KÜMELEME ĠÇĠN BĠR BENZETĠLMĠġ TAVLAMA ALGORĠTMASI YAKLAġIMI
|
|
- Elmas Işık
- 6 yıl önce
- İzleme sayısı:
Transkript
1 Yönetm, Yıl: 9, Sayı: 9, Şubat 8 KÜMELEME ĠÇĠ BĠR BEZETĠLMĠġ TAVLAMA ALGORĠTMASI YAKLAġIMI Dr. Tunçhan CURA İtanbul Ünverte İşletme Faülte Sayıal Yöntemler Anablm Dalı Lteratürde ümeleme çn önerlmģ br ço ayıda algortm yalaģım vardır ve öneml br ımı da ezgel yalaģımlardır. Bu çalıģmada br ezgel yalaģım türü olan benzetlmģ tavlama yöntemyle br ümeleme algortmaı önerlmģtr. Önerlen algortma Gauan Olaılı Dağılımına göre teadüf oluģturulan yapay problemlerde denenmģtr. KarĢılaĢtırma yapablme çn ılıla ullanılan SPSS. yazılımının K-Mean Cluter, Herarchcal Cluter, Twotep Cluter araçlarından ve Lngo8 den yararlanılmıģtır. Sonuçlar önerlen yöntemn ağlılı olduğunu ortaya oymuģtur. Key ord: Cluterng, mulated annealng, heurtc. A SIMULATED AEALIG ALGORITHM APPROACH TO CLUSTERIG A the relevant lterature urveyed, plenty of algorthmc approache appear and many of thoe are heurtc technque. The cluterng algorthm that ha been propoed n th tudy baed on mulated annealng method whch a type of heurtc algorthm. Th algorthm ha been teted n artfcal problem whch have been randomly generated wth repect to the Gauan Probablty Dtrbuton. The K-Mean Cluter, Herarchcal Cluter, and Twotep Cluter, whch are the frequently ued tool of SPSS. oftware, and the Lngo8 oftware have been exploted for comparon. The reult have hown that the propoed technque robut. Anahtar Sözcüler: Kümeleme, benzetlmģ tavlama, ezgel.
2 GĠRĠġ Kümeleme, br ver ümende herbr vernn özelllerne bağlı olara daha haa te br alt üme çernde toplanmaıdır. Sözonuu ver üme, özelller olan neneler üme olara teml edleblr. Buna göre herhang br nenenn dğer br j neneyle olan zıtlığı d j le teml edln. Her br alt üme çernde d j değerler en üçü olan neneler yeralmalıdır (baınız Bryon ve Inn, 7,. Görüldüğü gb ümeleme, en uyumlu nenelern brarada bulunduğu alt ümelern tept edlmene yönel br optmzayon problem olmatadır. Kümelemeye yönel çeģtl çalıģmalar vardır. Bunların baģında McQueen n (967 önermģ olduğu ve ılıla ullanılan K-mean algortmaı gelmetedr. Bu yalaģımla her br ümede yeralan nenelern özell ortalamaları gözönünde bulundurulara üme çernde yeralan her br nenenn ortalamadan uzalığı date alınmıģtır. BaĢa br yalaģım Johnon un (967 önerdğ hyerarģ ümeleme Ģemalarıdır. Bu yalaģımda her nene end ümene yerleģtrlr ve çlernde brbrne en yaın üme brleģtrlr. Böylece üme ayıı br azaltılır. Itenen üme ayıına ulaģılana adar Ģlem devam ettrlr. Buna benzer br baģa hyerarģ yalaģım ard (99 tarafından öne ürülmüģtür. Kümeleme çn bunların dıģında ılıla baģvurulan çeģtl ezgel yalaģımlar da vardır. Örneğn Sheloar ve dğerler ( tarafından önerlmģ olan arınca olonler optmzayonu yalaģımı, Lu ve dğerlernn ( önerdler genet algortmalar yalaģımı le Güngör ve Ünler n (7 önermģ olduları tabu arama yalaģımı verleblece örnelern baģında yeralmatadır. Bu çalıģmada ümeleme çn herbr nenenn bulunduğu ümenn merezne olan uzalılarının toplamının en üçü olduğu çözümü araģtıran br benzetlmģ tavlama algortmaı önerlmģtr. Sonuçlar SPSS. yazılımının twotep cluter, K-mean cluter, herarchcal cluter araçlarının ve Lngo8 n bulduğu çözümlerle arģılaģtırılmıģtır. KarĢılaĢtırılmaların yapılmaı çn ullanılan problemler Gau olaılı dağılımına göre teadüfî olara oluģturulmuģtur.. KÜMELEME PROBLEMĠ herhang br nenenn ( =,..., ümenn merezne uzalığı d le teml edlr ve aģağıda gb heaplanır: d l n x l m l =,...,, =,..., K ( Görüldüğü gb ( de nenelern üme merezlerne olan uzalıları heaplanmatadır. Anca üme mereznn naıl heaplandığı bu notada daha öneml br orun olmatadır. Br ümenn merez, çnde yeralan nenelern özelllernn ortalamaıdır. Buna göre nenenn ümenn çnde olup olmadığını teml eden br br-ıfır değģen ullanılablr. Böylece = e nene ümende yeralacatır, = e yeralmayacatır. Br ümenn merez aģağıda gb heaplanır: m l x l ( Buna göre, ümeleme problemnn bu çalıģmada ullanılan matemat model ( ve ( nn yardımıyla aģağıda gb olur: mn. t K K m l n l ( x,, (,, x,...,, l l,..., K,, m l,...,,,..., K, l,..., K.,..., n, Daha önce de değnldğ gb bu çalıģmada herbr alt üme çernde yer alan nenelern, çnde bulunduları ümenn merezne olan öld uzalıları temel alınmıģtır. Buna göre nene ayıı, nenelern özell ayıı, nenenn özelllernn değerler, üme ayıı ve herbr ümenn merez ıraıyla, n, x l (l =,..., n, K ve m l ( =,..., K le teml edlre,. BEZETĠLMĠġ TAVLAMA ALGORĠT- MASI BenzetlmĢ Tavlama (BT algortmaı Metropol ve dğerlernn (98 çalıģmaını temel alan Krpatrc ve dğerler (98 tarafından ortaya atılmıģtır. BT eģ algortmalarının br türüdür (Baınız
3 Aart E. ve Lentra J. K.,, 9-9. Adından da anlaģılacağı gb BT, br maddenn ııtılıp yavaģça oğumaya bıraılmaı durumunda çevreyle termal eģtlğe ulaģana adar yavaģça oğumaı ürecn talt eder. Sözonuu üreçte ıı evyenn yüe olduğu durumlarda maddenn enerj azam düzeydedr ve parçacıları teadüf olara dağılmatadır. Anca ıı evye termal eģtl notaına ulaģtığında e maddenn enerj agar düzeyde olur ve parçacılar uvvetl yapıal br bütünlüğe ulaģmıģ olurlar. Fzel tavlama ürec br optmzayon problem çözümünün aranmaı ürecne benzetleblr. Buna göre yüe ıı evyene arģılı gelen br teadüf baģlangıç çözümünün enerj amaç fonyonunun değerne arģılı gelmetedr. Böylece çözüm aranıren, t ıı evyende çözümünden j omģu çözümüne geçme olaılığı aģağıda gb heaplanır: P { j' y abul et} t mn e f ( f ( j t, 6 6 ġel. Herhang br çözümü teml eden matr Her atır br vetör olduğundan ümeler bu çalıģmada vetör olara teml edlmģlerdr. ġel de ümenn ve 6 nenenn olduğu örne br çözüm matr göterlmetedr. Buna göre vetörü ncelendğnde brnc ümeye nc, nc ve nc nenelern yerleģtrlmģ olduğu görülmetedr.. EERJĠ FOKSĠYOU ( Görüldüğü gb BT algortmaına göre yüe ıı evyel durumlarda daha uzata omģu çözümlern abul edlme olaılığı daha yüe olmata, böylece bu ıçrama hareetler ayende loal en üçü notaya taılma orunu engelleneblmetedr.. KÜMELEME çn BT TASARIMI BT algortmarının en öneml unurlarından br yuarıda da ıaca grģ yapılmıģ olan omģuların araģtırılmaıdır. Adından da açıça görüldüğü gb en üçü enerjl durum araģtırılıren, terarla br pozyonun omģuları araģtırılır ve ( te fonyona göre bulunan omģu çözüm abul edlr veya edlmez. Böylece öz onuu yen çözüm en düģü enerjnn aranmaında yen oda notaı olmatadır. Bu çalıģmada K adet ümeye adet nene baģlangıçta teadüf olara dağıtılmatadır. Bu uygulama BT algortmalarının en temel baģlangıç çözümü belrleme bçmdr. Söz onuu durum en yüe ıı evyenn olduğu durumdur. Bu l çözüm yuarıda gb çözümü olara ntelenece olura, j omģu çözümü de teadüf olara ümenn eçlme ve bu üme çernde teadüf pozyonda elemanların yerdeğģtrlme le belrlenr. Matematel olara daha rahat zah edeblme çn çözüm matryle teml edlmetedr. Sözonuu matrn boyutu K x dr. BaĢa br fadeyle atırlarda ümeler olonlarda da neneler bulunmatadır. Anca herhang br olonda ıfır değer bulunablr, bunun anlamı lgl pozyonda herhang br nene bulunmamata olduğudur. Buna göre matrnn her atırının br ümey teml ettğ açıça görülmetedr. g( : çözüm matrnn ıncı atırı begn o l =, l =,..., n onuç = for l = to n eleman_ayıı = for = to f > then o l = o l + x l eleman_ayıı = eleman_ayıı + f eleman_ayıı = then onuç = // Her br ümede en az br nene bulunmalı Algortmayı onlandır o l = o l / eleman_ayıı for l = to n for = to f > then onuç = onuç + (o l - x l return onuç End ġel. vetörünün enerj fonyonu. Bu çalıģmada önerlen BT algortmaı çözüm matr yalaģımında her br atır (vetör br ümey
4 teml etmetedr. Buna göre herhang br vetörün enerj fonyonu od talağı Ģel de verlen g( fonyonuyla teml edlece olura, mevcut çözümün toplam enerj ( de gb heaplanır. K f ( g( (. ĠYĠLEġTĠRME OPERATÖRÜ Blndğ gb BT algortmaı omģu çözümler teadüf olara belrlemetedr. Alında, ezgel yalaģımların hemen hepnn mantığı ımen de ola teadüflüğe dayanmatadır. Bazı durumlarda mevcut çözüm en y çözüme ço yaın olmaına rağmen omģu çözümün teadüfen oluģturulmaı abebyle en yye ulaģmaı ço güç olablr. Örneğn üç ümenn ve nenenn olduğu br durum düģünüleblr. Böyle br durumda öyle br çözüme ulaģılmıģ olun yalnız numaralı nene. ümeden alınıp. ümeye onula en y çözüme ulaģılaca olun. ĠĢte böyle br omģunun eçleblme olaılığı ço düģütür. Bu durumda Ģel te od talağı verlmģ olan yleģtrme operatörü bu amaç çn ullanılablr. Görüldüğü gb bu operatör ç çe grmģ döngüler yardımıyla l olara mevcut çözüm matrnn hücrelernde değerler yer değģtrmetedr. Böylece örnete numaralı nene. ümeden alınıp. ümeye enlle yerleģtrlecetr. 6. KÜMELEME çn BT ALGORĠTMASI Buraya adar anlatılanlar braraya getrldğ tatrde Ģel te göterlen Kümeleme BT Algortmaı t = teadüf olara baģlangıç matrn oluģtur F = f( F eny = F eny = f = g(, =,..., K whle t > 6 do for nrep = to = round(random(, (K - + do * = round(random(, (K-+ untll * = round(random(, ( - + do * = round(random(, ( - + untll * * le * * ı yerdeğģtr = f + f * g( g( * 6 g = g( =,..., K. for = to K for * = + to K for = to for * = to then f * * then le * ı yerdeğģtr * f g g g g( le * * ele g = g( g K F g( t f random(, < mn( e, then ġel. Kümeleme BT Algortmaı * * g( * ı yerdeğģtr ( * ġel. çözüm matr çn yleģtrme operatörü elde edlr. Görüldüğü gb algortmada bazı abt değerler ullanılmıģtır. Bu değerlern hep ampr olara belrlenmģtr. Örneğn yleştrme operatörü nün çağırılma olaılığı., baģlangıç ıı evye, on ıı evye 6 dan büyü ve oğuma programı t d = t d-.9 (d: döngü numaraı olara belrlenmģtr. f = g( f * g( * F = F - Ele le * * ı yerdeğģtr f random(, <. then matr çn yleģtrme operatörünü çağır f F < F eny then eny = F eny = F ele f random(, <. then F = F eny = eny t = t.9 End whle
5 7. KARġILAġTIRMALI PROBLEMLER Bu ıımda bazı ümeleme problemler önerlen BT algortmaını tet etme çn ullanılmatadır. Bunun çn dört farlı ümeleme problem Gauan dağılımına göre teadüfî olara oluģturulmuģtur. Tüm problemlerde onuç graflernn rahat göterleblme çn n = alınmıģtır. Problemler Pentum M. GHz Ģel blgayarda denenmģtr. Problem Ġl problem brnc ıımda verlmģ olan matematel optmzayon modelnn br yazılımla (Lngo8 ncelenme amacıyla oluģturulmuģtur. Model on derece bat görünmetedr. Anca üme ortalamalarının dnam oluģu ve optmze edlece değģenlere bağlı olara değģme uygun (feable br çözümün dah bulunablmen ço güçleģtrmetedr. Buna göre ço bat br problem olara = 6 ve K = olduğu durum ncelenmģtr. Problem ortalamaların μ = {, }, μ = {, } ve μ = {.,.} tandart apmaların e σ = {., }, σ = {,.} ve σ = {, } olduğu Gauan dağılımından teadüf olara örnelern eçlmeyle oluģturulmuģtur. Böylece Lngo8 model Ģel te gbdr. ġel 6 da Lngo8 n bulduğu onuç, Ģel 7 de e BT algortmaının bulduğu onuç göterlmetedr. Görüldüğü gb Lngo8 anca uygun br çözüm bulablmģtr. Amaç fonyon değer D le teml edlece olura D Lngo8 =.79 en D BT =.8 dr. MODEL: et: K/../; /..6/; p/../; xp(, p: x; Kx(K, : ; Kxp(K, p: m; endet data: x =.889, ,...; enddata @um(p(l: (, * (x(, l - m(, l * (x(, l - (, (, m(, l (, * x(, l (, ; ED ġel. Kümeleme çn Lngo8 model Lngo üme üme üme ġel 6. Lngo8 n bulduğu onuç. 7
6 BT Algortma üme üme üme ġel 7. BT algortmaının bulduğu onuç Problem Ġnc problemde = ve K = tür. Problem ortalamaların μ = {, }, μ = {, } ve μ = {.,.} tandart apmaların e σ = {., }, σ = {,.} ve σ = {, } olduğu Gauan dağılımından teadüf olara örnelern eçlmeyle oluģturulmuģtur. BT algortmaı 9. anyede onucu bulmuģtur. Dğer tenler le arģılaģtırmalı onuçlar tablo de verlmģtr. En y çözüm olan SPSS. K-Mean tenğ le BT nın onuç grafler ıraıyla Ģel 8 ve Ģel 9 da göterlmģtr. Tablo. Problem nn tüm tenlere göre amaç fonyonu değerler Kullanılan Ten BT Algortmaı 8.6 SPSS K-Mean 9.7 SPSS Herarchcal 7.9 SPSS Twotep 8.97 D SPSS K-Mean ġel 8. SPSS. K-Mean onucu. Küme Küme Küme 8
7 BT Algortma ġel 9. BT algortmaının bulduğu onuç Küme Küme Küme Problem Üçüncü problemde = ve K = 6 dır. Problem ortalamaların μ = {, }, μ = {, }, μ = {.,.}, μ = {.,.}, μ = {.,.8} ve μ 6 = {.,.} tandart apmaların e σ = {., }, σ = {,.}, σ = {, }, σ = {., }, σ = {,.} ve σ 6 = {.,.} olduğu Gauan dağılımından teadüf olara örnelern eçlmeyle oluģturulmuģtur. BT algortmaı 6. anyede onucu bulmuģtur. Dğer tenler le arģılaģtırmalı onuçlar tablo de verlmģtr. En y çözüm olan SPSS. Herarchcal tenğ le BT nın onuç grafler ıraıyla Ģel ve Ģel de göterlmģtr. Tablo. Problem ün tüm tenlere göre amaç fonyonu değerler Kullanılan Ten BT Algortmaı SPSS K-Mean.996 SPSS Herarchcal SPSS Twotep 7.8 D SPSS Herarchcal Küme Küme Küme Küme Küme Küme 6 - ġel. SPSS. Herarchcal onucu 9
8 BT Algortma Küme Küme Küme Küme Küme Küme 6 - ġel. BT algortmaının bulduğu onuç Problem Dördüncü problemde = olma aydıyla dğer parametereler üçüncü problem çn ullanılanla aynı olara alınmıģtır. BT algortmaı.78 anyede onucu bulmuģtur. Dğer tenler le arģılaģtırmalı onuçlar tablo te verlmģtr. En y çözüm olan SPSS. K-Mean tenğ le BT nın onuç grafler ıraıyla Ģel ve Ģel te göterlmģtr. SPSS K-mean Küme Küme Küme Küme Küme Küme 6 ġel. SPSS. K-Mean onucu Tablo. Problem ün tüm tenlere göre amaç fonyonu değerler Kullanılan Ten D BT Algortmaı 67.9 SPSS K-Mean SPSS Herarchcal SPSS Twotep 996.8
9 BT Algortma Küme Küme Küme Küme Küme Küme 6 ġel. BT algortmaının bulduğu onuç SOUÇ Bu çalıģmada önerlen yöntem, en ı ullanılan yüntemlerden bazıları le ıyalanmıģtır. Sonuçlar ncelendğnde br problem harç hepnde önerlen BT algortmaı daha baģarılı olmuģtur. Söz onuu problemde e en y çözüme olduça yaın br çözüm elde edlmģtr. ÇalıĢma üreler ncelendğnde algortmanın problem boyutuna bağlı olara maul ürelerde çözümü bulduğu öyleneblmetedr. Böylece onuç olara BT yalaģımının ümeleme çn baģarıyla ullanılableceğ görülmetedr. KAYAKÇA Aart E., Lentra J. K.,, Local Search n Combnatoral Optmzaton, Prnceton Unverty Pre, USA. Bryon K. M. O., Inn T. R., 7, A hybrd cluterng algorthm, Computer & Operaton Reearch,, 69. Güngör Z., Ünler A., (Baıda Maale, K- Harmonc Mean Data Cluterng wth Tabu- Search Method, Appled Mathematcal Modelng. Johnon S., 967, Herarchcal cluterng cheme, Pychometra,,. Krpatrc S., Gerlatt C. D. Jr., Vecch M.P., 98, Optmzaton by Smulated Annealng, Scence,, Lu Y., ChenK., Lao X., Zhang.,, A genetc cluterng method for ntruon detecton, Pattern Recognton, 7, McQueen J., 967, Some method for clafcaton and analy of multvarate obervaton, Proceedng of the ffth Bereley ympoum on mathematcal tattc and probablty, Metropol., Roenbluth A.., Roenbluth M.., Teller A.H., Teller E., 98, Equaton of State Calculaton by Fat Computng Machne, J. Chem. Phy.,, Sheloar P.S., Jayaraman V.K., Kularn B.D.,, An ant colony approach for cluterng, Analytca Chmca Acta, 9, 87 9 ard J., 99, Herarchcal groupng to optmze an objectve functon, Journal of Amercan Stattcal Aocaton, 8, 6.
Tek Yönlü Varyans Analizi (ANOVA)
VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem
DetaylıTek Yönlü Varyans Analizi
Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak
DetaylıDirect Decomposition of A Finitely-Generated Module Over a Principal Ideal Domain *
BİR ESAS İDEAL BÖLGESİ ÜZERİNDEKİ SONLU DOĞURULMUŞ BİR MODÜLÜN DİREK PARÇALANIŞI * Drec Decompoon of A Fnely-Generaed Module Over a Prncpal Ideal Doman * Zeynep YAPTI Fen Blmler Enüü Maemak Anablm Dalı
Detaylı16. Dörtgen plak eleman
16. Ddörtgen pla eleman 16. Dörtgen pla eleman Kalınlığı dğer boyutlarına göre üçü ve düzlemne d yü etsnde olan düzlem taşıyıcı ssteme pla denr. Yapıların döşemeler, sıvı deposu yan duvarları ve öprü plaları
DetaylıANOVA. CRD (Completely Randomized Design)
ANOVA CRD (Completely Randomzed Desgn) Örne Problem: Kalte le blgnn, ortalama olara, br urumun üç farlı şehrde çalışanları tarafından eşt olara algılanıp algılanmadığını test etme amacıyla, bu üç şehrde
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ- KARE TESTLERİ Doç.Dr. Al Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIAY Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı,
DetaylıNOT: Deney kılavuzunun Dönme Dinamiği Aygıtının Kullanımı İle İlgili Bilgiler Başlıklı Bölümü okuyunuz.
8. AÇISAL HIZ, AÇISAL İVME VE TORK Hazırlayan Arş. Grv. M. ERYÜREK NOT: Deney kılavuzunun Dönme Dnamğ Aygıının Kullanımı İle İlgl Blgler Başlıklı Bölümü okuyunuz. AMAÇ 1. Küle merkez boyunca geçen ab br
DetaylıMOD SÜPERPOZİSYONU İLE ZAMAN TANIM ALANINDA ÇÖZÜM
Nur ÖZHENEKCİ O SÜPERPOZİSYONU İLE ZAAN ANI ALANINA ÇÖZÜ Aşağıda açılanaca olan ortogonall özelllernn sağlandığı yapılar çn, zaman tanım alanında çözüm, her mod çn ayrı ayrı yapılıp daha sonra bu modal
DetaylıAJANDA LİTERATÜR TARAMASI
AJANDA İSTANBUL DAKİ HASTANELERDEN TIBBİ ATIKLARIN TOPLANMASI İÇİN ARA TESİSE UĞRAMALI BİR ARAÇ ROTALAMA MODELİ Denz Asen Koç Ünverstes İtsad ve İdar Blmler Faültes Müge Güçlü Koç Ünverstes Endüstr Mühendslğ
Detaylıkadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.
KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X
DetaylıARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ
ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,
DetaylıKAFES YAPILARIN MODİFİYE EDİLMİŞ YAPAY ARI KOLONİ ALGORİTMASI İLE OPTİMİZASYONU
XVIII ULUSAL MEKANİK KONGRESİ 26-30 Ağustos 2013, Celal Bayar Ünverstes, Mansa KAFES YAPILARIN MODİFİYE EDİLMİŞ YAPAY ARI KOLONİ ALGORİTMASI İLE OPTİMİZASYONU S Özgür Değertekn 1, Mehmet Ülker 2, M Sedat
DetaylıDETERMINATION OF THE ECONOMIC DISPATCH IN ELECTRIC POWER SYSTEMS USING SIMULATED ANNEALING(SA) ALGORITHM
5 Uluslararası İler Teknolojler Sempozyumu (IATS 09), 3-5 Mayıs 2009, Karabük, Türkye ELEKTRİK GÜÇ SİSTEMİNDE OPTİMAL YAKIT MALİYETİNİN BENZETİM TAVLAMA (BT) ALGORİTMASI İLE BELİRLENMESİ DETERMINATION
DetaylıÖRNEK PROBLEMLER PROBLEM
ÖRNEK PROBEMER PROBEM genşlğnde ve uzunluğunda düz yüzeyl br leva eletrl br ııtıı yardııyla ıalığı C de uafaza edlee şelde ııtılatadır eva yüzeynden C ıalı ve 6 / ızında atfer avaının aışı öz nuu lduğuna
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE KARE TESTLERİ Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
DetaylıÇEV 314 Yağmursuyu ve Kanalizasyon. Nüfus Projeksiyonları
ÇEV 34 Yağmursuyu ve Kanalzasyon üfus Projesyonları Yrd. oç. r. Özgür ZEYA hp://cevre.beun.edu.r/zeydan/ üfus Projesyonları Tasarımı yapılaca olan alyapı projesnn (analzasyon, yağmursuyu analları vb.),
DetaylıSABİT-KUTUP YAKLAŞIMI KULLANILARAK TELEKONFERANSTA ODA AKUSTİK EKO YOK ETME
SABİ-KUUP YAKLAŞIMI KULLAILARAK ELEKOFERASA ODA AKUSİK EKO YOK EME uğba Özge ÖZDİÇ Rıfat HACIOĞLU Eletr-Eletron Mühendslğ Bölümü Mühendsl Faültes Zongulda Karaelmas Ünverstes, 671, Zongulda ozdnc_ozge@hotmal.com
DetaylıÖZEL EGE LİSESİ 13. OKULLAR ARASI MATEMATİK YARIŞMASI 8. SINIF ELEME SINAVI TEST SORULARI
1. x,y,z pozitif tam sayılardır. 1 11 x + = 8 y + z olduğuna göre, x.y.z açtır? 3 B) 4 C) 6 D)1 3 1 4. {,1,1,1,...,1 } 1 ümesinin en büyü elemanının diğer 1 elemanın toplamına oranı, hangi tam sayıya en
DetaylıUfuk Ekim Accepted: January 2011. ISSN : 1308-7231 yunal@selcuk.edu.tr 2010 www.newwsa.com Konya-Turkey
ISSN:1306-3111 e-journal of New World Sciences Academy 011, Volume: 6, Number: 1, Article Number: 1A0156 ENGINEERING SCIENCES Yavuz Ünal Received: October 010 Ufu Eim Accepted: January 011 Murat Kölü Series
DetaylıGIDA SEKTÖRÜNDE İSTATİSTİKSEL KALİTE KONTROL GRAFİKLERİNİN BİR UYGULAMASI
GIDA SEKTÖRÜNDE İSTATİSTİKSEL KALİTE KONTROL GRAFİKLERİNİN BİR UYGULAMASI Aytaç PEKMEZCİ * Özet Kalte kontrol grafkler üreç kontrolü ve yleştrlmende öneml br yere ahptr. İşletmelerdek ürünlern kalte düzeylernn
DetaylıDOĞRUSAL MOMENTUM VE ÇARPIġMALAR
07..0 DOĞRUSAL OENTU VE ÇARPIġALAR. DOĞRUSAL OENTU VE KORUNUU. ĠPULS VE OENTU 3. ÇARPIġALAR. BĠR BOYUTTA ESNEK VE ESNEK OLAYAN ÇARPIġALAR 5. ĠKĠ BOYUTTA ÇARPIġALAR 6. KÜTLE ERKEZĠ 7. PARÇACIKLAR SĠSTEĠNĠN
DetaylıYÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA
YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,
DetaylıUÇAK ÇİZELGELEME PROBLEMİNİN KARINCA KOLONİLERİ OPTİMİZASYONU İLE ÇÖZÜMÜ
Uça Çzelgeleme roblemnn Karınca Kolonler Optmzasyonu le Çözümü HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ OCAK 2005 CİLT 2 SAYI 1 (87-95) UÇAK ÇİZELGELEME ROBLEMİNİN KARINCA KOLONİLERİ OTİMİZASYONU İLE ÇÖZÜMÜ
DetaylıBETONARME ÇERÇEVE TÜRÜ YAPILARDA HASAR DÜZEYİ TAHMİN GÖSTERGELERİ. Engin YILMAZKUDAY 1, Kamuran ÖZTEKİN 2 enginyk@hotmail.com, kamuranoz@yahoo.
BETONRME ÇERÇEVE TÜRÜ YPILRD HSR DÜZEYİ THMİN GÖSTERGELERİ Engn YILMZKUDY 1, Kamuran ÖZTEKİN 2 engnyk@hotmal.com, kamuranoz@yahoo.com ÖZ: Bu çalışmada herhang olaı br deprem önce mevcut yapıda oluşablecek
DetaylıAtölye tipi çizelgeleme problemleri için parçacık sürü optimizasyonu yöntemi
tüdergs/d mühendsl Clt:5, Sayı:2, Kısım:1, 58-68 Nsan 2006 Atölye tp çzelgeleme problemler çn parçacı sürü optmzasyonu yöntem Mehmet ŞEVKLİ *, M. Mutlu YENİSEY İTÜ İşletme Faültes, Endüstr Mühendslğ Bölümü,
DetaylıÖnerilen süre dakika (22 puan) dakika (16 puan) dakika (38 puan) 4. 9 dakika (24 puan) Toplam (100 puan) Ġsim
Brnc Tek Saatlk Sınav 5.111 Ġsmnz aģağıya yazınız. Sınav sorularını sınav başladı komutunu duyuncaya kadar açmayınız. Sınavda notlarınız ve ktaplarınız kapalı olacaktır. 1. Problemlern her br Ģıkkını baģtan
DetaylıBasel II Geçiş Süreci Sıkça Sorulan Sorular
Basel II Geçş Sürec Sıkça Sorulan Sorular Soru No: 71 Cevaplanma Tarh: 06.03.2012 İlgl Hüküm: --- Konu: Gayrmenkul İpoteğyle Temnatlandırılmış Alacaklar İçn KR510AS Formunun Doldurulmasına İlşkn Örnek
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
DetaylıMAK354 Isı Mühendisliği Genel Sınav Soru ve Cevapları Mustafa Eyriboyun
1) Br yoğuşturucunun 25,4 çapında nce cdarlı boruları çnden 1.2 /s hızla su aatadır. Boru yüzey sıcalığı 350 K de sabt tutulatadır. Su grş sıcalığı 17 C ve borular 5 uzunlutadır. Buna göre suyun çıış sıcalığı
DetaylıŞiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *
İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)
DetaylıERS-2 Raw Datası için Dönüşüme Dayalı Sıkıştırma
ERS- Raw Datası çn Dönüşüme Dayalı Sııştırma. Göhan. KASAPOĞLU, İrahm. PAPİLA, Bngül YAZGA, Sedef KET İstanul Ten Ünverstes, Eletr-Eletron Faültes, Eletron ve Haerleşme Mühendslğ, 066, Masla, İstanul Tel:
DetaylıKOR İÇİ YAKIT YÖNETİM KOD SİSTEMİ GELİŞTİRİLMESİ DEVELOPMENT OF IN CORE FUEL MANAGEMENT CODE SYSTEM
KO İÇİ YAKIT YÖNETİ KO İTEİ GELİŞTİİLEİ EVELOPENT OF IN COE FUEL ANAGEENT COE YTE EHAN ŞENLİK Prof. r. EHET TOBAKOĞLU Tez anışmanı Hacettepe Ünverte Lanütü Eğtm Öğretm ve ınav Yönetmelğnn Nükleer Enerj
DetaylıNİTEL TERCİH MODELLERİ
NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:
DetaylıSİSTEMATİK ÖRNEKLEME. Prof.Dr.Levent ŞENYAY VII-1 Örnekleme Yöntemleri
7 İTMATİK ÖRKLM 7 Grş 7 Öre eçme Yötem 7 Populayo Ortalamaıı Tahm 74 Populayo Ortalamaıı Varyaı 75 Populayo türler 76 temat örelemede artmet ortalamaı tahm varyaıı tahm ProfDrLevet ŞYAY VII- Öreleme Yötemler
DetaylıBULANIK ÇOK AMAÇLI HÜCRESELTASARIM PROBLEMİNİN İKİ AŞAMALI BULANIK PROGRAMLAMA YAKLAŞIMI İLE ÇÖZÜMÜ
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 25-27 Kasım 25 BULANIK ÇOK AMAÇLI HÜCRESELTASARIM PROBLEMİNİN İKİ AŞAMALI BULANIK PROGRAMLAMA YAKLAŞIMI İLE ÇÖZÜMÜ Feyzan ARIKAN Gaz
DetaylıThe Congeneric Test Theory and The Congeneric Item Analysis: An Application for Unidimensional Multiple Choice Tests
Anara Unversty, Journal of Faculty of Educatonal Scences, year: 005, vol: 38, no:, -47 The Congenerc Test Theory and The Congenerc Item Analyss: An Applcaton for Undmensonal Multple Choce Tests Hall YURDUGÜL
DetaylıSürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak
DetaylıMEKANSAL VERİ ANALİZİNDE POINT IN POLYGON TESTİ
MEKANSAL VERİ ANALİZİNDE POINT IN POLYGON TESTİ İ. Öztuğ BİLDİRİCİ Seçu Ünverte Mühend Mmarı Faüte Jeodez ve Fotogrametr Mühendğ Böümü, 4203 Kampü KONYA, ema: bdrc@ecu.edu.tr Özet: Coğraf bg temernde meana
DetaylıDC-DC Boost Konvertörün PID ve Kesirli Dereceli PID ile Simulink/Matlab Ortamında Kontrolü
TO 214 Blr tabı 11-13 Eylül 214, ocael - Boot onvertörün PI ve erl erecel PI le Smuln/Matlab Ortamına ontrolü Aın Özel 1, Nuret Tan 2 1 Ten Blmler MYO Eletr Programı Bngöl Ünverte, Bngöl aozel@bngol.eu.tr
DetaylıTRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI
Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm
DetaylıTürkiyede ki ĠĢ Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini
Türkyede k ĠĢ Kazalarının Yapay Snr Ağları le 2025 Yılına Kadar Tahmn Hüseyn Ceylan ve Murat Avan Kırıkkale Meslek Yüksekokulu, Kırıkkale Ünverstes, Kırıkkale, 71450 Türkye. Kaman Meslek Yüksekokulu, Ah
DetaylıITAP_Fizik Olimpiyat Okulu
Ttreş_ ITAP FOO: art-6 art 4 Opat Konu Sınaı. Açıa hızarı büüü oara anı, öner e zıt e br brne parae oan ata ndr ütünde ndrern eenne d oara üte oan br tahta buunatadır. Sndrern erezer araında eafe L, tahta
DetaylıX, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının
1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell
DetaylıŞekil 1: Ameliyathanedeki Laminer Akış Ünitelerinin Şematik Dizaynı (Bölüntüsüz-Tek Parçalı Tip)
AMELİYATHANELERDE LAMİNER HAVA AKIŞI İLE DÜŞÜK MİKROP KONSANTRASYONU SAĞLANMASI GİRİŞ Ameliyathanelerdei hava dağıtımı iç ortamda gereli hava şartlarını ağlaren (ıı ve materyal yülerini arşılama),temel
DetaylıDüşük Hacimli Üretimde İstatistiksel Proses Kontrolü: Kontrol Grafikleri
Düşü Hacml Üretmde İstatstsel Proses Kontrolü: Kontrol Grafler A. Sermet Anagün ÖZET İstatstsel Proses Kontrolu (İPK) apsamında, proses(ler)de çeştl nedenlerden aynalanan değşenlğn belrlenere ölçülmes,
Detaylı6. Uygulama. dx < olduğunda ( )
. Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal
DetaylıÖzet SOLVING STOCHASTIC AND MULTI-OBJECTIVE PRODUCTION/INVENTORY PROBLEMS MODELED BY MARKOV DECISION PROCESS WITH GOAL PROGRAMMING APPROACH
Douz Eylül Ünverte Soyal Blmler Enttüü Derg Clt:, Sayı:3, Yıl: 009, Sayfa: 75-96 ISSN: 130-384 MARKOV KARAR SÜRECİ İLE MODELLENEN STOKASTİK VE ÇOK AMAÇLI ÜRETİM/ENVANTER PROBLEMLERİNİN HEDEF PROGRAMLAMA
Detaylıİstatistiksel Tahminleme. Güven Seviyesi. Verilerin yayılımı ( Örnek hacmi X = X / n Güven seviyesi (1 - )
04.05.0 İtatitikel Tahmileme İTATİTİKEL TAHMİNLEME VE YORUMLAMA ÜRECİ GÜVEN ARALIĞI Nokta Tahmii Populayo parametreii tek bir tahmi değerii verir μˆ σˆ p Pˆ Aralık Tahmii Populayo parametreii tahmi aralığıı
DetaylıBÖLÜM 5 İNCE PROFİLLER İÇİN SAYISAL UYGULAMALAR
BÖLÜM 5 İE PROFİLLER İÇİ SAYISAL UYGULAMALAR 5. Grş 5. İne profl teors 5.. Analt çözümler 5.. Kamburlu eğrsne polnom şelnde eğr uydurulması 5.. Fourer ntegrallernn sayısal hesabı 5. Kümelenmş-grdaplar
DetaylıDOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre
1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı
DetaylıENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007
Yrd. Doç. Dr. Atlla EVİN Afyon Kocatepe Ünverstes 007 ENERJİ Maddenn fzksel ve kmyasal hal değşm m le brlkte dama enerj değşm m de söz s z konusudur. Enerj değşmler mler lke olarak Termodnamğn Brnc Yasasına
DetaylıManyetizma Testlerinin Çözümleri. Test 1 in Çözümü
4 Manyetzma Testlernn Çözümler 1 Test 1 n Çözümü 5. Mıknatısların brbrne uyguladığı kuvvet uzaklığın kares le ters orantılıdır. Buna göre, her br mıknatısa uygulanan kuvvet şekl üzernde gösterelm. 1. G
DetaylıPI KONTROLÖR TASARIMI ÖDEVİ
PI ONTROLÖR TASARIMI ÖDEVİ ONTROLÖR İLE TASARIM ontrolör Taarım riterleri Taarım riterleri genellile itemine yapmaı geretiğini belirtme ve naıl yaptığını değerlendirme için ullanılır. Bu riterler her bir
DetaylıTÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME
Ġstanbul Ünverstes Ġktsat Fakültes Malye AraĢtırma Merkez Konferansları 46. Ser / Yıl 2004 Prof. Dr. Salh Turhan'a Armağan TÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME
DetaylıŞehiriçi Karayolu Ağlarının Sezgisel Harmoni Araştırması Optimizasyon Yöntemi ile Ayrık Tasarımı *
İMO Teknk Derg, 2013 6211-6231, Yazı 392 Şehrç Karayolu Ağlarının Sezgsel Harmon Araştırması Optmzasyon Yöntem le Ayrık Tasarımı * Hüseyn CEYLAN* Halm CEYLAN** ÖZ Bu çalışmada, şehrç ulaştırma ağlarının
DetaylıDÜŞÜK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜLERDEN AYKIRI DEĞER AYIKLAMASI KULLANARAK GÜRBÜZ YÜKSEK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜ ELDE ETME YÖNTEMİ
DÜŞÜK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜLERDEN AYKIRI DEĞER AYIKLAMASI KULLANARAK GÜRBÜZ YÜKSEK ÇÖZÜNÜRLÜKLÜ GÖRÜNTÜ ELDE ETME YÖNTEMİ Kemal ÖZKAN Erol SEKE e-posta : ozan@ogu.edu.tr e-posta : esee@ogu.edu.tr, Esşehr
DetaylıHAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :
HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME (JOB SHOP SCHEDULING WITH KRILL HERD ALGORITHM) İlker GÖLCÜK
DetaylıÇok Parçalı Basınç Çubukları
Çok Parçalı Basınç Çubukları Çok parçalı basınç çubukları genel olarak k gruba arılır. Bunlar; a) Sürekl brleşk parçalardan oluşan çok parçalı basınç çubukları b) Parçaları arasında aralık bulunan çok
DetaylıEmrah 70 Ekim 2011. kat edilen mesafenin en. mizasyonu (PSO) sezgisel. (PSO), Genetik Algoritma (GA), Optimizasyon, Meta-Sezgisel
METAplam kat edlen mesafenn en mzasyonu (PSO) sezgsel k (PSO), Genetk Algortma (GA), Optmzasyon, Meta-Sezgsel 74 OPTIMIZATION OF MULTI- PROBLEM OF ISTANBUL HALK EKMEK A.S. (IHE) BY USING META-HEURISTIC
DetaylıKİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.
Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk
DetaylıSayısal Sinyal İşlemci Tabanlı Dolaylı Alan Yönlendirmeli Asenkron Motorun Hız Kontrolü
6 th Internatonal Advanced Technologe Sympoum (IATS 11), 16-18 May 211, Elazığ, Turkey Sayıal Snyal İşlemc Tabanlı Dolaylı Alan Yönlendrmel Aenkron Motorun Hız Kontrolü Z. Omaç 1, E. Öküztepe 2 ve A. H.
DetaylıTEKRARLI YÜKLEME ALTINDAKİ BETONARME KOLONLARDA MAKSİMUM YÜK ÖNCESİ DAVRANIŞIN MODELLENMESİ
XVIII. ULUSAL MEKANİK KONGRESİ 26-3 Ağuto 213, Celal Baar Ünverte, Mana TEKRARLI YÜKLEME ALTINDAKİ BETONARME KOLONLARDA MAKSİMUM YÜK ÖNCESİ DAVRANIŞIN MODELLENMESİ Dr. Murat YILMAZ 1 İ.T.Ü. İnşaat Fakülte,
DetaylıJFM316 Elektrik Yöntemler ( Doğru Akım Özdirenç Yöntemi)
JFM316 Elektrk Yöntemler ( Doğru Akım Özdrenç Yöntem) yeryüzünde oluşturacağı gerlm değerler hesaplanablr. Daha sonra aşağıdak formül kullanılarak görünür özdrenç hesaplanır. a K I K 2 1 1 1 1 AM BM AN
DetaylıGenel Stewart Platformları (GSP) için Boyutsal Eniyileme Yazılımının ve Yeniden Ayarlanabilir 3 Bacaklı bir GSP Mekanizmasının Geliştirilmesi
OK 204 ldr Ktabı -3 Eylül 204, Kocael Genel Stewart Platformları (GSP) çn oyutal Enyleme Yazılımının ve Yenden yarlanablr 3 acaklı br GSP Mekanzmaının Gelştrlme. urak İNNER, Serdar KÜÇÜK2 lgayar Mühendlğ
DetaylıPROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 3, Sayı:2, 2001 PROJE SEÇİMİ VE KAYAK PLALAMASI İÇİ BİR ALGORİTMA lgün MORALI 1 C. Cengz ÇELİKOĞLU 2 ÖZ Kaynak tahss problemler koşullara bağlı olarak
DetaylıBÖLÜM 9 İKİ BOYUTLU PANEL YÖNTEMLERİ
BÖLÜM 9 İKİ BOYUTLU PAEL YÖTEMLERİ 9.. Grş 9.2. Kompleks dülemde poansyel akım problemnn negral formülasyonu 9.3. Doğrusal paneller boyunca sab ekllk dağılımı hal 9.4. Kaynak dağılımını esas alan panel
DetaylıİKİ BOYUTLU ELASTODİNAMİK PROBLEMLERİN SINIR ELEMAN METODU İLE FORMÜLASYONU
az Ünv. Müh. M. Fa. Der. J. Fa. Eng. Arh. az Unv. Clt 5, No, 57-64, 00 Vol 5, No, 57-64, 00 İKİ BOYUTLU ELATODİNAMİK PROBLEMLERİN INIR ELEMAN METODU İLE FORMÜLAYONU İbrah Ö. DENEME * ve üeyn R. YERLİ **
DetaylıPamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences
Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ
DetaylıKİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp
DetaylıMAKROİKTİSAT (İKT209)
MAKROİKTİSAT (İKT29 Ders 6: IS-LM Prof. Dr. Ferda HALICIOĞLU İtsat Bölümü Syasal Blgler Faültes İstanbul Medenyet Ünverstes Derste İncelenen Konular Mal pyasasında denge: IS eğrs Para pyasasında denge:
DetaylıMakine Öğrenmesi 6. hafta
Makne Öğrenmes 6. hafta Yapay Snr Ağlarına Grş Tek katmanlı YSA lar Algılayıcı (Perceptron) Aalne (Aaptve Lnear Elemen Byolojk Snr Hücres Byolojk snrler ört ana bölümen oluşmaktaır. Bunlar: Denrt, Akson,
DetaylıKİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri
Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.
DetaylıMIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için
MIT Açık Ders Malzemeler http://ocm.mt.edu Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında blg almak çn http://ocm.mt.edu/terms veya http://tuba.açık ders.org.tr adresn zyaret ednz. 18.102
DetaylıARÇELİK YURT İÇİ TEDARİK ZİNCİRİ İÇİN ARAÇ SEVKİYAT VE ROTALAMA SİSTEMİ
Endüstr Mühendslð Dergs Clt: 0 Sayý: 3 Sayfa: (-38) Mana Mühendsler Odası ARÇELİK YURT İÇİ TEDARİK ZİNCİRİ İÇİN ARAÇ SEVKİYAT VE ROTALAMA SİSTEMİ Barbaros TANSEL*, Fatma DAŞYÜREK, Semh EREN, Özge KAYA,
Detaylı6. NORMAL ALT GRUPLAR
6. ORMAL ALT GRUPLAR G br grup ve olsun. 5. Bölümden çn eştlğnn her zaman doğru olamayacağını blyoruz. Fakat bu özellğ sağlayan gruplar, grup teorsnde öneml rol oynamaktadır. Bu bölümde bu tür grupları
DetaylıMOSFET BSIM3V3 EŞİK GERİLİMİ VE MOBİLİTE PARAMETRELERİNİN GENETİK ALGORİTMA İLE ÇIKARTILMASI
MOSFET BSIM3V3 EŞİK GERİLİMİ VE MOBİLİTE PARAMETRELERİNİN GENETİK ALGORİTMA İLE ÇIKARTILMASI M.Emin BAŞAK 1 Ayten KUNTMAN Hakan KUNTMAN 3 1, İtanbul Üniveritei,Mühendilik Fakültei, Elektrik&Elektronik
DetaylıÜÇ BOYUTLU ÇAPRAZ TABLOLARDA LOGARİTMİK DOĞRUSAL ANALİZ: ÇOCUK İŞGÜCÜ DEĞİŞKENLERİ ARASINDAKİ ETKİLEŞİMLER
Uludağ Ünverstes İtsad ve İdar lmler Faültes Dergs lt XXV, ayı, 006, s. 41-70 ÜÇ OYUTLU ÇPRZ TLOLRD LOGRİTMİK DOĞRUL NLİZ: ÇOUK İŞGÜÜ DEĞİŞKENLERİ RINDKİ ETKİLEŞİMLER erpl ÜLÜL * Özet Kategor verlerde
DetaylıGenetik Algoritma ile İki Boyutlu Şekil Yerleştirme ÖZET
Genetk Algortma le İk Boyutlu Şekl Yerleştrme Metn Özşahn 1 ve Mustafa Oral 2 1) Çukurova Ünverstes Fen Blmler Ensttüsü Endüstr Mühendslğ Bölümü, Adana, Turkey 2 Çukurova Ünverstes Blgsayar Mühendslğ Bölümü,
DetaylıBÖLÜM CROSS METODU (HARDY CROSS-1932)
Bölüm Cross Yöntem 5.1. CROSS ETODU (HARDY CROSS-193) BÖÜ 5 Hperstat sstemlern çözümünde ullanılan cross yöntem açı yöntemnn özel br hal olup moment dağıtma (terasyon) metodu olara da ullanılmatadır. Açı
DetaylıRasgele Değişken Üretme Teknikleri
Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan
DetaylıHİD 473 Yeraltısuyu Modelleri
HİD 7 Yeraltısuyu Modeller Sayısal Analz Sonlu Farlar Yalaşımı Levent Tezcan - Güz Dönem Modelleme Problemn Tanımlanması Kavramsal Modeln Gelştrlmes Matematsel Modeln Gelştrlmes Hdroeolo Süreçler Sınır
DetaylıSAYISAL YÜKSEKLİK MODELLERİNDE KLASİK VE ESNEK HESAPLAMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI
TMMOB Harta ve Kadastro Mühendsler Odası, 15. Türye Harta Blmsel ve Ten Kurultayı, 5 8 Mart 015, Anara. SAYISAL YÜKSEKLİK MODELLERİNDE KLASİK VE ESNEK HESAPLAMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI Leyla ÇAKIR*
DetaylıMeta-analizinde kategorik verilerin birleştirilmesinde kullanılan istatistiksel yöntemler: Aktif ve pasif sigara içicilerin değerlendirilmesi
İtabul Üverte İşletme Faülte Derg Itabul Uverty Joural o the School o Bue Admtrato lt/vol:38, Sayı/No:2, 2009, 34-46 ISSN: 303-732 - www.derg.org 2009 Meta-aalzde ategor verler brleştrlmede ullaıla tattel
Detaylı1. KODLAMA KURAMINA GİRİŞ 1
ÖNSÖZ Bu çalışmaı oluşumu esasıda emeğ, blgs ve sosuz desteğyle baa yol göstere değerl hocam Prof. Dr. Erol BALKANAY a; alayışı, desteğ ve atılarıda ötürü değerl hocam Yrd. Doç. Dr. Recep KORKMAZ a teşeürlerm
DetaylıPamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences
Pamuale Ünverstes Mühendsl Blmler Dergs Pamuale Unversty Journal of Engneerng Scences Kabul Edlmş Araştırma Maales (Düzenlenmemş Sürüm) Accepted Research Artcle (Uncorrected Verson) Maale Başlığı / Ttle
DetaylıAdi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler
6.4.7 NÜMERİK ANALİZ Yrd. Doç. Dr. Hatce ÇITAKOĞLU 6 Müendslk sstemlernn analznde ve ugulamalı dsplnlerde türev çeren dferansel denklemlern analtk çözümü büük öneme saptr. Sınır değer ve/vea başlangıç
DetaylıÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU
6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız
DetaylıMaskelenmiş Veriler için Kümeleme-Tabanlı Şilin Atak Tespit Yöntemi
Fırat Üniv. Müh. Bil. Dergii Science and Eng. J of Fırat Univ. 28(2), 207-216, 2016 28(2), 207-216, 2016 Makelenmiş Veriler için Kümeleme-Tabanlı Şilin Atak Tepit Yöntemi Özet Alper Bilge, Zeynep Batmaz
DetaylıKafes Yapıların Öğretme-Öğrenme Esaslı Optimizasyon Yöntemiyle Boyutlandırılması
Kafes Yapıların Öğretme-Öğrenme Esaslı Optmzasyon Yöntemyle Boyutlandırılması S. Özgür Değertekn, M. Sedat Hayaloğlu Dcle Ünverstes, İnşaat Mühendslğ Bölümü, 21280, Dyarbakır Tel: (412) 241 10 00 E-Posta:
DetaylıSistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :
5 9. BÖLÜM YÜK AKIŞI (GÜÇ AKIŞI) 9.. Grş İletm sstemlernn analzlernde, bara sayısı arttıkça artan karmaşıklıkları yenmek çn sstemn matematksel modellenmesnde kolaylık getrc bazı yöntemler gelştrlmştr.
DetaylıDEFORMASYON AĞLARINDA DATUMUN DUYARLILIĞA ETKİSİ EFFECT OF GEODETIC DATUM ON SENSITIVITY OF DEFORMATION NETWORKS
DEFORMASYON AĞLARINDA DATUMUN DUYARLILIĞA ETKİSİ N. TEKİN 1, C. AYDIN 2, U. DOĞAN 2 1 Erciye Üniveritei, Mühendilik Fakültei, Harita Mühendiliği Bölümü, Kayeri, nihaltekin@erciye.edu.tr 2 Yıldız Teknik
DetaylıMerkezi Eğilim (Yer) Ölçüleri
Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına
Detaylı2.a: (Zorunlu Değil):
Uygulaa 5-7:.7 6 7 Baar Yarıyılı Jeodezk Ağlar e Uygulaaları UYGULAMA FÖYÜ,..7.a: (Zorunlu Değl: Yanına arılaayan br kule yükeklğnn trgonoetrk yükeklk belrlee yönteyle eaplanaı UYGULAMA.b : (Zorunlu C3
DetaylıTE 06 TOZ DETERJAN ÜRETİM TESİSİNDEKİ PÜSKÜRTMELİ KURUTMA ÜNİTESİNDE EKSERJİ ANALİZİ
Yednc lusal Kmya Mühendslğ Kngres, 5-8 ylül 26, Anadlu Ünverstes, skşehr 6 OZ DRJAN ÜRİM SİSİNDKİ PÜSKÜRMLİ KRMA ÜNİSİND KSRJİ ANALİZİ GÜLSÜN BKAŞ*, FİRZ BALKAN ge Ünverstes Kmya Mühendslğ Bölümü, 351,
DetaylıFilled fonksiyon kullanarak vana etkili ekonomik yük dağıtımı probleminin çözülmesi
Journal of the Faculty of Engneerng and Archtecture of Gaz Unversty 32:2 (2017) 429-438 Flled fonksyon kullanarak vana etkl ekonomk yük dağıtımı problemnn çözülmes İbrahm Eke 1*, Süleyman Sungur Tezcan
DetaylıSEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)
İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)
DetaylıVEKTÖRLER VE VEKTÖREL IŞLEMLER
VEKTÖRLER VE VEKTÖREL IŞLEMLER 1 2.1 Tanımlar Skaler büyüklük: Sadece şddet bulunan büyüklükler (örn: uzunluk, zaman, kütle, hacm, enerj, yoğunluk) Br harf le sembolze edleblr. (örn: kütle: m) Şddet :
Detaylı