END Bulanık Kümeler GİRİŞ. Belirsizlik Kavramı Yrd. Doç. Dr. Selçuk ÇEBİ Günlük yaşam Problemler
|
|
- Aydin Kunter
- 7 yıl önce
- İzleme sayısı:
Transkript
1 END Bulanık Kümeler Yrd. Doç. Dr. Selçuk ÇEBİ Günlük yaşam Problemler Belirlilik Belirsizlik i lik GİRİŞ Belirsizlik, Galbraith (1973) tarafından bir işi gerçekleştirmek için gerekli bilgi miktarı ve şimdiye kadar sahip olunan bilgi miktarı arasındaki fark olarak tanımlanmıştır. 1
2 Zimmermann (2000) tarafından önerilen belirsizlik tanımı ise şu şekildedir: Belirli bir durumda bir kişi, bir sistemi, sistemin davranışını veya diğer özelliklerini deterministik ve sayısal olarak tanımlamaya, belirlemeye ve tahmin etmeye yönelik nitel ve nicel bilgiyi elde edemiyorsa belirsizlik var demektir. Bilginin gerçekte var olduğu ancak elde edilmesinin zor olduğu, istenmediği ya da çok maliyetli olduğu için bilginin belirsiz olarak kabul edildiği düşünülebilir (Kabak, 2008). Diğer bir çalışmasında Zimmermann (2001), stokastik belirsizliği bilgi eksikliğinden dolayı sistemin gelecek durumunun bilinmezliği, bulanık belirsizliği ise, olay ve olgu ve durumların anlamsal tanımlarının kesin olarak yapılamaması olarak tanımlamıştır. Belirsizlik Tahminsel Sözcüksel (Stochastic) (Lexial) Hedefi vurma olasılığı %80 dir. Bu yıl muhtemelen başarılı bir finansal yıl geçireceğiz. uzun adam, sıcak gün, yüksek enflasyon, 2
3 Belirsizlik Tahminsel Sözcüksel (Stochastic) (Lexial) Hedefi vurma olasılığı %80 dir. Bu yıl muhtemelen başarılı bir finansal yıl geçireceğiz. uzun adam, sıcak gün, yüksek enflasyon, Belirsizlik kurallar ya da kabullerle azaltılır Fiziksel bir çok problemin çözümünde kabuller vardır Uzun boylu işçi X={Uzun X>180 cm} Y={Uzun Y>165 cm} Günlük yaşamda öznel sınıflandırmalar vardır. Hedefi vurma olasılığı %80 dir. Bu yıl muhtemelen başarılı bir finansal yıl geçireceğiz. Öznel bir sınıflandırma Oran Algılama 3
4 Belirsizliğin modellenebilmesi için öncelikle belirsizlik kaynakları belirlenmelidir. Petrovic (2001) rassall olaylar, l l delil (veri) yetersizliği, veri kesinliğinin eksikliği yargılardaki belirsizlikler. Zimmermann (2000) bilgi eksikliği; bilgi çokluğu (karmaşıklığı); çelişen bulgular; birden çok anlama gelme, muğlaklık; ölçüm ve inançlar. Belirsizlik özelliklerinin sınıflandırılması (Zimmermann, 2000). 1.Belirsizliğin nedenleri a. Bilgi eksikliği b. Bilgi çokluğu (karmaşıklığı) c. Çelişen bulgular d. Birden çok anlama gelme d. Ölçüm e. İnançlar 2. Mevcut bilgi (girdi) y a. Sayısal b. Küme veya aralık değerli c. Dilsel d. Sembolik 3. Bilginin ölçeği a. Nominal b. Ordinal c. Kardinal 4. İhtiyaç duyulan bilgi a. Sayısal b. Küme veya aralık değerli c. Dilsel d. Sembolik Önerilen sınıflandırmaya göre, sistemdeki belirsizlik kaynakları belirlendikten sonra sistem girdileri ve sayısal bilgilerin ölçekleri belirlenmeli ve oluşturulacak model ile elde edilmesi beklenen çıktı saptanmalıdır. 4
5 Belirsizlik Kaynakları Ho (1989) Çevresel belirsizlikler incelenen sistemin dışından kaynaklanan belirsizliklerdir, talep belirsizliğivearz belirsizliği gibi belirsizlikleri içerir. Sistem belirsizliği ise üretim süreci dahilindeki belirsizlikleri içerir. Operasyon çıktılarının belirsizliği, üretim temin süresi belirsizliği, kalite belirsizliği, üretim sistemlerindeki bozulmalar ve üretim yapısındaki değişiklikler sistem belirsizliği olarak düşünülebilir. Dilsel Belirsizliğin Modellenmesi Subjektif kategoriler kullanan cümleler insanların karar verme sürecinde önemli rol oynamaktadırlar. Hatta bu cümleler nicel bilgi içermeseler bile insanlar bunları karmaşık değerlendirmelerde başarılı bir şekilde kullanabilirler. İnsan Mantığı olarak Bulanık Mantık Gerçek dünyada her bir olası durum için bir kural üretemezsiniz. Sürekliliği olan olası durumların çeşitli ayrık noktalarında kurallar oluşturulur ve insanlar yaklaşım ve benzerlik yolu ile olası her durum için çıkarım yapabilirler. Bu ise ancak kuralları oluşturan kelimelerin esnekliği ile başarılabilir. Benzerlik yoluyla soyutlama ve düşünme ise, ancak insan mantığının esnekliği ile mümkün olmaktadır. 5
6 Belirsizliğin Matematiksel Temelleri Bu insan mantığını mühendislik problemlerinin çözümüne uygulamak için, bir matematik model gereklidir. Bulanık Mantık bu matematik model için geliştirilmiştir. Bulanık Mantık insanın karar verme ve değerlendirme süreçlerini algoritmik biçimde temsil etmeyi sağlamaktadır. Bilginin Değeri Nominal/İtibari Ölçek Sınav notları 45 (Ali), 55 (Veli), ve 90 (Ayşe) olan 3 öğrenci için Ali+Veli=Ayşe Ali V li A Ayşe=2xAli Sporcu sırt numaraları Trafik plakaları Bilginin Değeri Ordinal/Sıralama Ölçeği Değerlendirme 1., 2., 3., 4. veya "kötü," "orta," "iyi," "çok iyi" vb. sayısal veya sözel derecelendirmeler şeklinde ifade edebilirler. edebilirler Sıralama ölçeği nesneler arasında bir derecelendirme ve buna bağlı olarak bir sıralama ilişkisini tanımlayan ölçektir. 6
7 Bilginin Değeri Kardinal/Önem Ağırlık Ölçeği Kardinal Ölçek ç Aralık Ölçeği Oran Ölçeği Bilginin Ölçeği Aralık Ölçeği Ölçüm skalasının yapısının güçlendirilmesinin bir adımı da, sıralama ilişkisinin yanında, iki elemanı aralarındaki uzaklık anlamıyla birleştiren bir ikili işlem olarak "Uzaklık/Fark / İ İşlemi" da tanımlanmasıdır. Uzaklık işlemi ve sıralama bağıntısının beraberce oluşturduğu, hem X kümesindeki elemanları, hem de elemanlar arasındaki farkları zayıf bir formda sıralayan ölçüm skalasına, Aralık Ölçeği adı verilir Bilginin Ölçeği Oran Ölçeği Oran ölçeği, basitçe ""doğal" bir orijini ya da sıfır noktası bulunan aralık ölçeği olarak tanımlanabilir. Aralık ve oran ölçeklerinin arasındaki esas fark, oran ölçeğinin bir referans noktası olarak orijine ihtiyaç duyarken, aralık ölçeğinin böyle bir gereksiniminin olmamasıdır. Oran ölçeğinin doğal orijine sahip olma özelliğinin sonucu olarak bu ölçekte, ç, değişkenlerin ğş sabit sayılarla y ççarpımı p yyapılabilir p ve iki ölçümün ç oranları, ölçek değişse de değişmeden kalır.131 Örneğin, 1 m. (metre) ile 2 m. ölçümlerinin oranı, 100 cm. (santimetre) ile 200 cm. ölçümlerinin oranı ile eşittir. Oran ölçeği anlamlılık açısından en güçlü ölçektir: Oran ölçeğinde olmak üzere tüm aritmetiksel işlemler anlamlıdır.133 Oran ölçeği fiziksel ve doğal bilimlerde en yaygın kullanılan ölçektir. Örneğin uzunluk, ağırlık, yükseklik, hız, alan ve hacim ölçümlerinde kullanılmaktadır. Sosyal bilimlerde oran ölçeği, tercih edilse de elde etmek zordur. 7
8 Bulanık Küme Teorisi Lotfi Askerzade Zadeh (1965) tarafından tanıtılan bulanık küme teorisi, bütün belirsizlik kümesini modele en iyi adapte eden formdur. Kişiselş değerlendirmelerğ göz önüne alındığındağ olabilirlik teorisi olasılık teorisinin yerini almaktadır (Zadeh, 1978). Bulanık mantık, diğer yöntemler tarafından kolayca modellenemeyecek dilsel verileri temsil edebilir (Dubois ve Prade, 1988). Bulanık Mantık Gerçek hayat karmaşıktır, bu karmaşıklık genellikle bilinmezlik ve belirsizliklerden kaynaklanır. Geçmişten günümüze insanlar bu belirsizlik ve karmaşıklık içeren problemlere bilinçaltında çözümler aramaktadırlar. Belirsizliğin az olduğu problemler, klasik modellerle ve sayısal yöntemlerle çözülebilmektedir. Ancak belirsizliğin ve dolayısıyla karmaşıklığın arttığı problemlerin çözümünde klasik modeller yetersiz kalmaktadır. İnsan düşüncesinin bilinçaltında her türlü probleme çözüm arama yeteneğinin aksine insanlar tarafından tasarlanan bilgisayarlar karmaşık ve belirsiz problemlerle baş etme yeteneğine sahip değildir. Bunun sebebi insanınkarşılaştığı problemi ya da incelediği sistemi muhakeme etme yeteneğinin olmasıdır. Bulanık Mantık Karmaşık bir sistemin muhakeme edilmesinde insanlar, problem hakkında genel bir kavrayış ile sistem davranışı hakkında yaklaşık bir sonuç çıkarabilirler. Bu sebeple, büyük, karmaşık ve belirsizlik içeren sistemleri insan mantığığ kullanarak modellemek gerekebilir (Ross, 1995) te Lotfi Zadeh tarafından önerilen Bulanık Mantık insanın düşünme biçimini örnek alırken belirsiz veya eksik verilere dayalı karmaşık problemlere ilişkin çözümleri bize sunabilmektedir (Zadeh, 1973). 8
9 Bulanık Mantık Lotfi Zadeh e göre; Bir sistemin karmaşıklığı arttıkça, onun davranışıyla ilgili kesin ve anlamlı ifadeler kurma yeteneğimiz belirli bir eşiğe ulaşıncaya kadar düşer. Bu eşikten sonra, kesinlik ve anlamlılık neredeyse birbirinden tam bağımsız özellikler haline gelirler (Ross, 1995). Bu görüşe göre; karmaşıklık ve belirsizlik (muğlaklık) ilişkilidir, öyle ki bir problemi daha detaylı incelediğimizde, problemin çözümü daha da bulanıklaşır (Zadeh, 1973). Bulanık Mantık Sistem hakkında daha çok bilgiye sahip olduğumuzda, sistemin karmaşıklığı azalır ve anlaşılabilirliği artar. Karmaşıklık azaldıkça, sistemin modellenmesinde, hesaplamaya dayalı metotlar tarafından elde edilen kesinlik daha yararlı hale gelir. Modelden M d ld bağımsız b ğ yöntemler Modeldeki kesinlik Matematiksel M t tik l denklemler Bulanık sistemler Sistemin karmaşıklığı Bulanık Mantık Biraz basit biraz da eğlenceli L.Zadeh Mevcut bilgi tam ve kesin olarak ifade edilemediğinde bilginin sayısallaştırılması klasik matematik ile mümkün olmamaktadır. Kesin sınırlarla ifade edilemeyen ve belirsizlik içeren sözel (dilsel) verilerin modellenmesinde eksiklikler ortaya çıkabilmektedir Dilsel ifadeleri sayısallaştırma kabiliyetine çıkabilmektedir. sahip olan bulanık mantık, belirsizliğin betimlenmesinin en iyi yolu olarak kabul edilmektedir. Bulanık mantık, üyelik fonksiyonu yardımıyla belirsizlik altındaki ve/veya mevcudiyetin tamamen onaylanamadığı durumlarda bile aidiyet durumunu ifade edebilme özgürlüğü tanıdığından, karmaşık gerçek hayat problemlerinin modellenmesinde sıkça kullanılan bir araç olmuştur. 9
10 Bulanık Mantık ıntarihçesi ve Kurucusu Lotfi Zadeh Matematiğin doğruluğundaki ve bütünlüğündeki başarısı Aristoteles in ve öğrencilerinin katkısıyla olmuştur lerin başında, ş Jan Lukasiewich olası kavramını ortaya atar, 1930 larda Max Planck belirsizliği açıklayıcı ilk kavramlar geliştirilir 1965 de Zadeh yayınladığı makale ile modern anlamda belirsizlik kavramı açıklığa kavuşturur. Bulanık Mantık ıntarihçesi ve Kurucusu Lotfi Zadeh Lütfi Zade, (Lütfi Rahim oğlu Askerzade), Bakü 4 Şubat Azerbaycan asıllıdır Matematik ve bilgisayar bilimiyle uğraşır Bulanık Mantık ıntarihçesi ve Kurucusu Lotfi Zadeh 1965 yılında Zadeh tarafından ortaya atılan bulanık küme, mantık ve sistem kavramları bu araştırıcının uzun yıllar boyunca kontrol alanında çalışması, istediği kontrolüelde edebilmesi için fazlaca doğrusal olmayan denklemlerin işin içine girmesi; yöntemin karmaşıklaşması ve çözümün zorlaşmasış neticesindeortaya çıkmıştır. ş Bazı araştırmacılar özellikle olasılık ve istatistikçiler bu yıllarda fuzzification yani bulanıklaştırmanın kesin olan bilimsel ilkelere uymadığını ve hatta bilime karşı geldiğini ileri sürmüştür. Ancak sözel/dilsel bilgilerin bulunması durumunda olasılık ve istatistik teorileri işe yaramamaktadır. 10
11 Bulanık Mantık ın Tarihçesi ve Kurucusu Lotfi Zadeh 1975 yılında Mamdani ve Assilian tarafından yapılan gerçek bir kontrol uygulaması bir buhar makinesinin kontrolü bulanık sistem ile modellenmiştir Londra Üniversitesinden Prof. Dr. Mamdani, bulanık mantığı bir buhar türbününün hızının denetlenmesine uygulamış ve bu amaçla, bir insanın davranışlarının benzetimiyle; Eğer türbin hızı çok hızlı artıyorsa ve basınç da çok düşükse, buhar vanasını biraz aç 1980 lerden l d sonra elektrikli süpürgeler, çamaşır makineleri, asansörler, metro ve şirket işletimi Son yıllarda, birçok mühendislik dallarında, veri tabanlarının sözelleştirilmesinde, tele sekreterlerin cevaplamasında, ve birçok konularda bulanık mantık, bütün dünyada kullanılır hale gelmiştir. Bulanık Mantık Kesinlik diye bir şey yoktur. Mutlak kesin olan hiçbir şey yoktur. Her şey, matematiksel olarak ifade edersek, 0 ile 1 arasındaki sınırda değişmektedir. Bulanık Mantığın Başlıca Özellikleri doğru, çok doğru, az çok doğru Geçerliliği kesin değil fakat yaklaşık olan çıkarım kurallarına sahip olması, Her kavramın k bi derecesi bir d i olması, l Her mantıksal sistemin bulanıklaştırılabilmesi, Bilginin, bulanık kısıtlara ait değişkenlerin esnekliği veya denkliğiyle yorumlanması. 11
12 Örnekler A.kanarya,.kartal,.tavuk,.penguen,.yarasa A kümesi elemanları kuştur Örnekler Veli bir insandır. Tüm insanlar ölümlüdür. Öyleyse, Veli ölümlüdür. Hatice çok sağlıklıdır. Sağlıklı insanlar çok uzun zaman yaşarlar. Öyleyse, Hatice çok uzun zaman yaşayacaktır, Örnekler Bilge uzun bir çocuktur". Bengü güzel bir kızdır". "100, 1 den çok daha büyük bir sayıdır". Hava sıcaktır". 12
13 Bulanık Doğruluk Klasik mantık sistemleri, sadece belirli koşullarda oluşan, kesin doğruluk değerleri doğru ya da yanlış tan birisine sahip önermelerle ilgilenirler. Belirsizlikle ilgilenmezler. Öyleyse, bu tür cümlelere, akılcı doğruluk değerleri nasılverebiliriz? Cevap; Sürekli veya dereceli biçimde bir doğruluk, yani bulanık doğruluk kavramını kullanmaktır. Bulanıkdoğruluk kavramı, sıradan doğruluk kavramıyla benzerlikler gösterir, fakat daha geneldir, ve uygulama alanı daha geniştir, belirsizliğin, doğruluk ölçütünün keskin bir şekilde tanımlanmamasından kaynaklanan durumlardaki problemlerle uğraşmak için doğal bir yol sağlar. Bulanık Doğruluk Klasik mantıkda, bir önerme ya doğru yada yanlış olarak kabul edilir. Üçüncü bir durumun gerçekleşmesinin imkansız olduğu varsayılır, ve çoğu zaman bu tür durumlar paradoks olarak adlandırılır. Diğer bir deyişle doğruluk, önermeleri {Yanlış, Doğru}, veya sayısal olarak {0, 1}, kümesinin elemanlarıyla ilişkilendiren bir küme olarak görülebilir. Bulanık mantığın ardındaki temel fikir, bir önermenin doğru ve yanlış, dahil olmak üzere bu ikisinin arasında her değer ( çok doğru, çok yanlış, v.b.) olabileceğidir. Diğer bir deyişle doğruluk, önermelerle, yanlış ve doğru arasındaki sonsuz sayıdaki doğruluk değerlerini içeren bir kümedeki değerleri, ya da sayısal olarak [0, 1] gerçel sayı aralığıyla ilişkilendiren bir fonksiyondur. Bu, Zadeh in bulanık kümeler üzerindeki ilk çalışmasının bir sonucudur. Bulanık Mantığın Diğerlerinden Farkı Belirleyici özellikleri : a) doğru, çok doğru, az çok doğru, daha doğru, doğru değil, yanlış, çokdoğru değil, ve çok yanlış gibi sözel olarak ifade edilen (ya dasayısal olarak [0,1] gerçel sayı aralığında yer alan) doğruluk değerlerine sahiptir b) geçerliliği kesin değildir, fakat yaklaşık olan çıkarım kurallarına sahiptir. 13
14 Bulanık Mantığın Diğerlerinden Farkı Bulanıkmantığındoğruluk tabloları,veçıkarım kuralları belirsizlik içermekte, ve doğru ve yanlış a a yüklenen anlamlara olduğu kadar, bu anlamları güçlendirmek ya da zayıflatmakta kullanılan çok, oldukça, daha çok, daha az gibi niteleyicilere yüklenen anlamlara da bağlıdır. Bulanıklık ve Olasılık Bulanıklık, olaydaki belirsizliğiifadeeder. Olasılık, olayın oluşundaki kesin olmayışlığı ifade eder. Bulanıklık ve Olasılık Bulanık kümedeki üyelik dereceleri olasılık yüzdeleriyle aynı değildir. Sabah hava %30 olasılıkla serin olacak önermesi sabah havanın serin olma olasılığını gösterir, Sabah hava %30 serindi veya hava %30 serin gibi ifadeler ise geçmişte veya o andaki havanın serinlik derecesini göstermektedir. 14
15 Bulanıklık ve Olasılık X bütün sıvılardan oluşan bir küme olsun. X in bir alt kümesi olan Y kümesi ise içilmesi zararsız olan sıvıların kümesi olsun. Farzedelim ki elimizde A ve B olmak üzere etiketi kapatılmış tl dolu iki şişevar. i A şişesindeki sıvının Y kümesine üyelik derecesinin %91 B şişesindeki sıvının Y kümesine üye olma olasılığının %91 Hangi şişeden içmek istersiniz? Bulanıklık ve Olasılık Üyelik derecesi, bir nesnenin herhangi bir kümeye ne derece üye olduğunu, kümeyi ne derece temsil ettiğini birolayınnederece var olduğunu ğ gösterir değeri sabittir. Olasılık bir olay gerçekleşmeden önce olup olmayacağı veya ne derece olabileceğihakkında bilgi verir zamana bağlı olarak duruma göre değişebilir. Bulanık Mantık Kullanan Sistemler ile Neler Yapılıyor? metroların işleyişi kontrol ediliyor, televizyonların alıcıları ayarlanıyor, kameralar görüntüye odaklanıyor, klimalar, çamaşır makineleri, elektrikli süpürgeler ayarlanıyor, buzdolaplarının buzlanması engelleniyor, asansörlerve trafik lambaları programlanıyor, otomobillerin motorları, süspansiyonları, emniyet firen sistemleri kontrol ediliyor, füzeler, çimento karıştırıcılar kontrol ediliyor, robot kolları yönlendiriliyor, karakterler, nesneler tanınıyor, golf kulüpleri seçiliyor, hatta çiçek düzenlemesi yapılıyor. 15
16 Bulanık Mantığın Sağladığı Avantajlar 1. İnsan düşünce sistemine ve tarzına yakındır. 2. Uygulanmasında mutlaka matematiksel bir modele gereksinim duymaz. 3. Yazılımın basit olması nedeniyle, sistem daha ekonomik olarak kurulabilir. 4. Bulanık Mantık kavramını anlamak kolaydır. 5. Üyelik değerlerinin kullanımı sayesinde, diğer kontrol tekniklerine göre daha esnektir. 6. Kesinki arz etmeyen bilgiler kullanılabilir. 7. Doğrusal olmayan fonksiyonların modellenmesine izin verir. 8. Sadece uzman kişilerin tecrübeleri ile kolaylıkla bulanık mantığa dayalı bir model ya da sistem tasarlanabilir. 9. Geleneksel kontrol teknikleriyle uyum halindedir 16
IV.Ünite: SEMBOLİK MANTIK: D - Çok Değerli Mantık Özet
ÇOK DEĞERLİ MANTIK Klasik mantık sistemleri, sadece belirli koşullarda oluşan, kesin doğruluk değerleri doğru ya da yanlış olan önermelerle ilgilenirler. Belirsizlikle ilgilenmezler. İki değerlikli bu
DetaylıBulanık Mantığa Giriş
Bulanık Mantığa Giriş J E O L O J Ġ M Ü H E N D Ġ S L Ġ Ğ Ġ 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 Ġ - I D E R S Ġ DOÇ. DR. ERSAN KABALCI BULANIK MANTIK Klasik mantık sistemleri, sadece
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
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
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
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
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
DetaylıMANTIK. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ BULANIK MANTIK
MANTIK Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ BULANIK MANTIK İÇERİK Temel Kavramlar Bulanık Mantık Bulanık Mantık & Klasik Mantık Bulanık Küme & Klasik Küme Bulanık Sistem Yapısı Öğeleri Uygulama
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
DetaylıBULANIK MANTIK DENETLEYİCİLERİ
BULANIK MANTIK DENETLEYİCİLERİ Bölüm :1 Bulanıklık Kavramı ve Bulanık Mantık Sistemleri 1 EBE-563, Ö.F.BAY Bulanıklık Kavramı ve BulanıkMantık Sistemleri Bölüm 1 : Hedefleri Bulanık Mantık kavramını anlamak.
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
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
DetaylıÖlçme ve Değerlendirmenin. Eğitim Sistemi Açısından. Ölçme ve Değerlendirme. TESOY-Hafta Yrd. Doç. Dr.
TESOY-Hafta-1 ve Değerlendirme BÖLÜM 1-2 ve Değerlendirmenin Önemi ve Temel Kavramları Yrd. Doç. Dr. Çetin ERDOĞAN cetinerdogan@gmail.com Eğitimde ölçme ve değerlendirme neden önemlidir? Eğitim politikalarına
DetaylıKarar Verme. Karar Verme ve Oyun Teorisi. Kararların Özellikleri. Karar Analizi
Karar Verme Karar Verme ve Oyun Teorisi Yrd.Doç.Dr. Gökçe BAYSAL TÜRKÖLMEZ Belirli bir amaca ulaşabilmek için, Değişik alternatiflerin belirlenmesi ve Bunlar içinden en etkilisinin seçilmesi işlemidir.
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
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
DetaylıGİRİŞ. Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir.
VERİ ANALİZİ GİRİŞ Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir. Bilimsel Bilgi: Kaynağı ve elde edilme süreçleri belli olan bilgidir. Sosyal İlişkiler Görgül Bulgular İşlevsel
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
DetaylıBULANIK MANTIK ile KONTROL
BULANIK MANTIK ile KONTROL Ders-1 AFYON KOCATEPE ÜNİVERSİTESİ Geleneksel yaklaşıma göre, bilim bütün ortaya koyduğu açıklamalarda kesinlik için uğraşmalıydı ve bundan dolayı da belirsizlik bilimsel olmayan
DetaylıBulanık Mantık Denetleyicileri
Bulanık Mantık Denetleyicileri Bulanık Çıkarım BULANIK ÇIKARIM İki-değerli mantık Çok-değerli mantık Bulanık mantık Bulanık kurallar Bulanık çıkarım Bulanık anlamlandırma Bulanık Çıkarım İki-değerli mantık
DetaylıİŞLETME RİSK YÖNETİMİ. Yrd. Doç. Dr. Tülay Korkusuz Polat 1/21
İŞLETME RİSK YÖNETİMİ Yrd. Doç. Dr. Tülay Korkusuz Polat 1/21 Kuruluşların, artan belirsizlik ortamında, stratejilerini belirlemeleri ve bu stratejiler doğrultusunda gelişimlerini sürdürmelerinde, yeni
DetaylıGenetik 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.
Detaylı2- VERİLERİN TOPLANMASI
2- VERİLERİN TOPLANMASI Bu bölümde yararlanılan kaynaklar: İşletme İstatistiğine Giriş (Prof. Dr. İsmail Hakkı Armutlulu) ve İşletme İstatistiğinin Temelleri (Bowerman, O Connell, Murphree, Orris Editör:
DetaylıOkut. Yüksel YURTAY. İletişim : (264) Sayısal Analiz. Giriş.
Okut. Yüksel YURTAY İletişim : Sayısal Analiz yyurtay@sakarya.edu.tr www.cs.sakarya.edu.tr/yyurtay (264) 295 58 99 Giriş 1 Amaç : Mühendislik problemlerinin bilgisayar ortamında çözümünü mümkün kılacak
DetaylıSistem nedir? Başlıca Fiziksel Sistemler: Bir matematiksel teori;
Sistem nedir? Birbirleriyle ilişkide olan elemanlar topluluğuna sistem denir. Yrd. Doç. Dr. Fatih KELEŞ Fiziksel sistemler, belirli bir görevi gerçekleştirmek üzere birbirlerine bağlanmış fiziksel eleman
DetaylıSPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can
SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER SPSS in üzerinde işlem yapılabilecek iki ana ekran görünümü vardır. DATA VIEW (VERİ görünümü) VARIABLE VIEW (DEĞİŞKEN görünümü) 1 DATA VIEW (VERİ görünümü) İstatistiksel
DetaylıGRUP 4 Bilimsel Araştırma Yöntemleri 2.Bölüm KONU:Problemi Tanımlama
GRUP 4 Bilimsel Araştırma Yöntemleri 2.Bölüm KONU:Problemi Tanımlama GRUP ÜYELERİ Mehmet Emin ERTAŞ Burhan DEMİR Mesut PERTAV Problemi Tanımlama İçindekiler.Değişkenler.Hipotez.Amaç.Önem.Sayıltı.Sınırlılıklar.Tanımlar
DetaylıİÇİNDEKİLER. Önsöz...2. Önermeler ve İspat Yöntemleri...3. Küme Teorisi Bağıntı Fonksiyon İşlem...48
İÇİNDEKİLER Önsöz...2 Önermeler ve İspat Yöntemleri...3 Küme Teorisi...16 Bağıntı...26 Fonksiyon...38 İşlem...48 Sayılabilir - Sonlu ve Sonsuz Kümeler...56 Genel Tarama Sınavı...58 Önermeler ve İspat Yöntemleri
DetaylıElektrik Mühendisliğine Giriş (EE 234) Ders Detayları
Elektrik Mühendisliğine Giriş (EE 234) Ders Detayları Ders Adı Ders Dönemi Ders Kodu Saati Uygulama Saati Laboratuar Kredi AKTS Saati Elektrik Mühendisliğine Giriş EE 234 Her İkisi 2 2 0 3 5 Ön Koşul Ders(ler)i
DetaylıİSTATİSTİKTE TEMEL KAVRAMLAR
İSTATİSTİKTE TEMEL KAVRAMLAR 1. ve 2. Hafta İstatistik Nedir? Bir tanım olarak istatistik; belirsizlik altında bir konuda karar verebilmek amacıyla, ilgilenilen konuya ilişkin verilerin toplanması, düzenlenmesi,
DetaylıDers Kodu: FIZ 234 Ders Adı: Klasik Mekanik Dersin Dönemi: Bahar Dönemi Dersi Veren Öğretim Üyesi: Yrd. Doç. Dr.
Ders Kodu: FIZ 234 Ders Adı: Klasik Mekanik Dersin Dönemi: 204-205 Bahar Dönemi Dersi Veren Öğretim Üyesi: Yrd. Doç. Dr. Betül USTA 2 3 4 5 7% 3% 23% 37% 30% Bu ders ile ilgili temel kavramları, yasaları
DetaylıALİ ÖRNEK 29 Haziran 2015 YETKİLİ KULLANICI STANDART RAPOR GENEL MUHAKEME TESTİ. Yetenek. Adapt-g. Psychometrics Ltd.
29 Haziran 2015 YETKİLİ KULLANICI STANDART RAPOR GENEL MUHAKEME TESTİ Yetenek -g RAPOR YAPISI Standart Rapor katılımcının sonuçlarını aşağıdaki bölümler çerçevesinde sunar: 1. Bu raporu kullanma rehberi
DetaylıGüz Dönemi Fizik Bölümü Titreşim ve Dalgalar Dersi Çıktılarının Gerçekleşme Derecesi
2014-2015 Güz Dönemi Fizik Bölümü Titreşim ve Dalgalar Dersi Çıktılarının Gerçekleşme Derecesi 1 Orta 2 3 4 5 Bu ders ile ilgili temel kavramları, yasaları ve bunlar arasındaki %8 %0 %8 %67 %17 ilişkileri
DetaylıBULANIK MANTIK (FUZZY LOGIC)
BULANIK MANTIK (FUZZY LOGIC) 1. GİRİŞ Fiziksel sistemleri matematiksel olarak modellerken, transfer fonksiyonlarını çıkarırken, sistemlerin doğrusal ve zamanla değişmeyen sistemler olduğunu kabul ederiz.
DetaylıAraştırmada Evren ve Örnekleme
6. Bölüm Araştırmada Evren ve Örnekleme 1 İçerik Örnekleme Teorisinin Temel Kavramları Örnekleme Yapmayı Gerekli Kılan Nedenler Örnekleme Süreci Örnekleme Yöntemleri 2 1 Giriş Araştırma sonuçlarının geçerli,
DetaylıOlasılık Kavramı. Recep YURTAL. Mühendislikte İstatistik Metotlar. Çukurova Üniversitesi İnşaat Mühendisliği Bölümü
Olasılık Kavramı Mühendislikte İstatistik Metotlar Çukurova Üniversitesi İnşaat Mühendisliği ölümü OLSILIK KVRMI KÜME KVRMI irlikte ele alınan belirli nesneler topluluğuna küme, Kümede içerilen nesnelere
DetaylıModelleme bir sanattan çok bir Bilim olarak tanımlanabilir. Bir model kurucu için en önemli karar model seçiminde ilişkileri belirlemektir.
MODELLEME MODELLEME Matematik modelleme yaklaşımı sistemlerin daha iyi anlaşılması, analiz edilmesi ve tasarımının etkin ve ekonomik bir yoludur. Modelleme karmaşık parametrelerin belirlenmesi için iyi
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimli Öğrenmenin Temelleri Karar Ağaçları Entropi ID3 Algoritması C4.5 Algoritması Twoing
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
DetaylıVeritabanı ve Yönetim Sistemleri
Veritabanı ve Yönetim Sistemleri Öğr. Gör. M. Mutlu YAPICI Ankara Üniversitesi Elmadağ Meslek Yüksekokulu Ders İzlencesi Hafta Modüller/İçerik/Konular 1. Hafta Temel Kavramlar 2. Hafta Veri Modelleri 3.
DetaylıBÖLÜM 13 HİPOTEZ TESTİ
1 BÖLÜM 13 HİPOTEZ TESTİ Bilimsel yöntem aşamalarıyla tanımlanmış sistematik bir bilgi üretme biçimidir. Bilimsel yöntemin aşamaları aşağıdaki gibi sıralanabilmektedir (Karasar, 2012): 1. Bir problemin
DetaylıFiziksel Sistemlerin Matematik Modeli. Prof. Neil A.Duffie University of Wisconsin-Madison ÇEVİRİ Doç. Dr. Hüseyin BULGURCU 2012
Fiziksel Sistemlerin Matematik Modeli Prof. Neil A.Duffie University of Wisconsin-Madison ÇEVİRİ Doç. Dr. Hüseyin BULGURCU 2012 Matematik Modele Olan İhtiyaç Karmaşık denetim sistemlerini anlamak için
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıOLASILIK VE İSTATİSTİK
OLASILIK VE İSTATİSTİK 1 Bölüm 1 Temel Terimler ve Tanımlar 2 Giriş Genel olarak araştırmalarda, büyük veri gruplarının içinden daha küçük veri grupları seçilerek büyük veri gruplarının hakkında bilgi
Detaylı5 (%) 1 Bu ders ile ilgili temel kavramları, yasaları ve bunlar arasındaki ilişkileri
Ders Kodu: FIZ 438 Ders Adı: Yarıiletken Fiziği Dersin Dönemi: 2014-2015 Bahar Dersi Veren Öğretim Üyesi: Doç. Dr. Sadık Bağcı Ders Çıktılarının Gerçekleşme Derecesi Anketi Sonuçları 1 (%) 2 (%) 3 (%)
Detaylıİstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik
6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında
DetaylıOlasılık ve Rastgele Süreçler (EE213) Ders Detayları
Olasılık ve Rastgele Süreçler (EE213) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve Rastgele Süreçler EE213 Güz 3 0 0 3 7 Ön Koşul Ders(ler)i
DetaylıBİÇİMSEL YÖNTEMLER (FORMAL METHODS) Betül AKTAŞ Suna AKMELEZ
BİÇİMSEL YÖNTEMLER (FORMAL METHODS) Betül AKTAŞ 14011021 Suna AKMELEZ 14011050 Biçimsel Yöntemler Nedir? Nerede Kullanılır? Biçimsel Tasarım Biçimsel Yöntemlerin Yararları Biçimsel Yöntemlerin Zayıf Yönleri
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
DetaylıBİLİMSEL ARAŞTIRMA SÜRECİ ve BECERİLERİ
3/14/12 BİLİMSEL ARAŞTIRMA SÜRECİ ve BECERİLERİ Olay ve nesnelerin hareketlerinin duyu organlarının kullanılması ile doğal ortamlarında izlenmesidir. İki türlü gözlem vardır; a) Kontrollü gözlem (Deney)
DetaylıElektrik ve Elektronik Mühendisliğine Giriş (EE 102 ) Ders Detayları
Elektrik ve Elektronik Mühendisliğine Giriş (EE 102 ) Ders Detayları Ders Adı Ders Dönemi Ders Kodu Saati Uygulama Saati Laboratuar Kredi AKTS Saati Elektrik ve Elektronik Mühendisliğine Giriş EE 102 Bahar
Detaylı1. HAFTA PFS 107 EĞİTİMDE ÖLÇME VE DEĞERLENDİRME. Yrd. Doç. Dr. F. Betül Kurnaz. betulkurnaz@karabuk.edu.tr
1. HAFTA PFS 107 EĞİTİMDE ÖLÇME VE DEĞERLENDİRME Yrd. Doç. Dr. F. Betül Kurnaz betulkurnaz@karabuk.edu.tr Karabük Üniversitesi Uzaktan Eğitim Uygulama ve Araştırma Merkezi 2 İçindekiler ye Giriş... 3 de
DetaylıSAY 203 MİKRO İKTİSAT
SAY 203 MİKRO İKTİSAT Esneklikler YRD. DOÇ. DR. EMRE ATILGAN SAY 203 MİKRO İKTİSAT - YRD. DOÇ. DR. EMRE ATILGAN 1 ESNEKLİKLER Talep Esneklikleri Talep esneklikleri: Bir malın talebinin talebi etkileyen
DetaylıGENELLEŞTİRİLMİŞ FUZZY KOMŞULUK SİSTEMİ ÜZERİNE
ÖZEL EGE LİSESİ GENELLEŞTİRİLMİŞ FUZZY KOMŞULUK SİSTEMİ ÜZERİNE HAZIRLAYAN ÖĞRENCİ: Berk KORKUT DANIŞMAN ÖĞRETMEN: Gizem GÜNEL İZMİR 2013 İÇİNDEKİLER 1. PROJENİN AMACI 3.33 2. GİRİŞ... 3 3. YÖNTEM 3 4.
DetaylıUYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA
UYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA Son yıllarda teknolojinin gelişmesi ile birlikte; geniş alanlarda, kısa zaman aralıklarında ucuz ve hızlı sonuç alınabilen uzaktan algılama tekniğinin, yenilenebilir
DetaylıBMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi. İlhan AYDIN
BMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi İlhan AYDIN KESİKLİ-OLAY BENZETİMİ Kesikli olay benzetimi, durum değişkenlerinin zaman içinde belirli noktalarda değiştiği sistemlerin modellenmesi
DetaylıMIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıTÜRKİYE CUMHURİYETİ DEVLETİNİN temellerinin atıldığı Çanakkale zaferinin 100. yılı kutlu olsun.
Doç.Dr.Mehmet MISIR-2013 TÜRKİYE CUMHURİYETİ DEVLETİNİN temellerinin atıldığı Çanakkale zaferinin 100. yılı kutlu olsun. Son yıllarda teknolojinin gelişmesi ile birlikte; geniş alanlarda, kısa zaman aralıklarında
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.
DetaylıVeri Madenciliği Yaklaşımı ile Mesleki Yönlendirme Sistemi
Veri Madenciliği Yaklaşımı ile Mesleki Yönlendirme Sistemi YRD. DOÇ. DR. HÜSEYİN GÜRÜLER MUĞLA SITKI KOÇMAN ÜNİVERSİTESİ, TEKNOLOJİ FAKÜLTESİ, BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ Meslek Seçimi Meslek Seçimi
DetaylıKLASİK FRAKTALLAR FRAKTAL ÖZELLİKLERİ VE BOYUT
KLASİK FRAKTALLAR FRAKTAL ÖZELLİKLERİ VE BOYUT.. KENDİNE BENZERLİK VE AFİNİTE Fraktal özelliklerinden bir diğeri de kendine benzerlikdir. Geometrik açıdan, aynı şekle sahip olan geometrik şekiller birbirine
DetaylıBilimsel Araştırma Yöntemleri
Bilimsel Araştırma Yöntemleri Nitel Araştırma Modelleri 1 Neler Öğreneceğiz? Nitel Araştırma Yöntemleri Durum Çalışması Olgubilim Etnografya 2 1 Nitel Araştırmalar Nicel yaklaşım ve sosyal bilimler? Sınav
DetaylıSu Ürünlerinde Temel İstatistik. Ders 1: Temel Kavramlar
Su Ürünlerinde Temel İstatistik Ders 1: Temel Kavramlar Ben kimim? Yalçın İŞLER Yardımcı Doçent Doktor İ.K.Ç.Ü. Biyomedikal Mühendisliği Bölümü http://me.islerya.com islerya@yahoo.com Cep telefonumdan
DetaylıBölüm 2 Varlık-İlişki Veri Modeli: Araçlar ve Teknikler. Fundamentals, Design, and Implementation, 9/e
Bölüm 2 Varlık-İlişki Veri Modeli: Araçlar ve Teknikler Fundamentals, Design, and Implementation, 9/e Üç Şema Modeli Üç şema modeli 1975 de ANSI/SPARC tarafından geliştirildi Veri modellemeninç ve rolünü
DetaylıBİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Bir değişkenin değerinin,
DetaylıBENZETİM. Prof.Dr.Berna Dengiz
Prof.Dr.Berna Dengiz 2. Ders Sistemin Performans.. Ölçütleri Sistem Türleri Benzetim Modelleri Statik veya Dinamik Deterministik ( belirli ) & Stokastik ( olasılıklı) Kesikli & Sürekli Sistemin Performans
DetaylıMAT101 MATEMATİK I BÖLÜM 3 FONKSİYONLAR
MAT101 MATEMATİK I BÖLÜM 3 FONKSİYONLAR Yrd. Doç. Dr. Furkan BAŞER Ankara Üniversitesi Uygulamalı Bilimler Fakültesi GİRİŞ Fonksiyon kavramı, matematikte en önemli kavramlardan biridir. Temel düzeyin ötesinde
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
Detaylı1 Hipotez konusuna öncelikle yokluk hipoteziyle başlanılan yaklaşımda, araştırma hipotezleri ALTERNATİF HİPOTEZLER olarak adlandırılmaktadır.
Özellikle deneysel araştırmalarda, araştırmacının doğru olup olmadığını yapacağı bir deney ile test edeceği ve araştırma sonunda ortaya çıkan sonuçlarla doğru ya da yanlış olduğuna karar vereceği bir önermesi
DetaylıBahar Dönemi Fizik Bölümü Fizik II Dersi Çıktılarının Gerçekleşme Derecesi Program Çıktılarının Ders Kazanımlarına Katkısı Anketi
2014-201 Bahar Dönemi Fizik Bölümü Fizik II Dersi Çıktılarının Gerçekleşme Derecesi Program Çıktılarının Ders Kazanımlarına Katkısı Anketi 1 Orta Yüksek Yüksek 2 3 4 Bu ders ile ilgili temel kavramları,
Detaylı1. BÖLÜM Mantık BÖLÜM Sayılar BÖLÜM Rasyonel Sayılar BÖLÜM I. Dereceden Denklemler ve Eşitsizlikler
ORGANİZASYON ŞEMASI 1. BÖLÜM Mantık... 7. BÖLÜM Sayılar... 13 3. BÖLÜM Rasyonel Sayılar... 93 4. BÖLÜM I. Dereceden Denklemler ve Eşitsizlikler... 103 5. BÖLÜM Mutlak Değer... 113 6. BÖLÜM Çarpanlara Ayırma...
DetaylıVERİ YAPILARI. Yrd. Doç. Dr. Murat GÖK Bilgisayar Mühendisliği Bölümü YALOVA ÜNİVERSİTESİ HASH TABLOLARI.
VERİ YAPILARI HASH TABLOLARI Yrd. Doç. Dr. Murat GÖK Bilgisayar Mühendisliği Bölümü YALOVA ÜNİVERSİTESİ muratgok@gmail.com Hash tabloları Hash tablo veri yapısı ile veri arama, ekleme ve silme işlemleri
DetaylıEM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak
EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş Dr. Özgür Kabak Doğrusal Olmayan Programlama Eğer bir Matematiksel Programlama modelinin amaç fonksiyonu ve/veya kısıtları doğrusal değil
DetaylıDers Kodu: FIZ 306 Ders Adı: Katıhal Fiziği-İntibak Dersin Dönemi: Güz Dönemi Dersi Veren Öğretim Üyesi: Yrd. Doç. Dr.
Ders Kodu: FIZ 306 Ders Adı: Katıhal Fiziği-İntibak Dersin Dönemi: 2014-2015 Güz Dönemi Dersi Veren Öğretim Üyesi: Yrd. Doç. Dr. Metin Aslan 1 Orta 2 3 4 5 Bu ders ile ilgili temel kavramları, yasaları
DetaylıOLASILIK TEORİSİ VE İSTATİSTİK
OLASILIK TEORİSİ VE İSTATİSTİK İstatistik: Derslerimiz içinde bu sözcük iki anlamda kullanılacaktır. İlki ve en yaygın kullanılan biçimi rakamla elde edilen bilgilerin belli kuralarla anlaşılır ve yorumlanabilir
DetaylıKesirler. Kesirlere neden ihtiyaç duyulur?
Kesirler Kesirler Kesirlere neden ihtiyaç duyulur? Kesirler Doğal sayılar günlük yaşantımızda bazı problemlerin çözümünde yetersiz kalır. Kesirler Örneğin, 3 elmayı 2 arkadaşınıza paylaştırdığınızda her
DetaylıBÖLÜM I MATEMATİK NEDİR? 13 1.1. Matematik Nedir? 14
İÇİNDEKİLER Önsöz. V BÖLÜM I MATEMATİK NEDİR? 13 1.1. Matematik Nedir? 14 BÖLÜM II KÜMELER 17 2.1.Küme Tanımı ve Özellikleri 18 2.2 Kümelerin Gösterimi 19 2.2.1 Venn Şeması Yöntemi 19 2.2.2 Liste Yöntemi
DetaylıHazırlayan. Ramazan ANĞAY. Bilimsel Araştırmanın Sınıflandırılması
Hazırlayan Ramazan ANĞAY Bilimsel Araştırmanın Sınıflandırılması 1.YAKLAŞIM TARZINA GÖRE ARAŞTIRMALAR 1.1. N2tel Araştırmalar Ölçümlerin ve gözlemlerin kolaylık ve kesinlik taşımadığı, konusu insan davranışları
DetaylıSAYISAL ÇÖZÜMLEME. Yrd.Doç.Dr.Esra Tunç Görmüş. 1.Hafta
SAYISAL ÇÖZÜMLEME Yrd.Doç.Dr.Esra Tunç Görmüş 1.Hafta Sayısal çözümleme nümerik analiz nümerik çözümleme, approximate computation mühendislikte sayısal yöntemler Computational mathematics Numerical analysis
DetaylıMATEMATİKSEL MAKALELERİN İNCELEMELERİ MURAT KAŞLI. https://www.facebook.com/mrtkasli
MATEMATİKSEL MAKALELERİN İNCELEMELERİ MURAT KAŞLI https://www.facebook.com/mrtkasli İnteraktif Oyunların Matematik Açısından Etkisi Van Hiele Geometri Anlama Düzeyleri 1. Düzey: Görsel düzey Öğrenci
DetaylıDers Kodu: FIZ 131 Ders Adı: FİZİK I Dersin Dönemi: Güz Dönemi
Ders Kodu: FIZ 131 Ders Adı: FİZİK I Dersin Dönemi: 2015-2016 Güz Dönemi 1 Orta 2 3 4 5 Bu ders ile ilgili temel kavramları, yasaları ve bunlar 0% 0% 0% 20% 80% arasındaki ilişkileri anladım Kuramsal ve
Detaylı9. HAFTA KARAR VERME SÜRECİ
1 9. HAFTA KARAR VERME SÜRECİ Karar Karar verme (decision making) Karar verme süreci İyi bir kararın özellikleri Yönetimde karar türleri 2 TANIM Karar: düşünme ve usa vurma sonunda verilen hüküm (yargı),
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
Detaylı13.Konu Reel sayılar
13.Konu Reel sayılar 1. Temel dizi 2. Temel dizilerde toplama ve çarpma 3. Reel sayılar kümesi 4. Reel sayılar kümesinde toplama ve çarpma 5. Reel sayılar kümesinde sıralama 6. Reel sayılar kümesinin tamlık
DetaylıMONTE CARLO BENZETİMİ
MONTE CARLO BENZETİMİ U(0,1) rassal değişkenler kullanılarak (zamanın önemli bir rolü olmadığı) stokastik ya da deterministik problemlerin çözümünde kullanılan bir tekniktir. Monte Carlo simülasyonu, genellikle
DetaylıDers Kodu: FIZ 439 Ders Adı: Süperiletkenlik Dersin Dönemi: Güz Dönemi Dersi Veren Öğretim Üyesi: Doç. Dr. Sadık Bağcı
Ders Kodu: FIZ 439 Ders Adı: Süperiletkenlik Dersi Veren Öğretim Üyesi: Doç. Dr. Sadık Bağcı Bu ders ile ilgili temel kavramları, yasaları ve bunlar arasındaki 0% 0% 30% 40% 20% ilişkileri anladım Kuramsal
DetaylıSİMÜLASYON Hazırlayan: Özlem AYDIN
SİMÜLASYON Hazırlayan: Özlem AYDIN Not: Bu sunumda Yrd. Doç. Dr. Yılmaz YÜCEL in Modelleme ve Benzetim dersi notlarından faydalanılmıştır. SİMÜLASYONUN ORTAYA ÇIKIŞI Simülasyonun modern anlamda kullanılışı
DetaylıGirişimcilikte Simülasyon: Eğitimcinin Eğitimi
Girişimcilikte Simülasyon: Eğitimcinin Eğitimi Giriş Modeller Uygulamalar Risk analizi Olası Analiz Simülasyon Yöntemi Envanter Simülasyonu Bekleme Hatları Avantajlar ve dezavantajlar Referanslar SUNUM
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
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
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
DetaylıEĞİTİM - ÖĞRETİM YILI 10. SINIF MATEMATİK DERSİ DESTEKLEME VE YETİŞTİRME KURSU KAZANIMLARI VE TESTLERİ
EKİM 07-08 EĞİTİM - ÖĞRETİM YILI 0. SINIF MATEMATİK DERSİ 0... Olayların gerçekleşme sayısını toplama ve çarpma prensiplerini kullanarak hesaplar. 0... Sınırsız sayıda tekrarlayan nesnelerin dizilişlerini
DetaylıDERS ÖĞRETİM PLANI. Teorik Kredisi. Zorunlu Lisans 2 Türkçe
Ders Kodu Türü ISL12 Düzeyi Adı Yarıyıl Sunulduğu Dil Teorik EKONOMİNİN TEMELLERİ II Uygulama Laboratuvar Ulusal Zorunlu Lisans 2 Türkçe 0 0 5 AKTS Bölümü : İşletme Önkoşulları : - İşleniş : Yüz yüze anlatım,
DetaylıFEN BİLİMLERİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
FEN BİLİMLERİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. Ders Saati (T+U+L) Kredi AKTS SAYISAL YÖNTEMLER FM-223 2 / 2.YY 2 2+0+0 4 Dersin Dili : Türkçe Dersin Seviyesi : Lisans
DetaylıTRANFER FONKSİYONLARI SİSTEMLERİN MATEMATİKSEL MODELİ BASİT SİSTEM ELEMANLARI
Ders içerik bilgisi TRANFER FONKSİYONLARI SİSTEMLERİN MATEMATİKSEL MODELİ BASİT SİSTEM ELEMANLARI 1. İç değişken kavramı 2. Uç değişken kavramı MEKANİK SİSTEMLERİN MODELLENMESİ ELEKTRİKSEL SİSTEMLERİN
DetaylıAraştırma Problemleri: Problem İfadeleri, Araştırma Soruları ve Hipotezler
Araştırma Problemleri: Problem İfadeleri, Araştırma Soruları ve Hipotezler Araştırma Problemleri Problem Belirleme Kaynakları Genel problem Yapısı Problem Oluşturmanın Önemi Nicel Problem Oluşturma 1-
DetaylıEĞİTİM-ÖĞRETİM YILI 8. SINIF MATEMATİK DERSİ KAZANIMLARININ ÇALIŞMA TAKVİMİNE GÖRE DAĞILIM ÇİZELGESİ SÜRE
Ay 2016 2017 EĞİTİM-ÖĞRETİM YILI 8. SINIF MATEMATİK DERSİ KAZANIMLARININ ÇALIŞMA TAKVİMİNE GÖRE DAĞILIM ÇİZELGESİ SÜRE Hafta ÖĞRENME ALANI ALT ÖĞRENME ALANI KAZANIMLAR EYLÜL 3 4 Sayılar ve İşlemler Çarpanlar
DetaylıMatematiksel Finansa Giriş (MATH 313) Ders Detayları
Matematiksel Finansa Giriş (MATH 313) Ders Detayları Ders Adı Matematiksel Finansa Giriş Ders Kodu MATH 313 Dönemi Ders Uygulama Saati Saati Laboratuar Kredi AKTS Saati Güz 3 0 0 3 6 Ön Koşul Ders(ler)i
Detaylı