Yapay Zeka ya giris. Yapay sinir aglari ve bulanik mantik. Uzay CETIN. Université Pierre Marie Curie (Paris VI),
|
|
- Bercu Bardakçı
- 7 yıl önce
- İzleme sayısı:
Transkript
1 Yapay Zeka ya giris Yapay sinir aglari ve bulanik mantik Uzay CETIN Université Pierre Marie Curie (Paris VI), Master 2 Recherche, Agents Intelligents, Apprentissage et Décision (AIAD) November 11, 2008 Uzay CETIN () Yapay Zeka ya giris November 11, / 28
2 Icindekiler Yapay Sinir Aglari 1 Yapay Sinir Aglari YSA 2 Bulanik Mantik Uzay CETIN () Yapay Zeka ya giris November 11, / 28
3 Icindekiler Yapay Sinir Aglari YSA 1 Yapay Sinir Aglari YSA 2 Bulanik Mantik Uzay CETIN () Yapay Zeka ya giris November 11, / 28
4 Yapay Sinir Aglari YSA Yapay zeka yontemlerinin beyin karsisinda zayif kaldigi gorulmektedir. Yapay sinir hucresi nanosaniyede ateslenirken, dogal s.h. milisaniyede ateslenebilir Bilgisayar, zor hesaplama problemlerinde her zaman daha ustun. o halde neden? Cunku problemler siradan hesaplama problemleri olmayip, bilgisayar icin zor fakat beynin islevine uygundur Uzay CETIN () Yapay Zeka ya giris November 11, / 28
5 Yapay Sinir Aglari YSA Yapay zeka yontemlerinin beyin karsisinda zayif kaldigi gorulmektedir. Yapay sinir hucresi nanosaniyede ateslenirken, dogal s.h. milisaniyede ateslenebilir Bilgisayar, zor hesaplama problemlerinde her zaman daha ustun. o halde neden? Cunku problemler siradan hesaplama problemleri olmayip, bilgisayar icin zor fakat beynin islevine uygundur noronlar yapay olanara gore daha yavas olsa da, sayilari yuz milyarlar civarindadir ve paralel calisirlar. Uzay CETIN () Yapay Zeka ya giris November 11, / 28
6 Yapay Sinir Aglari YSA Yapay zeka yontemlerinin beyin karsisinda zayif kaldigi gorulmektedir. Yapay sinir hucresi nanosaniyede ateslenirken, dogal s.h. milisaniyede ateslenebilir Bilgisayar, zor hesaplama problemlerinde her zaman daha ustun. o halde neden? Cunku problemler siradan hesaplama problemleri olmayip, bilgisayar icin zor fakat beynin islevine uygundur noronlar yapay olanara gore daha yavas olsa da, sayilari yuz milyarlar civarindadir ve paralel calisirlar. Uzay CETIN () Yapay Zeka ya giris November 11, / 28
7 Icindekiler Yapay Sinir Aglari 1 Yapay Sinir Aglari YSA 2 Bulanik Mantik Uzay CETIN () Yapay Zeka ya giris November 11, / 28
8 Yapay Sinir Aglari Perceptron biyolojik sinir hucrelerinden esinlenerek yapilmislardir. ilk calsma McCulloch ve Pitts tarafndan yaplmstr.bu arastrmaclarn onerisi; \Her hangi bir hesaplanabilir fonksiyonun sinir hcrelerinden oluan aglarla hesaplanabileceini ve mantksal ve ve veya islemlerinin gerekletirilebilecei idi. XOR problemi perceptron ya da tek katmanli YSA lar dogrusal siniflandirma yapabilirler. Uzay CETIN () Yapay Zeka ya giris November 11, / 28
9 Yapay Sinir Aglari Nasil Ogrenir? Ogrenmek ile kastedilen aslinda siniflandirmadir. Bir futbol oyununda mac baslamadan once, kendi takiminizla rakip takimi nasil birbirinden ayirirsiniz? takimlar kendi kaleleri etrafinda toplandigini varsayarsak, sahanin orta cizgisini hayal etmek bu takimlari bibirinden ayirmaya yeter. Bu yontemin benzeri YSA lar tarafindan kullanilir. futbolcularin bulundugu saha, y = a 1 x 1 + a 2 x 2 seklinde ifade edilebilir. ses tanima, goruntu tanima gibi problemlerde nesneler cok sayida degiskenle ifade edilirler. n-boyulu uzayda duzlem denklemi y = a 1 x 1 + a 2 x a n x n Uzay CETIN () Yapay Zeka ya giris November 11, / 28
10 Nasil Ogrenir? Yapay Sinir Aglari Perceptron ogrenme algoritmasi diger gelismis ogrenme yontemleri icin bir temel olusturmaktadir. (girdi vektoru X ) x (agirilik vektoru W ) = net [x 1,..., x n ] w 1. w n = net eger net esikdeger : θ atesle, yani cikti 1 yoksa cikti 0 yapay sinir aglarinin ogrenmesi bu agirlik degerlerini degistirilmesi ve en uygun degerlerinin bulunmasi islemidir. Uzay CETIN () Yapay Zeka ya giris November 11, / 28
11 Yapay Sinir Aglari Perceptron ogrenme kurali Bu bir supervised ogrenmedir. Agin cikisi, istenen cikisla karsilastirilir. aradaki fark, bir ogrenme sabiti c ile kapatilmaya calisilir. c kucukse, agin ogrenmesi gecikebilir buyukse de, bu sefer optimum deger atlanabilir W i+1 = W i + c(yi y i ) X i aradaki fark, bir ogrenme sabiti c ile kapatilmaya calisilir. c kucukse, Uzay CETIN () Yapay Zeka ya giris November 11, / 28
12 Yapay Sinir Aglari Perceptron ogrenme kurali Bu bir supervised ogrenmedir. Agin cikisi, istenen cikisla karsilastirilir. aradaki fark, bir ogrenme sabiti c ile kapatilmaya calisilir. c kucukse, agin ogrenmesi gecikebilir buyukse de, bu sefer optimum deger atlanabilir W i+1 = W i + c(yi y i ) X i aradaki fark, bir ogrenme sabiti c ile kapatilmaya calisilir. c kucukse, agin ogrenmesi gecikebilir buyukse de, bu sefer optimum deger atlanabilir Uzay CETIN () Yapay Zeka ya giris November 11, / 28
13 Yapay Sinir Aglari Perceptron ogrenme kurali Bu bir supervised ogrenmedir. Agin cikisi, istenen cikisla karsilastirilir. aradaki fark, bir ogrenme sabiti c ile kapatilmaya calisilir. c kucukse, agin ogrenmesi gecikebilir buyukse de, bu sefer optimum deger atlanabilir W i+1 = W i + c(yi y i ) X i aradaki fark, bir ogrenme sabiti c ile kapatilmaya calisilir. c kucukse, agin ogrenmesi gecikebilir buyukse de, bu sefer optimum deger atlanabilir Uzay CETIN () Yapay Zeka ya giris November 11, / 28
14 Yapay Sinir Aglari y verildigi icin bu bir supervised ogrenmedir y arzu edilen ya da teorik cikti olarak adlandirilir.ve D = {( X 1, y1 ),..., ( X n, yn )} egitim setimizdir. x 1 x 2 w 1 w 2 θ net y y c(yi y i ) B C B ?? 0? B C B 0 1????? 0? B C B 1 0????? 0? B C B 1 1????? 1? B C B Uzay CETIN () Yapay Zeka ya giris November 11, / 28
15 Yapay Sinir Aglari ogrenme bu isin neresinde? Agirlik degerleri degistirilerek en uygun degerlerinin bulunmasi islemine ogrenme denir. Ogrenilen sey optimum agirlik degerleridir. x 1 x 2 w 1 w 2 θ net y y c(yi y i ) B C B ?? 0? B C B 0 1????? 0? B C B 1 0????? 0? B C B 1 1????? 1? B C B Uzay CETIN () Yapay Zeka ya giris November 11, / 28
16 Yapay Sinir Aglari Perceptron ornek c = 0.25 net θ y 1 yoksa y 0 y arzu edilen ya da teorik cikti olarak adlandirilir. x 1 x 2 w 1 w 2 θ net y y c(yi y i ) B C B ?? 0? B C B Uzay CETIN () Yapay Zeka ya giris November 11, / 28
17 Yapay Sinir Aglari Perceptron ornek c = 0.25 net θ y 1 yoksa y 0 y arzu edilen ya da teorik cikti olarak adlandirilir. x 1 x 2 w 1 w 2 θ net y y c(yi y i ) B C B ?? 0? B C B 0 1?? 0.3?? 0? B C B Uzay CETIN () Yapay Zeka ya giris November 11, / 28
18 Yapay Sinir Aglari Perceptron ornek c = 0.25 net θ y 1 yoksa y 0 y arzu edilen ya da teorik cikti olarak adlandirilir. x 1 x 2 w 1 w 2 θ net y y c(yi y i ) B C B ?? 0? B C B 0 1?? 0.3?? 0? B C B 1 0?? 0.3?? 0? B C B Uzay CETIN () Yapay Zeka ya giris November 11, / 28
19 Yapay Sinir Aglari Perceptron ornek c = 0.25 net θ y 1 yoksa y 0 y arzu edilen ya da teorik cikti olarak adlandirilir. x 1 x 2 w 1 w 2 θ net y y c(yi y i ) B C B ?? 0? B C B 0 1?? 0.3?? 0? B C B 1 0?? 0.3?? 0? B C B 1 1?? 0.3?? 1? B C B Uzay CETIN () Yapay Zeka ya giris November 11, / 28
20 Yapay Sinir Aglari Perceptron ornek c = 0.25 net θ y 1 yoksa y 0 y arzu edilen ya da teorik cikti olarak adlandirilir. x 1 x 2 w 1 w 2 θ net y y c(yi y i ) B C B ?? 0? B C B 0 1?? 0.3?? 0? B C B 1 0?? 0.3?? 0? B C B 1 1?? 0.3?? 1? B C B Uzay CETIN () Yapay Zeka ya giris November 11, / 28
21 Icindekiler Bulanik Mantik 1 Yapay Sinir Aglari YSA 2 Bulanik Mantik Uzay CETIN () Yapay Zeka ya giris November 11, / 28
22 Bulanik Mantik Yapay zeka teknikleri Bulanik mantik Kesin olmayan ve belirsiz bilginin islenmesini saglar. Avantaj : Bolumlanmis temsil, belirsizligin sunumu, hiz ve yuksek hata toleransi. Desavantaj : Planlama, sonuc cikarma v.b da yetersiz. Sicakligi olcmek icin t diye degiskeninimiz olsun. t=1 ise ortam sicak,t=0 ise ortam soguk. O halde nasil \ilik kavramini aciklayabiliriz? Bu gibi durumlar dereceli uyelik kavrami yardimi ile bulanik mantik altinda modellenebilir. Uzay CETIN () Yapay Zeka ya giris November 11, / 28
23 Bulanik Mantik Yapay zeka teknikleri iyilik, kotuluk, guzellik, zeki... gercek dunyadaki bu gibi belirsiz ve kesin olmayan verileri modellemeye calisir. Bu sayede insan dusuncesine ozdes islemler gerceklesebilir. klasik mantikta bir onerme ya dogrudur ya da yanlistir. fakat gercek dunyada bunlarda ne derecede dogru veya yanlis oldugu belirlenmelidir. Ornegin 100 su sicak olarak ifade edilirse, 95 deki su icin \sicakdegildir ifadesi dogru olmadigi gibi yanlis da degildir. yasi 6 olan bir kisi %100 cocuk olarak tanimlanirsa, yasi 8 veya 9 olan birisi ne derecede cocuktur? Bulanik kume teorisi az,sık, orta, düşük, çok, birçok gibi dilbilimsel yapilarin modellenmesini gerceklestirir. Uzay CETIN () Yapay Zeka ya giris November 11, / 28
24 Bulanik Mantik Yapay zeka teknikleri iyilik, kotuluk, guzellik, zeki... gercek dunyadaki bu gibi belirsiz ve kesin olmayan verileri modellemeye calisir. Bu sayede insan dusuncesine ozdes islemler gerceklesebilir. klasik mantikta bir onerme ya dogrudur ya da yanlistir. fakat gercek dunyada bunlarda ne derecede dogru veya yanlis oldugu belirlenmelidir. Ornegin 100 su sicak olarak ifade edilirse, 95 deki su icin \sicakdegildir ifadesi dogru olmadigi gibi yanlis da degildir. yasi 6 olan bir kisi %100 cocuk olarak tanimlanirsa, yasi 8 veya 9 olan birisi ne derecede cocuktur? Bulanik kume teorisi az,sık, orta, düşük, çok, birçok gibi dilbilimsel yapilarin modellenmesini gerceklestirir. Uzay CETIN () Yapay Zeka ya giris November 11, / 28
25 Yapay zeka teknikleri Bulanik Mantik Klasik kume, kumeye kesinlikle ait : 1 veya kesinlikle ait degil : 0 biciminde sadece iki gruptur. Bulanik mantikta ise bu uyelik derecelendirilmistir. Ya 0 ya da 1, [0-1] araligindaki tum gercel degerlere genisletilmistir. µ uyelik fonksiyonudur. Klasik kumede, µ A = {1 if x A ; otherwise 0 }, yani µ A : X {0, 1} Bulanik kumede, µ A : X [0, 1] Uzay CETIN () Yapay Zeka ya giris November 11, / 28
26 Bulanik kume ornekleri Bulanik Mantik IF height is tall THEN weight is heavy. Figure: bulanik iliski Uzay CETIN () Yapay Zeka ya giris November 11, / 28
27 Bulanik kume ornekleri Bulanik Mantik kucukler ve buyukler, iki tane bulanik kume olsun U = V = {1, 2, 3, 4} kucukler = 1.0 / / / /4 buyukler = 0.0 / / / /4 5 e yakin olan sayilar, S 5 ile gosterilsin, S 5 = 0.0 / / / / / / /8 burdaki toplama isareti cebirsel toplama isareti degil sadece toplu gosterim amacini tasiyor. Uzay CETIN () Yapay Zeka ya giris November 11, / 28
28 Icindekiler Bulanik Mantik 1 Yapay Sinir Aglari YSA 2 Bulanik Mantik Uzay CETIN () Yapay Zeka ya giris November 11, / 28
29 Kural yapisi Bulanik Mantik IF (x 1 is A 1 ) AND (y 1 is B 1 ) THEN (z 1 is C 1 ) µ A B (x) = max[µ A (x), µ B (x)] µ A B (x) = min[µ A (x), µ B (x)] Figure: bulaniklastirma islemi Uzay CETIN () Yapay Zeka ya giris November 11, / 28
30 Avantaji nedir? Bulanik Mantik Cok sayidaki gercel degerler, birkac tane bulanik degiskenle ifade edilebiliyor. Az sayidaki kuralla akil yurutme yapilabiliyor. kompakt!!! Figure: bulaniklastirma islemi Uzay CETIN () Yapay Zeka ya giris November 11, / 28
31 Icindekiler Bulanik Mantik 1 Yapay Sinir Aglari YSA 2 Bulanik Mantik Uzay CETIN () Yapay Zeka ya giris November 11, / 28
32 Kural yapisi Bulanik Mantik Figure: bulanik cikarim Uzay CETIN () Yapay Zeka ya giris November 11, / 28
33 Kural yapisi Bulanik Mantik burda kurallarin ciktilarinin tumunu ayni potada eritiyoruz. Figure: bulanik birlestirme simdi geriye kalan islem durulastirma. bunun icin de cesitli yontemler var. onlardan biri agirlik noktasi bulma yontemi. bu ortaya cikan sekli iki esit agirliga X eksenine dik ir cizgi ile ayirir. Uzay CETIN () Yapay Zeka ya giris November 11, / 28
34 Sugeno-style Bulanik Mantik Figure: bulanik birlestirme Uzay CETIN () Yapay Zeka ya giris November 11, / 28
35 Bulanik Mantik Sugeno-style aggregation Figure: bulanik birlestirme Uzay CETIN () Yapay Zeka ya giris November 11, / 28
36 Bulanik Mantik Sugeno-style aggregation Figure: bulanik birlestirme Uzay CETIN () Yapay Zeka ya giris November 11, / 28
37 son Ozet Tesekkurler... bir sonraki derste, Bulanik mantik ve yapay sinir aglarini uygulamalarina giricez. takip edecegimiz kitap : C++ Neural Networks and Fuzzy Logic - Valluru B. Rao Uzay CETIN () Yapay Zeka ya giris November 11, / 28
38 Referanslar I Appendix Referanslar Bernhard Nebel, Gnther Grz Yapay Zeka, Inkilap Kitabevi. wikipedia Hall problem Uzay CETIN () Yapay Zeka ya giris November 11, / 28
Yapay Sinir Ağları. (Artificial Neural Networks) DOÇ. DR. ERSAN KABALCI
Yapay Sinir Ağları (Artificial Neural Networks) J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Yapay Sinir Ağları Tarihçe Biyolojik
DetaylıEsnek 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
DetaylıZeki 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
DetaylıMekatronik Mühendisliği Uygulamalarında Yapay Zekâ. Ders 1- Yapay Zekâya Giriş. Erhan AKDOĞAN, Ph.D.
Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ Ders 1- Yapay Zekâya Giriş Erhan AKDOĞAN, Ph.D. Yapay Zekâ nedir?! İnsanın düşünme ve karar verme yeteneğini bilgisayarlar aracılığı ile taklit etmeye
Detaylıİlk Yapay Sinir Ağları. Dr. Hidayet Takçı
İlk Yapay Sinir Ağları Dr. Hidayet htakci@gmail.com http://htakci.sucati.org Tek katmanlı algılayıcılar (TKA) Perceptrons (Rosenblat) ADALINE/MADALINE (Widrow and Hoff) 2 Perseptron eptronlar Basit bir
DetaylıBulanık Kümeler ve Sistemler. Prof. Dr. Nihal ERGİNEL
Bulanık Kümeler ve Sistemler Prof. Dr. Nihal ERGİNEL İçerik 1. Giriş, Temel Tanımlar ve Terminoloji 2. Klasik Kümeler-Bulanık Kümeler 3. Olasılık Teorisi-Olabilirlik Teorisi 4. Bulanık Sayılar-Üyelik Fonksiyonları
Detaylıetme çabalarının en son ürünlerinden bir tanesi yapay sinir ağları (YSA) teknolojisidir.
İnsanlığın doğayı araştırma ve taklit etme çabalarının en son ürünlerinden bir tanesi yapay sinir ağları (YSA) teknolojisidir. Beynin üstün özellikleri, bilim adamlarını üzerinde çalışmaya zorlamış ve
DetaylıBULANIK MANTIK VE SİSTEMLERİ 2014 2015 BAHAR DÖNEMİ ÖDEV 1. Müslüm ÖZTÜRK 148164001004 Bilişim Teknolojileri Mühendisliği ABD Doktora Programı
BULANIK MANTIK VE SİSTEMLERİ 2014 2015 BAHAR DÖNEMİ ÖDEV 1 Müslüm ÖZTÜRK 148164001004 Bilişim Teknolojileri Mühendisliği ABD Doktora Programı Mart 2015 0 SORU 1) Bulanık Küme nedir? Bulanık Kümenin (fuzzy
DetaylıBölüm 3. Klasik Mantık ve Bulanık Mantık. Serhat YILMAZ 1
Bölüm 3. Klasik Mantık ve Bulanık Mantık Serhat YILMAZ serhaty@kocaeli.edu.tr 1 Klasik Mantık ve Bulanık Mantık Bulanık kümeler, bulanık mantığa bulanıklık kazandırır. Bulanık kümelerde yürütme işini işleçler
DetaylıCBS ve Coğrafi Hesaplama
Yıldız Teknik Üniversitesi CBS ve Coğrafi Hesaplama 2. Bölüm Yrd. Doç. Dr. Alper ŞEN Harita Mühendisliği Bölümü Kartografya Anabilim Dalı web: http://www.yarbis.yildiz.edu.tr/alpersen/ E mail: alpersen@yildiz.edu.tr
Detaylı... rref = 0; lref = 0 f cmu_mx <= 40 Then ' Fuzzy Table-Left l_cmu = ((40 - cmu_mx) * 100) / 40 rref = rref + (20 * l_cmu) / 100 End If If cmu_mx >=
... rref = 0; lref = 0 f cmu_mx
DetaylıYaklaşık Düşünme Teorisi
Yaklaşık Düşünme Teorisi Zadeh tarafından 1979 yılında öne sürülmüştür. Kesin bilinmeyen veya belirsiz bilgiye dayalı işlemlerde etkili sonuçlar vermektedir. Genellikle bir f fonksiyonu ile x ve y değişkeni
DetaylıRobot Bilimi. Robot Kontrol Sistemleri
Robot Bilimi Robot Kontrol Sistemleri Öğr. Gör. M. Ozan AKI r1.0 Robot Kontrol Yapısı Robotlar (Aynı zamanda insanlarda); Çevrelerini Algılarlar Karar verirler (Amaçları, Görevleri v.s.) Çevrelerine Tepki
DetaylıDERS 2 : BULANIK KÜMELER
DERS 2 : BULNIK KÜMELER 2.1 Gİriş Klasik bir küme, kesin sınırlamalarla verilen bir kümedir. Örneğin, klasik bir küme aşağıdaki gibi belirtilebilir: = { x x > 6 }, Kapalı sınır noktası burada 6 dır.burada
DetaylıBSM-767 MAKİNE ÖĞRENMESİ. Doğrusal Ayırıcılar (Linear Discriminants)
BSM-767 MAKİNE ÖĞRENMESİ Doğrusal Ayırıcılar (Linear Discriminants) Yrd. Doç. Dr. Ümit ATİLA umitatila@karabuk.edu.tr http://web.karabuk.edu.tr/umitatilla/ Perceptron Perceptron, bir giriş kümesinin ağırlıklandırılmış
DetaylıÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ
ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ Ezgi Özkara a, Hatice Yanıkoğlu a, Mehmet Yüceer a, * a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği Bölümü, Malatya, 44280 myuceer@inonu.edu.tr
DetaylıBULANIK MANTIK ile KONTROL
BULANIK MANTIK ile KONTROL AFYON KOCATEPE ÜNİVERSİTESİ Bulanık mantığın temel prensipleri: Bulanık küme sözel değişkenleri göstermek için kullanılır. Az sıcak, biraz soğuk gibi bulanık mantık üyelik fonksiyonları
DetaylıElectronic 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
DetaylıBULANIK MANTIK MODELİ İLE ZEMİNLERİN SINIFLANDIRILMASI CLASSIFICATION OF THE SOILS USING MAMDANI FUZZY INFERENCE SYSTEM
BULANIK MANTIK MODELİ İLE ZEMİNLERİN SINIFLANDIRILMASI CLASSIFICATION OF THE SOILS USING MAMDANI FUZZY INFERENCE SYSTEM Eray Yıldırım 1, Emrah DOĞAN 2, Can Karavul -3, Metin Aşçı -4, Ferhat Özçep -5 Arman
DetaylıKABA KÜME TEORİSİ (Rough Set Theory) Dr. Sedat TELÇEKEN
KABA KÜME TEORİSİ (Rough Set Theory) Dr. Sedat TELÇEKEN Giriş Bilgi teknolojisindeki gelişmeler ve verilerin dijital ortamda saklanmaya başlanması ile yeryüzündeki bilgi miktarı her 20 ayda iki katına
DetaylıYapay Sinir Ağları (Artificial Neural Networks)
Yapay Sinir Ağları (Artificial Neural Networks) Yapay Sinir Ağları (Artificial Neural Networks) Yapay Sinir Ağları (YSA) genelde doğrusal olmayanolaylarımodellememetodudur. Bir kuralı veya algoritması
DetaylıYapay Sinir Ağları ve Yüksek Enerji Fiziği Uygulamaları
Yapay Sinir Ağları ve Yüksek Enerji Fiziği Uygulamaları Ece Akıllı Université de Genève 12 Eylül 2016 CERN TR E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 1 / 18 Akış 1 Makine Ogrenimi 2 Yapay Sinir
DetaylıBULANIK MANTIK TABANLI DUNN ÖĞRENME STİLİ MODELİNİN GELİŞTİRİMİ
BULANIK MANTIK TABANLI DUNN ÖĞRENME STİLİ MODELİNİN GELİŞTİRİMİ Muhammet Uysal 1, Naciye Mülayim 2, Ali Özdemir 1, Ayşegül Alaybeyoğlu 3 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa 2 İzmir Katip
DetaylıZeki 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:
Detaylıİnsan beyni, birbiri ile karmaşık ilişkiler içinde bulunan nöron hücreleri kitlesidir. Tüm aktivitelerimizi kontrol eder, yaradılışın en görkemli ve
YAPAY SİNİRAĞLARI İnsan beyni, birbiri ile karmaşık ilişkiler içinde bulunan nöron hücreleri kitlesidir. Tüm aktivitelerimizi kontrol eder, yaradılışın en görkemli ve gizemli harikalarından biridir. İnsan
DetaylıROBOTLARIN YAPAY SİNİR AĞLARI KULLANILARAK DENETİMİ.
ROBOTLARIN YAPAY SİNİR AĞLARI KULLANILARAK DENETİMİ Murat ŞEKER 1 Ahmet BERKAY 1 EMurat ESİN 1 ArşGör,Gebze Yüksek Teknoloji Enstitüsü, Bilgisayar MühBöl 41400 Gebze mseker@bilmuhgyteedutr aberkay@bilmuhgyteedutr,
DetaylıBulanık Küme Kavramı BULANIK KÜME. Sonlu ve Sonsuz Bulanık Kümeler. Sonlu ve Sonsuz Bulanık Kümeler
ULNIK KÜME ulanık Küme Kavramı Elemanları x olan bir X evrensel (universal küme düșünelim. u elemanların ÌX alt kümesine aitliği, yani bu altkümelerin elemanı olup olmadığı X in {0,1} de olan karakteristik
DetaylıGevşek 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
Detaylı4. Bulanık Sayılar- Üyelik Fonksiyonları
4. Bulanık Sayılar- Üyelik Fonksiyonları Bulanık Sayı Normal ve dışbükey bir bulanık kümenin alfa kesimi kapalı bir küme ise bulanık sayı olarak adlandırılmaktadır. Her bulanık sayı dış bükey bir bulanık
DetaylıYAPAY 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
DetaylıBİR SOĞUTMA GRUBUNDA KOMPRESÖR HIZININ BULANIK MANTIK ALGORİTMA İLE KONTROLÜ
BİR SOĞUTMA GRUBUNDA KOMPRESÖR HIZININ BULANIK MANTIK ALGORİTMA İLE KONTROLÜ Öğr. Gör. Orhan EKREN Ege Üniversitesi Doç. Dr. Serhan KÜÇÜKA Dokuz Eylül Üniversitesi SUNUM İÇERİĞİ ÇALIŞMANIN AMACI DENEY
DetaylıAYRIK YAPILAR ARŞ. GÖR. SONGÜL KARAKUŞ- FIRAT ÜNİVERSİTESİ TEKNOLOJİ FAKÜLTESİ YAZILIM MÜHENDİSLİĞİ BÖLÜMÜ, ELAZIĞ
AYRIK YAPILAR P r o f. D r. Ö m e r A k ı n v e Y r d. D o ç. D r. M u r a t Ö z b a y o ğ l u n u n Ç e v i r i E d i t ö r l ü ğ ü n ü ü s t l e n d i ğ i «A y r ı k M a t e m a t i k v e U y g u l a
DetaylıYapay Sinir Ağlarına Giriş. Dr. Hidayet Takçı
Yapay Sinir Ağlarına Giriş Dr. Hidayet Takçı htakci@gmail.com http://htakci.sucati.org Giriş Neden Yapay Sinir Ağları (YSA) Bazı işler insanlar tarafından kolaylıkla yerine getirilirken mevcut bilgisayarlar
DetaylıBüyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data)
Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data) M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, The Elements of Statistical Learning: Data
DetaylıBULANIK MANTIK (FUZZY LOGIC)
BULANIK MANTIK (FUZZY LOGIC) Bulanık mantık ilk olarak 1965 yılında Lütfü Aliasker Zade nin yayınladığı bir makalenin sonucu oluşmuş bir mantık yapısıdır ve yayınladığı Fuzzy Sets makalesinde bulanık kümelerin
DetaylıBulanık Mantık Bilgisayar Mühendisliği Bölümü Final Sınavı 27 Mayıs 2014 Süre: 1 Saat 45 Dakika
AÇIKLAMALAR: 1. Bu sınavda KTÜ Sınav Uygulama Yönergesi uygulanmaktadır. SORU 1. X ve Y uzaylarında tanımlı üçgen yapılı bulanık alt kümeler sırasıyla sol, tepe ve sağ tanım parametrelerine bağlı olarak
DetaylıVERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr
VERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma
DetaylıEME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler
EME 3105 1 Giriş Sistem Simülasyonu Önümüzdeki hafta simulasyon girdilerinin modellenmesinde kullanılan kesikli ve sürekli Simulasyonda İstatistiksel Modeller-I Ders 4 dağılımlar hatırlatılacaktır. Rassal
DetaylıBulanık Mantık. Bulanık Mantık (Fuzzy Logic)
Bulanık Mantık (Fuzzy Logic) Bulanık mantık, insan düşünmesini ve mantık yürütmesini modellemeye ve karşılaşılan problemlerde ihtiyaç doğrultusunda kullanmayı amaçlar. Bilgisayarlara, insanların özel verileri
DetaylıYıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Şekil Tanıma Final Projesi. Selçuk BAŞAK 08501008
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Şekil Tanıma Final Projesi Selçuk BAŞAK 08501008 Not: Ödevi hazırlamak için geliştirdiğim uygulama ve kaynak kodları ektedir.
DetaylıKLİMA SİSTEM KONTROLÜNÜN BULANIK MANTIK İLE MODELLEMESİ
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K B İ L İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 2004 : 10 : 3 : 353-358
Detaylıİş Zekası. Hafta 6 Kestirimci Modelleme Teknikleri. Yrd. Doç. Dr. H. İbrahim CEBECİ
İş Zekası Hafta 6 Kestirimci Modelleme Teknikleri Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir Bölüm Amaçları Yapay Sinir Ağları (YSA) kavramını
Detaylı2. Klasik Kümeler-Bulanık Kümeler
2. Klasik Kümeler-Bulanık Kümeler Klasik Küme Teorisi Klasik kümelerde bir nesnenin bir kümeye üye olması ve üye olmaması söz konusudur. Bu yaklaşıma göre istediğimiz özelliğe sahip olan bir birey, eleman
DetaylıFatih Kölmek. ICCI 2012-18.Uluslararası Enerji ve Çevre Fuarı ve Konferansı 25 Nisan 2012, İstanbul, Türkiye
Fatih Kölmek ICCI 2012-18.Uluslararası Enerji ve Çevre Fuarı ve Konferansı 25 Nisan 2012, İstanbul, Türkiye Türkiye Elektrik Piyasası Dengeleme ve Uzlaştırma Mekanizması Fiyat Tahmin Modelleri Yapay Sinir
DetaylıYapay Sinir Ağları. (Artificial Neural Networks) DOÇ. DR. ERSAN KABALCI E S N E K H E S A P L A M A Y Ö N T E M L E R İ - II
Yapay Sinir Ağları (Artificial Neural Networks) J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - II DOÇ. DR. ERSAN KABALCI Yapay Sinir Ağları Tarihçe Biyolojik
DetaylıYZM 3217 YAPAY ZEKA DERS#10: KÜMELEME
YZM 317 YAPAY ZEKA DERS#10: KÜMELEME Sınıflandırma (Classification) Eğiticili (supervised) sınıflandırma: Sınıflandırma: Sınıf sayısı ve bir grup örneğin hangi sınıfa ait olduğunu bilinir Eğiticisiz (unsupervised)
DetaylıCebirsel Fonksiyonlar
Cebirsel Fonksiyonlar Yazar Prof.Dr. Vakıf CAFEROV ÜNİTE 4 Amaçlar Bu üniteyi çalıştıktan sonra; polinom, rasyonel ve cebirsel fonksiyonları tanıyacak ve bu türden bazı fonksiyonların grafiklerini öğrenmiş
DetaylıUzayda iki doğrunun ortak dikme doğrusunun denklemi
Uzayda iki doğrunun ortak dikme doğrusunun denklemi Uzayda verilen d 1 ve d aykırı doğrularının ikisine birden dik olan doğruya ortak dikme doğrusu denir... olmak üzere bu iki doğru denkleminde değilse
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr DOĞRUSAL OLMAYAN (NONLINEAR) DENKLEM SİSTEMLERİ Mühendisliğin
DetaylıElectronic Letters on Science & Engineering 4(2) (2008) Available online at www.e-lse.org
Electronic Letters on Science & Engineering 4(2) (2008) Available online at www.e-lse.org Maksimum Doğrultucu Moment Kolu Analizinin Bulanık Mantık ve Sinirsel Bulanık Mantık Kullanılarak Yapılması Ahmet
DetaylıUygulamalı Yapay Zeka. Dr. Uğur YÜZGEÇ Ders 2: Prolog Giriş
Uygulamalı Yapay Zeka Dr. Uğur YÜZGEÇ Ders 2: Prolog Giriş Prolog Yazılımı Bedava Prolog yorumlayıcıları var Linux, Windows, Mac OS Çok fazla sayıda Prolog yazılımı indirmek mümkün Bunlardan birkaçı SWI
DetaylıMuhammet Fatih AKBAŞ, Enis KARAARSLAN, Cengiz GÜNGÖR
Yazılım Tanımlı Ağların Güvenliğinde Yapay Zeka Tabanlı Çözümler: Ön İnceleme Muhammet Fatih AKBAŞ, Enis KARAARSLAN, Cengiz GÜNGÖR İzmir Katip Çelebi Üniversitesi, Muğla Sıtkı Koçman Üniversitesi, Ege
DetaylıManyetik Alanlar. Benzer bir durum hareketli yükler içinde geçerli olup bu yüklerin etrafını elektrik alana ek olarak bir manyetik alan sarmaktadır.
Manyetik Alanlar Manyetik Alanlar Duran ya da hareket eden yüklü parçacığın etrafını bir elektrik alanın sardığı biliyoruz. Hatta elektrik alan konusunda şu sonuç oraya konulmuştur. Durgun bir deneme yükü
DetaylıYZM 3217 YAPAY ZEKA DERS#6: MANTIK
YZM 3217 YAPAY ZEKA DERS#6: MANTIK Önermeler Doğru veya yanlış değer alabilen ifadelerdir Bir önerme hem doğru hem de yanlış olamaz Bir önerme kısmen doğru yada kısmen yanlış olamaz Örnekler: Dünya yuvarlaktır.
DetaylıYAPAY SĠNĠR AĞLARI ĠLE KOCAELĠ ĠLĠNĠN PUANT YÜK TAHMĠNĠ. Oya DEMİRER Demet ÖZDEMİR Melih İNAL
YAPAY SĠNĠR AĞLARI ĠLE KOCAELĠ ĠLĠNĠN PUANT YÜK TAHMĠNĠ Oya DEMİRER Demet ÖZDEMİR Melih İNAL Kocaeli Ü. Müh.Fak. Elektrik Müh.Bl.MSB İzmit İnşaat BaşkanlığıKocaeli Ü.Tek.Fak.Elektronik Eğ. odemirer@hotmail.com
Detaylı(m+2) +5<0. 7/m+3 + EŞİTSİZLİKLER A. TANIM
EŞİTSİZLİKLER A. TANIM f(x)>0, f(x) - eşitsizliğinin
DetaylıLASTİKLİ BETON ÖZELİKLERİNİN YAPAY SİNİR AĞLARI VE BULANIK MANTIKLA BELİRLENMESİ
Eskişehir Osmangazi Üniversitesi Müh.Mim.Fak.Dergisi C.XX, S.1, 2007 Eng&Arch.Fac. Eskişehir Osmangazi University, Vol..XX, No:1, 2007 Makalenin Geliş Tarihi : 21.11.2005 Makalenin Kabul Tarihi : 28.03.2007
DetaylıİÇİNDEKİLER ÖNSÖZ Bölüm 1 KÜMELER Bölüm 2 SAYILAR
İÇİNDEKİLER ÖNSÖZ III Bölüm 1 KÜMELER 11 1.1. Küme 12 1.2. Kümelerin Gösterimi 13 1.3. Boş Küme 13 1.4. Denk Küme 13 1.5. Eşit Kümeler 13 1.6. Alt Küme 13 1.7. Alt Küme Sayısı 14 1.8. Öz Alt Küme 16 1.9.
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Quadratic Programming Bir karesel programlama modeli aşağıdaki gibi tanımlanır. Amaç fonksiyonu: Maks.(veya Min.) z
DetaylıWEB SAYFALARINA İLİŞKİN YAPAY SİNİR AĞLARI İLE SINIFLANDIRMA YÖNTEMİ
WEB SAYFALARINA İLİŞKİN YAPAY SİNİR AĞLARI İLE SINIFLANDIRMA YÖNTEMİ Doç.Dr Erhan Akyazı Marmara Üniversitesi Bilişim Bölümü eakyazi@marmara.edu.tr Şafak Kayıkçı Marmara Üniversitesi Bilişim Bölümü safak@safakkayikci.com
DetaylıRİJİT CİSİMLERİN DÜZLEMSEL KİNEMATİĞİ
RİJİT CİSİMLERİN DÜZLEMSEL KİNEMATİĞİ MUTLAK GENEL DÜZLEMSEL HAREKET: Genel düzlemsel hareket yapan bir karı cisim öteleme ve dönme hareketini eşzamanlı yapar. Eğer cisim ince bir levha olarak gösterilirse,
DetaylıTEMEL BAZI KAVRAMLAR. Uzay: İçinde yaşadığımız sonsuz boşluktur. Uzay, bir noktalar kümesidir. Uzay, bütün varlıkları içine alır.
1 TEMEL ZI KVRMLR Nokta: Kalemin kâğıda, tebeşirin tahtaya bıraktığı ize nokta denir. Nokta boyutsuzdur. Yani; noktanın eni, boyu ve yüksekliği yoktur. ütün geometrik şekiller noktalardan oluşur. Noktalar
DetaylıBulanık 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
DetaylıDers Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Yapay Zeka Sistemleri BIL308 6 3+0 3 4
DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Yapay Zeka Sistemleri BIL308 6 3+0 3 4 Ön Koşul Dersleri Dersin Dili Dersin Seviyesi Dersin Türü Türkçe Lisans Zorunlu / Yüz Yüze Dersin
DetaylıYapay Sinir Ağları ve Uygulamaları (EE 505) Ders Detayları
Yapay Sinir Ağları ve Uygulamaları (EE 505) Ders Detayları Ders Adı Ders Dönemi Ders Uygulama Laboratuar Kredi AKTS Kodu Saati Saati Saati Yapay Sinir Ağları ve Uygulamaları EE 505 Her İkisi 3 0 0 3 7.5
DetaylıT I M U R K A R A Ç AY - H AY D A R E Ş C A L C U L U S S E Ç K I N YAY I N C I L I K A N K A R A
T I M U R K A R A Ç AY - H AY D A R E Ş C A L C U L U S S E Ç K I N YAY I N C I L I K A N K A R A Contents Bibliography 9 Index 13 CONTENTS 5 0.1 Doğru, Düzlem, Uzay Bu derste sık sık doğru, düzlem ve
DetaylıİÇİNDEKİLER ÖNSÖZ Bölüm 1 SAYILAR 11 Bölüm 2 KÜMELER 31 Bölüm 3 FONKSİYONLAR
İÇİNDEKİLER ÖNSÖZ III Bölüm 1 SAYILAR 11 1.1. Sayı Kümeleri 12 1.1.1.Doğal Sayılar Kümesi 12 1.1.2.Tam Sayılar Kümesi 13 1.1.3.Rasyonel Sayılar Kümesi 14 1.1.4. İrrasyonel Sayılar Kümesi 16 1.1.5. Gerçel
Detaylıx 2i + A)( 1 yj 2 + B) u (v + B), y 1
Ders 11: Örnekler 11.1 Kulplarla inşalar Bu bölümde kulpları birbirine yapıştırıp tanıdık manifoldlar elde edeceğiz. Artık bu son ders. Özellikle dersin ikinci bölümünde son meyveleri toplamak adına koşarak
Detaylıa) x +3 = 8 b) x -4 = -2 c) x -7 = 4 d) x +5 = 6 e) x +8 = 2 f) x -1= -8 x +3 = 5 denkleminin çözümünü bulunuz.
Denklemler bilinmeyen - cebirsel ifade - 7 denklem Bir cebirsel ifade bir sonuca eşit oluyorsa buna denklem denir. Bazı denklemlerin çözümü yoktur, bazı denklemlerin sonsuz, bazı denklemlerin bir, iki,
DetaylıDEPREM KONUMLARININ BELİRLENMESİNDE BULANIK MANTIK YAKLAŞIMI
DEPREM KONUMLRININ BELİRLENMESİNDE BULNIK MNTIK YKLŞIMI Koray BODUR 1 ve Hüseyin GÖKLP 2 ÖZET: 1 Yüksek lisans öğrencisi, Jeofizik Müh. Bölümü, Karadeniz Teknik Üniversitesi, Trabzon 2 Yrd. Doç. Dr., Jeofizik
DetaylıT I M U R K A R A Ç AY - H AY D A R E Ş C A L C U L U S S E Ç K I N YAY I N C I L I K A N K A R A
T I M U R K A R A Ç AY - H AY D A R E Ş C A L C U L U S S E Ç K I N YAY I N C I L I K A N K A R A Contents Rasyonel Fonksiyonlar 5 Bibliography 35 Inde 39 Rasyonel Fonksiyonlar Polinomlar Yetmez! Bölme
DetaylıConcept Learning. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ. Yapay Zeka - Kavram Öğrenme
Concept Learning Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ 1 İÇERİK Öğrenme Metotları Kavram Öğrenme Nedir? Terminoloji Find-S Algoritması Candidate-Elimination Algoritması List-Then Elimination Algoritması
DetaylıĠşlem tablosu kavramını tanımlamak ve işlem tablolarının işlevlerini öğrenmek. Ġşlem tablolarının temel kavramlarını tanımlamak.
Amaçlarımız 2 Ġşlem tablosu kavramını tanımlamak ve işlem tablolarının işlevlerini öğrenmek. Ġşlem tablolarının temel kavramlarını tanımlamak. Microsoft Excel 2010 da bilgi girişi yapabilmek. Excel de
Detaylı8.Konu Vektör uzayları, Alt Uzaylar
8.Konu Vektör uzayları, Alt Uzaylar 8.1. Düzlemde vektörler Düzlemdeki her noktası ile reel sayılardan oluşan ikilisini eşleştirebiliriz. Buna P noktanın koordinatları denir. y-ekseni P x y O dan P ye
DetaylıBulanık Kural Tabanlı Sistemler
Üçgen (Triangular) normlar: Üçgen normlar (t-norm) Schweizer ve Sklar tarafından öne sürülmüştür. Herhangi bir a [0,1] aralığı için t-norm T(a, 1) = a şeklinde tanımlanır ve aşağıdaki özellikleri sağlar;
DetaylıT.C. Ölçme, Seçme ve Yerleştirme Merkezi
T.C. Ölçme, Seçme ve Yerleştirme Merkezi LİSANS YERLEŞTİRME SINAVI-1 MATEMATİK TESTİ 11 HAZİRAN 2017 PAZAR Bu testlerin her hakkı saklıdır. Hangi amaçla olursa olsun, testlerin tamamının veya bir kısmının
DetaylıT.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
DetaylıFen ve Anadolu Liselerine Öğretmen Seçme Sınav Denemesi
EN LİSELERİ, SOSYL İLİMLER LİSELERİ,SPOR LİSELERİ,NDOLU LİSELERİ ÖĞRETMENLERİNİN SEÇME SINVIN HZIRLIK DENEME SINVI. 2 HZIRLYN : İ:K(2008) idensu@gmail.com kuscuogluibrahim@gmail.com http://idensu.googlepages.com
DetaylıT.C. Ölçme, Seçme ve Yerleştirme Merkezi
T.C. Ölçme, Seçme ve Yerleştirme Merkezi LİSANS YERLEŞTİRME SINAVI-1 MATEMATİK TESTİ 11 HAZİRAN 2017 PAZAR Bu testlerin her hakkı saklıdır. Hangi amaçla olursa olsun, testlerin tamamının veya bir kısmının
DetaylıBulanık Mantık ve DURTES Yönteminde Uygulanması İçin Bir Öneri
Bulanık Mantık ve DURTES Yönteminde Uygulanması İçin Bir Öneri Rasim TEMUR İstanbul Üniversitesi İnşaat Mühendisliği Bölümü Sunum Programı 1. Giriş 2. Bulanık mantık 3. DURTES yöntemi 4. Uygulama önerileri
DetaylıCETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR
CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR Çalışmanın amacı. SUNUM PLANI Çalışmanın önemi. Deney numunelerinin üretimi ve özellikleri.
DetaylıOSPF 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,
DetaylıBulanık Mantık Denetleyiciler
Denetim sistemleri genel olarak açık döngülüvekapalı döngülü/geri beslemeli olarak iki tiptir. Açık döngülü denetim sistemlerinde denetim hareketi sistem çıkışından bağımsıdır. Kapalı döngülü sistemlerde
DetaylıDAMITMA KOLONLARININ BULANIK DENETLEYİCİLERLE DENETİMİ
DAMITMA KOLONLARININ BULANIK DENETLEYİCİLERLE DENETİMİ Halil Murat Öztürk, H. Levent Akın 2 Sistem ve Kontrol Mühendisliği Bölümü, Boğaziçi Üniversitesi, 885 Bebek, İstanbul 2 Bilgisayar Mühendisliği Bölümü,
DetaylıÇok Katmanlı Algılayıcı (Multilayer Perceptron) DOÇ. DR. ERSAN KABALCI
Çok Katmanlı Algılayıcı (Multilayer Perceptron) 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 Perceptron Rosenblatt (1962): İlk
DetaylıK En Yakın Komşu Methodu (KNearest Neighborhood)
K En Yakın Komşu Methodu (KNearest Neighborhood) K-NN algoritması, Thomas. M. Cover ve Peter. E. Hart tarafından önerilen, örnek veri noktasının bulunduğu sınıfın ve en yakın komşunun, k değerine göre
DetaylıKLASİK BULANIK MANTIK DENETLEYİCİ PROBLEMİ : INVERTED PENDULUM
KLASİK BULANIK MANTIK DENETLEYİCİ PROBLEMİ : INVERTED PENDULUM M.Ali Akcayol Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü (Yüksek Lisans Tezinden Bir Bölüm) Şekil 1'
DetaylıAşağı Sakarya Nehrindeki Askı Maddesi Miktarının Esnek Yöntemler ile Tahmini
Karaelmas Fen ve Müh. Derg. 6(2):351-358, 2016 Karaelmas Fen ve Mühendislik Dergisi Dergi web sayfası: http://fbd.beun.edu.tr Araştırma Makalesi Aşağı Sakarya Nehrindeki Askı Maddesi Miktarının Esnek Yöntemler
DetaylıKUADRATİK FORM. Tanım: Kuadratik Form. Bir q(x 1,x 2,,x n ) fonksiyonu
KUADRATİK FORMLAR KUADRATİK FORM Tanım: Kuadratik Form Bir q(x,x,,x n ) fonksiyonu q x : n şeklinde tanımlı ve x i x j bileşenlerinin doğrusal kombinasyonu olan bir fonksiyon ise bir kuadratik formdur.
DetaylıDARÜŞŞAFAKA LİSESİ SALİH ZEKİ LİSE ÖĞRENCİLERİ ARASI MATEMATİK PROJELERİ YARIŞMASI
DARÜŞŞAFAKA LİSESİ SALİH ZEKİ LİSE ÖĞRENCİLERİ ARASI MATEMATİK PROJELERİ YARIŞMASI PROJENİN ADI: OYUN TEORİSİ İLE İSTANBUL TRAFİĞİNİN İNCELENMESİ HAZIRLAYANLAR: ECE TUNÇKOL-BERKE OĞUZ AKIN MEV KOLEJİ ÖZEL
DetaylıHızlı Düzey Küme Yöntemine Bağlı Retinal Damar Bölütlemesi. Bekir DİZDAROĞLU. KTÜ Bilgisayar Mühendisliği Bölümü
Bekir DİZDAROĞLU KTÜ Bilgisayar Mühendisliği Bölümü bekir@ktu.edu.tr 1/29 Tıbbi imge bölütleme klasik yaklaşımları a) Piksek tabanlı b) Kenar tabanlı c) Bölge tabanlı d) Watershed (sınır) tabanlı e) Kenar
DetaylıBULANIK MANTIK DENETLEYİCİLERİ. Bölüm-4 Bulanık Çıkarım
BULANIK MANTIK DENETLEYİCİLERİ Bölüm-4 Bulanık Çıkarım 1 Bulanık Çıkarım Bölüm 4 : Hedefleri Bulanık kuralların ve bulanık bilgi tabanlarının nasıl oluşturulacağını anlamak. Gerçekte bulanık muhakeme olan
DetaylıTek Değişkenli Optimizasyon OPTİMİZASYON. Gradient Tabanlı Yöntemler. Bisection (İkiye Bölme) Yöntemi
OPTİMİZASYON Gerçek hayatta, çok değişkenli optimizasyon problemleri karmaşıktır ve nadir olarak problem tek değişkenli olur. Bununla birlikte, tek değişkenli optimizasyon algoritmaları çok değişkenli
DetaylıDoç.Dr.Erkan ÜLKER, Selçuk Üniversitesi Mühendislik F, Bilgisayar Mühendisliği Bölümü
17.05.2014 Sayfa 1 Curve Fitting with RBS Functional Networks RBS fonksiyonel ağı ile eğri uygunluğu Andr es Iglesias, Akemi G alvez Department of Applied Mathematics and Computational Sciences, University
Detaylı18.034 İleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
Detaylı7. BÖLÜM İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI .= 1 1 + + Genel: Vektörler bölümünde vektörel iç çarpım;
İÇ ÇARPIM UZAYLARI 7. BÖLÜM İÇ ÇARPIM UZAYLARI Genel: Vektörler bölümünde vektörel iç çarpım;.= 1 1 + + Açıklanmış ve bu konu uzunluk ve uzaklık kavramlarını açıklamak için kullanılmıştır. Bu bölümde öklit
DetaylıOTOMOBİLLER İÇİN BULANIK MANTIK TABANLI HIZ SABİTLEYİCİ BİR SİSTEM
ASYU 2008 Akıllı Sistemlerde Yenilikler ve Uygulamaları Sempozyumu OTOMOBİLLER İÇİN BULANIK MANTIK TABANLI HIZ SABİTLEYİCİ BİR SİSTEM Kenan YANMAZ 1 İsmail H. ALTAŞ 2 Onur Ö. MENGİ 3 1,3 Meslek Yüksekokulu
DetaylıOlasılık Kuramı ve İstatistik. Konular Olasılık teorisi ile ilgili temel kavramlar Küme işlemleri Olasılık Aksiyomları
Olasılık Kuramı ve İstatistik Konular Olasılık teorisi ile ilgili temel kavramlar Küme işlemleri Olasılık Aksiyomları OLASILIK Olasılık teorisi, raslantı ya da kesin olmayan olaylarla ilgilenir. Raslantı
Detaylı