilişim Enstitüsü nün Yönetim Kurulu 228 sıra sayılı toplantısı, 09

Detaylı

Gezgin Etmen Sistemlerinin Başarım Ölçümü: Benzetim Tekniği

Gezgin Etmen Sistemlerinin Başarım Ölçümü: Benzetim Tekniği Gezgin Etmen Sistemlerinin Başarım Ölçümü: Benzetim Tekniği Gürol Erdoğan 1, Mustafa Yıldız 1, Mehmet Erdem Türsem 2, Selahattin Kuru 1 1 Enformatik Uygulama ve Araştırma Merkezi, Işık Üniversitesi, İstanbul

Detaylı

MİKROŞERİT HAT ENDÜKTANS BÜYÜKLÜĞÜNÜN BİLGİ TABANLI YAPAY SİNİR AĞLARI ile MODELLENMESİ

MİKROŞERİT HAT ENDÜKTANS BÜYÜKLÜĞÜNÜN BİLGİ TABANLI YAPAY SİNİR AĞLARI ile MODELLENMESİ MİKROŞERİT HAT ENDÜKTANS BÜYÜKLÜĞÜNÜN BİLGİ TABANLI YAPAY SİNİR AĞLARI ile MODELLENMESİ Levent AKSOY e-posta: levent@ehb.itu.edu.tr Neslihan Serap ŞENGÖR e-posta: neslihan@ehb.itu.edu.tr Elektronik ve

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

SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ

SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ Sıra İstatistikleri ve Uygulama Alanlarından Bir Örneğin Değerlendirmesi 89 SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ Esin Cumhur PİRİNÇCİLER Araş. Gör. Dr., Çanakkale Onsekiz

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

DOĞRUSAL ANTEN DİZİLERİNDE OPTİMUM DEMET ŞEKİLLENDİRME AMACIYLA KARINCA KOLONİ OPTİMİZASYON ALGORİTMASININ KULLANILMASI ÖZET

DOĞRUSAL ANTEN DİZİLERİNDE OPTİMUM DEMET ŞEKİLLENDİRME AMACIYLA KARINCA KOLONİ OPTİMİZASYON ALGORİTMASININ KULLANILMASI ÖZET Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi 22(1-2) 66-74 (26) http://fbe.erciyes.edu.tr/ ISSN 112-2354 DOĞRUSAL ANTEN DİZİLERİNDE OPTİMUM DEMET ŞEKİLLENDİRME AMACIYLA KARINCA KOLONİ OPTİMİZASYON

Detaylı

Yard. Doç. Dr. İrfan DELİ. Matematik

Yard. Doç. Dr. İrfan DELİ. Matematik Unvanı Yard. Doç. Dr. Adı Soyadı İrfan DELİ Doğum Yeri ve Tarihi: Çivril/Denizli -- 06.04.1986 Bölüm: E-Posta Matematik irfandeli20@gmail.com, irfandeli@kilis.edu.tr AKADEMİK GELİŞİM ÜNİVERSİTE YIL Lisans

Detaylı

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ DERS KİTAPLARI LİSTESİ

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ DERS KİTAPLARI LİSTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ DERS KİTAPLARI LİSTESİ *Ders kitaplarını almadan önce dersi veren öğretim üyesine mutlaka danışın. Birinci Yıl 1.Yarıyıl BLM101 Bilgisayar Yazılımı I Ana Ders Kitabı: C How

Detaylı

Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Proje

Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Proje Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayarla Görme Proje Renk ve Şekil Temelli Trafik İşareti Tespiti Selçuk BAŞAK 08501008 1. Not: Ödevi hazırlamak için

Detaylı

Çok Markalı Servis İstasyonları için Yapay Sinir Ağları ile Görüntü Tabanlı Araç Marka ve Modeli Tanıma Yazılımı

Çok Markalı Servis İstasyonları için Yapay Sinir Ağları ile Görüntü Tabanlı Araç Marka ve Modeli Tanıma Yazılımı BAÜ Fen Bil. Enst. Dergisi Cilt 13(1) 88-101 (2011) Çok Markalı Servis İstasyonları için Yapay Sinir Ağları ile Görüntü Tabanlı Araç Marka ve Modeli Tanıma Yazılımı Gürkan TUNA 1 Trakya Üniversitesi, Edirne

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

ÖZGEÇMİŞ. Derece Üniversite Alanı Yılı Bütünleşik Doktora Ege Üniversitesi Matematik (Cebirsel 2009-2014. Lisans Ege Üniversitesi Matematik 2009

ÖZGEÇMİŞ. Derece Üniversite Alanı Yılı Bütünleşik Doktora Ege Üniversitesi Matematik (Cebirsel 2009-2014. Lisans Ege Üniversitesi Matematik 2009 ÖZGEÇMİŞ 1. Adı Soyadı : ÖZGÜR EGE 2. Doğum Tarihi : 15.06.1987 3. Doğum Yeri : İZMİR 4. Ünvanı : Araştırma Görevlisi Doktor 5. Adres : Celal Bayar Üniversitesi Fen-Edebiyat Fakültesi Matematik Bölümü

Detaylı

DOÇ. DR. HAKAN GÜRKAN Işık Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği Bölümü hakan@isikun.edu.tr

DOÇ. DR. HAKAN GÜRKAN Işık Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği Bölümü hakan@isikun.edu.tr DOÇ. DR. HAKAN GÜRKAN Işık Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği Bölümü hakan@isikun.edu.tr 1. Adı Soyadı : Hakan Gürkan 2. Doğum Tarihi : 04.02.1973 3. Unvanı : Doçent 4.

Detaylı

ÖZGEÇMİŞ. Adı Soyadı : Mevlüt YETKİN. İletişim Bilgileri:

ÖZGEÇMİŞ. Adı Soyadı : Mevlüt YETKİN. İletişim Bilgileri: ÖZGEÇMİŞ Adı Soyadı : Mevlüt YETKİN Ünvanı : Yard. Doç. Dr. İletişim Bilgileri: İş Adresi İzmir Kâtip Çelebi Üniversitesi, Mühendislik-Mimarlık Fakültesi, Harita Mühendisliği Bölümü, Balatçık Mahallesi,

Detaylı

Eleco 2014 Elektrik Elektronik Bilgisayar ve Biyomedikal Mühendisliği Sempozyumu, 27 29 Kasım 2014, Bursa

Eleco 2014 Elektrik Elektronik Bilgisayar ve Biyomedikal Mühendisliği Sempozyumu, 27 29 Kasım 2014, Bursa Grunwald-Letnikov Kesir Mertebeli Diferansiyel Maskesi Kullanarak Düşük Çözünürlüklü Avuçiçi Görüntülerinin İyileştirilmesi Enhancement of Low Resolution Palmprint Images Using Grunwald-Letnikov Fractional

Detaylı

ANKARA ÜNİVERSİTESİ ÖĞRENCİ İŞLERİ DAİRE BAŞKANLIĞI

ANKARA ÜNİVERSİTESİ ÖĞRENCİ İŞLERİ DAİRE BAŞKANLIĞI Sıra Numarası Dersin ön koşulu var mı? *** Dersin önceki eğitim programında eşdeğer bir dersi var mı? **** Kuramsal Uygulama ve Laboratuvar TOPLAM SAAT Ulusal kredi AKTS Kredisi ANKARA ÜNİVERSİTESİ ANADAL

Detaylı

Doç.Dr. SALİM KAHVECİ

Doç.Dr. SALİM KAHVECİ Doç.Dr. SALİM KAHVECİ ÖZGEÇMİŞ DOSYASI KİŞİSEL BİLGİLER Doğum Yılı : Doğum Yeri : Sabit Telefon : Faks : E-Posta Adresi : Web Adresi : Posta Adresi : 1975 TRABZON - AKÇAABAT T: 90 462377 2075 F: 462 3257405

Detaylı

Coğrafi Veri Üretimi Bakış Açısı İle TÜBİTAK UZAY daki Uzaktan Algılama Araştırmaları

Coğrafi Veri Üretimi Bakış Açısı İle TÜBİTAK UZAY daki Uzaktan Algılama Araştırmaları Coğrafi Veri Üretimi Bakış Açısı İle TÜBİTAK UZAY daki Uzaktan Algılama Araştırmaları Sunan: Dr. Ufuk SAKARYA TÜBİTAK UZAY Katkıda Bulunanlar: Mustafa Teke, Can Demirkesen, Ramazan Küpçü, Hüsne Seda Deveci,

Detaylı

Bilgisayar Tabanlı Araç Plaka Tanıma Sistemi. Computer Based Vehicle Plate Recognition System

Bilgisayar Tabanlı Araç Plaka Tanıma Sistemi. Computer Based Vehicle Plate Recognition System BİLİŞİM TEKNOLOJİLERİ DERGİSİ, CİLT: 1, SAYI: 3, EYLÜL 2008 1 Bilgisayar Tabanlı Araç Plaka Tanıma Sistemi Okan BİNGÖL 1, Ömer KUŞCU 2 1 Süleyman Demirel Üniversitesi Teknik Eğitim Fakültesi Elektronik-Bilgisayar

Detaylı

ANADOLU ÜNİVERSİTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ LİSANS DERS PROGRAMI (2014-2015 YILINDAN İTİBAREN GEÇERLİ)

ANADOLU ÜNİVERSİTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ LİSANS DERS PROGRAMI (2014-2015 YILINDAN İTİBAREN GEÇERLİ) ANADOLU ÜNİVERSİTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ LİSANS DERS PROGRAMI (2014-2015 YILINDAN İTİBAREN GEÇERLİ) I. Yarıyıl II. Yarıyıl D. Dersin Adı T+U A D. Dersin Adı T+U A MAT 805 FİZ 105 FİZ 107 KİM

Detaylı

Yrd.Doç. Elektrik-ElektronikMüh. Böl. Mühendislik Fakültesi Bülent Ecevit Üniversitesi Oda No: 111 İncivezMah. 67100, Merkez/Zonguldak/Türkiye

Yrd.Doç. Elektrik-ElektronikMüh. Böl. Mühendislik Fakültesi Bülent Ecevit Üniversitesi Oda No: 111 İncivezMah. 67100, Merkez/Zonguldak/Türkiye İbrahim ALIŞKAN 1 Elektrik Dr. & Endüstri Müh. Yrd.Doç. Elektrik-ElektronikMüh. Böl. Mühendislik Fakültesi Bülent Ecevit Üniversitesi Oda No: 111 İncivezMah. 67100, Merkez/Zonguldak/Türkiye İletişim ve

Detaylı

BİR FAZ BEŞ SEVİYELİ İNVERTER TASARIMI VE UYGULAMASI

BİR FAZ BEŞ SEVİYELİ İNVERTER TASARIMI VE UYGULAMASI BİR FAZ BEŞ SEVİYELİ İNVERTER TASARIMI VE UYGULAMASI Sabri ÇAMUR 1 Birol ARİFOĞLU 2 Ersoy BEŞER 3 Esra KANDEMİR BEŞER 4 Elektrik Mühendisliği Bölümü Mühendislik Fakültesi Kocaeli Üniversitesi, 41100, İzmit,

Detaylı

Dairesel Dalga Kılavuzlarının 2 Boyutlu FDTD Yöntemi le Modellenmesi

Dairesel Dalga Kılavuzlarının 2 Boyutlu FDTD Yöntemi le Modellenmesi Dairesel Dalga Kılavuzlarının 2 Boyutlu FDTD Yöntemi le Modellenmesi Yavuz EROL, Hasan H. BALIK Fırat Üniversitesi Elektrik-Elektronik Mühendisli i Bölümü 23119 Elazı yerol@firat.edu.tr, hasanbalik@gmail.com

Detaylı

Bulanık Mantık : Bulanıklılık Kavramı

Bulanık Mantık : Bulanıklılık Kavramı Bulanık Mantık : Bulanıklılık Kavramı Doç. Dr. İsmail H. ALTAŞ Karadeniz Teknik Üniversitesi Mühendislik-Mimarlık Fakültesi Elektrik-Elektronik Mühendisliği Bölümü 61080 Trabzon E-mail : altas@ktu.edu.tr

Detaylı

T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI. Doç.Dr. Necaattin BARIŞÇI FİNAL PROJESİ

T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI. Doç.Dr. Necaattin BARIŞÇI FİNAL PROJESİ T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI Doç.Dr. Necaattin BARIŞÇI YAPAY SİNİR AĞLARI İLE KORONER ARTER HASTALIĞI RİSK Öğrenci : SİNEM ÖZDER Numarası : 118229001004

Detaylı

YAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ

YAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ YAPAY SİNİR AĞLARI Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ İÇERİK Sinir Hücreleri Yapay Sinir Ağları Yapısı Elemanları Çalışması Modelleri Yapılarına Göre Öğrenme Algoritmalarına Göre Avantaj ve

Detaylı

Elektromagnetizma-Like Algoritması ile Kablosuz Algılayıcı Ağların Olasılıksal Dinamik Dağıtımları

Elektromagnetizma-Like Algoritması ile Kablosuz Algılayıcı Ağların Olasılıksal Dinamik Dağıtımları Elektromagnetizma-Like Algoritması ile Kablosuz Ağların Olasılıksal Dinamik Dağıtımları *1 Recep ÖZDAĞ ve 2 Ali KARCI *1 Bilgisayar Bilimleri Araştırma ve Uygulama Merkezi, Yüzüncü Yıl Üniversitesi, Türkiye,

Detaylı

DPSK Sistemler için LMS Algoritma ve ML Kriteri Temelli, Gözü Kapalı Kanal Kestiriminin ve Turbo Denkleştirmenin Birlikte Yapılması

DPSK Sistemler için LMS Algoritma ve ML Kriteri Temelli, Gözü Kapalı Kanal Kestiriminin ve Turbo Denkleştirmenin Birlikte Yapılması BAÜ Fen Bil. Enst. Dergisi Cilt 12(2) 75 84 (2010) DPSK Sistemler için LMS Algoritma ve ML Kriteri Temelli, Gözü Kapalı Kanal Kestiriminin ve Turbo Denkleştirmenin Birlikte Yapılması Serkan YAKUT 1 Balıkesir

Detaylı

Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler

Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler Doç.Dr.Mehmet Hakan Satman mhsatman@istanbul.edu.tr İstanbul Üniversitesi 2014.10.22 Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr Tedarik Zinciri

Detaylı