Destek Vektör Makineleri ile Yaramaz Elektronik Postaların Filtrelenmesi Spam Filtering Using Support Vector Machine
|
|
- Bora Yıldırım
- 8 yıl önce
- İzleme sayısı:
Transkript
1 Destek Vektör Makneler le Yaramaz Elektronk Postaların Fltrelenmes Spam e-mal Flterng Usng Support Vector Machne E. U. Küçükslle ve N. Ateş Süleman Demrel Ünverstes, Isparta/urke, Süleman Demrel Ünverstes, Isparta/urke, Özetçe Elektronk postanın (e-posta) hızlı ve kola br haberleşme aracı olması, nsanlar tarafından letşmde oğun şeklde kullanılmasına neden olmaktadır. E-postanın bu özellkler; reklam apmak, fkrlern nsanlara duurmak ve çeştl stsmar çalışmaları apmak steen nsanlar çn br cazbe merkez olmasını sağlamaktadır. Bu tür grşmler de br güvenlk zafet oluşturmaktadır. emeller Vladmr N. Vapnk tarafından atılan br makne öğrenme algortması olan destek vektör makneler 995 den tbaren sınıflandırma ve eğr udurma problemlernde başarılı sonuçlar vermştr. Bu çalışmada, destek vektör makneler kullanılarak aramaz (stenmeen) e-postaların fltrelenmes şlem gerçekleştrlmştr. Anahtar Sözcükler: Yaramaz (İstenmeen e-posta) destek vektör maknes, fltreler, özntelk, çekrdek fonksonları. Abstract Electronc mal (e-mal) s a communcaton medum that s fast and eas to use, makng people to use t frequentl. hese features of e-mal cause t to be the center of attracton for the people who want to advertse, share ther deas wth others or nvolve n malcous actvtes. hus, these knd of actvtes create securt threats. Support vector machnes are machne learnng algorthms that are developed b Vladmr N. Vapnk and produce successful results n several applcaton domans such as clusterng and curve fttng problem. In ths stud, we carr out unwanted (spam) e-mal flterng usng support vector machne. Kewords : spam, support vector machne, flters, feature, kernel functons.. GİRİŞ Haberleşmenn temel e-posta kullanımına daanmaktadır. Bu popüler aracı kullanan nsan saısı çok fazla olduğundan brçok nsan, grup vea şrketler, nsanlara seslern bu araç vasıtasıla duurmaa çalışmaktadır. Br çalışmaa göre br şrket ağına gelen mesaların %0 nunu aramaz (stenmeen) postalar (YP) oluşturmaktadır[]. İnternet vasıtasıla mesa alma talebnde bulunmadığı halde çok saıda kşe gönderlen bu mesa vea mesalara aramaz e-posta (YP) denr. YP nn kullanılmasının en öneml avantaı, kısa br süre çersnde çok saıda nsana ulaşılmasıdır. YP nn en belrgn zararları se nternet bant genşlğn doldurması ve zaman srafıdır. YP genellkle tcar amaçlı olmasının anında sas br propaganda a da kamuou araştırması apmak amacıla gönderlmş e-postalar da olablmektedr. Br e-posta adresne YP gelmes çn o adresn YP göndercnn elne geçmes gerekmektedr. YP göndercler adresler ele geçrmek çn ağı taraan botlar kullanmaktadırlar. Arama motorlarının kullandığı türden olan bu botlar tüm steler vea formları taraarak korumasız şeklde tutulan tüm blgler almaktadır. Kullanıcılar, üe oldukları ( kşsel blglern ve e-posta adreslern verdkler) her ste ve forumlar üzernden blmeden YP sektörünü beslemektedrler. Destek vektör makneler(dvm) makne öğrenmes gerektren br çok alanda başarılı sonuçlar vermştr. YP'lern fltrelenmes konusunda da br çok çalışmada farklı öntemler le brleştrlerek kullanılmıştır. Rafqul ve Zhou çalışmalarında DVM
2 tabanına bağlı enlkç br YP fltreleme çalışması apmışlardır [7]. Zhang ve arkadaşları çalışmalarında Dvm e daanarak ağ YP'lernn araştırılması üzerne br çalışma apmışlarıdır []. Androutsopoulos ve arkadaşları çalışmalarında ağırlıklı Dvm kullanılarak YP fltreleme öntem kullanmışlardır [4]. Bu ve benzer çalışmaların sonuçları DVM nn YP fltreleme üzerne başarılı olduğunu göstermştr. Bu çalışmada da özntelk kümes daha dkkatl seçldğnde Dvm nn performansının dkkate değer br ölçüde arttığı görülmüştür.. ÖZNİELİK ÇIKARMA VE SEÇME Özntelk çıkartma, bazı krterlere daanarak mevcut blglere br dönüştürme şlem ugulaarak en br özntelk uzaı oluşturmak ken özntelk seçme, mevcut özntelkler arasından, bazı krterlere daanarak özntelk seçme an o örneğ temsl edeblecek en özntelğ seçmektr. Her e-posta çn en öneml parça onun çerğdr (kelmelerdr). Bu üzden YP fltreleme br metn sınıflandırma problemdr. Metn sınıflandırma problemlernn özntelğ de kelmelerdr. Özntelk seçerken dkkat edlmes gereken durumlar vardır. Örneğn, br kelme hem YP hem de normal e- posta(np) da çok geçor vea ksnde de az geçor se o br özntelk değldr. Kullanılan dl de özntelk seçmn etkmektedr. Örneğn, İnglzce br kelme olan got, get le benzer anlam fade eder. Dğer br örnek ürkçe br kelme olan aldı alır le benzer anlamlara sahyptr. Bu k örnekte de görüldüğü gb dller arasında br farklılık mevcuttur. Özntelk seçerken bu farklılıklara dkkat etmek gerekmektedr. En az özntelk saısı le YP tespt edlmes hesaplama zorluğu ve zaman açısından önemldr. Eğer özntelk seçm ugun br şeklde apılmaz se özntelk vektörünün boutu artacak ve bu da hesaplama maletn arttıracaktır. etmekte ve doğru olablecek modeller arasından en modeln bulunmasını hedeflemektedr"[9]. Destek vektöre makneler (DVM), statstksel öğrenme teors ve apısal rsk en aza ndrme lkesne daanan, sınıflandırma ve eğr udurma problemlernn çözümü amacıla Vapnk tarafından ortaa atılmış br öğrenme öntemdr [0]. Bu öğrenme öntem denetml öğrenme öntem kapsamına grer. Denetml öğrenmede, eğtm aşamasında verlern sınıf etketler an hang sınıfa at oldukları belldr. DVM nn asıl aptığı ş kendne grd olarak gelen verler sınıfa aırmaktır. Bu çalışmada DVM; doğrusal arılma, tam olarak doğrusal arılamama ve doğrusal arılamama olmak üzere 3 ana başlıkta ncelenmştr. a. Doğrusal arılma N adet elemandan oluşan eğtm ver kümes D {(, ), =... N} buradak {, + } = olduğu kabul edlrse n sınıf etket, R olup n boutlu uzada herhang br örnektr. ( ) fadesnde k karar f = w + b fonksonun normaln, fades bu doğru üzernde bulunan noktaları, b se eğlm değern göstermektedr. Amaç w ve b eğtm verler ardımıla bulmaktır, an sstem eğtmektr. üm destek vektör maknelernde amaç Şekl 'de olduğu gb verler sınıfa aırmaktır. Şekl 'de keskl çzgler le fade edlen doğrular üzerndek vektörler destek vektör olarak smlendrlr ve umuşak arım çzgs bu vektörler üzernden geçer. İk umuşak arım çzgsnn ortasındak doğru se sert arımıdır ve f ( ) = w + b = 0 çzlr. w fonksonula Şekl 3 te grd uzaından özellk uzaına br dönüşüm gösterlmektedr. Bu ola br özntelk çıkartma şlemdr. 3. DESEK VEKÖR MAKİNELERİ (DVM) "Klask statstk, doğru modeln formunun blndğn varsaıp, amacı modeln parametrelern belrlemek olarak görürken; statstksel öğrenme teors modeln formunun blnmedğn kabul
3 w 3 + b = (3) Şekl : Doğrusal olarak aırma ) = w + b f ( fadesndek vektörel büüklük olup, () n sade haln fade eder. f ) = w + w + w w ( 3 3 f ( ) = w + b f ( ) = w + b w ve n n + b () durumunda = ve durumunda = dr. İk fonksonu ( w şeklnde kısalta blrz. Bu aırma şlemnn püf noktası sınır değern maksmum apmak ve bu saede en arıma sahyp olmaktır. Ver setn sınıflara aırablecek sonsuz saıda çoklu düzlem çzleblmesne karşın, amaç blnmeen ver set le karşılaşıldığında sınıflama hatasını en küçük apacak aşırı düzlem seçmektr. Bunun çn maksmum sınırlı aşırı düzlem teknğ önerlmştr. Sınır değernn büüklüğü genelleme kabletn arttırır. X değer f ( ) = w + b = fonksonu üzernde br nokta ve 3 değer f ( ) = w + b = fonksonu üzernde br noktadır. Sınır değern bulmak çn, w + b = + () (3) ü - le çarpılıp () le toplanyp = 3 + λ.w fades eştlkte erne azılırsa, bunun sonucunda λ=/ w fades bulunur. Hedef, λ değern maksmum apmak olduğu çn / λ fades mnmum olmalıdır. Buna bağlı sınırlama se ( w 0, {, + } dr. Optmzason problem, verlen bazı kısıtlamalar altında br fonksonun maksmumunu a da mnmumunu bulmadır [3]. Bu optmzason problem Lagrange denklemler kullanılarak çözüleblr ve sonuçta, N L( w, b, ) = w w α[ ( w ] =,α 0, α (4) denklem oluşur. Bu problem Karush Kuhn ucker (KK) n (5) ve (6) dak şartları kullanılarak çözülür. L w L w = 0, = 0, (5) (6) (5) ve (6) eştlkler kullanılıp problem çözülünce (7) dek formül oluşur ve bu formül çn kısıtlar N = = 0, 0, α α dr. L( α) = α α α (7)
4 L(α ) optmzason problem standart. dereceden programlama teknklerle çözülür. b. am olarak doğrusal arılamama Verler bazı durumlarda % 00 performansla arılamaablr. Verlern sınır çersne düştüğü (Şekl dek ç dolu kare) durum arılamama ve sert arılma çzgsnn karşı tarafına düştüğü (Şekl dek ç dolu dare) durum da anlış arılma olarak adlandırılır. Bu durumlarda, doğruların mnmum hata le aırma sağlaacak şeklde aarlanması gerekr. bulunmaa çalışılır. Sapma değerlernn eklenmesle mnmum formülason w + C ξ şekln alır. Buradak C (0 < C < ) düzenleme parametres olarak smlendrlr ve bu değer sınır genşlğn doğrudan etkler. am olarak doğrusal arılamama optmzason problem doğrusal arılablen durumda olduğu gb Lagrange denklem ve KK şartlarıla çözülür. Denklemn çözümler apılınca tam olarak doğrusal arılama an umuşak arılma ( w ξ denklemnn verler elde edlmş olunur ve artık ssteme gelen verler bu formüle göre sınıflandırablr. c. Doğrusal arılamama (Çekrdek fonksonlar) Gerçek dünada verler çoğunlukla doğrusal olarak arılamazlar, böle durumlarda destek vektör maknes Şekl-3 dek gb grd uzaını daha üksek boutlu br uzaa taşıarak burada doğrusal aırma şlemelern ugular. Şekl : am olarak doğrusal aıramama Yukarıda anlatılan sorunların çözümü çn ( w kısıt değer (8) dek gb olur. ( w ξ, ξ 0, (8) Buradak ξ gevşek değşken olarak smlendrlr. ξ gevşek değşken br örneğnn sınırdan olan sapma uzaklığıdır. Arılamazlık durumunda ξ, ξ, 0 ξ < ve anlış sınıflandırma durumunda ξ olur. Doğrusal arılamama durumunda anı doğrusal arılmada olduğu gb maksmum sınır Şekl 3: Doğrusal aıramama Grd uzaının daha üksek boutlu uzaa taşınması çn Φ( ) Φ( ) = K(, ) şeklnde br kernel fonksonu kullanılır. Bu blgden ola çıkarak lagrange fonksonu (9) dak gb fade edlr. α αα Φ( ) Φ( ) = α α α K(, )
5 (9) Çekrdek düzenlemes apılarak dönüştürülmüş uzadak Φ () vektörü erne grd uzaındak verlerden oluşan br çekrdek fonkson oluşturularak şlemler gerçekleştrlr. Çekrdek fonkson kullanarak ç çarpım hesaplamak, dönüştürülmüş ntelk set Φ () kullanarak hesaplamaa kıasla daha koladır ve malet düşüktür []. Doğrusal olmaan DVM'de kullanılan çekrdek fonksonları Mercer eorem olarak blnen matematksel br kurala umak zorundadırlar. Bu kural üksek boutta çalışılırken çekrdek fonksonların her zaman k grd vektörünün ç çarpımı şeklnde fade edlmesn sağlamaktadır[8]. En çok kullanılan çekrdek fonksonu gauss (0) da ve polnomal () de gösterlmştr. K(, ) e ( ) = γ K (, ) = ((, ) + ) d (0) () bouttan 6 bouta geçş apan polnomal çekrdek fonksonunun açılımı () de ve onun ç çarpan fonksonu (3) de görülmektedr. K, ) = ( + (. ) = +. sonuçlar elde edlmştr ( + () ϕ ) = [,,,,, ] (3) Çekrdek fonksonları karşılaştırıldığında polnom ve radal tabanlı kernellern daha sade ve anlaşılablr olduğu fade edleblr. Matematksel olarak bast görünse de, polnomun derecesndek artış algortmanın karmaşık br hal almasına neden olmaktadır. Bu da hem şlem süresn öneml ölçüde artırmakta hem de br noktadan sonra sınıflandırma doğruluğunu düşürmektedr. Buna karşın radal tabanlı fonksonun kernel boutu (γ ) olarak fade edlen parametresndek değşmlern sınıflandırma performansına etksnn daha az olduğu görülmüştür [5]. Farklı özellklere sahyp problemlern çözümünde farklı çekrdek fonksonlarının üstünlükler görülmüştür. 4. DENEY SONUÇLARI Bu çalışma [6] dek lngspam_publc sml mal ver set kullanılarak gerçekleştrlmştr. Çalışılan eğtm setnn sonuçlar üzernde belrlec etks olduğu tespt edlmştr. Normal posta( np) saısının YP saısından fazla tutulması kullanıcıa gelen malln tesptnde np olma htmaln arttırmaktadır. Daha önce apılmış olan çalışmaların çoğunda np saısı fazla tutmuştur. Bu durumun en ugun sonuçları verdğ gözlemlenmştr. DVM le sınıflandırma şlemne başlamadan önce özntelk çıkartma ve seçme şlemler çn bazı ön şlemler apılmıştır;. Adımda 3000 np, 000 YP mesaı kelmelerne parçalanmış ve tüm mesalar çersnde en az 5 defa tekrarlaan kelmeler vea özel karakterler seçlmştr.. adımda kelmelern ve özle karakterlern olasılık değerler bulunmuştur. 3. Adımda 96 adet mesa. adımdak fltreden geçrlerek 4. Adıma ulaşmıştır. Artık her mesaın ( ) arasında br değer vardır ve mesaların sınıfları belrldr. Bu mesalar eğtm sınıfını temsl etmektedr. Sonuçta, 5.adımda 96 adet test vers 4.adımdak fltreden geçrlmş ve Öncek çalışmaların hemen hepsnde mesa çersndek özel karakterler sınıflandırma şlemelerne dahl edlmemştr. Bu çalışmada se! # $ karakterler özntelk kümesne dahl edlerek knc br sınıflandırma şlem apılmıştır. ablo de görüldüğü gb %*? karakterler orta derece br olasılık sonucu verdğ çn sınıflandırma şlemne dahl edlmemştr. Arıca, ( ) karakterler de test şlemne tab tutulmuş fakat test sonucunda kada değer br başarı göstermemştr ve bu nedenle özntelk kümesne dahl edlmemştr. DVM le sınıflandırma şlem apılmış ve her mesaın YP vea np etket bulunmuştur. Daha sonra özel karakterler dahl edlerek DVM le tekrar sınıflandırma apılmıştır.
6 ablo : Olasılık Dağılımı ve Başarı üzdes Doğru tanıma saısı Özntelk Kümes est est est3 est4.sınıflandırma Sınıflandırma Sınıflandırma Başarı oranı.sınıflandırma ablo : Özel Karakterlern Olasılık Dağılım ablosu Karakterler! # $ % ( ) *? Olasılık Değerler ablo ' de sınıflandırma sonuçları verlmştr. Sınıflandırma şlemler sonunda her k sınıflandırma sonucu karşılaştırılmış sınıflar farklı se özntelk sınıfına!#$ karakterler dahl edlerek apılan sınıflandırma sonuçları doğru olarak kabul edlmştr. ablo 'de de görüldüğü gb her test soncunda özel karakterler dahl edlerek sınıflandırma apılmış ve tanıma oranının daha üksek çıktığı gözlemlenmştr. 5. SONUÇ Bu çalışmada, br e-posta kümes DVM nn doğrusal arılamama durumu çn sınıflandırılmış ve daha sonra öncek çalışmalarda özntelk kümesnn dışında bırakılan bazı özel karakterler özntelk kümesne eklenerek tekrar sınıflandırma şlem apılmıştır. Fark oluşması durumlarında knc sınıflandırma doğru kabul edlmş ve kada değer oranda performans artışı olduğu görülmüştür. Sınıflandırma şlemler DVM nn doğrusal arılamama durumundak gauss çekrdek fonksonu kullanılmıştır ve çekrdek boutu( γ ) olarak alınmıştır. KAYNAKLAR [] C.Altunaprak, "Baes Yöntem Kullanılarak İstenmeen Elektronk Postaların Fltrelenmes", YL ez, Blgsaar Mühendslğ Blmler, Muğla Ünverstes, Muğla, 006. [] Ü. Adoğan, "Destek Vektör Maknalarında Kullanılan Çekrdek Fonksonların Sınıflama Performanslarının Karşılaştırılması",YL ez, Bostatstk Anablm, Hacettepe Ünverstes, Dalı, İstanbul, 00. [3] N. Crstann and J. S. alor,, An Introducton to Support Vector Machnes and Other Kernel-Based Learnng Methods, Cambrdge: Cambrdge Unverst Press, 000 [4] C. Xao-l, L. Pe-u, Z. Zhen-fang and Y. Qu," A method of spam flterng based on weghted support vector machnes", IEEE Internatonal Smposum on I n Medcne & Educaton IIME ' , pp [5] (03, Nsan), A Practcal Gude to Support Vector
7 Classfcaton,Avalable: u.edu.tw/~cln/papers/gude/gude.pdf [6] (03, Nsan), Lng-Spam data set, Avalable: [7] M.R. Islam, M.U. Chowdhur, W. Zhou," An Innovatve Spam Flterng Model Based on Support Vector Machne", Computatonal Intellgence for Modellng, Control and Automaton and Internatonal Conference on Intellgent Agents, Web echnologes and Internet Commerce, Internatonal Conference on 005, pp [8] P.N. an, M. Stenbach, V. Kumar, Introducton to Data Mnng, Pearson Educaton. Indana: Addson-Wesle, 006. [9] S. olun, "Destek Vektör Makneler: Banka Başarısızlığının ahmn Üzerne Br Ugulama", Doktora ez, İşletme Bölümü, İstanbul Ünverstes, İstanbul., 008. [0] Vapnk, V. (995) he Nature of Statstcal Learnng heor, NewYork: Sprnger- Verlag, 87. [] J. Zhang, L. Wewe, G. We, X. Youmng, "Research on Web Spam Detecton Based on Support Vector Machne", Communcaton Sstems and Network echnologes (CSN) 0,, pp [] Z. Wang, X. Sun, X. L, D. Zhang,, "An Effcent SVM-Based Spam Flterng Algorthm", Machne Learnng and Cbernetcs, Internatonal Conference on 006, pp
Makine 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
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
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
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
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
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
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
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
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
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
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)
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
Detaylıbir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre
Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak
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.,
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
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
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
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
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
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
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 :
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
DetaylıFOTOGRAMETRİK NOKTA AĞLARI İÇİN BASİT BİR OPTİMİZASYON METODU
Selçuk Ünverstes Jeode ve Fotogrametr Mühendslğ Öğretmnde 0. õl Sempoumu6-8 Ekm 00 Kona SUNULMUŞ İLDİRİ FOTOGRMETRİK NOKT ĞLRI İÇİN SİT İR OTİMİSON METODU Esra TUNÇ Jurgen FRIEDRICH Fev KRSLI Karaden Teknk
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.
DetaylıYAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE
BAÜ Fen Bl. Enst. Dergs (6).8. YAYII YÜK İE YÜKENİŞ YAPI KİRİŞERİNDE GÖÇE YÜKÜ HESABI Perhan (Karakulak) EFE Balıkesr Ünverstes ühendslk marlık Fakültes İnşaat üh. Bölümü Balıkesr, TÜRKİYE ÖZET Yapılar
DetaylıGÜÇ KALİTESİNDEKİ BOZULMA TÜRLERİNİN SINIFLANDIRILMASI İÇİN BİR ÖRÜNTÜ TANIMA YAKLAŞIMI
Gaz Ünv. Müh. Mm. Fak. Der.. Fac. Eng. Arch. Gaz Unv. Clt 6, No 1, 41-56, 011 Vol 6, No 1, 41-56, 011 GÜÇ KALİESİNDEKİ BOZULMA ÜRLERİNİN SINIFLANDIRILMASI İÇİN BİR ÖRÜNÜ ANIMA YAKLAŞIMI Murat UYAR, Selçuk
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
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
DetaylıELECO '2012 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempozyumu, 29 Kasım - 01 Aralık 2012, Bursa
ELECO '0 Elektrk Elektronk ve Blgsaar ühendslğ Sempozumu, 9 Kasım 0 Aralık 0, Bursa Amotrofk Lateral Skleroz (ALS) Hastalığının Destek Vektör aknes le eşhs Dagnoss of Amotrophc Lateral Scleross (ALS) th
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.
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
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,
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)
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
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
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
DetaylıBİLGİSAYARLA GÖRÜ TABANLI, HAREKETLİ CİSİM YÖRÜNGESİ İZLEYEN ROBOT KOL TASARIMI
BİLGİSAYARLA GÖRÜ TABANLI, HAREKETLİ CİSİM YÖRÜNGESİ İZLEYEN ROBOT KOL TASARIMI Emre Kouncu İstanbul Teknk Ünverstes Elektrk Mühendslğ ekouncu@kouncurobotc.com Osman Celan İstanbul Teknk Ünverstes Elektronk
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
DetaylıPolinom Filtresi ile Görüntü Stabilizasyonu
Polno Fltres le Görüntü Stablzasonu Fata Özbek, Sarp Ertürk Kocael Ünverstes Elektronk ve ab. Müendslğ Bölüü İzt, Kocael fozbek@kou.edu.tr, serturk@kou.edu.tr Özetçe Bu bldrde vdeo görüntü dznnde steneen
DetaylıDENEY 8 İKİ KAPILI DEVRE UYGULAMALARI
T.C. Maltepe Ünverstes Müendslk ve Doğa Blmler Fakültes Elektrk-Elektronk Müendslğ Bölümü EK 0 DERE TEORİSİ DERSİ ABORATUAR DENEY 8 İKİ KAP DERE UYGUAMAAR Haırlaanlar: B. Demr Öner Same Akdemr Erdoğan
DetaylıAsimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri
Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık
DetaylıTEKNOLOJĐK ARAŞTIRMALAR
www.teknolojkarastrmalar.com ISSN:305-63X Yapı Teknolojler Elektronk Dergs 008 () - TEKNOLOJĐK ARAŞTIRMALAR Makale Başlığın Boru Hattı Etrafındak Akıma Etks Ahmet Alper ÖNER Aksaray Ünverstes, Mühendslk
DetaylıPARMAKİZİ RESİMLERİNİN YAPAY SİNİR AĞLARI İLE TEMİZLENMESİ VE İYİLEŞTİRİLMESİ
PARMAKİZİ RESİMLERİNİN YAPAY SİNİR AĞLARI İLE TEMİZLENMESİ VE İYİLEŞTİRİLMESİ Necla ÖZKAYA Şeref SAĞIROĞLU Blgsayar Mühendslğ Bölümü, Mühendslk Fakültes, Ercyes Ünverstes, 38039, Talas, Kayser Gaz Ünverstes,
Detaylı3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları
3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları Basınç çubukları brden fazla profl kullanılarak, bu profller arasında plan düzlemnde bell br mesafe bulunacak şeklde düzenleneblr. Bu teşklde,
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,
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
Detaylı4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ
Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,
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
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
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,
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
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
DetaylıKARMAŞIK SAYILAR. Derse giriş için tıklayın...
KARMAŞIK SAYILAR Derse grş çn tıklayın A Tanım B nn Kuvvetler C İk Karmaşık Sayının Eştlğ D Br Karmaşık Sayının Eşlenğ E Karmaşık Sayılarda Dört İşlem Toplama - Çıkarma Çarpma Bölme F Karmaşık Dülem ve
DetaylıSEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)
SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler
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
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,
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
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
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
DetaylıAkköse, Ateş, Adanur. Matris Yöntemleri ile dış etkilerden meydana gelen uç kuvvetlerinin ve uç yerdeğiştirmelerinin belirlenmesinde;
MATRİS ÖNTEMER 1. GİRİŞ Matrs öntemler; gerçek sürekl apının erne, matrs bçmnde ade edleblen blnen atalet (elemslk) ve elastklk öellklerne sahp sonl büüklüktek apısal elemanlardan olşan matematksel br
DetaylıÇOK DEĞİŞKENLİ OLASILIK DAĞILIMLARI
Bölüm 6 ÇOK DEĞİŞKENLİ OLASILIK DAĞILIMLARI Öncek bölümlerde tek-boutlu örnek uzalarla lgl rastgele değşkenler ve bu değşkenlern olasılık dağılımları ncelenmştr. Başka br anlatımla "br tek" rastgele değşkenle
DetaylıBOYUT ÖLÇÜMÜ VE ANALİZİ
BOYUT ÖLÇÜMÜ VE ANALİZİ.AMAÇ Br csmn uzunluğu, sıcaklığı, ağırlığı veya reng gb çeştl fzksel özellklernn belrlenme şlemler ancak ölçme teknğ le mümkündür. Br ürünün stenlen özellklere sahp olup olmadığı
DetaylıULTRA YÜKSEK MOLEKÜLER AĞIRLIKLI POLİETİLENİN MATKAPLA DELİNMESİNDE DELİK HASSASİYETİNİN PRATİK BİR YÖNTEMLE BELİRLENMESİ ÖZET ABSTRACT
3. Ulusal Tasarım İmalat ve Analz Kongres 9- Kasım 01- Balıkesr ULTRA YÜKSEK MOLEKÜLER AĞIRLIKLI POLİETİLENİN MATKAPLA DELİNMESİNDE DELİK HASSASİYETİNİN PRATİK BİR YÖNTEMLE BELİRLENMESİ Mhrgül Altan 1,
DetaylıBulanık Mantık ve Yapay Sinir Ağları ile bir 3-3 Stewart Platformu nun Pozisyon Kontrolü
Bulanık Mantık ve Yapay Snr Ağları le br 3-3 Stewart Platformu nun Pozsyon Kontrolü İbrahm Yıldız 1, V.Emre Ömürlü 2, Ş.Nac Engn 3 1 Makne Mühendslğ Bölümü Yıldız Teknk Ünverstes, Beşktaş yldz@yldz.edu.tr
DetaylıTEKNOLOJĐK ARAŞTIRMALAR
www.teknolojkarastrmalar.com ISSN:134-4141 Makne Teknolojler Elektronk Dergs 28 (1) 61-68 TEKNOLOJĐK ARAŞTIRMALAR Kısa Makale Tabakalı Br Dskn Termal Gerlme Analz Hasan ÇALLIOĞLU 1, Şükrü KARAKAYA 2 1
DetaylıVEKTÖRLER Koordinat Sistemleri. KONULAR: Koordinat sistemleri Vektör ve skaler nicelikler Bir vektörün bileşenleri Birim vektörler
11.10.011 VEKTÖRLER KONULR: Koordnat ssteler Vektör ve skaler ncelkler r vektörün bleşenler r vektörler Koordnat Ssteler Karteen (dk koordnatlar: r noktaı tesl etenn en ugun olduğu koordnat ssten kullanırı.
DetaylıİKİNCİ KUŞAK AKIM TAŞIYICI İLE HABERLEŞME SÜZGEÇLERİNİN TASARIMINDA YENİ OLANAKLAR
İKİNİ KUŞAK AKIM TAŞIYII İLE HABELEŞME SÜGEÇLEİNİN TASAIMINDA YENİ OLANAKLA Murat AKSOY 1 Hakan KUNTMAN Sadr ÖAN Oğuhan ÇİÇEKOĞLU 1 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk Mmarlık Fakültes Çukurova
DetaylıPOLİNOMLARLA VE BULANIK MANTIK İLKELERİNE GÖRE GEOİT BELİRLEMENİN PRESİZYONA ETKİSİ
TMMOB Harta ve Kadastro Mühendsler Odası 0. Türkye Harta Blmsel ve Teknk Kurultayı 8 Mart - Nsan 00, Ankara POLİNOMLARLA VE BULANIK MANTIK İLKELERİNE GÖRE GEOİT BELİRLEMENİN PRESİZONA ETKİSİ M. ılmaz,
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
DetaylıOtomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya DOĞRUSAL KONTROL SİSTEMLERİ
DOĞRUSAL KONTROL SİSTEMLERİ 96 Anahtarlamalı Sstemler Kararlı Yapan PI Kontrolör Setnn Hesabı İbrahm Işık, Serdar Ethem Hamamcı Elektrk-Elektronk Mühendslğ Bölümü İnönü Ünverstes, Malatya {İbrahm.sk, serdar.hamamc}@nonu.edu.tr
DetaylıTEMEL DEVRE KAVRAMLARI VE KANUNLARI
TDK Temel Devre Kavramları ve Kanunları /0 TEMEL DEVRE KAVRAMLARI VE KANUNLARI GĐRĐŞ: Devre analz gerçek hayatta var olan fzksel elemanların matematksel olarak modellenerek gerçekte olması gereken sonuçların
DetaylıTRİSTÖR VE TRİYAK HARMONİKLERİNİN 3 BOYUTLU GÖSTERİMİ VE TOPLAM HARMONİK BOZUNUMA EĞRİ UYDURMA
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K BİL İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : : : : 5- TRİSTÖR VE TRİYAK
DetaylıDers: MAT261 Konu: Matrisler, Denklem Sistemleri matrisi bulunuz. olmak üzere X = AX + B olacak şekilde bir X 1.
Ders: MAT6 Konu: Matrisler, Denklem Sistemleri. A = matrisi bulunuz.. A = a b c d e f ve B = ÇALIŞMA SORULARI- olmak üzere X = AX + B olacak şekilde bir X matrisi satır basamak hale getirildiğinde en fazla
DetaylıBiyomedikal Amaçlı Basınç Ölçüm Cihazı Tasarımı
Byomedkal Amaçlı Basınç Ölçüm Chazı Tasarımı Barış Çoruh 1 Onur Koçak 2 Arf Koçoğlu 3 İ. Cengz Koçum 4 1 Ayra Medkal Yatırımlar Ltd. Şt, Ankara 2,4 Byomedkal Mühendslğ Bölümü, Başkent Ünverstes, Ankara,
DetaylıPÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI
PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI Mehmet ARDIÇLIOĞLU *, Galp Seçkn ** ve Özgür Öztürk * * Ercyes Ünverstes, Mühendslk Fakültes, İnşaat Mühendslğ Bölümü Kayser
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
DetaylıBir taşıt tasarımının gerçekleştirilmesi birçok etkene bağlı
MAKALE TİCARİ TAŞIT AKSLARININ DAYANIM TESTLERİNDE KULLANILACAK YÜKLERİN MÜŞTERİ ÇEVRİMİNDEKİ TAŞIT ÖLÇÜMLERİNDEN ELDE EDİLMESİ Metn Toprak * Man Truck & Bus Ag - Dachauer Strasse 667 80995 München, Deutschland
DetaylıBULANIK AKIŞ TİPİ ÇİZELGELEME PROBLEMİ İÇİN ÇOK AMAÇLI GENETİK ALGORİTMA
Gaz Ünv. Müh. Mm. Fak. Der. J. Fac. Eng. Arch. Gaz Unv. Clt 22, No 4, 855-862, 2007 Vol 22, No 4, 855-862, 2007 BULANIK AKIŞ TİPİ ÇİZELGELEME PROBLEMİ İÇİN ÇOK AMAÇLI GENETİK ALGORİTMA İzzettn TEMİZ ve
DetaylıSera İklimlendirme Kontrolü İçin Etkin Bir Gömülü Sistem Tasarımı
Sera İklmlendrme Kontrolü İçn Etkn Br Gömülü Sstem Tasarımı Nurullah Öztürk, Selçuk Ökdem, Serkan Öztürk Ercyes Ünverstes, Blgsayar Mühendslğ Bölümü, Kayser ozturk.nurullah@yahoo.com.tr,okdem@ercyes.edu.tr,
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
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
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
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
DetaylıTOPSIS Metodu Kullanılarak Kesici Takım Malzemesi Seçimi
Makne Teknolojler Elektronk Dergs Clt: 9, No: 3, 2012 (35-42) Electronc Journal of Machne Technologes Vol: 9, No: 3, 2012 (35-42) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn:1304-4141 Makale
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
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
DetaylıKonveks Sınıf Modelleri Kullanarak Dijital İmgelerdeki Nesne Görüntülerinin Konumlarının Bulunması. Proje No: 109E279
Konveks Sınıf Modeller Kullanarak Djtal İmgelerdek Nesne Görüntülernn Konumlarının Bulunması Proje No: 109E279 Doç. Dr. Hakan Çevkalp Hüseyn Gündüz Musa Aydın Güvenç Usanmaz Onur Akyüz ŞUBAT 2013 ESKİŞEHİR
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
DetaylıARAŞTIRMA MAKALESİ/RESEARCH ARTICLE
ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Clt/Vol.:7 Saı/No: 1 : 97-101 (006) ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE ÖĞRENCİLERİN YAZ OKULU HAKKINDAKİ
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesr Ünverstes İnşaat Mühendslğ Bölüü uutokkan@balkesr.edu.tr İSTATİSTİK DERS OTLARI Yrd. Doç. Dr. Uut OKKA Hdrolk Anabl Dalı Balıkesr Ünverstes Balıkesr Ünverstes İnşaat Mühendslğ Bölüü İnşaat Mühendslğ
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
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
DetaylıKOCAELİ ÜNİVERSİTESİ Mühendislik Fakültesi Makina Mühendisliği Bölümü Mukavemet I Vize Sınavı (2A)
KOCELİ ÜNİVERSİTESİ Mühendslk akültes Makna Mühendslğ Bölümü Mukavemet I Vze Sınavı () dı Soyadı : 18 Kasım 013 Sınıfı : No : SORU 1: Şeklde verlen levhalar aralarında açısı 10 o la 0 o arasında olacak
DetaylıErcan Kahya. Hidrolik. B.M. Sümer, İ.Ünsal, M. Bayazıt, Birsen Yayınevi, 2007, İstanbul
Ercan Kahya 1 Hdrolk. B.M. Sümer, İ.Ünsal, M. Bayazıt, Brsen Yayınev, 007, İstanbul se se da Brm kanal küçük gen kestl br kanalda, 1.14. KANAL EGIMI TANIMLARI Brm kanal genşlğnden geçen deb q se, bu q
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
DetaylıTek 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
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
DetaylıÜç Boyutlu Yapı-Zemin Etkileşimi Problemlerinin Kuadratik Sonlu Elemanlar ve Sonsuz Elemanlar Kullanılarak Çözümü
ECAS Uluslararası Yapı ve Deprem Mühendslğ Sempozyumu, Ekm, Orta Doğu Teknk Ünverstes, Ankara, Türkye Üç Boyutlu Yapı-Zemn Etkleşm Problemlernn Kuadratk Sonlu Elemanlar ve Sonsuz Elemanlar Kullanılarak
DetaylıObtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests
Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 26, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The
DetaylıPARÇACIK SÜRÜSÜ OPTİMİZASYON ALGORİTMASI VE BENZETİM ÖRNEKLERİ
PARÇACIK SÜRÜSÜ OPTİMİZASYON ALGORİTMASI VE BENZETİM ÖRNEKLERİ Seçkn TAMER, Chan KARAKUZU seckntamer@gmal.com, chankk@kou.edu.tr Kocael Ünverstes, Müh. Fak., Elektronk ve Haberleşme Mühendslğ Bölümü İzmt/KOCAELİ
Detaylı