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

KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI

KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI Hatice YANIKOĞLU a, Ezgi ÖZKARA a, Mehmet YÜCEER a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği

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

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

ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ DOKTORA YETERLİK SINAVI YÖNETMELİĞİ

ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ DOKTORA YETERLİK SINAVI YÖNETMELİĞİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ DOKTORA YETERLİK SINAVI YÖNETMELİĞİ Doktora Yeterlik Sınavı, başvurunun yapıldığı ve Doktora Yeterlik Komitesi nin başvuruyu onayladığı dönemdeki, dönem sonu sınavlarının

Detaylı

BBO Algoritmasının Optimizasyon Başarımının İncelenmesi Optimization Performance Investigation of BBO Algorithm

BBO Algoritmasının Optimizasyon Başarımının İncelenmesi Optimization Performance Investigation of BBO Algorithm BBO Algoritmasının Optimizasyon Başarımının İncelenmesi Optimization Performance Investigation of BBO Algorithm Tufan İNAÇ 1, Cihan KARAKUZU 2 1 Bilgisayar Mühendisliği Anabilim Dalı Bilecik Şeyh Edebali

Detaylı

SAYISAL GÖRÜNTÜİŞLEME (Digital Image Processing)

SAYISAL GÖRÜNTÜİŞLEME (Digital Image Processing) 91-03-01-529 SAYISAL GÖRÜNTÜİŞLEME (Digital Image Processing) Dersi Veren Öğretim Üyesi Y. Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 29.09.2009 Y. Doç. Dr. Aybars UĞUR (529

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

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

T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ EĞİTİM ÖĞRETİM YILI DERS KATALOĞU

T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ EĞİTİM ÖĞRETİM YILI DERS KATALOĞU T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ - EĞİTİM ÖĞRETİM YILI DERS KATALOĞU Ders Kodu Bim Kodu Ders Adı Türkçe Ders Adı İngilizce Dersin Dönemi T Snf Açıl.Dönem P

Detaylı

UYDU GÖRÜNTÜLERİNİN YAPAY ARI KOLONİSİ (ABC) ALGORİTMASI İLE BÖLÜTLENMESİ

UYDU GÖRÜNTÜLERİNİN YAPAY ARI KOLONİSİ (ABC) ALGORİTMASI İLE BÖLÜTLENMESİ UYDU GÖRÜNTÜLERİNİN YAPAY ARI KOLONİSİ (ABC) ALGORİTMASI İLE BÖLÜTLENMESİ T. Kurban 1, E. Beşdok 2, A.E. Karkınlı 3 Erciyes Üniversitesi, Harita Mühendisliği Bölümü, 38039, Melikgazi, Kayseri. 1 tubac@erciyes.edu.tr,

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

Süleyman UZUN 1, Devrim AKGÜN 2. Özet. Abstract. 2. Doğrusal Görüntü Filtreleme. 1. Giriş.

Süleyman UZUN 1, Devrim AKGÜN 2. Özet. Abstract. 2. Doğrusal Görüntü Filtreleme. 1. Giriş. Görüntü Filtre Çekirdek Matrisinin Genetik Algoritmalar ile Eğitiminin Bir Analizi An Analysis of Genetic Algorithm with Training of Image Filter Kernel Matrix Süleyman UZUN 1, Devrim AKGÜN 2 1 Bilgi İşlem

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

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

Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği (İngilizce)

Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği (İngilizce) Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği (İngilizce) - 2015 Genel Toplam Ortalama Yarıyıl Ders = [52 / 8 = 6,5] + 3 = 10 T = 126 U = 36 Toplam Saat = 162 Kredi = 260 ECTS = 260 1. YARIYIL

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

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

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

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

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

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Tabu Arama (Tabu Search) Doç.Dr. M. Ali Akcayol Tabu Arama 1986 yılında Glover tarafından geliştirilmiştir. Lokal minimum u elimine edebilir ve global minimum u bulur. Değerlendirme

Detaylı

Parçacık Sürü Optimizasyonu İle Küme Sayısının Belirlenmesi

Parçacık Sürü Optimizasyonu İle Küme Sayısının Belirlenmesi Parçacık Sürü Optimizasyonu İle Küme Sayısının Belirlenmesi Yasin ORTAKCI 1, Cevdet GÖLOĞLU 2 1 Karabük Üniversitesi, Bilgisayar Mühendisliği Bölümü, Karabük 2 Karabük Üniversitesi, Makine Mühendisliği

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

Güz Dönemi Zorunlu Dersleri

Güz Dönemi Zorunlu Dersleri T.C. AKSARAY ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ELEKTRİK-ELEKTRONİK ve BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI TEZLİ YÜKSEK LİSANS PROGRAMI Güz Dönemi Zorunlu Dersleri EEBM 501 İleri Mühendislik Matematiği

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

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

PARÇACIK SÜRÜ OPTİMİZASYONU (PSO) YÖNTEMİ İLE KIYI ÇİZGİSİ ÇIKARTILMASI: ERÇEK GÖLÜ ÖRNEĞİ

PARÇACIK SÜRÜ OPTİMİZASYONU (PSO) YÖNTEMİ İLE KIYI ÇİZGİSİ ÇIKARTILMASI: ERÇEK GÖLÜ ÖRNEĞİ 790 [1028] PARÇACIK SÜRÜ OPTİMİZASYONU (PSO) YÖNTEMİ İLE KIYI ÇİZGİSİ ÇIKARTILMASI: ERÇEK GÖLÜ ÖRNEĞİ Hatice ÇATAL REİS 1, Bülent BAYRAM 2 1 Dr., Gümüşhane Üniversitesi, Harita Mühendisliği Bölümü, 29100,

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

BULANIK SİNİR AĞLARI YARDIMIYLA BİYOMEDİKAL İMGELERİN GÜRÜLTÜ BİLEŞENLERİNDEN ARINDIRILMASI

BULANIK SİNİR AĞLARI YARDIMIYLA BİYOMEDİKAL İMGELERİN GÜRÜLTÜ BİLEŞENLERİNDEN ARINDIRILMASI BULANIK SİNİR AĞLARI YARDIMIYLA BİYOMEDİKAL İMGELERİN GÜRÜLTÜ BİLEŞENLERİNDEN ARINDIRILMASI M. Emin YÜKSEL 1 Alper BAŞTÜRK 1 M. Tülin YILDIRIM 2 1 Erciyes Üniversitesi, Mühendislik Fakültesi, Elektronik

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

DOKU TİPİ İMGELERİN SINIFLANDIRILMASI İÇİN BİR UYARLAMALI ENTROPİ TABANLI DALGACIK-YAPAY SİNİR AĞI SİSTEMİ

DOKU TİPİ İMGELERİN SINIFLANDIRILMASI İÇİN BİR UYARLAMALI ENTROPİ TABANLI DALGACIK-YAPAY SİNİR AĞI SİSTEMİ Gazi Üniv. Müh. Mim. Fak. Der. J. Fac. Eng. Arch. Gazi Univ. Cilt 22, No 1, 27-32, 2007 Vol 22, No 1, 27-32, 2007 DOKU TİPİ İMGELERİN SINIFLANDIRILMASI İÇİN BİR UYARLAMALI ENTROPİ TABANLI DALGACIK-YAPAY

Detaylı

ÇİFT EŞİK DEĞERLİ GÖRÜNTÜ NETLEŞTİRME YÖNTEMİ

ÇİFT EŞİK DEĞERLİ GÖRÜNTÜ NETLEŞTİRME YÖNTEMİ ÇİFT EŞİK DEĞERLİ GÖRÜNTÜ NETLEŞTİRME YÖNTEMİ Ali S Awad *, Erhan A İnce* *Doğu Akdeniz Üniversitesi Elektrik ve Elektronik Mühendisliği Mağosa, KKTC İnce@eeneteeemuedutr, Asawad@emuedutr Özetçe Beyaz

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

POSITION DETERMINATION BY USING IMAGE PROCESSING METHOD IN INVERTED PENDULUM

POSITION DETERMINATION BY USING IMAGE PROCESSING METHOD IN INVERTED PENDULUM POSITION DETERMINATION BY USING IMAGE PROCESSING METHOD IN INVERTED PENDULUM Melih KUNCAN Siirt Üniversitesi, Mühendislik-Mimarlık Fakültesi, Mekatronik Mühendisliği Bölümü, Siirt, TÜRKIYE melihkuncan@siirt.edu.tr

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

GÜR EMRE GÜRAKSIN AFYON KOCATEPE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ / BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ / AFYONKARAHİSAR

GÜR EMRE GÜRAKSIN AFYON KOCATEPE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ / BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ / AFYONKARAHİSAR GÜR EMRE GÜRAKSIN AFYON KOCATEPE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ / BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ / AFYONKARAHİSAR KİŞİSEL BİLGİLER İş: (272) 228 14 23 E-mail: emreguraksin@aku.edu.tr Uyruğu Doğum Yeri

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

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

Bilgisayar Mühendisliği Bölümü Lisans Ders Programı / Computer Engineering Undergraduate Curriculum

Bilgisayar Mühendisliği Bölümü Lisans Ders Programı / Computer Engineering Undergraduate Curriculum Bilgisayar Mühendisliği Bölümü Lisans Ders Programı / Undergraduate Curriculum 2014-2015 ve Öncesi Girişli Öğrenciler için Uygulanan Ders Program 1.Yıl / I.Dönem (First Year / First Semester) FIZ115 Fizik

Detaylı

Bir Tek Nöron Kullanılarak Resimler Đçerisinde Göz Kısmının Bulunması

Bir Tek Nöron Kullanılarak Resimler Đçerisinde Göz Kısmının Bulunması KSÜ Fen ve Mühendislik Dergisi, 11(1), 008 59 KSU Journal of Science and Engineering, 11(1), 008 Bir Tek Nöron Kullanılarak Resimler Đçerisinde Göz Kısmının Bulunması Yavuz Selim ĐŞLER, Metin ARTIKLAR

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

YÜKSEKÖĞRETİM KURULU PROFESÖR : MARMARA EĞİTİM KÖYÜ MALTEPE İSTANBUL

YÜKSEKÖĞRETİM KURULU PROFESÖR : MARMARA EĞİTİM KÖYÜ MALTEPE İSTANBUL AHMET FUAT ANDAY ÖZGEÇMİŞ YÜKSEKÖĞRETİM KURULU PROFESÖR 05.02.2015 Adres : MARMARA EĞİTİM KÖYÜ 34857 MALTEPE İSTANBUL Telefon : 2166261050-2382 E-posta Doğum Tarihi : 27.08.1941 : fuatanday@maltepe.edu.tr

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

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

Evrimsel Algoritmalar Kullanarak Daha Düşük Dereceden Sistem Modeli Tasarımı Design of Lower Order System Model Using Evolutionary Algorithms

Evrimsel Algoritmalar Kullanarak Daha Düşük Dereceden Sistem Modeli Tasarımı Design of Lower Order System Model Using Evolutionary Algorithms 2016 Published in 4th International Symposium on Innovative Technologies in Engineering and Science 3-5 November 2016 (ISITES2016 Alanya/Antalya - Turkey) Evrimsel Algoritmalar Kullanarak Daha Düşük Dereceden

Detaylı

A. SCI ve SCIE Kapsamındaki Yayınlar

A. SCI ve SCIE Kapsamındaki Yayınlar A. SCI ve SCIE Kapsamındaki Yayınlar A.1. Erilli N.A., Yolcu U., Egrioglu E., Aladag C.H., Öner Y., 2011 Determining the most proper number of cluster in fuzzy clustering by using artificial neural networks.

Detaylı

İkili (Binary) Görüntü Analizi

İkili (Binary) Görüntü Analizi İkili (Binary) Görüntü Analizi İkili görüntü analizine giriş Eşikleme (Thresholding) Matematiksel morfoloji Piksel ve komşulukları (neighborhoods) Bağlantılı bileşenler analizi (Connected components analysis)

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

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

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

ADNAN MENDERES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI MATEMATİK PROGRAMI DERS LİSTESİ

ADNAN MENDERES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI MATEMATİK PROGRAMI DERS LİSTESİ Ders List ADNAN MENDERES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI MATEMATİK PROGRAMI DERS LİSTESİ 17.11.2016 Yüksek Lisans Dersleri Kod Ders Adı Ders Adı (EN) T U L K AKTS MTK501 Reel

Detaylı

Evrimsel Çok amaçlı eniyileme. Tahir Emre Kalaycı Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 25 Mart 2010

Evrimsel Çok amaçlı eniyileme. Tahir Emre Kalaycı Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 25 Mart 2010 Evrimsel Çok amaçlı eniyileme Tahir Emre Kalaycı Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 25 Mart 2010 Gündem Çok amaçlı eniyileme Giriş Evrimsel çok amaçlı eniyileme Sonuç Giriş Gerçek dünya problemleri

Detaylı

MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 ( yılı öncesinde birinci

MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 ( yılı öncesinde birinci MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 (2016-17 yılı öncesinde birinci sınıfa başlayan öğrenciler için) BİRİNCİ YIL 1. Dönem CMPE113

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

P r o f. D r. M e h m e t E m i n Y Ü K S E L

P r o f. D r. M e h m e t E m i n Y Ü K S E L Özgeçmiş P r o f. D r. M e h m e t E m i n Y Ü K S E L KİŞİSEL BİLGİLER Adı Soyadı Ünvan Mehmet Emin YÜKSEL Prof. Dr. Adres Erciyes Üniversitesi Mühendislik Fakültesi Biyomedikal Mühendisliği Bölümü Melikgazi

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

ve Sonrası Girişli Öğrenciler için Uygulanacak Ders Program

ve Sonrası Girişli Öğrenciler için Uygulanacak Ders Program Bilgisayar Mühendisliği Bölümü Lisans Ders Programı / Department of Computer Engineering Undergraduate Curriculum 2015-2016 ve Sonrası Girişli Öğrenciler için Uygulanacak Ders Program 1.Yıl / I.Dönem (First

Detaylı

Kelebek Görüntülerin Sınıflandırılmasında Yeni Yerel İkili Örüntüler

Kelebek Görüntülerin Sınıflandırılmasında Yeni Yerel İkili Örüntüler Kelebek Görüntülerin Sınıflandırılmasında Yeni Yerel İkili Örüntüler Yılmaz KAYA 1, Lokman KAYCİ 2 1 Bilgisayar Mühendisliği Bölümü, Siirt Üniversitesi, 56100 Siirt 2 Biyoloji Bölümü, Siirt Üniversitesi,

Detaylı

BAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY ZEKA İLE ZAMAN TAHMİNİ SONER ŞÜKRÜ ALTIN

BAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY ZEKA İLE ZAMAN TAHMİNİ SONER ŞÜKRÜ ALTIN BAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY ZEKA İLE ZAMAN TAHMİNİ SONER ŞÜKRÜ ALTIN YÜKSEK LİSANS TEZİ 2011 BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY

Detaylı

1. YARIYIL / SEMESTER 1

1. YARIYIL / SEMESTER 1 T.C. NECMETTİN ERBAKAN ÜNİVERSİTESİ MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ, MEKATRONİK MÜHENDİSLİĞİ BÖLÜMÜ, 2017-2018 AKADEMİK YILI ÖĞRETİM PLANI T.C. NECMETTIN ERBAKAN UNIVERSITY ENGINEERING AND ARCHITECTURE

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

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

: 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

Bilgisayarla Görüye Giriş

Bilgisayarla Görüye Giriş Bilgisayarla Görüye Giriş Ders 6 Kenar, Köşe, Yuvarlak Tespiti Alp Ertürk alp.erturk@kocaeli.edu.tr KENAR TESPİTİ Kenar Tespiti Amaç: Görüntüdeki ani değişimleri / kesintileri algılamak Şekil bilgisi elde

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:

Detaylı

KARINCA KOLONİ ALGORİTMASI İLE ISAR GÖRÜNTÜLERDE KENAR ÇIKARMA

KARINCA KOLONİ ALGORİTMASI İLE ISAR GÖRÜNTÜLERDE KENAR ÇIKARMA V. ULUSAL HAVACILIK VE UZAY KONFERANSI 8-10 Eylül 2014, Erciyes Üniversitesi, Kayseri KARINCA KOLONİ ALGORİTMASI İLE ISAR GÖRÜNTÜLERDE KENAR ÇIKARMA Harun ÇELİK 1 Erciyes Üniversitesi, Kayseri İlke TÜRKMEN

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

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

COURSES OFFERED FOR ERASMUS INCOMING STUDENTS

COURSES OFFERED FOR ERASMUS INCOMING STUDENTS COURSES OFFERED FOR ERASMUS INCOMING STUDENTS Department : Computer Engineering 152111001 CALCULUS I 3 2 4 5 152111005 PHYSICS I 3 0 3 3 152111006 PHYSICS I LAB 0 2 1 2 152111007 CHEMISTRY 3 0 3 3 152111008

Detaylı

Gevşek Hesaplama (COMPE 474) Ders Detayları

Gevşek Hesaplama (COMPE 474) Ders Detayları Gevşek Hesaplama (COMPE 474) Ders Detayları Ders Adı Gevşek Hesaplama Ders Kodu COMPE 474 Dönemi Ders Uygulama Laboratuar Kredi AKTS Saati Saati Saati Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin Dili Dersin

Detaylı

SMI Algoritmasını Kullanan Adaptif Dizi İşaret İşleme Sistemlerinin İncelenmesi

SMI Algoritmasını Kullanan Adaptif Dizi İşaret İşleme Sistemlerinin İncelenmesi SMI Algoritmasını Kullanan Adaptif Dizi İşaret İşleme Sistemlerinin İncelenmesi Halil İ. ŞAHİN, Haydar KAYA 2 Karadeniz Teknik Üniversitesi, İstatistik ve Bilgisayar Bilimleri Bölümü, Elektrik-Elektronik

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

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

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

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

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

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

Deniz ERSOY Elektrik Yük. Müh.

Deniz ERSOY Elektrik Yük. Müh. Deniz ERSOY Elektrik Yük. Müh. AMACIMIZ Yenilenebilir enerji kaynaklarının tesis edilmesi ve enerji üretimi pek çok araştırmaya konu olmuştur. Fosil yakıtların giderek artan maliyeti ve giderek tükeniyor

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

K-En Yakın Komşu Algoritması Parametrelerinin Sınıflandırma Performansı Üzerine Etkisinin İncelenmesi

K-En Yakın Komşu Algoritması Parametrelerinin Sınıflandırma Performansı Üzerine Etkisinin İncelenmesi K-En Yakın Komşu Algoritması Parametrelerinin Sınıflandırma Performansı Üzerine Etkisinin İncelenmesi Erdal TAŞCI* Aytuğ ONAN** *Ege Üniversitesi Bilgisayar Mühendisliği Bölümü **Celal Bayar Üniversitesi

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

TAŞ DOLGU DALGAKIRANLARIN GENETİK ALGORİTMA İLE GÜVENİRLİK ANALİZİ. M. Levent Koç* Can E. Balas**

TAŞ DOLGU DALGAKIRANLARIN GENETİK ALGORİTMA İLE GÜVENİRLİK ANALİZİ. M. Levent Koç* Can E. Balas** TAŞ DOLGU DALGAKIRANLARIN GENETİK ALGORİTMA İLE GÜVENİRLİK ANALİZİ M. Levent Koç* Can E. Balas** (*) Yrd. Doç. Dr., Cumhuriyet Üniversitesi, Mühendislik Fakültesi İnşaat Mühendisliği Bölümü, Sivas Tel:

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

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

Esnek Hesaplamaya Giriş

Esnek Hesaplamaya Giriş Esnek Hesaplamaya Giriş J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Esnek Hesaplama Nedir? Esnek hesaplamanın temelinde yatan

Detaylı

Genetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:

Genetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta: Genetik Algoritmalar Bölüm 1 Optimizasyon Yrd. Doç. Dr. Adem Tuncer E-posta: adem.tuncer@yalova.edu.tr Optimizasyon? Optimizasyon Nedir? Eldeki kısıtlı kaynakları en iyi biçimde kullanmak olarak tanımlanabilir.

Detaylı

AYTUĞ ONAN CELAL BAYAR ÜNİVERSİTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SERDAR KORUKOĞLU EGE ÜNİVERSİTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ

AYTUĞ ONAN CELAL BAYAR ÜNİVERSİTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SERDAR KORUKOĞLU EGE ÜNİVERSİTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ Metin Sınıflandırmada Öznitelik Seçim Yöntemlerinin Değerlendirilmesi AYTUĞ ONAN CELAL BAYAR ÜNİVERSİTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SERDAR KORUKOĞLU EGE ÜNİVERSİTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Genetik Algoritma (Genetic Algorithm) Doç.Dr. M. Ali Akcayol Genetik Algoritma 1970 li yıllarda John Holland tarafından geliştirilmiştir. 1989 yılında David E. Goldberg Genetik

Detaylı

İkili (Binary) Görüntü Analizi

İkili (Binary) Görüntü Analizi İkili (Binary) Görüntü Analizi İkili görüntü analizine giriş Eşikleme (Thresholding) Matematiksel morfoloji Piksel ve komşulukları (neighborhoods) Bağlantılı bileşenler analizi (Connected components analysis)

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

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

ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ SİVİL HAVACILIK ANABİLİM DALI YENİ DERS ÖNERİSİ/ DERS GÜNCELLEME

ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ SİVİL HAVACILIK ANABİLİM DALI YENİ DERS ÖNERİSİ/ DERS GÜNCELLEME / DERS GÜNCELLEME Dersin Kodu SHA 615 Dersin Adı İSTATİSTİKSEL SİNYAL İŞLEME Yarıyılı GÜZ Dersin İçeriği: Olasılık ve olasılıksal süreçlerin gözden geçirilmesi. Bayes kestirim kuramı. Büyük olabilirlik

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 istanbul Üniversitesi Mühendislik Bilimleri Dergisi 1, 1-7, 2010 istanbul University of Engineering Sciences 1, 1-7, 2010 HAREKETLİ GÖRÜNTÜDE KENAR BELİRLEME ALGORİTMASININ ANALOG HÜCRESEL SİNİR AĞI VE

Detaylı