YEEM : Yazılım Projeleri Maliyet Tahminleme Ölçev Seti ve Modeli Murat AYYILDIZ 1, Oya KALIPSIZ 1 ve Sırma YAVUZ 3
|
|
- Direnç Muhiddin
- 8 yıl önce
- İzleme sayısı:
Transkript
1 YEEM : Yazılım Projeler Malyet Tahmnleme Ölçev Set ve Model Murat AYYILDIZ 1, ya KALIPSIZ 1 ve Sırma YAVUZ 3 1,2,3 Blgsayar Mühendslğ Bölümü, Yıldız Teknk Ünverstes Beşktaş, İstanbul. e-posta: {f , kalpsz, srma}@ce.yldz.edu.tr Abstract The metrc-set selecton has a vtal role n software cost estmaton studes; ts mportance has been gnored especally n neural network based studes. In ths study we have explored the reasons of those dsappontng results and mplemented dfferent neural network models usng augmented new metrcs. The results obtaned are compared wth prevous studes usng tradtonal metrcs. To be able to make comparsons, two types of data have been used. The frst part of the data s taken from the Constructve Cost Model whch s commonly used n prevous studes and the second part s collected accordng to new metrcs n a leadng nternatonal company n Turkey. The accuracy of the selected metrcs and the data samples are verfed usng statstcal technques. The models presented here are based on Mult-Layer Perceptron and Elman Networks for both 81 metrc set and for the augmented metrc set (YEEM). Another dffculty assocated wth the cost estmaton studes s the fact that the data collecton requres tme and care. To make a more thorough use of the samples collected, k-fold, cross valdaton method s also mplemented. It s concluded that, as long as an accurate and quantfable set of metrcs are defned and measured correctly, neural networks can be appled n software cost estmaton studes wth success 1. GİRİŞ Ölçme gerçek dünyadak varlıkların özellklerne onları tanımlayablmek çn açıkça tanımlanmış kurallara göre sayı veya sembol atanması şdr. Br varlığı ölçmek dye br süreçten bahsedemeyz. Br varlığın br özellğn tanımlanmış br kurala göre ölçme şnden bahsedeblrz. Bu çalışmada öncelkl olarak belrlenmş yöntemlere göre yazılım malyetleme çalışmalarında kullanılablnecek yen br ölçev kümes oluşturmuş ve sonra br çok yapay snr ağı model ncelemesnden sonra br MLP ve Elman kullanarak br model ortaya koymuştur. 2. LUŞTURULAN ÖLÇEV KÜMESI 2.1 Ölçev Kümes Belrleme Metodolojs Ölçev (Metrc) br sstemn veya br parçanın verlen br özellğnn ncel ölçüm derecesdr. Ölçev hesaplanablr veya brleşk br gösterge olablr. Br yazılım htyacının büyüklüğünün ölçülebleceğ fkrn lk ortaya çıkaran ve br sstem kuran Allan Albrecht tr da IBM de çalışan Albrecht şlev puan analz adıyla br method ortaya koymuştur. Calforna da br danışmanlık frması olan TRW de bulunan br çok proje üzernde çalışarak, Boehm yu ortaya koymuştur. görecel olarak dosdoğru br modeldr. Yapay snr ağı kullanarak yazılım malyet tahmnleme konusunda yapılmış olan brçok çalışmada 81 ölçev kümesn kullanmıştır. Ancak kullanılablnecek sevyede y sonuçlar alınılmamıştır. Burada krtk nokta ölçev setnn oluşturulmasına yeter kadar önem verlmemesdr. Bu yüzden bz çalışmadan önce br ölçev set oluşturmaya karar verdk. luşturduğumuz bu ölçev setne YEEM (Yıldız Effort Estmaton Metrcs) smn verdk. Brçok çalışmada 81 ölçev kümesn kullanması dolayısıyla oluşturduğumuz ölçev kümesnde 81 çermes bze çalışma sonuçlarını br nebze karşılaştırablme şansı tanıyacağının önemn hmal etmedk. luşturuluan ölçev kümes temel olarak 81, II, 21 adet gerçek yazılım projesn, toplam 90 yıllık yazılım gelştrme tecrübes olan 28 yazılım gelştrme proje yönetcs öner ve fkrler üzernde çalışılarak hazırlanmıştır. Lteratürde ölçev belrleme konusunda oldukça az çalışma vardır. Yazılım mühendslğ ölçevlern belrlemek oldukça zordur. İy tanımlanmamış hedefler, y tanımlanmamış hpotezler ve gözlemsel onaylama süreçler eksklg temel nelenlerdr[1]. Ölçev belrleme çalışması metodolojk olarak tanımlanmalıdır. Şekl 1 de kullandığımız ölçev belrleme çalışmasının temel görevler gösterlmştr. Şekl.1 : Yazılım ölçevlernn tanımlama ve onaylama methodu Bz net ölçüm hedefler üzernde br ölçev set oluşturmaya çalıştık. Bu yüzden hedefe yönelk ölçüm (GQM : Goal rented Measure) yaklaşımını ölçev seçme ve onaylama sürec çn kullandık. Basl ve Wess [2] ver toplama..
2 metodolojsn YEEM I oluşturmak çn kullandık Bu metodolojnn gerbeslemel 6 adımı vardır. Bu altı adım:. Yazılım projeler malyet göstergeler ver toplaması le lgl hedefler belrledk. İlg soru lstelern oluşturduk,. Ölçev-Kümes kategorlern oluşturduk. v. Very topladık ve onayladık v. Very analz ettk. Yapılan belrleme çalışmasından sonra teork ve deneysel onaylama (valdaton) sürecn tamamlamız gerekt. Teork onaylama sürec temelde k türlüdür: a. Özellk bazlı yaklaşımlar ([3], [1]) b. Ölçüm teors bazlı yaklaşımlar ([4], [5], [6]) Bu çalımada YEEM n teork onaylama sürec çn dstance framework modeln kullandık. Bu model Poels ve Dedene[6] tarafından ortaya konmuş ölçme teors bazlı yazılım ölçev onaylama çn kavramsal br çatıdır. Bu çatı bu bldrnn kapsamı dışındadır. Detayları kaynaklar [6] kısmında bulablrsnz. Bu çatının 5 aktvtes vardır. Bunlar ()Br ölçüm soyutlaması bulunur, () Uzaklık tanımlanır, () Ölçüm soyutlamaları arasında k uzaklıklar ntelendrlr (v) Referans br soyutlama bul, (v) Bu özellk çn br ölçme tanımla. Deneysel onalaylama sürec bu tür çalışmalar aslıda gerçek br kanıttır. YEEM ölçev kümes çn saha çalışmalar ve vaka çalışmaları yapılmıştır. 2.2 YEEM ölçev kümes Ölçev belrleme çalışmamızda dkkat ettğmz temel noktalar şunlardır: a. Ölçevler ayrık, yalıtılmış olmalıdır. b. Süreç, kş, ürün bazında mümkün olduğunca çok ölçev bulup daha sonra yapılacak br analz le en yararlıların bulunmasının sağlanmalıdır. c. Ölçevlern brbrleryle lşkl olmamaması gerekmektedr. Brbrler üzernde etks olmamalıdır veya çok az olmalıdır. Bu sürekl zlenmeldr. d. Ölçev bulma, çıkarma sürec sstematk ve düzenl olmalıdır. Sürekl yleştrme yapmak gerekmektedr. e. Ölçevlern doğruluğu gerçek hayat le kontrol edleblmeldr. f. İstatstksel yöntemlele ölçevlern hata analzler yapılmalıdır. Böylece gereksz hatta zararlı ölçevler temzlenmeldr. g. Ölçev bazında mantıklı ve doğru karşılaştırmalar yapablmek çn kş, süreç ve ürün benzerlkler ve farklılıkları karşılaştırmaları y blnmeldr. h. Ölçevler toplarken ölçevlere bulaşanların farkında olmalıdırlar. Burada çok ünlü k "H" vardır (Hesenberg etks ve Hawthorne etks.). Ölçevler zararlı olablr. Daha doğrusu ölçevler yanlış kullanılıyor olablrler. Buna sürekl dkkat edlmeldr. Ölçev belrleme çalışması yaparken 21 adet gerçek proje, 81, yapılmış çalışmalar ve 28 tane 3 yıldan fazla proje yönetm tecrübes olmuş proje yönetcsyle brebr görüşüldü. Proje yönetcsnn önerler bu başlangıç matrse eklenmştr. Elde edlen verlen üzernde dönüşüm matrs oluşturuldu. Korelasyonlar belrlenp elenmştr. Matematksel, statstksel ve gözlemsel br optmzasyon çalışmasından sonra 6 temel grupta toplanmıştır. Bunlar şn büyüklüğü (ürün), kaynak, rsk, teknoloj, ortam le planlar ve tahmnler gruplarıdır. da belrtlen tüm ölçevler bu önerlen ölçev setnde kullanılmıştır. Bununla beraber br hyerarşk yapı getrlmştr. Bu çalışmada aynı zamanda daha y sonuç alablmek çn br melez model kullanılmıştır Brçok ölçevn yanı sıra şlev puanı kullanımı ve baştan yapılan tahmnlernde grd olarak kullanımı melez br durum yaratmaktadır ve başarı htmaln artırmaktadır. Elde ettğmz ölçev kümes Tablo 1 de gösterlmştr. 6 Ana ölçev grubu ve bunlara bağlı 24 ölçev bu tablodan göreblrsnz. Bu 24 tane ölçevn bazılarınında alt ölçevler vardır. Bunlarla beraber aslında toplam 56 tane grd ölçev vardır. Bu alt ölçevler bu tabloda gösterp tabloyu karmaşık hale getrmemek çn tablodan sonra açıklamaya çalıştık. Tablo 1. Önerlen Ölçev Set Ana Ölçev İşn Büyüklüğ ü (Ürün) Kaynak Rsk Teknoloj rtam Ölçev (Metrc) 1. Karmaşıklık 2.İşlev Puan (Functon Pont) 3.Önem 4. Ayrılan Bütçe 5. Ürünün beklenen özellkler 6. Çalışanın yeterllkler 7 Çalışanların Projeye katılım oranları 8. Çalışan Kş Sayıları 9. Donanım Durumu 10.Bütçe Değşme Rsk 11. Çalışan Rsk 12.Donanım Rsk 13.Ürünün tanımının ve kapsamının değşme rsk 14.Yaz. Gelştrme araçlarının kullanım kolaylığı 15.Yaz. Gelştrme araçlarının kullanım tecrübes 16. Yaz. Gelştrme Araçlarının Kullanımı 17. Modern Programlama Teknkler 18.rtamın genel özellkler 19.Sahplenlme (Her br paydaş türünün projey sahplenmes) 20.Baskı 21.Zaman kullanım durumu 22.Vermllk durumu Planlar ve 23. Tahmn Tahmnler 24. Planlar. İşn Büyüklüğü 6 temel gruptan br olan şn büyüklüğünü bulablmek çn şlev puanı kullanmanın yanısıra ürünün karmaşıklığı, önem, beklenen özellkler almak büyüklük temel ölçevn daha doğru olmasını sağlayacaktır. Karmaşıklığın 3 alt ölçev olarak Vertabanı büyüklüğü, Ürün karmaşıklığı ve yenden kullanılablnrlk olarak belrledk. Bunların üçüde da DATA, CPLX ve RUSE olarak geçmektedr.
3 İşlev puanı br yazılım uygulamasının büyüklüğünün ölçevdr. Bu büyüklük şlevsellk ölçümüdür. Yazılım dlnden, methodolojden, proje takımının yeterllğnden bağımsızdır. İşlev puanın nerede zorlandığını blmek önemldr. İşlev puan br uygulama çn gereken çabayı ölçmek çn mükemmel değldr. Ancak şn büyüklüğünü belrleme anlamında önemldr. Çoğunlukla gerçek hayatta şn büyüklüğünü anlamak çn benzetm kullanılır. İşlev puanı kullanmanın k avantajı vardır. Bze ürünün büyüklüğünü ve ürünün görünen büyüklüğünü verr. Bunu grd olarak kulanmak faydalı olacaktır. Dolayısıyla oluşturduğumuz ölçev setne şlev puanını da br ölçev olarak ekledk. Br projeye ayrılan bütçe o projenn temel parçalarından brdr. Dolayısıyla projenn büyüklüğü ve önem le lgl genel br fakr verr. Bu açıdan ayrılan bütçe büyüklüğünü br ölçev olarak kullanmak faydalı olacaktır. Bununda beraber nha ürünün önemde drek gereken çabayı etkleyecektr. Bu bze toplam baskıyı vermenn yanısıra o proje atanacak çalışanların yetknlkler le lgl br blg vermş olacaktır. Hatta yönetmsel destek le lgl öneml br parametre olması dolaysıyla projenn planlanan zamanda btmesn etkleyecektr. Ürünün beklenen özellkler ölçevnn alt ölçevlern belrledk. Bunlar esneklk, güvenlrlk, kullanım kolaylığı, bakım yapılablrlk, güvenlk ve dökümantasyon dur..kaynak Kaynağın büyüklüğü ve ntelğ drek olarak sonucu etklemektedr. Bast olarak br şn malyetn bulmak stersek ürünün büyüklüğünü ve dolayısıyla gereken kaynağın büyüklüğünün ne olduğunu blmeye htyacımız vardır. Çalışan yetknlklern se gruplara göre alt ölçevlern oluşturduk. Bunlar proje yönetcsn yetknlğ, yazılım gelştrclern yetknlğ, system analstlern yetknlğ ve test edenlern yetknlklerdr. Çalışan kş sayılarını gruplara göre alt ölçevlerde kapsamak faydalı olacaktır. Yazılım gelştrc sayısı, analst sayısı, test yapanların sayısı ve genelde br olmasına rağmen olası durumlar çn proje yönetcs sayısı alt ölçevlerdr. Donanım durumu ölçevnn de alt ölçevler vardır. Bunlar zaman kısıtı, depolama kısıtı, platform değşkenlğdr. Bunların üçüde da mevcuttur ve adları TIME, STR ve PVL dur..rsk Rsk etks rskn oluşma olasılığı ve bunun malyetnn çarpımı olarak tanımlanablr. Dolayısıyla ürün ve kaynak rsklern ve etklerne htyacımız vardır. Dolayısıyla her brnn alt ölçevlern belrledk. Her brnn k alt ölçev vardır. Bunlar olma olasılığı ve olunca yaratacağı etkdr. v.teknoloj Yazılım gelştrme araçları ve tecrübe oldukça önemldr ve sonucu oldukça öneml br bçmde etkler. Yazılım gelştrme araçlarının kullanım kolaylığı yanında yer alan yazılım gelştrme araçlarındak tecrübennde alt ölçevn belrledk. Bunlar platform tecrübes, uygulama tecrübes, yazılım dl ve çoklu ortam gelştrme durumu tecrübesdr. Bunlar da PEXP, AEXP ve LTEX,SITE olarak geçmektedr. v. rtam Yazılım gelştrlen kurumun yapısı malyetler drek etklemektedr. Bu kurumdak ortalama geckme, ortalama sapma, baskı, sahplenme ve sorumluluk gb durumlar sonucu drek etklemektedr. rtamın genel özellkler ölçevnn alt ölçevlern gecken proje oranı, kurumdak ortalam geckme oranı, ortalama geckme mktarı, geckmenn standart sapma mktarıdır. Sahplenme çok öneml br ölçevdr. Bunun alt ölçevler proje yönetcsnn, yönetmn, müşternn, proje çalışanlarının sahplenme durumları alt ölçevlerdr. Baskı mktarı projenn geckp geckmeyeceğne ve malyete etkleyen öneml br ölçevdr. Bunun 3 alt ölçev vardır. Bunlar pazar baskısı, müşter baskısı, yönetm baskısıdır. Zaman yönetmn alt ölçevler br çalışanın ortalama gün çnde keslme (nterrupt) sayısı, br keslmenn ortalama süres, keslme sonrası öncek duruma geçme ortalama süres, bu kurumda ortalama yapılan fazla mesa süresdr. v. Planlar ve Tahmnler Uzman görüşü çoğu yerde en çok kullanılan yazılım malyet tahmn etme yöntemdr. Bu yöntem maalesef mevcut yöntemler arasında hala en başarılı olandır. Bu görüşüde br ölçev olarak almak faydalı olacaktır. Bu uzmanların tahmn sapma oranlarınıda br ölçev olarak aldığımız takdrde daha doğru sonuçlar alableceğz. Tahmn ölçevnn alt ölçevler tahmn zaman planı, Tahmn yapankş veya kşlern otalama sapma oranıdır. Plan ölçevnn alt ölçev planlanan zaman, yanılma oranı ve hedeflenen zamanda btmemes durumunda katlanılablnrlk şeklndedr. 3.1 Algortma 3. YAPAY SINIR AĞI MDELI Bu çalışmada bz çok katmanlı ler beslemel ve ger yayılımlı yapay snr ağı (MLP) ve Elman yapay snr ağı modellern kullandık. Brçok denemeden sonra lneer olmayan eğr uydurmada zaten başarısı sabtlenmş olan Levenberg-Marquardt [5] eğtm algortması olarak seçlp uygulanmıştır. Yapay snr ağı kullanarak yapılan yazılım malyet tahmnleme çalışmalarında genellkle çok katmanlı ler beslemel (MLP) ağlar kullanılmıştır. Ancak dnamk sstemler modellemede yenlenen yapay snr ağları (RNN) daha y sonuç vereblmektedr. RNN kısmen veya tamamen bağlı olablr. Elman ağı [8], blnen en y kısm-bağlı RNN lerden brdr. Bu çalışmada ger yayılımlı Elman ağ model eğm nş yöntem kullanarak eğtlmes de çalışılmıştır. Her k modelmzde hem 81 hem de YEEM kullanmıştır. Ölçev ver kümes se bu modele grd olarak verlmştr. 3.2 Ver İşleme a. Rasgelellk ve stsnaların kontrolü Henüz herhang br şlem yapılmaksızın vernn rasgelelğn ve stsnaların ncelenmes oldukça önemldr. Lteraturde rasgelelğ ve stsnaları bulmaya yarayan br çok test yöntem vardır. Bu testler temel olarak teork ve deneysel olarak 2
4 kategorye ayrılablnr.bu çalışmada eğtm ve test ver kümes rasgelelk kontrolü Run test [9] le yapılmıştır. Yaptığımız çalışmalarda 81 de 3 tane stsna ver olduğu gözlemlenmştr adet projeden oluşmaktadır. Bu 3 tane stsna versn çıkarılmasıyla gerye kalan 60 tane ver le çalışma yapılmıştır. YEEM çn se elmzde 109 adet ver mevcut d. Bunlardan 9 tanes stsna olduğu görüldü ve çıkarıldı. b. Vernn ön-şleme ve son-şlemes Bu çalışmada ver [0,1] aralığına çevrlerek kullanılmış ve bu aralığıa getrmek çn mnumum-maksmum normalzasyon [10] yöntem kullanılmıştır. c. Ver Kümesnn organzasyonu Bu çalışmada hem 81 hemde YEEM ver kümes kullanılmıştır. 81 le YEEM daha y ve gerçekç karşılaştırablmek çn aynı ver sayısı çnde karşılaştırmaya karar verdk.bu yüzden YEEM I 60 adet verlk ve 100 adet verlk olarak k küme olarak değerlendrmeye aldık. Dolayısıyla toplam 3 ver kümes kullandık. Her ver kümesn eğtm ve test çn k gruba ayırdık. Bu çalışmada kullanılan ver kümeler, ver sayısı, eğtm ve test çn ayrılan ver sayısı tablo 1 de gösterlmştr. Üçüncü ver kümesnn başarısı aslında bu çalışmada oryata konan model gerçek değern verecektr. Tablo 2. Ver Kümelernn rganzasyonu Ver Ver Kümes 1 Kümes 2 Ver Kümes 3 Ölçev Kümes YEEM YEEM Ver Sayısı (Proje Sayısı) Eğtm kümes Test kümes UYGULAMA SNUÇLARI 4.1 Değerlendrme Krter Br model test etmek çn ve ne kadar y çalıştığı ölçmek çn hata fonksyonunu tanımlamak gerekyor. Lteratürde bu konuda az olan çalışmalarda genel kabul görmüş değerlendrme krter rtalama bağıl hatadır (MMRE). rtalama bağıl hata, bağıl hataların toplamının ver kümesnde bulunan toplam sayıya bölünmes le bulunablr (1). Aşağıda gösterlen hesaplamada N kullanılan ver kümesnn ver sayısıdır. 1 Gerçekle şen Hesaplanan MMRE = (1) N Gerçekle şen MMRE yeter kadar y olmasına rağmen nsan algısı çn yüzdesel göstermde faydalı olacaktır. Bu yüzden MMRE nın 100 katınıda tablolarda göstermekteyz. 4.2 Uygulama Sonuçları 3 ver kümes çn hem MLP hem de Elman ağları kullanmak suretyle bu çalışma çn 6 değerlendrme yapılmıştır. Çalışma sonuçları tablo 2 de gösterlmştr. Tablo 3. ve YEEM ver kümeler le MLP ve Elman çalışmaları sonuçları Yapay Snr Ağı Ver Ver Sayısı rt. % Model Kümes (Proje Sayısı) MMRE Hata MLP MLP YEEM MLP YEEM ELMAN ELMAN YEEM ELMAN YEEM Çapraz naylama (Cross Valdaton) Hata hesaplama teknkler genel performansı göstermede yardımcı olmaktadır.[2] Bu çalışmada v-kat çapraz onaylama (v-fold cross valdaton) kullanılmıştır. v-kat çapraz onaylama le elmzdek very daha y kullanmam sağlamaktadır. Örneğn 15-kat çapraz onaylamada, vernn 1/15 n ayırıp daha sonra model aynı prosedüre göre yenden nşaası yapılmaktadır ve bu şlem 15 kez yapılmaktadır. Bu çalışmada 5,10 ve 15-kat çapraz onaylama yapılmıştır. Yapay snr ağı çalışmalarını yaparken ver madenclğ konusunda çokça kullanılan WEKA adında araç kullanılmıştır. Üçüncü tabloda 5,10 ve 15-kat çapraz onaylama çalışmasının sonuçlarını göreblrsnz. Tablo 4. MLP kullanılarak Yapılan Çapraz nayla Sonuçları Ver Kümes Ver Ver 1 Kümes 2 Kümes 3 Ver Kümes YEEM YEEM Ver Sayısı (Proje Sayısı) rt.% Hata (5-fold cv) rt.% Hata (10-fold cv) rt.% Hata (15-fold cv) İLGILI ÇALIŞMALAR VE KARŞILAŞTIRMA Yapay snr ağı kullarak yazılım malyet tahmnleme konusunda az sayıda çalışma yapılmıştır. Bu bölümde en başarılı olanları el almaya çalışacağız. Wttg and Fnne [11] bu konuda br çalışma yapmışlardır. Bu çalışmada çok katmanlı perseptron ve ver olarak Desharnas ve Avusturya ölçev brlğ verlern (ASMA) kullanmışlardır. İk ver kümesndde 3 defa test etmşler ve 10 tane projey rasgelelk uygunsuzluğu nedenyle çıkarmışlardır. MMRE değer olarak Desharnas çn %29 ve ASMA çn %17 ye ulaşmışlardır. Dğer öneml çalışmaları özetleyecek olursak Tablo5. Yapılmış çalışmalar Çalışma Adı Venkatacha lam [13] Wttg & Fnne Kullanılan Algortma Ver Kümes Desharna s/asma Proje Sayısı 63 Sonuç (MMR E) 81/136 %17
5 Jorgenson [14] Serluca [15] Karunanth [17] Samson [12] Srnvasan Hughes[16] Jorgenson 109 %100 Cascade- Correlaton Mermad %76 63 %428 Kemerer ve 78 %70 Hughes 33 %55 Bu çalışma da kullandığımız Elman oldukça başarılı olmuştur. Gözlemlyebldğmz kadarıyla en Wttg&Fnne kadar hatta 15-kat çapraz-onaylama le oldukça y br sonuca ulaşmıştır. 6.SNUÇLAR Bu çalışmada temel amaç yazılım malyet tahmnlemede kullanılablnecek br ölçev kümes ve br yapay snr ağı model gelştrmekt. Yazılım malyet tahmnleme çalışmalarında ölçev kümesnn önemnn hmal edlerek genellkle mevcut kümelern kullanıldığını ve bu kullanımın sonuca cdd bçmde etkledğ görülmüştür. Yen br çalışma le yen br ölçev kümes oluşturulmuştur. Bu ölçev kümes oluşturduktan sonra yapay snr ağı çalışmalarına geçlmştr. Yazılım malyet tahmnleme çn yapay snr ağları kullanımı konusunda lteratürde bazı çalışmalar vardır. Bu çalışmalarda genellkle 81 ver kümesnn kullanıldığını görmekteyz. Yapılan çalışmaların sonuçları günümüz çn hala kabul edleblnr, kullanılablnr sevyelere henüz gelmemştr. Bu çalışmada karşılaştırma yapablmek çn hem 81 hem de yen oluşturduğumuz YEEM ölçev kümelern ayrı ayrı kullandık. 81 le yaptığımız çalışmalarda yapay snr ağı kullanarak yazılım malyet tahmnlemes çn bu ölçev kümesnn yetersz kaldığını gözlemledk. 81 le br kaç değşk yapay snr ağı model denememze rağmen sonuç olarak kullanılablr sevyeye gelmed. luşturduğumuz yen ölçev kümes olan YEEM I kullandığımızda kullanılablnr sevyede y sonuçlar alınmaktadır. Yen ölçev kümes ve vers MLP ve Elman yapay snr ağları kullanılarak test edlmştr. Elman ağındak başarı MLP ye nazaran daha y sevyelerdedr. Ancak MLP de çapraz-onaylama (cross-valdaton) yaptığımızda hata oranını %15 n altına ndğn görmekteyz. Değşz boyutta ölçev kümes le çalışıldığından ver sayısının modeln başarısı çn öneml br etken olduğuda görülmektedr. KAYNAKLAR [1] Brand L., Morasca S. and Basl V. (2002). An peratonal process for goal-drven defnton of measures. IEEE Transactons on Software Engneerng, 30(2), [2] Fenton N. and Pfleeger S. (1997). Software Metrcs: A Rgorous Approach. 2nd. edton. London. Chapman & Hall. [3] Weyuker E.J. (1988). Evaluatng Software Complexty Measures. IEEE Transactons on Software Engneerng. 14(9) [4] Whtmre S. (1997). bject rented Desgn Measurement. John Wley & Sons. Inc. [5] Reed, R. D. and Marks, R. J.: Neural Smthng: Supervsed Learnng n Feedforward Artfcal Neural Networks. MIT Press. (1999) [6] Poels G. and Dedene G. (2000). Dstance-based software measurement: necessary and suffcent propertes for software measures. Informaton and Software Technology. 42(1) [7] Krantz D., Luce R.D., Suppes P. and Tversky A. (1971). Foundatons of Measurement. Vol. 1. Academc Press. New York. [8] Leung, H., Fan, Z.: In Handbook of Software Engneerng and Knowledge Engneerng (Ed,Chang, S. K.). Volume 2 World Scentfc. (2002) [9] Knuth E. D.: The art of computer programmng. 2nd ed. Addson-Wesley. (1981) [10] Pyle, D.: Data Preparaton for Data Mnng. Morgan Kaufmann. (1999) [11] Wttg, G., Fnne, G.: Estmatng Software Development Effort wth Connectonst Models. Informaton and Software Technology. Volume 39 (1997) [12] Samson,B.,Ellson,D., Dugard P.: Software Cost Estmaton usng an Albus Perceptron(CMAC). In Proc Eght Internatonal Est. Meetng. Pttsburgh. (1993) [13] Venkatachalam, A.R.: Software Cost Estmaton Usng Artfcal Neural Networks. Internatonal Jont Conference on Neural Networks. Nagoya. (1993) [14] Jørgensen M. and Shepperd M.: A Systematc Revew of Software Development Cost Estmaton Studes. IEEE Transactons on Software Engneerng. (2006) [15] Serluca, C.: An Investgaton Into Software Effort Estmaton usng a Propogaton Neural Network. M.Sc. Thess. Bournemouth Unversty. (1995) [16] Hughes, R.T.: An Evaluaton of Machne Learnng Technques for Software Effort Estmaton. Unversty of Brghton. (1996) [17] Karunanth, N.,Whtley, D.,Malaya, Y.K.: Usng Neural Networks n Relablty Predcton. IEEE Software. Volume 9(4) (1992) 53-59
Yazılım Geliştirme Projelerinde Yapay Sinir Ağı Kullanarak Maliyet Tahmini
Yazılım Geliştirme Projelerinde Yapay Sinir Ağı Kullanarak Maliyet Tahmini Murat AYYILDIZ 1, Oya KALIPSIZ 1 ve Sırma YAVUZ 3 1,2,3 Bilgisayar Mühendisliği Bölümü, Yıldız Teknik Üniversitesi, İstanbul Beşiktaş,
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,
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
DetaylıENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN
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.,
DetaylıMetin Madenciliği ile Soru Cevaplama Sistemi
Metn Madenclğ le Soru Cevaplama Sstem Sevnç İlhan 1, Nevchan Duru 2, Şenol Karagöz 3, Merve Sağır 4 1 Mühendslk Fakültes Blgsayar Mühendslğ Bölümü Kocael Ünverstes slhan@kocael.edu.tr, nduru@kocael.edu.tr,
DetaylıTuğla Duvardaki ve Tesisattaki Isı Kaybının Yapay Sinir Ağları İle Belirlenmesi
Fırat Ünv. Fen ve Müh. Bl. Der. Scence and Eng. J of Fırat Unv. 18 (1), 133-141, 2006 18 (1), 133-141, 2006 Tuğla Duvardak ve Tessattak Isı Kaybının Yapay Snr Ağları İle Belrlenmes Ömer KELEŞOĞLU ve Adem
DetaylıÇok ölçütlü karar verme yaklaşımlarına dayalı tedarikçi seçimi: elektronik sektöründe bir uygulama
346 Çok ölçütlü karar verme yaklaşımlarına dayalı tedarkç seçm: elektronk sektöründe br uygulama Murat ARIKAN 1, Berat GÖKBEK 1 1 Endüstr Mühendslğ Bölümü, Mühendslk Fakültes, Gaz Ünverstes, Maltepe-Ankara
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
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
DetaylıÖğretim planındaki AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9
Ders Kodu Teork Uygulama Lab. Ulusal Kred Öğretm planındak AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9 Ön Koşullar : Grafk İletşm I ve II, Tasarım Stüdyosu I, II, III derslern almış ve başarmış
DetaylıMeteorolojik Verilerin Yapay Sinir Ağları Đle Modellenmesi
KSÜ Fen ve Mühendslk Dergs, 10(1), 2007 148 KSU Journal of Scence and Engneerng, 10(1), 2007 Meteorolojk Verlern Yapay Snr Ağları Đle Modellenmes Kemal ATĐK 1, Emrah DENĐZ 1, Enver YILDIZ 2 1 ZKÜ. Karabük
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
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
DetaylıCalculating the Index of Refraction of Air
Ankara Unversty Faculty o Engneerng Optcs Lab IV Sprng 2009 Calculatng the Index o Reracton o Ar Lab Group: 1 Teoman Soygül Snan Tarakçı Seval Cbcel Muhammed Karakaya March 3, 2009 Havanın Kırılma Đndsnn
DetaylıBulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi
Harta Teknolojler Elektronk Dergs Clt: 5, No: 1, 2013 (61-67) Electronc Journal of Map Technologes Vol: 5, No: 1, 2013 (61-67) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn: 1309-3983 Makale
DetaylıKİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI
C.Ü. İktsad ve İdar Blmler Dergs, Clt 4, Sayı 1, 3 6 Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI H. BİRCAN, Y. KARAGÖZ ve Y. KASAPOĞLU
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
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
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,
DetaylıFARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ
FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ M.Ensar YEŞİLYURT (*) Flz YEŞİLYURT (**) Özet: Özellkle uzak verlere sahp ver setlernn analz edlmesnde en küçük kareler tahmnclernn kullanılması sapmalı
DetaylıTÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI
1 TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI Metehan TOLON Nuray GÜNERİ TOSUNOĞLU Özet Tüketc tatmn araştırmaları özelde pazarlama yönetclernn, genelde
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
DetaylıPARÇALI DOĞRUSAL REGRESYON
HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal
Detaylı2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46
2005 Gaz Ünverstes Endüstryel Sanatlar Eğtm Fakültes Dergs Sayı:16, s31-46 ÖZET BANKALARDA MALİ BAŞARISIZLIĞIN ÖNGÖRÜLMESİ LOJİSTİK REGRESYON VE YAPAY SİNİR AĞI KARŞILAŞTIRMASI 31 Yasemn KESKİN BENLİ 1
DetaylıEMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering
KSÜ Mühendslk Blmler Dergs, (), 9 5 KSU Journal of Engneerng Scences, (), 9 EMG İşaretlernn K-Ortalama Algortması Kullanılarak Öbekleştrlmes Mücahd Günay, Ahmet ALKA, KSÜ Mühendslk-Mmarlık Fakültes Elektrk-Elektronk
DetaylıSİLİS DUMANI KATKILI BETONLARIN ÇARPMA DAYANIMININ YAPAY SİNİR AĞI İLE BELİRLENMESİ
ISSN:1306-3111 e-journal of New World Scences Academy 2008, Volume: 3, Number: 1 Artcle Number: A0046 NATURAL AND APPLIED SCIENCES CIVIL ENGINEERING Receved: June 2007 Accepted: December 2007 2008 www.newwsa.com
Detaylıİl Özel İdareleri ve Belediyelerde Uygulanan Program Bütçe Sistemi ve Getirdiği Yenilikler
İl Özel İdareler ve Beledyelerde Uygulanan Program Bütçe Sstem ve Getrdğ Yenlkler Hayrettn Güngör Mehmet Deınrtaş İlk 2 Mayıs 1990 gün ve 20506 sayılı, kncs 19 Şubat 1994 gün ve 2 ı 854 sayılı Resm Gazete'de
DetaylıTEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA
TEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA Yrd. Doç. Dr. Meltem KARAATLI * Yrd. Doç. Dr. Gonca DAVRAS ** ÖZ Otel şletmelernde,
Detaylıdir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.
BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)
DetaylıT.C. KEÇiÖREN BELEDİYE BAŞKANLIGI Mali Hizmetler Müdürlüğü BAŞKANLIK MAKAMINA
l!l KEÇÖREN BELEDİYE BAŞKANLIGI KEÇöREN BELeDYES SA YI : M.06.6.KEç.O-31/2009KONU: Yetk Devr bo f.!200fd 6.1. BAŞKANLIK MAKAMINA Blndğ üzere O 1.01.2006 tarhnden tbaren tüm yerel yönetmlerde 31.12.2005
DetaylıTRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM
TRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM Emrah ONAT SDT - Space & Defence Technologes A.Ş. emrahonat@yahoo.com
DetaylıYapay Sinir Ağı ve Bulanık-Yapay Sinir Ağı Yöntemleri Kullanılarak Tava Buharlaşma Tahmini
Tarım Blmler Araştırma Dergs 3 (): 45-5, 00 ISSN: 308-3945, E-ISSN: 308-07X, www.nobel.gen.tr Yapay Snr Ağı ve Bulanık-Yapay Snr Ağı Yöntemler Kullanılarak Tava Buharlaşma Tahmn Özgür KIŞI Selcan AFŞA
DetaylıİÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ
Türkye İnşaat Mühendslğ, XVII. Teknk Kongre, İstanbul, 2004 İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Nur MERZİ 1, Metn NOHUTCU, Evren YILDIZ 1 Orta Doğu Teknk Ünverstes, İnşaat Mühendslğ Bölümü, 06531 Ankara
DetaylıCuEEG: EEG Verilerinin Hızlı İşlenmesi için GPU Tabanlı Bir Yaklaşım CuEEG: A GPU-Based Approach for Fast Processing of EEG Data
ELECO '212 Elektrk - Elektronk ve Blgsayar Mühendslğ Sempozyumu, 29 Kasım - 1 Aralık 212, Bursa CuEEG: EEG Verlernn Hızlı İşlenmes çn GPU Tabanlı Br Yaklaşım CuEEG: A GPU-Based Approach for Fast Processng
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ 1 Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
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)
Detaylıİstanbul Ünverstes İşletme Fakültes Dergs Istanbul Unversty Journal of the School of Busness Admnstraton Clt/Vol:39, Sayı/No:2,, 310-334 ISSN: 1303-1732 www.fdergs.org Stokastk envanter model kullanılarak
DetaylıMOBİPA MOBİLYA TEKSTİL İNŞAAT NAKLİYE PETROL ÜRÜNLERİ. SÜPERMARKET VE TuRİzM SANAYİ VE TİcARET ANONİM ŞİRKETİ
MOBİPA MOBİLYA TEKSTİL İNŞAAT NAKLİYE PETROL ÜRÜNLERİ SÜPERMARKET VE TuRİzM SANAYİ VE TİcARET ANONİM ŞİRKETİ 2011-2012-2013 MALİ yılına İLİşKİN YÖNETİM KURULU FAALİYET RAPORU ("Şrket") 01012011-31 ı22013
DetaylıT.C. ULUDAĞ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KONUŞMACI TANIMA YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ. Cemal HANİLÇİ
T.C. ULUDAĞ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KONUŞMACI TANIMA YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ Cemal HANİLÇİ YÜKSEK LİSANS TEZİ ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI BURSA-2007 T.C. ULUDAĞ ÜNİVERSİTESİ
DetaylıDoğrusal Korelasyon ve Regresyon
Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan
DetaylıGÜNEŞ ENERJİLİ BİR SULAMA SİSTEMİNDE BOOST KONVERTERDEN BESLENEN ARM SÜRÜCÜ SİSTEMİNİN ANALİZİ
GÜNEŞ ENERJİLİ BİR SULAMA SİSTEMİNDE BOOST KONERTERDEN BESLENEN ARM SÜRÜÜ SİSTEMİNİN ANALİZİ Mahr Dursun, Al Saygın Gaz Ünverstes Teknk Eğtm Fakültes Elektrk Eğtm Bölümü Teknkokullar, Ankara mdursun@gaz.edu.tr,
DetaylıALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK
DetaylıALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ
BÖLÜM 6 ALTERNATİF AKIM DEVRE ÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ 6. ÇEVRE AKIMLAR ÖNTEMİ 6. SÜPERPOZİSON TEOREMİ 6. DÜĞÜM GERİLİMLER ÖNTEMİ 6.4 THEVENİN TEOREMİ 6.5 NORTON TEOREMİ Tpak GİRİŞ Alternatf akımın
DetaylıDenklem Çözümünde Açık Yöntemler
Denklem Çözümünde Bu yöntem, n yalnızca başlangıç değer kullanılan ya da kökü kapsayan br aralık kullanılması gerekmez. Açık yöntemler hızlı sonuç vermesne karşın, başlangıç değer uygun seçlmedğnde ıraksayablr.
DetaylıYAZILIM GELİŞTİRME PROJELERİNİN GERÇEK OPSİYON DEĞERLEME MODELİYLE ÇOK ÖLÇÜTLÜ BULANIK DEĞERLEMESİ
İstanbul Tcaret Ünverstes Fen Blmler Dergs Yıl: 8 Sayı: 5 Bahar 009/ s. 3-6 YAZILIM GELİŞTİRME PROJELERİNİN GERÇEK OPSİYON DEĞERLEME MODELİYLE ÇOK ÖLÇÜTLÜ BULANIK DEĞERLEMESİ A. Çağrı TOLGA, Cengz KAHRAMAN
DetaylıENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ
ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ Emel KOCADAYI EGE ÜNİVERSİTESİ MÜH. FAK., KİMYA MÜH. BÖLÜMÜ, 35100-BORNOVA-İZMİR ÖZET Bu projede, Afyon Alkalot Fabrkasından
DetaylıİTÜ LİSANSÜSTÜ DERS KATALOG FORMU (GRADUATE COURSE CATALOGUE FORM)
Dersn Adı İTÜ LİSANSÜSTÜ DERS KATALOG FORMU (GRADUATE COURSE CATALOGUE FORM) Course Name Blgsayar Destekl Malyet Modeller Computer Aded Cost Modelng Kodu (Code) PYY520 Lsansüstü Program (Graduate Program)
DetaylıADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN
SAÜ Fen Edebyat Dergs (2010-I) F.GÖKPINAR v.d. DENGELİ TAMAMLANMAMIŞ BLOK TASARIMINDA, DUYUSAL ANALİZ İÇİN DÜZELTİLMİŞ DURBİN SIRA SAYILARI TESTİ Fkr GÖKPINAR*, Hülya BAYRAK, Dlşad YILDIZ ve Esra YİĞİT
DetaylıSıklık Tabloları ve Tek Değişkenli Grafikler
Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.
DetaylıROBİNSON PROJEKSİYONU
ROBİNSON PROJEKSİYONU Cengzhan İPBÜKER ÖZET Tüm yerkürey kapsayan dünya hartalarının yapımı çn, kartografk lteratürde özel br öneme sahp olan Robnson projeksyonu dk koordnatlarının hesabı brçok araştırmacı
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.
DetaylıYazılım Gelitirme Projelerinde Maliyet Tahminleme Çalımasında Kullanılabilinecek Bir Ölçev Kümesi Ve Bir Yapay Sinir Aı Topolojisi Önerisi
Yazılım Gelitirme Projelerinde Maliyet Tahminleme Çalımasında Kullanılabilinecek Bir Ölçev Kümesi Ve Bir Yapay Sinir Aı Topolojisi Önerisi Oya KALIPSIZ 1, Murat AYYILDIZ 1 1 Yıldız Teknik Üniversitesi,
DetaylıMOBİL ROBOTLAR İÇİN TARAMA PLATFORMUNUN TASARIMI VE UYGULAMASI ÖZET
MOBİL ROBOTLAR İÇİN TARAMA PLATFORMUNUN TASARIMI VE UYGULAMASI G. ASLAN 1, İ. KONUKSEVEN 2, A. B. KOKU 3 1 gokhan.aslan@msn.com ODTÜ Makna Mühendslğ Bölümü 06531 Ankara 2 konuk@metu.edu.tr, 3 kbugra@metu.edu.tr
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
DetaylıBilgisayarla Görüye Giriş
Blgsayarla Görüye Grş Ders 8 Görüntü Eşleme Alp Ertürk alp.erturk@kocael.edu.tr Panorama Oluşturma Görüntüler eşlememz / çakıştırmamız gerekmektedr Panorama Oluşturma İk görüntüden özntelkler çıkar Panorama
Detaylı5.3. Tekne Yüzeylerinin Matematiksel Temsili
5.3. Tekne Yüzeylernn atematksel Temsl atematksel yüzey temslnde lk öneml çalışmalar Coons (53) tarafından gerçekleştrlmştr. Ferguson yüzeylernn gelştrlmş hal olan Coons yüzeylernde tüm sınır eğrler çn
DetaylıDersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için)
Ders Kodu Teork Uygulama Lab. Uluslararası Muhasebe ve Fnansal Raporlama Standartları Ulusal Kred Öğretm planındak AKTS 344000000000510 3 0 0 3 6 Ön Koşullar : Bu dersn ön koşulu ya da yan koşulu bulunmamaktadır.
DetaylıTürk Dilinin Biçimbilim Yapısından Yararlanarak Türkçe Metinlerin Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması
Türk Dlnn Bçmblm Yapısından Yararlanarak Türkçe Metnlern Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması Banu DİRİ, M.Yahya KARSLIGİL Yıldız Teknk Ünverstes Elektrk Elektronk Fakültes - Blgsayar
DetaylıMakine Öğrenmesi 10. hafta
Makne Öğrenmes 0. hafta Lagrange Optmzasonu Destek Vektör Maknes (SVM) Karesel (Quadratc) Programlama Optmzason Blmsel term olarak dlmze geçmş olsa da bazen en leme termle karşılık bulur. Matematktek en
DetaylıDeney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı
SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış
DetaylıAĞIR BİR NAKLİYE UÇAĞINA AİT BİR YAPISAL BİLEŞENİN TASARIMI VE ANALİZİ
III. ULUSAL HAVACILIK VE UZAY KONFERANSI 16-18 Eylül 2010, ANADOLU ÜNİVERSİTESİ, Eskşehr AĞIR BİR NAKLİYE UÇAĞINA AİT BİR YAPISAL BİLEŞENİN TASARIMI VE ANALİZİ Davut ÇIKRIKCI * Yavuz YAMAN Murat SORGUÇ
DetaylıQUALITY MANAGEMENT PERCEPTION ON INSTITUTION PERFORMANCE: EXAMPLE OF A UNIVERSITY
QUALITY MANAGEMENT PERCEPTION ON INSTITUTION PERFORMANCE: EXAMPLE OF A UNIVERSITY sarogluesra@hotmalcom Ghader ZEMESTANI zemestanghader@gmalcom turhanmthat@mynetcom t n yla yla mu Toplam Kalte Anahtar
DetaylıROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI
ROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI İsmal ÇÖLKESEN 1, Tahsn YOMRALIOĞLU 2, Taşkın KAVZOĞLU 3 1 Araş. Gör., Gebze Yüksek Teknoloj Ensttüsü,
Detaylıa IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI
Fırat Ünverstes-Elazığ MİTRAL KAPAK İŞARETİ ÜZERİNDEKİ ANATOMİK VE ELEKTRONİK GÜRÜLTÜLERİN ABC ALGORİTMASI İLE TASARLANAN IIR SÜZGEÇLERLE SÜZÜLMESİ N. Karaboğa 1, E. Uzunhsarcıklı, F.Latfoğlu 3, T. Koza
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)
DetaylıK-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi *
İMO Teknk Derg, 2012 6037-6050, Yazı 383 K-Ortalamalar Yöntem le Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelern Belrlenmes * Mahmut FIAT* Fath DİKBAŞ** Abdullah Cem KOÇ*** Mahmud GÜGÖ**** ÖZ
DetaylıAYLIK ORTALAMA GÖL SU SEVİYESİNİN BULANIK-OLASILIK YAKLAŞIMI İLE GÖZLENMİŞ ZAMAN SERİSİNDEN TAHMİNİ
AYLIK ORTALAMA GÖL SU SEVİYESİİ BULAIK-OLASILIK YAKLAŞIMI İLE GÖZLEMİŞ ZAMA SERİSİDE TAHMİİ Veysel GÜLDAL, Hakan TOGAL 2 S.D.Ü.Mühendslk Mmarlık Fakültes İnşaat Müh Böl., Isparta/TÜRKİYE vguldal@mmf.sdu.edu.tr
DetaylıFLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ
FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ 1 Nasır Çoruh, Tarık Erfdan, 3 Satılmış Ürgün, 4 Semra Öztürk 1,,4 Kocael Ünverstes Elektrk Mühendslğ Bölümü 3 Kocael Ünverstes Svl Havacılık Yüksekokulu ncoruh@kocael.edu.tr,
DetaylıSTANDART VE HİBRİD YAPILAR KULLANARAK YAPAY SİNİR AĞLARI İLE İMZA TANIMA
STANDART VE HİBRİD YAPILAR KULLANARAK YAPAY SİNİR AĞLARI İLE İMZA TANIMA Canan ŞENOL Tülay YILDIRIM Kadr Has Ünverstes, Elektronk Mühendslğ Bölümü, 3430, Cbal, Fath-İstanbul Yıldız Teknk Ünverstes, Elektronk
DetaylıTEKNOLOJİ, PİYASA REKABETİ VE REFAH
TEKNOLOJİ, PİYASA REKABETİ VE REFAH Dr Türkmen Göksel Ankara Ünverstes Syasal Blgler Fakültes Özet Bu makalede teknoloj sevyesnn pyasa rekabet ve refah sevyes üzerndek etkler matematksel br model le ncelenecektr
DetaylıPamukta Girdi Talebi: Menemen Örneği
Ege Ünv. Zraat Fak. Derg., 2002, 39 (3): 88-95 ISSN 1018-8851 Pamukta Grd Taleb: Menemen Örneğ Bülent MİRAN 1 Canan ABAY 2 Chat Günden 3 Summary Demand for Inputs n Cotton Producton: The Case of Menemen
DetaylıBANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ
BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ Yrd. Doç. Dr. Murat ATAN - Araş. Gör. Gaye KARPAT ÇATALBAŞ 2 ÖZET Bu çalışma, Türk bankacılık sstem çnde faalyet gösteren tcar bankaların
DetaylıDeprem Tepkisinin Sayısal Metotlar ile Değerlendirilmesi (Newmark-Beta Metodu) Deprem Mühendisliğine Giriş Dersi Doç. Dr.
Deprem Tepksnn Sayısal Metotlar le Değerlendrlmes (Newmark-Beta Metodu) Sunum Anahat Grş Sayısal Metotlar Motvasyon Tahrk Fonksyonunun Parçalı Lneer Interpolasyonu (Pecewse Lnear Interpolaton of Exctaton
DetaylıHİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
İstanbul Ünverstes İktsat Fakültes Malye Araştırma Merkez Konferansları 47. Ser / Yıl 005 Prof. Dr. Türkan Öncel e Armağan HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
DetaylıAHP AND GRA INTEGRATED APPROACH IN INNOVATION PERFORMANCE REVIEW PROCESS: AN APPLICATION IN DAIRY INDUSTRY
Dumlupınar Ünverstes Sosyal Blmler Dergs / Dumlupınar Unversty Journal of Socal Scences İNOVASYON PERFORMANSI DEĞERLENDİRME SÜRECİNDE AHS VE GİA BÜTÜNLEŞİK YAKLAŞIMI: SÜT ÜRÜNLERİ SEKTÖRÜNDE BİR UYGULAMA
DetaylıMESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI
MESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI Fath ÇİL GAZİ ÜNİVERSİTESİ Mühendslk Mmarlık Fakültes Endüstr Mühendslğ Bölümü 4. Sınıf
DetaylıKIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ
Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü Dergs Yıl: 2007/2, Sayı: 6 Journal of Suleyman Demrel Unversty Insttue of Socal Scences Year: 2007/2, Number: 6 KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM
DetaylıTEKLİF MEKTUBU SAĞLIK BAKANLIĞI_. '.. m
SAĞLIK BAKANLIĞI TC Kayıt No: 133709 TURKIYE KAMU HASTANELERI KURUMU ı TRABZON ILI KAMU HASTANELERI BIRLIGI GENEL SEKRETERLIGI Kanun Eğtm Araştırma Hastanes TEKLİF MEKTUBU Sayı : 23618724 12.10.2015 Konu
DetaylıLOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA. Zeynep Burcu KIRAN
LOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA Zeynep Burcu KIRAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ
DetaylıDEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI
DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI Mehmet Aktan Atatürk Ünverstes, Endüstr Mühendslğ Bölümü, 25240, Erzurum. Özet: Dövz kurlarındak değşmler,
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
DetaylıİSTANBUL TEKNİK ÜNİVERSİTESİ ELEKTRİK-ELEKTRONİK FAKÜLTESİ. WEB SAYFASI SINIFLANDIRMA YÖNTEMLERİ ve BENZERLİK ÖLÇÜTLERİ
İSTANBUL TEKNİK ÜNİVERSİTESİ ELEKTRİK-ELEKTRONİK FAKÜLTESİ WEB SAYFASI SINIFLANDIRMA YÖNTEMLERİ ve BENZERLİK ÖLÇÜTLERİ Btrme Ödev Eser Aygün 040010431 Bölüm: Blgsayar Mühendslğ Anablm Dalı: Blgsayar Blmler
DetaylıSinirsel Bulanık Sistemler İle Trafik Gürültüsünün Tahmini
Snrsel Bulanık Sstemler İle Trafk Gürültüsünün Tahmn Ahmet Tortum Yrd. Doç. Dr.,Atatürk Ünverstes,Mühendslk Fakültes,İnşaat Bölümü,Erzurum E-posta : atortum@ataun.edu.tr Yasn Çodur Arş.Gör., Atatürk Ünverstes,Mühendslk
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
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
DetaylıG.1. : Y.Kutlu, M.Kuntalp, D.Kuntalp. : Öz Düzenleyici Haritalar Kullanilarak Diken Dalgalarin Analizi. Yay nlanan Kitapç k.
G.1 Yazarlar : Y.Kutlu, M.Kuntalp, D.Kuntalp Ba l k : Öz Düzenley Hartalar Kullanlarak Dken Dalgalarn Analz Yay nlanan Ktapç k : Genç Blm nsanlar le Beyn Byofz II. Çal tay, Izmr / Turkey, 21-23 ubat2008
DetaylıFAKTÖRİYEL TASARIMA ADAPTİF AĞ TABANLI BULANIK MANTIK ÇIKARIM SİSTEMİ İLE FARKLI BİR YAKLAŞIM. Sevil ŞENTÜRK
FAKTÖRİYEL TASARIMA ADAPTİF AĞ TABANLI BULANIK MANTIK ÇIKARIM SİSTEMİ İLE FARKLI BİR YAKLAŞIM Sevl ŞENTÜRK Anadolu Ünverstes, Fen Fakültes, İstatstk Bölümü,26470, ESKİŞEHİR, e-mal:sdelgoz@anadolu.edu.tr
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
DetaylıTÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ
TÜRİYE DEİ 38 kv LU 4 BARALI GÜÇ SİSTEMİDE EOOMİ YÜLEME AALİZİ Mehmet URBA Ümmühan BAŞARA 2,2 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlık Fakültes Anadolu Ünverstes İk Eylül ampüsü, 2647, ESİŞEHİR
DetaylıCebir Notları. Karmaşık Sayılar Testi z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır?
Cebr Ntları Karmaşık Sayılar Test. + se Re() + Im()?. ( x y) + + ( x+ y ) se x + y tplamı kaçtır?. x + y ( x ) ve se y kaçtır?. ve se y x kaçtır?. sayısı kaça eşttr?. sayısı kaça eşttr? 7. x+ + ( y ) y
DetaylıMATLAB GUI İLE DA MOTOR İÇİN PID DENETLEYİCİLİ ARAYÜZ TASARIMI INTERFACE DESING WITH PID CONTROLLER FOR DC MOTOR BY MATLAB GUI
İler Teknoloj Blmler Dergs Clt 2, Sayı 3, 10-18, 2013 Journal of Advanced Technology Scences Vol 2, No 3, 10-18, 2013 MATLAB GUI İLE DA MOTOR İÇİN PID DENETLEYİCİLİ ARAYÜZ TASARIMI M. Fath ÖZLÜK 1*, H.
DetaylıTOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA
Araştırma Makaleler TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA Dr., Dokuz Eylül Ünverstes, İİBF İşletme Bölümü erhan.demrel@deu.edu.tr ÖZET Ekonomk faalyetlern
Detaylı2.7 Bezier eğrileri, B-spline eğrileri
.7 Bezer eğrler, B-splne eğrler Bezer eğrler ve B-splne eğrler blgsaar grafklernde ve Blgsaar Destekl Tasarım (CAD) ugulamalarında çok kullanılmaktadır.. B-splne eğrler sadece br grup ver noktası çn tanımlanan
DetaylıBULANIK HEDEF PROGRAMLAMA VE BİR TEKSTİL FİRMASINDA UYGULAMA ÖRNEĞİ
Eskşehr Osmangaz Ünverstes Sosyal Blmler Dergs Clt: 6 Sayı: 2 Aralık 2005 BULANIK HEDEF PROGRAMLAMA VE BİR TEKSTİL FİRMASINDA UYGULAMA ÖRNEĞİ İrfan ERTUĞRUL Pamukkale Ünverstes İİBF, Denzl ÖZET Günümüzde
Detaylı( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3
Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör
DetaylıORGANİZASYON VE YÖNETİM BİLİMLERİ DERGİSİ Cilt 11, Sayı 1, 2019 ISSN: (Online)
YÜKSEKÖĞRETİMDE TOPLAM KALİTE YÖNETİMİ İÇİN KRİTİK BAŞARI FAKTÖRLERİNİN BULANIK DEMATEL YAKLAŞIMI İLE DEĞERLENDİRİLMESİ Mehmet Aksaraylı Dokuz Eylül Ünverstes Unvan (Doç. Dr.) Dokuzçeşmeler Buca İzmr E-posta::
DetaylıPROJE PLANLAMASINDA BULANIK HEDEF PROGRAMLAMA YAKLAŞIMI. Müh. Ramadan VATANSEVER
İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ PROJE PLANLAMASINDA BULANIK HEDEF PROGRAMLAMA YAKLAŞIMI YÜKSEK LİSANS TEZİ Müh. Ramadan VATANSEVER Anablm Dalı: İşletme Mühendslğ Programı: İşletme
DetaylıBELEDİYELERDE PERFORMANS ÖLÇÜMÜ İÇİN ÇOK ÖLÇÜTLÜ BULANIK BİR MODEL ÖNERİSİ
İTANBUL TEKNİK ÜNİERİTEİ FEN BİLİMLERİ ENTİTÜÜ BELEDİYELERDE PERFORMAN ÖLÇÜMÜ İÇİN ÇOK ÖLÇÜTLÜ BULANIK BİR MODEL ÖNERİİ YÜKEK LİAN TEZİ Müh. Emre ALİOĞLU Anablm Dalı: AUNMA TEKNOLOJİLERİ Programı: TRATEJİ
Detaylı