Bilgisayar ve Bilişim Bilimleri Fakültesi Sakarya Üniversitesi
|
|
- Çağatay Sağlam
- 8 yıl önce
- İzleme sayısı:
Transkript
1 SAKLI MARKOV MODEL KULLANARAK TÜRKÇE KONUŞMAYI VE YAZIYI İŞARET DİLİNE ÇEVİRME Cemil Öz 1, Beyza Eken 2, Büşra Şahin 3, Esra Akbulut 4, Fatma Akbulut 5 1,2,3,4,5 Bilgisayar Mühendisliği Bölümü Bilgisayar ve Bilişim Bilimleri Fakültesi Sakarya Üniversitesi 1 e-posta: coz@sakarya.edu.tr 2 e-posta: ekenbeyza@gmail.com.tr 3 e-posta: bbusrasahin@gmail.com.tr 4 e-posta: eakbulut494@gmail.com.tr 5 e-posta: fatmakbulut60@gmail.com.tr ÖZET Bu çalışmada, Türkçe konuşmalar ve metinler, işitme engellilerin konuştuğu Türk İşaret Diline dönüştürülmektedir. Ses dosyaları Saklı Markov Modeli kullanan bir yazılım aracı ile gerçekleştirilen bir sınıflama sistemi ile yazıya dönüştürülmektedir. Sanal bir insan modeli kullanılarak yapılan işaret dili kelime ve harf animasyonları, aktif kelime ile veritabanında eşleşmesi durumunda geliştirilen arayüzde oynatılmaktadır. Sistem televizyon, konferans, okuldaki ders vb. durumlarda kullanılarak işitme engellilerin yaşam kalitesini artıracaktır. Sistem 40 kelime için denenmiştir. Yeni kelimeler ve animasyonlar eklenerek sistem kolaylıkla genişletilebilmektedir. Anahtar Kelimeler: Saklı Markov Model, Türk İşaret Dili, konuşma tanıma, görüntü işleme 1. GİRİŞ Türk İşaret Dili işitme engellilerin kullandığı, hayli görsel-uzaysal, dilsel yapıda ve doğal bir dildir. Bununla birlikte işitme engelliler, Türk İşaret Dili (TID) hiç bilmeyen duyabilen insanlarla iletişimde hala ciddi problemlere sahiptirler. Bu iletişim problemleri işitme engellilerin hayatını ve ilişkilerini olumsuz yönde etkiler. İşitme engelliler duyabilen insanlarla genellikle yazarak veya bir tercüman kullanarak iletişim kurabilir. Tercümanların duyabilen insanlarla işitme engelliler arasında iletişimi sağlamalarına rağmen, genellikle pahalıdırlar ve işitme engellilerin bağımlı kalmalarına ve özel hayatlarının yok olmasına sebep olmaktadır. Yazma şeklinde haberleşme birçok işitme engelli kişi tarafından kullanılır fakat yürüme esnasında uzak mesafeden konuşma gerektiğinde veya birden fazla kişi ile aynı anda konuşma gibi durumlarda uygun değildir. İşaret dili evrensel bir dil değildir. Hemen hemen her ülkenin kendine özgü bir işaret dili vardır. Örneğin Amerikan İşaret Dili, Alman İşaret Dili farklı alfabe ve kelimelere sahiptirler. İşaret dilleri arasındaki benzerlik insan vücudunun karmaşık hareketleri ile oluşturulmasıdır. Yani sağ el, sol el her iki el hareketleri gibi. Konuşmacı yapmış olduğu işaretleri yüz ifadeleri ve gözleri ile de destekler. Bazı araştırmacılar, çeşitli işaret dillerini, insan hareketlerini ve el şekillerini tanımak için araştırma yapmaktadırlar, fakat işaret dilinin yapısından kaynaklanan karmaşık vücut hareketlerinden dolayı önemli problemler, zorluklar vardır. İşaret dili tanıma araştırmaları üç ana sınıfta incelenebilir: (i) Bilgisayar görmesi tabanlı, (ii) veri 237 eldivenleri ve hız-konum algılayıcıları tabanlı, (iii) her iki metodun birlikte veya karma olarak kullanılması iledir. Bilgisayar görmesi tabanlı bir işaret dili tanıma sisteminde işitme engelli tarafından konuşulan işaret dilinin işaretleri kameralar ile algılanır, özellik vektörleri çıkarma ve görüntü işleme algoritmaları kullanılarak gerçekleştirilir. Diğer taraftan, veri eldivenleri ve hız-konum algılayıcıların tabanlı işaret dili tanıma sisteminde, el şeklini ve kol hareketlerini algılamada özel veri eldivenleri ve hız-konum algılayıcılar kullanılır. Üçüncü sistemde bahsedilen her iki sistemdeki teknikler ve algılayıcılar birlikte kullanılır [1]. İşaret dilinin yapısı hakkında yapılan ilk çalışmalarda, Amerikalı Wilbur işaretin oluşumunu analiz etmede dilin yapısını kullandı [2]. Amacı her bir el şekillerini, ellerin konumlarını ve hareketlerini içeren sembolleri kullanarak bir ulusal işaret dili yazma sistemi geliştirmekti. Daha sonra Stokeo işaret dilini analiz etmede üç önemli özelliğin, el şekilleri, el konumu ve hareketinin gerektiğini önermiştir. Battison ve arkadaşları da ilave olarak avuç içinin yönelmesini, dilin yapısını anlamada önermişlerdir [3]. Bu ve benzer işaret dili çalışmaları sonraki işaret dili araştırmacılarına yardımcı olmuştur. İşaret dili çalışmaları iki farklı ama birbirlerini destekleyici yönde yürütülmüştür. Birincisi, işitme engellilerin vücut hareketleri ile konuştukları dili işitme problemi olmayanlar için sese ve yazıya dönüştürme yönündedir. İkincisi ise sesi ve yazıyı işitme engellilerin anlayabilmeleri için animasyon şeklinde işaret diline dönüştürmedir. Algılayıcılar ve bilgisayar teknolojilerindeki gelişmelere paralel olarak bazı başarılı bilgisayar görmesi tabanlı işaret dili araştırmaları yapılmıştır. İlk işaret dili tanıma aştırmaları 1990 lı yıllarda görülmeye başlanmıştır. Charahpayan ve Marble Amerikan İşaret Dilinin işaretlerinin oluşturulmasında elin hızını kullanarak bilgisayar görmesi tabanlı bir sistem geliştirmesi üzerinde çalışmışlardır [4] de Takahashi ve Kishimo VPL veri eldiveni ve range sınıflandırması kullanarak 46 Japon İşaret Dili alfabesini tanıma üzerinde çalışmışlardır [5]. Bu çalışmalar basit olarak eklem açıları ve el yönelmesini kodlanması şeklindedir da, Kramer ve Leifer veri eldiveni kullanarak Amerikan İşaret Dili heceleme sistemi geliştirmişlerdir [6,7]. Murakami ve Taguchi 110 farklı Japon İşaret Dili işaretini tanımayı gerçekleştirmişlerdir [8] de Waldron ve Kim yapay sinir ağları metodunu kullanarak, el şekli, el konumu ve oryantasyonunu kullanarak 14 Amerikan İşaret Dili kelimesi tanıma gerçekleştirmişlerdir [9]. Wysoski, ve arkadaşları 2002 de görmeye dayalı bir Amerikan İşaret Dili tanıma sistemi gerçekleştirmişlerdir [10]. Yapay sinir ağı kullanarak 26 sabit el şekli tanıması gerçekleştirmişlerdir.
2 Allen ve arkadaşları Amerikan işaret dili için heceleme sistemi gerçekleştirmişlerdir. Bu sistem 26 el şeklinden 24 ünü tanıyabilmekte idi [11] de Wang, ÖZ ve arkadaşları, Amerikan İşaret Dili el şekilleri tanıma sistemi gerçekleştirdiler. Sistem veri eldivenleri ve motion traker kullanmakta sınıflandırmada ise yapay sinir ağları ve markov modeli kullanılmıştır [12]. Şüpheli stokastik sistemlerde kullanılan ve iyi bir matematik temeli olan Saklı Markov Modeli ses tanıma, yazı tanıma ve diğer mühendislik problemlerinde yaygın bir şekilde kullanılmıştır. Birçok işaret dili araştırmacısı SMM kullanarak başarılı sonuçlar elde etmişlerdir [13, 14]. Vogler ve Metaxas, 1997 ve 1999 da bilgisayar görmesi yöntemi ile sürekli Amerikan İşaret Dili işaretlerini tanımada SMM kullanmışlardır [15,16] de 53 işaret dili işareti tanımakta idiler ve sürekli cümle yapılarını kullanmışlardır da 22 işaret dili kelimesini kullanarak cümle tanıma gerçekleştirdiler. Grobel ve Assan SMM kullanarak bilgisayar görmesi teknikleri ile sabit el şekillerini tanıma gerçekleştirmişlerdir. Sistemlerinde kullanılan renkli eldivenlerdi. Sistemlerinin doğruluğu 262 işaret için %91,3 tü [17]. İnsan bilgisayar etkileşiminde el şekilleri ve hareketlerini kullanan birçok çalışma vardır. Lee ve Xu İnsan robot etkileşiminde Amerikan İşaret Dilinin alfabesini kullanmışlardır [18]. Lee ve arkadaşları bilgisayar insan etkileşiminde el şekillerini kullanmıştır [19]. Konuşma dilinin işaret diline dönüştürülmesi çalışmaları, modelleme programlarının ve ses tanıma sistemlerinin gelişimine bağlı olarak literatürde 1990 lı yıllarda görülmeye başlamıştır. Önce basit iki boyutlu figürlerle yapılırken günümüzde 3B insan modelleri ile gerçekleştirilmektedir. Bu çalışmalar genellikle hava durumu sunularının, hava yollarındaki uyarıların çevirisi vb. konulardadır [20,21]. Bu çalışmada Türkçe konuşma dili, Saklı Markov Modeli ile yazıya ve Türk İşaret Diline dönüştürülmektedir. Çalışmada sırası ile Türk İşaret Dili ve genel özellikleri, Saklı Markov Model aracı, insan modelleme ve sesi animasyona çevireme verilmiştir. Çalışmada temel 40 kelime üzerinde çalışılmıştır. Yeni kelimeleri ekleyerek sistemin geliştirilmesi mümkündür. kavramlar, hayvanlar, meslekler, yer isimleri, zamirler, anlatımlar olarak gösterilebilir [22]. Bu kavram kategorilerindeki bazı kavramlarda birden fazla işaret olabilmektedir. Bu yöresel değişikliklerden ve konuşmadaki ağız ifadelerine benzetilebilir. İşaret dili kelimelerle konuşulur. Bu kelimelerle konuşmak hızlıdır. Ancak kelimelerin yeterli olmadığı, özel isimlerin söylemesi gerektiği vb. durumlarda harf işaretleri ile heceleme yapılmaktadır. Kelime (Word signing): İşaret dilinin konuşma dilindeki kelimelere karşılık düşen işaretleri belirlemiştir. Bunlara işaret dilinin kelimeleri denir. Bu kelimeler kısıtlıdır. Amerikan işaret dilinde 6000 tane, Türk işaret dilinde 750 civarında toparlanmış kelime vardır. İşitme engelliler genellikle bu kelimelerle konuşurlar. Ancak bu kelime hazinesinde yer almayan kelimeler ve isimler ise hecelenir. Heceleme: Heceleme finger spelling olarak adlandırılır ve konuşma dilinin kelimelerinin ve isimlerin konuşma dilinin harflerine karşılık gelen el şekilleri ile tek tek yapılmaktadır. 29 harf iki elin çeşitli şekilleri ile oluşturulmaktadır. Ancak tek el ile de alternatif bir Alfabe ifadesi söz konusudur. Alfabe kategorisindeki işaretler Şekil 1 deki gibidir. 2. TÜRK İŞARET DİLİ Türk İşaret Dili (TİD) Türkiye ve Kuzey Kıbrıs Türk Cumhuriyet'indeki işitme engelliler tarafından kullanılan dildir. İşaret dilleri birbirinden farklıdır. Genelde her dil için bir de işaret dili geliştirilmiştir. İşaret dili aynı zamanda yörelere göre kendi içerisinde farklı kelimelere de sahip olabilmektedir. İşaret dilleri farklı olmakla birlikte türetildikleri işaret dili ile benzerlikler göstermektedir. Türk İşaret Dili İngiliz İşaret Dilinden etkilenmiştir. Bu yüzden de İngiliz işaret dili ile benzerlikler göstermektir. Amerikan İşaret Dili ise Fransız öğretmenler tarafından geliştirildiği için Fransız İşaret Diline benzemektedir. Diğer işaret dilleri gibi Türk İşaret Dili de Türkçenin gramer yapısından farklı olarak kendine özgü bir gramer yapısına sahiptir. Türk İşaret Dili kelime listesinde toplam yaklaşık 750 işaret bulunmaktadır. Bu kelime listesi, çoğunlukla İstanbul da kullanılan işaretlerden oluşmaktadır. Bunun nedeni işaret dili bilen kişilerin çoğunun İstanbul da doğmuş ve okula gitmiş kişiler olmalarıdır. Kelime listesi kategorileri; alfabe, sayılar, zamanla ilgili kavramlar, görsel Şekil 1: Alfabe işaretleri (Hazırlayan: İşitme Engelliler ve Dostları Kulübü) 238
3 3. SMM İLE KONUŞMA TANIMA Saklı Markov Modeli, markov zincirlerinin oluşturulmasında gözlemlenemeyen durumlarında modellenmesini sağlayan istatistiksel bir markov zinciridir. İşaret işleme, ses tanıma ve sınıflandırma çalışmalarında kullanılmaktadır. Bu çalışmada sessin tanınması ve sınıflandırılması için HTK (Hidden Markov Model ToolKit) kullanılmıştır [23]. HTK Saklı Markov Modelleri (Hidden Markov Models HMM) oluşturmak ve işlemek için kullanılan portatif bir araçtır. HTK ses sentezi, karakter tanıma ve DNA sıralaması vb. araştırmalar içeren çok sayıda uygulamalarda kullanılmasına rağmen öncelikli olarak konuşma tanıma (speech recognition) araştırmalarında kullanılmaktadır. Dolayısıyla HTK altyapı desteği daha çok konuşma tanıma alnında yoğunlaşmıştır. HTK ilk olarak Cambridge Üniversitesi Mühendislik Bölümü (CUED) Makine Zekası Laboratuarında (Machine Intelligence Laboratory) Speech Vision and Robotics Group tarafından geliştirilmiştir yılında Entropic Research Laboratory Inc. Şirketi tarafından HTK in tüm hakları satın alınmış ve 1995 yılında da Entropic Cambridge Research Laboratory Ltd. olarak yeni bir şirket kurulmuştur. HTK Entropic tarafından, Microsoft un HTK i satın aldığı, 1999 yılına kadar satılmıştır. Microsoft HTK i lisansını alarak CUED e geri vermiş ve halen HTK CUED tarafından dağıtılmaktadır. Şekil 2 de HTK Yapısı verilmiştir. sözlük dosyası tanımlanmıştır, ayrıca Türkçeye uygun olarak gramer dosyası tanımlanmıştır. Konuşma tanıma temel olarak seslerin eğitim ve tanıma aşamalarından meydana gelmektedir. Eğitim aşamasında önceden belirlenmiş kelimelerin her biri için oluşturulmuş yirmi adet ses örneğini kullanılır. Ses dosyaları direk işlenemeyeceği için akustik özellikleri çıkarılır. Her bir akustik öğe için tanımlanmış SMM ler belirli sayıda iterasyonlarla eğitilir. En son iteresyon sonucu oluşan HMM konuşmanın tanınması aşamasında kullanılmaktadır [13]. 4. SANAL İŞARET DİLİ KONUŞMACI DİZAYNI Türkçe ses tanıma işleminden sonra bu seslere karşılık düşen yazının ve Türk işaret diline ait kelime ve harflerin sunulması için sanal bir kadın modeli oluşturulmuştur. Oluşturulan model ile işaret dilinin kelimeleri, rakamları ve alfabedeki tüm harflere ait animasyonlar oluşturulmuştur. Sanal kadın modeli ve animasyonu için 3B insan modelleme programları kullanılmıştır. Günümüzde 3B modeller oluşturmak için çok sayıda program mevcuttur. Bu programlar, film ve oyun sektörü için hızlı model oluşturmayı sağlayan birçok bileşenle gelirler. DI-Guy, DAZ 3D, Poser vb programların yanında MAYA, 3DStudio MAX, Creator programlarıyla 3B modeller üretilmektedir. Ancak birçok program oldukça pahalıdır. Bu çalışmada demo versiyonlar kullanılmıştır. Poser ve Daz 3d programları birlikte kullanılmıştır. Poser üç boyutlu insan figürü modellerini tasvir için optimize edilmiş, daha çok poz ve animasyon yapmak için kullanılan 3D CGI render ve animasyon yazılım programıdır. Poser hayvan, robot, insan ve çizgi film kahramanlarının temel bir kütüphanesi ile birlikte gelir. Paket ayrıca pozlar, saç parçaları, sahne, dokular, el hareketleri ve yüz ifadeleri içerir. Birçok Poser figürü Daz 3D de kullanılabilir. Daz 3D, Poser dosya formatlarıyla uyumlu olacak şekilde tasarlanmıştır. Bu projede Daz 3D ile uyumlu olan Poser programının kütüphanesinde yer alan Business Woman modeli kullanılarak Daz 3D de animasyonlar oluşturulmuştur. 5. GERÇEKLEŞTİRİLEN ÇALIŞMA Şekil 2: HTK genel yapısı ve işlevi Yukarıdaki şekilde gösterildiği gibi, konuşma tanımada iki ana aşama vardır. İlk önce HTK eğitim araçları birtakım SMM lerin parametrelerini tahmin etmek için kullanılır, bu tahmin işleminde eğitim için hazırlanmış ses verileri ve bunlarla ilgili uyarlama tanımlama (transcription) dosyaları kullanılır. İkinci olarak HTK tanıma araçları aracılığıyla bilinmeyen sesli ifadelerin tanınması gerçekleştirilir. Çalışmada kullanılacak kelimeler belirlenmiş ve kelimelere ait ses örnekleri oluşturulmuş, bu kelimeleri içeren Kullanıcı ara yüzü programını oluşturmak için Microsoft Visual Studio 2010 kullanılmıştır. Kullanıcı isterse canlı olarak ses girişi yaparak, isterse önceden oluşturulmuş ses dosyalarını kullanarak, isterse kelimeleri klavyeden yazarak kelimelere ait animasyonları oynatabilmektedir. Harflere, rakamlara ve belirlenmiş kelimelere ait animasyonların bilgisayardaki lokasyonu ilgili öğe ile eşleştirilmiş bir şekilde veritabanında tutulmaktadır. Bu animasyonların bilgisayar üzerindeki lokasyonlarının bulunması aşamasında Microsoft SQL Server 2008 ve T-SQL dili kullanılmıştır. Kullanıcı tarafından girilen ses verisinin HTK kullanılarak akustik özellikleri çıkarılır ve daha önceden eğitilmiş saklı markov modeller sayesinde tanınır ve ilgili metne dönüştürülür. Yazılı metin işaret diline çevrilirken metin içerisinde bulunan her bir kelime sırayla tek tek ele alınır. İlk olarak kelimenin animasyon karşılığının veritabanında olup olmadığına bakılır, var ise uygun animasyon oynatılır. Eğer veritabanında kelimenin işaret dilindeki karşılığının animasyonu bulunamazsa ise şu yol izlenir; Türkçe sondan 239
4 eklemeli bir dil olduğundan bu kelimenin bir kökünün olabileceği ve bunun işaret dilindeki karşılığının veritabanında bulunabileceği düşüncesinden hareketle, kelimenin sonundan bir karakter atılarak tekrar veritabanında aranır. Sondan karakter atma işlemi kelimenin ilk üç karakteri kalana kadar devam ettirilir. Eğer bu işlemler sonunda da kelimenin işaret dilindeki karşılığı bulunamazsa işaret dilinde bu kelimenin karşılığı bulunmadığı kanısına varılır. Kelimenin hiçbir şekilde işaret dili karşılığı bulunmadığında ise kelimeyi oluşturan her bir harfin işaret dili karşılıkları ekrana basılır yani heceleme yapılır. Şekil 3 de örnek harf işaretleri verilmiştir. Şekil 4 de ise geliştirilen kullanıcı arayüzü programı verilmiştir. Şekil 3: Türk İşaret Dili harfleri (A,U,M) Şekil 4: Kullanıcı Arayüzü 6. SONUÇ VE ÖNERİLER Günümüz Türkiye sinde engellilerin toplumla bütünleşmesi yönünde birçok sorun yaşadıkları bilinmektedir. Sorunu adlandırmadan başlayan ve yaşamın pek çok alanına yayılan bu sorunlar, engelli bireylerin içinde yaşadıkları toplumla işlevsel bir bütünlük içinde yaşamalarını güçleştirmektedir. Bu çalışmada, Türkçe konuşmalar ve metinler, işitme engellilerin konuştuğu Türk İşaret Diline dönüştürülmektedir. Ses dosyaları Saklı Markov Modeli kullanan bir yazılım aracı ile gerçekleştirilen bir sınıflama sistemi ile yazıya dönüştürülmektedir. Eğitim aşamasında kaydedilen sesler işlenerek veri tabanı ve kural yapısı oluşturulmaktadır. Sanal insan modeli kullanılarak eğitim setinde yer alan kelimelere karşılık TİD kelimeleri animasyonları oluşturulmaktadır. Uygulamada geliştirilen arayüz programı ile gerek doğrudan mikrofondan alınan ses ile gerekse kayıtlı dosyadaki sesler Türkçe yazı diline ve karşılığında TİD animasyonuna dönüştürülmektedir. Sistem televizyon, konferans, okuldaki ders, bilgisayarda okuma vb. durumlarda kullanılarak işitme engellilerin yaşam kalitesini artıracaktır. Sistem 40 kelime için denenmiştir. Yeni kelimeler ve animasyonlar eklemeyerek sistem kolaylıkla genişletilebilmektedir. 7. KAYNAKLAR [1] C. Oz, N. N. Sarawate, and M. C. Leu, American Sign Language Word Recognition with a Sensory Glove Using Artificial Neural Networks 2004, ASME Press, Intelligent Engineering Systems through Artificial Neural Networks, vol. 14, ISBN , pp [2] R. B. Wilbur, American Sign Language Linguistic and Applied Dimensions, College-Hill Press, 1987, Second Edition, ISBN [3] R. Battison, Lexical Borrowing in American Sign Language, Silver Spring, MD: Linstok Pr. 1978, ISBN: X [4] C. Charayaphan and A. Marble, Image Processing System for Interpreting Motion in American Sign Language, 1992, J. Biomed. Engineering, vol. 14, pp [5] T. Takahashi and F. Kishino, Gesture Coding Based in Experiments with a Hand Gesture Interface Device, 1991, SIGCHI Bulletin, vol. 23, no. 2, pp [6] J. Kramer and L. J. Leifer, A Talking Glove for Nonverbal Deaf Individual, 1990, Technical Report CDR TR , Center for Design Research, Stanford University. [7] J. Kramer, The Talking-Glove: Hand-Gesture-to- Speech Using an Instrumented Glove and a Tree- Structured Neural Classifying Vector Quantizer, 1996, Stanford University, Ph.D. Thesis. [8] K. Murakami and H. Taguchi, Gesture Recognition Using Recurrent Neural Networks, 1991, in CHI 91 Conference Proceedings, Human Interface Laboratory, Fujitsu Laboratories, ACM, pp [9] M.B. Waldron and S. Kim, Isolated ASL Recognition System for Deaf Persons, 1995, IEEE Transactions on Rehabilitation Engineering, vol. 3 no. 3, pp [10] S. G. Wysoski, M. V. Lamar, S. Kuroyanagi, and A. Iwata, A Rotation Invariant Approach on Static Gesture Recognition Using Boundary Histograms and Neural Networks, 2002, Proceeding of the 9th International Conference on Neural Information (ICONIP 02), vol. 4, pp [11] M, J. Allen, P. K. Asselin, and R. Foulds, American Sign Language Finger Spelling Recognition System, 2003, 29th Bioengineering Conference Proceeding, IEEE, pp [12] H. G. Wang, N. N. Sarawate, and M. C. Leu, Recognition of American Sign Language Gestures with a Sensory Glove, 2004, Japan-USA Symposium on Flexible Automation, Denver, CO. [13] L. R. Rabiner, A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition, 1989, Proceeding of IEEE, vol. 77, no. 2, pp [14] T. Takiguchi, S. Nakamura, and K. Shikano, HMM- Separation-Based Speech Recognition for a Distant Moving Speaker, 2001, Speech and Audio Processing, 240
5 IEEE Transactions on, Volume: 9, Issue: 2, pg [15] C. Vogler and D. Metaxas, Adapting Hidden Markov Models for ASL Recognition by using Three- Dimensional Computer Vision Methods, 1997, Proceeding of the IEEE International Conference on Systems, Man and Cybernetics, Orlando, pp [16] C. Vogler and D. Metaxas, Parallel Hidden Markov Models for American Sign Language Recognition, 1999, IEEE proceeding of International Computer Vision Conference, September, pp [17] K. Grobel and M. Assan, Isolated Sign Language Recognition using Hidden Markov Models, 1996, Proc. Int. Conference System, Man and Cybernetics, pp [18] C. Lee and Y. Xu, Online, Interactive Learning of Gestures for Human/Robot Interface, 1996, IEEE International Conference on Robotics and automation, Minneapolis, MN, vol. 4, pp [19] L. K. Lee, S. Kim, Y. K. Choi, and M. H. Lee, Recognition of Hand Gesture to Human-Computer Interaction, 2000, IEEE, pp [20] R.San-Segundo, R. Barra, R. Cordoba, L. F. D Haro, F. Fernandez, J. Ferreiros, J.M. Lucas, J. Macias-Guarasa, H.M. Montero, J. M. Pardo. Speech to sign language translation system for Spanish, Speech Communication vol. 50,pp [21] J. E. Reyers, Indicating the body: Expression of body part terminology in American Sign Language, Language Sciences vol (2-3) pp [22] ind01.asp [23] 241
T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ EĞİTİM ÖĞRETİM YILI DERS KATALOĞU
T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ - EĞİTİM ÖĞRETİM YILI DERS KATALOĞU Ders Kodu Bim Kodu Ders Adı Türkçe Ders Adı İngilizce Dersin Dönemi T Snf Açıl.Dönem P
DetaylıDoğan Can, Murat Saraçlar. Bebek, İstanbul. 9 Mart, 2009
Türkçe Haber Bültenlerinin Açık Kaynak Yazılımlar ile Yazılandırılması Doğan Can, Murat Saraçlar Elektrik Elektronik Mühendisliği Bölümü Boğaziçi Üniversitesi Bebek, İstanbul 9 Mart, 2009 Bir Bakışta GDSKT
Detaylı91-03-01-517 YAPAY ZEKA (Artificial Intelligence)
91-03-01-517 YAPAY ZEKA (Artificial Intelligence) Dersi Veren Öğretim Üyesi Y. Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 27.09.2009 Y. Doç. Dr. Aybars UĞUR (517 Yapay Zeka)
DetaylıSİNYAL TEMELLERİ İÇİN BİR YAZILIMSAL EĞİTİM ARACI TASARIMI A SOFTWARE EDUCATIONAL MATERIAL ON SIGNAL FUNDAMENTALS
SİNYAL TEMELLERİ İÇİN BİR YAZILIMSAL EĞİTİM ARACI TASARIMI Öğr. Gör. Hakan Aydogan Uşak Üniversitesi hakan.aydogan@usak.edu.tr Yrd. Doç. Dr. Selami Beyhan Pamukkale Üniversitesi sbeyhan@pau.edu.tr Özet
DetaylıÖ Z G E Ç M İ Ş. 1. Adı Soyadı: Mustafa GÖÇKEN. 2. Doğum Tarihi: 12 Haziran 1976. 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D.
Ö Z G E Ç M İ Ş 1. Adı Soyadı: Mustafa GÖÇKEN 2. Doğum Tarihi: 12 Haziran 1976 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D. Derece Alan Üniversite Yıl Lisans Endüstri Mühendisliği Çukurova Üniversitesi
DetaylıElena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK. 2 Şubat 2007
AVUÇ İZİ VE PARMAK İZİNE DAYALI BİR BİYOMETRİK TANIMA SİSTEMİ Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK İstanbul Bilgi Üniversitesi Bilgisayar Bilimleri 2 Şubat 2007 Biyometrik Biyometrik, kişileri
DetaylıŞifrebilimde Yapay Sinir Ağları
Ege Üniversitesi Bilgisayar Mühendisliği Bölümü Şifrebilimde Yapay Sinir Ağları BİM345 Yapay Sinir Ağları İlker Kalaycı Mayıs,2008 Gündem Şifrebilim Şifrebilim nedir Şifreleme Şifre Çözme Klasik Şifreleme
DetaylıÖZGEÇMİŞ. 1. Adı Soyadı : Olcay Taner Yıldız. 2. Doğum Tarihi : 15.05.1976. 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu :
ÖZGEÇMİŞ 1. Adı Soyadı : Olcay Taner Yıldız 2. Doğum Tarihi : 15.05.1976 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu : Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Boğaziçi Üniversitesi 1997 Y.
DetaylıENGELLİLER İÇİN BİLGİSAYAR UYGULAMALARI VE İŞARET DİLİ EĞİTİMİ
GAP V. Mühendislik Kongresi Bildiriler Kitabı, 26-28 Nisan 2006, Şanlıurfa. Proceedings of the Fifth GAP Engineering Congress, 26-28 April 2006, Şanlıurfa, Turkey. ENGELLİLER İÇİN BİLGİSAYAR UYGULAMALARI
DetaylıKelime Gösterimleri (Word Representation Word Embeddings)
Kelime Gösterimleri (Word Representation Word Embeddings) Kelime, cümlede kullanımına göre farklı anlamlar kazanabilir Anlamsal bilginin çıkarılması metinlerin işlenmesinde önemlidir Kelimelerin işlenebilir
DetaylıYard. Doç. Dr. İrfan DELİ. Matematik
Unvanı Yard. Doç. Dr. Adı Soyadı İrfan DELİ Doğum Yeri ve Tarihi: Çivril/Denizli -- 06.04.1986 Bölüm: E-Posta Matematik irfandeli20@gmail.com, irfandeli@kilis.edu.tr AKADEMİK GELİŞİM ÜNİVERSİTE YIL Lisans
DetaylıGeriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu
Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı Mehmet Ali Çavuşlu Özet Yapay sinir ağlarının eğitiminde genellikle geriye
DetaylıİRİSTEN KİMLİK TANIMA SİSTEMİ
ÖZEL EGE LİSESİ İRİSTEN KİMLİK TANIMA SİSTEMİ HAZIRLAYAN ÖĞRENCİLER: Ceren KÖKTÜRK Ece AYTAN DANIŞMAN ÖĞRETMEN: A.Ruhşah ERDUYGUN 2006 İZMİR AMAÇ Bu çalışma ile, güvenlik amacıyla kullanılabilecek bir
DetaylıTÜRK İŞARET DİLİ TANIMA SİSTEMİ ( TURKISH SIGN LANGUAGE RECOGNITION SYSTEM )
TÜRK İŞARET DİLİ TANIMA SİSTEMİ ( TURKISH SIGN LANGUAGE RECOGNITION SYSTEM ) Şekil 1 İşaret dili tanıma örnek ekran görüntüsü Türk İşaret Dili Tanıma projesi 2005 2006 yılının 2. döneminde Yıldız Teknik
DetaylıİNSAN BİLGİSAYAR ETKİLEŞİMİ
İNSAN BİLGİSAYAR ETKİLEŞİMİ HCI ya Giriş HCI 2017 yılında 35-40 yaşlarında idi. HCI araştırmalarının ilk yıllarında araştırmalar resmi olmayan kullanımlar için daha çok teknik eğitimleri olmayan kullanıcılara
DetaylıSÜREKLİ SAKLI MARKOV MODELLERİ İLE METİNDEN BAĞIMSIZ KONUŞMACI TANIMA PARAMETRELERİNİN İNCELENMESİ
Uludağ Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, Cilt 12, Sayı 1, 2007 SÜREKLİ SAKLI MARKOV MODELLERİ İLE METİNDEN BAĞIMSIZ KONUŞMACI TANIMA PARAMETRELERİNİN İNCELENMESİ Cemal HANİLÇİ Figen
DetaylıANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ
ANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SANAL ARTIRILMIŞ VE AKILLI TEKNOLOJİLER (SAAT) LABORATUVARI SAAT Laboratuvarı Koordinatör: Yrd. Doç. Dr. Gazi Erkan BOSTANCI SAAT
Detaylı91-03-01-529 SAYISAL GÖRÜNTÜ İŞLEME (Digital Image Processing)
91-03-01-529 SAYISAL GÖRÜNTÜ İŞLEME (Digital Image Processing) Dersi Veren Öğretim Üyesi Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 1 Amaçlar Öğrencileri Matlab gibi teknik
DetaylıGÜR EMRE GÜRAKSIN AFYON KOCATEPE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ / BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ / AFYONKARAHİSAR
GÜR EMRE GÜRAKSIN AFYON KOCATEPE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ / BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ / AFYONKARAHİSAR KİŞİSEL BİLGİLER İş: (272) 228 14 23 E-mail: emreguraksin@aku.edu.tr Uyruğu Doğum Yeri
DetaylıANKARA ÜNİVERSİTESİ A ÖĞRENCİ İŞLERİ DAİRE BAŞKANLIĞI
PROGRAM ADI : BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE) 1.SINIF /1.YARIYIL* 1 COM101 COMPUTER PROGRAMMING I - - 4 2 6 5 9 2 COM113 INTRODUCTION TO COMPUTER SCIENCE - - 3 0 3 3 5 3 PHY0101 PHYSICS I - - 3 0 3
DetaylıDoküman dili tanıma için ikili örüntüler tabanlı yeni bir yaklaşım
Doküman dili tanıma için ikili örüntüler tabanlı yeni bir yaklaşım Yılmaz KAYA 1, Ömer Faruk ERTUĞRUL 2, Ramazan TEKİN 3 1 Siirt Üniversitesi, Bilgisayar Mühendisliği Bölümü 2 Batman Üniversitesi, Elektrik-Elektronik
DetaylıKablosuz Sensör Ağlar ve Eniyileme. Tahir Emre KALAYCI. 21 Mart 2008
Kablosuz Sensör Ağlar ve Eniyileme Tahir Emre KALAYCI 21 Mart 2008 Gündem Genel Bilgi Alınan Dersler Üretilen Yayınlar Yapılması Planlanan Doktora Çalışması Kablosuz Sensör Ağlar Yapay Zeka Teknikleri
DetaylıDoç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü oner@isikun.edu.tr
Doç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Bölümü oner@isikun.edu.tr 1. Adı Soyadı : Mustafa Mengüç ÖNER 2. Doğum Tarihi : 01.02.1977 3. Unvanı : Doçent Dr. 4. Öğrenim Durumu : ÖĞRENİM
DetaylıVERİ KAYNAKLARI. Bilgi sisteminin öğelerinden biride veri
VERİ KAYNAKLARI YÖNETİMİ İ İ 5. ÜNİTE GİRİŞ Bilgi sisteminin öğelerinden biride veri yönetimidir. Geleneksel yada çağdaş, birinci yada ikinci elden derlenen veriler amaca uygun veri formlarında tutulur.
DetaylıDers Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS
DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Teknik İngilizce II EEE112 2 3+0 3 4 Ön Koşul Dersleri Dersin Dili Dersin Seviyesi Dersin Türü İngilizce Lisans Zorunlu / Yüz Yüze Dersin
DetaylıMÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 ( yılı öncesinde birinci
MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 (2016-17 yılı öncesinde birinci sınıfa başlayan öğrenciler için) BİRİNCİ YIL 1. Dönem CMPE113
DetaylıBCA605 Bilgisayar Oyunlarında Yapay Zeka
BCA605 Bilgisayar Oyunlarında Yapay Zeka Ders 1 : Genel Tanıtım Zümra Kavafoğlu Hakkımda Araştırma Alanları Bilgisayar Grafiği ve Animasyonu Fizik-tabanlı Animasyon Karakter Animasyonu Bilgisayar Animasyonu
DetaylıBilgisayarla Görme (EE 430) Ders Detayları
Bilgisayarla Görme (EE 430) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Bilgisayarla Görme EE 430 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i EE 275, MATH
DetaylıVERİ TABANI UYGULAMALARI
VERİ TABANI UYGULAMALARI VERİ TABANI NEDİR? Bir konuyla ilgili çok sayıda verinin tutulmasına, depolanmasına ve belli bir mantık içerisinde gruplara ayrılmasına veri tabanı denir. Veri tabanı programları;
DetaylıYÖNETİM BİLİŞİM SİSTEMLERİ BÖLÜMÜ YENİ DERS MÜFREDATI (1) FAKÜLTESİ: İŞLETME FAKÜLTESİ / BUSINESS SCHOOL
(3) SINIFI: 1. Yıl Güz Dönemi MIS101 BİLGİSAYAR PROGRAMLAMA 1 COMPUTER PROGRAMMING 1 Z 3-0 4 BUS101 BİLİM VE TEKNOLOJİ TARİHİ HISTORY OF SCIENCE AND TECHNOLOGY Z 3-0 4 BUS103 İŞLETMECİLER İÇİN MATEMATİK
DetaylıBİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU
BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU KİŞİSEL BİLGİLER Adı Soyadı Tolga YÜKSEL Ünvanı Birimi Doğum Tarihi Yrd. Doç. Dr. Mühendislik Fakültesi/ Elektrik Elektronik Mühendisliği 23.10.1980
DetaylıSAYISAL GÖRÜNTÜİŞLEME (Digital Image Processing)
91-03-01-529 SAYISAL GÖRÜNTÜİŞLEME (Digital Image Processing) Dersi Veren Öğretim Üyesi Y. Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 29.09.2009 Y. Doç. Dr. Aybars UĞUR (529
DetaylıTürkçe Dokümanlar Ġçin Yazar Tanıma
Türkçe Dokümanlar Ġçin Yazar Tanıma Özcan KOLYĠĞĠT, Rıfat AġLIYAN, Korhan GÜNEL Adnan Menderes Üniversitesi, Matematik Bölümü Bölümü, Aydın okolyigit@gmail.com, rasliyan@adu.edu.tr, kgunel@adu.edu.tr Özet:
DetaylıPOWERPOINT KULLANIMI
TEMEL SUNUM İŞLEMLERİ SUNUMA SES, VIDEO EKLEME SUNUM TASARIMI ANİMASYONLAR SLAYT GEÇİŞİ KÖPRÜ KAYDETME SUNUM TASARIM TEKNİKLERİ ETKİNLİKLER Powerpoint 2003 Uzantısı.doc Powerpoint 2007/2010 Uzantısı.docx
DetaylıHidden Markov Model. Forward Algoritması Viterbi Algoritması. Doç.Dr.Banu Diri. Rasgele Olmayan /Gerekirci Model
Hidden Markov Model Forward Algoritması Viterbi Algoritması Doç.Dr.Banu Diri Rasgele Olmayan /Gerekirci Model Bir trafik lambası düşünelim; ışıkların sırasıyla red - red/amber - green - amber - red. Bu
DetaylıYrd.Doç. Dr. Tülin ÇETİN
Yrd.Doç. Dr. Tülin ÇETİN ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Lisans Ege Üniversitesi Bilgisayar Mühendisliği 1987-1992 Lisans Celal Bayar Üniversitesi İnşaat Mühendisliği 2001-2004 Y. Lisans
DetaylıBilgisayar ve Bilgi Sistemleri (COMPE 107) Ders Detayları
Bilgisayar ve Bilgi Sistemleri (COMPE 107) Ders Detayları Ders Adı Bilgisayar ve Bilgi Sistemleri Ders Kodu COMPE 107 Dönemi Ders Uygulama Saati Saati Laboratuar Saati Kredi AKTS Bahar 3 0 0 3 3 Ön Koşul
DetaylıPOWERPOINT 2010 KULLANIMI
Modül 7 MODÜL 7 POWERPOINT 2010 KULLANIMI TEMEL SUNUM İŞLEMLERİ SUNUMA SES, VIDEO EKLEME SUNUM TASARIMI ANİMASYONLAR SLAYT GEÇİŞİ KÖPRÜ KAYDETME SUNUM TASARIM TEKNİKLERİ ETKİNLİKLER Powerpoint 2003 Uzantısı.doc
DetaylıTürkçe için Konuşma Tanıma ve Derin Öğrenmeyle Dil Modelleme
Türkçe için Konuşma Tanıma ve Derin Öğrenmeyle Dil Modelleme Ebru Arısoy Elektrik-Elektronik Mühendisliği Bölümü MEF Üniversitesi 3 Temmuz 218 EBRU ARISOY 22 Boğaziçi Universitesi EE (BS) 24 Boğaziçi Universitesi
DetaylıMONTE CARLO BENZETİMİ
MONTE CARLO BENZETİMİ U(0,1) rassal değişkenler kullanılarak (zamanın önemli bir rolü olmadığı) stokastik ya da deterministik problemlerin çözümünde kullanılan bir tekniktir. Monte Carlo simülasyonu, genellikle
DetaylıGüz Dönemi Zorunlu Dersleri
T.C. AKSARAY ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ELEKTRİK-ELEKTRONİK ve BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI TEZLİ YÜKSEK LİSANS PROGRAMI Güz Dönemi Zorunlu Dersleri EEBM 501 İleri Mühendislik Matematiği
DetaylıBilgisayar Grafiği. Volkan KAVADARLI
Bilgisayar Grafiği Volkan KAVADARLI 11011032 Bilgisayar Grafiği? Özel bir grafik donanımı ve yazılımının yardımıyla bir bilgisayar tarafından görüntü verisinin temsilini kullanarak oluşturulmuş görüntüler.
DetaylıÖZGEÇMİŞ. 1. Adı Soyadı : Birim BALCI 2. Doğum Tarihi : 28.07.1975 3. Unvanı : Yrd. Doç. Dr. 4. Öğrenim Durumu: Derece Alan Üniversite Yıl Lisans
ÖZGEÇMİŞ 1. Adı Soyadı : Birim BALCI 2. Doğum Tarihi : 28.07.1975 3. Unvanı : Yrd. Doç. Dr. 4. Öğrenim Durumu: Derece Alan Üniversite Yıl Lisans Teknik Eğitim, Elektronik- Bilgisayar Eğitimi Marmara Üniversitesi.
DetaylıYazılım Mühendisliği 1
Yazılım Mühendisliği 1 HEDEFLER Yazılım, program ve algoritma kavramları anlar. Yazılım ve donanım maliyetlerinin zamansal değişimlerini ve nedenleri hakkında yorum yapar. Yazılım mühendisliği ile Bilgisayar
DetaylıBaşlıca Ürün-Bilgi Sistemleri
BİLGİ SİSTEMLERİ Başlıca Ürün-Bilgi Sistemleri Süreç İşleme Sistemleri, Ofis Otomasyon Sistemleri ve Bilgi İşleme Sistemleri, Yönetim Bilişim Sistemleri, Karar Destek Sistemleri, Uzman Sistemler ve Yapay
DetaylıTürkçe de Ünlülerin Formant Analizi
Türkçe de Ünlülerin Formant Analizi Oytun Türk*, Ömer Şayli**, A. Sumru Özsoy***, Levent M. Arslan* Boğaziçi Üniversitesi *Elektrik-Elektronik Mühendisliği Bölümü **Biyomedikal Mühendisliği Enstitüsü ***Batı
DetaylıTC MEB ve TÜBİTAK-BİDEB YİBO ÖĞRETMENLERİ ( FEN ve TEKNOLOJİ FİZİK, KİMYA, BİYOLOJİ ve MATEMATİK ) PROJE DANIŞMANLIĞI EĞİTİMİ ÇALIŞTAYLARI
TC MEB ve TÜBİTAK-BİDEB YİBO ÖĞRETMENLERİ ( FEN ve TEKNOLOJİ FİZİK, KİMYA, BİYOLOJİ ve MATEMATİK ) PROJE DANIŞMANLIĞI EĞİTİMİ ÇALIŞTAYLARI 2009-2 PROJE RAPORU Projenin Adı : Asal Sayıların İki Tabanında
DetaylıSarıyer Belediyesi ile Her çocuk İngilizce konuşsun
Sarıyer Belediyesi ile Her çocuk İngilizce konuşsun Sarıyer Belediyesi İngilizce yi evinize getiriyor. Sarıyer Belediyesi, Dünya Bankası destekli bilimsel bir proje ile çocuklara evlerinin sıcak ortamında
DetaylıUzaktan Eğitim Uygulama ve Araştırma Merkezi
JAVA PROGRAMLAMA Öğr. Gör. Utku SOBUTAY İÇERİK 2 Java Kodlarına Yorum Satırı Eklemek Java Paket Kavramı Java Kütüphane Kavramı Konsoldan Veri Çıkışı ve JOPtionPane Kütüphanesi JOptionPane Kütüphanesi Kullanarak
DetaylıÖrüntü Tanıma (EE 448) Ders Detayları
Örüntü Tanıma (EE 448) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Örüntü Tanıma EE 448 Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin Dili Dersin Türü Dersin
DetaylıBÝLDÝRÝ KÝTABI EJER CONGRESS 2014 EJER CONGRESS 2014 CONFERENCE PROCEEDINGS NISAN 2014 Istanbul Üniversitesi Kongre Merkezi
EJER CONGRESS 2014 BÝLDÝRÝ KÝTABI EJER CONGRESS 2014 CONFERENCE PROCEEDINGS 24-26 NISAN 2014 Istanbul Üniversitesi Kongre Merkezi 24-26 APRIL 2014 Istanbul University Congress Center EJER COGRESS 2014
DetaylıAdd your company slogan UZAKTAN EĞİTİM LOGO
Add your company slogan UZAKTAN EĞİTİM LOGO Eğitim Nedir? Eğitim Neden Eğitim? Eğitim Nasıl Yapılır? Eğitimin Kullanım Alanları? ? in Eğitim Nedir? Farklı mekanlardaki öğrenci, öğretmen ve öğretim materyallerinin
DetaylıYrd. Doç. Dr. Mustafa NİL
Yrd. Doç. Dr. Mustafa NİL ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Fırat Üniversitesi Elektrik-Elektronik Mühendisliği Y. Kocaeli Üniversitesi Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DetaylıSahne Geçişlerinin Geometrik Tabanlı olarak Saptanması
Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması 1 Giriş Binnur Kurt, H. Tahsin Demiral, Muhittin Gökmen İstanbul Teknik Üniversitesi, Bilgisayar Mühendisliği Bölümü, Maslak, 80626 İstanbul {kurt,demiral,gokmen}@cs.itu.edu.tr
DetaylıFatih Kölmek. ICCI 2012-18.Uluslararası Enerji ve Çevre Fuarı ve Konferansı 25 Nisan 2012, İstanbul, Türkiye
Fatih Kölmek ICCI 2012-18.Uluslararası Enerji ve Çevre Fuarı ve Konferansı 25 Nisan 2012, İstanbul, Türkiye Türkiye Elektrik Piyasası Dengeleme ve Uzlaştırma Mekanizması Fiyat Tahmin Modelleri Yapay Sinir
DetaylıUzaktan Eğitim ve E-Öğrenme
Uzaktan Eğitim ve E-Öğrenme Gökhan Eryol III. ULAKNET Çalıştayı ve Eğitimi Adnan Menderes Üniversitesi Didim MYO/Aydın 31 Mayıs - 3 Haziran 2009 Gündem Tanımlar Uzaktan Eğitim E-Öğrenme kavramları Ürünler
Detaylı1. YARIYIL / SEMESTER 1
T.C. NECMETTİN ERBAKAN ÜNİVERSİTESİ MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ, MEKATRONİK MÜHENDİSLİĞİ BÖLÜMÜ, 2017-2018 AKADEMİK YILI ÖĞRETİM PLANI T.C. NECMETTIN ERBAKAN UNIVERSITY ENGINEERING AND ARCHITECTURE
DetaylıMekatronik Mühendisliği Yüksek Lisans Programı İlkeleri
Mekatronik Mühendisliği Yüksek Lisans Programı İlkeleri TEZLİ YÜKSEK LİSANS PROGRAMI Tezli yüksek lisans programında öğrencinin 60 ECTS kredilik Lisansüstü ders alması ve 60 ECTS kredilik tez çalışması
DetaylıMESLEKİ TERMİNOLOJİ I 1. HAFTA YAZILIM MÜH. TEMEL KAVRAMLAR
YAZILIM: SOFTWARE Yazılım (Software): Yazılım sadece bir bilgisayar programı değildir. Basılı veya elektronik ortamdaki her tür dokümanı da içeren ürün. Dokümanlar yazılım mühendislerine ve son kullanıcıya
DetaylıANKARA ÜNİVERSİTESİ A ÖĞRENCİ İŞLERİ DAİRE BAŞKANLIĞI
Dersin ön koşulu var mı? ***** İntibak Dersi mi? **** TOPLAM SAAT ** AKTS Kredisi ** ANKARA ÜNİVERSİTESİ A PROGRAM ADI : BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE).SINIF /.YARIYIL* ANADAL EĞİTİM PROGRAMI ZORUNLU
DetaylıK U L L A N I M B İLGİLERİ
T Ü R K Ç E C O M P U TER SYSTE M U S A B I L I TY QU E S T I O N N A IRE S H O RT VERSIO N (T- C S U Q - S V ) A N K E Tİ K U L L A N I M B İLGİLERİ DOÇ.DR. OGUZHAN ERDINC I S T A N B U L, 2 0 1 5 GENEL
Detaylı4.4. Hazır bir veritabanı kullanılarak amacına yönelik sorgulama yapar ve yorumlar.
5. SINIF BİLGİSAYAR DERS PLÂNI Genel Bilgi Ders Adı: İlköğretim Seçmeli Bilgisayar Dersi Ünite: Verilerimi Düzenliyorum Seviye: 5. Sınıf Kazanım: 4.4. Hazır bir veritabanı kullanılarak amacına yönelik
DetaylıBilgisayara ve Bilgi Sistemlerine Giriş (CMPE105) Ders Detayları
Bilgisayara ve Bilgi Sistemlerine Giriş (CMPE105) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Kredi AKTS Saati Bilgisayara ve Bilgi Sistemlerine Giriş CMPE105 Güz 1 2
DetaylıFTR 331 Ergonomi. yrd. doç. dr. emin ulaş erdem
FTR 331 Ergonomi yrd. doç. dr. emin ulaş erdem ERGONOMİDE KULLANILAN MODELLER Modelleme, farklı öğeler arasındaki ilişkilerin tanımlanmasında kullanılan bir yöntemdir. Modeller, kullanıldıkları alanlara
DetaylıPowered by www.etgigrup.com. www.vedubox.com
Powered by www.etgigrup.com www.vedubox.com Entegre E-Eğitim Sistemi Uzaktan Eğitim Sisteminiz 1DK da Hazır! Kolay Basit İnovatif Esnek Entegre Entegre Eğitim Platformu Uzaktan Eğitim, e-eğitim, Online
DetaylıSözlük Kullanarak Türkçe El yazısı Tanıma
Sözlük Kullanarak Türkçe El yazısı Tanıma Murat Şekerci 1 Rembiye Kandemir 2 1,2 Bilgisayar Mühendisliği Bölümü Mühendislik-Mimarlık Fakültesi Trakya Üniversitesi, 2250, Edirne 1 e-posta: muratsekerci@hotmail.com
DetaylıMÜFREDAT DERS LİSTESİ
MÜFREDAT DERS LİSTESİ MÜHENDİSLİK FAK. / BİLGİSAYAR MÜHENDİSL / 2010 BİLGİSAYAR MÜHENDİSLİĞİ Müfredatı 0504101 Matematik I Calculus I 1 GÜZ 4 5 Z 0504102 Genel Fizik I General Physics I 1 GÜZ 4 4 Z 0504103
Detaylı4. Bölüm Programlamaya Giriş
4. Bölüm Programlamaya Giriş Algoritma ve Programlamaya Giriş Dr. Serkan DİŞLİTAŞ 4.1. C# ile Program Geliştirme Net Framework, Microsoft firması tarafından açık internet protokolleri ve standartları
Detaylıİş Zekası için Dört-Katmanlı Veri Modellemesi Gerçekleştirimi. Harun Gökçe EG Yazılım, TOBB ETÜ
İş Zekası için Dört-Katmanlı Veri Modellemesi Gerçekleştirimi Harun Gökçe EG Yazılım, TOBB ETÜ İçerik İş Zekası Kavramı Tarihçesi İş Zekası Tanım, Kavramlar ve Gereklilik Dört-Katmanlı Veri Modellemesi
DetaylıBENİM DÜNYAM ÇOCUK OYUNU: BİR MOBİL UYGULAMA
XVI. Akademik Bilişim Konferansı 5-7 Şubat 2014 Mersin Akademik Bilişim Mersin Üniversitesi BENİM DÜNYAM ÇOCUK OYUNU: BİR MOBİL UYGULAMA Meliha ACAR N. Tuğbagül ALTAN AKIN Sümeyye Elif GÖKDAĞ Zeynep Gazal
DetaylıVeri Tabanı-I 1.Hafta
Veri Tabanı-I 1.Hafta 2010-2011 Bahar Dönemi Mehmet Akif Ersoy Üniversitesi Meslek Yüksekokulu Burdur 2011 Muhammer İLKUÇAR 1 Veri ve Veri Tabanı Nedir? Veri Bir anlamı olan ve kaydedilebilen
DetaylıAlgoritma Geliştirme ve Veri Yapıları 2 Veri Modelleri. Mustafa Kemal Üniversitesi
Algoritma Geliştirme ve Veri Yapıları 2 Veri Modelleri Veri modelleri, veriler arasında ilişkisel ve sırasal düzeni gösteren kavramsal tanımlardır. Her program en azından bir veri modeline dayanır. Uygun
Detaylıİş Zekası Sistemi Veriyi Stratejik Bilgiye Dönüştürür
İş Zekası Sistemi İş Zekası Sistemi İş Zekâsı Sistemi kolay kullanılır, zengin raporlama ve çözümleme yeteneklerine sahip, farklı veri kaynaklarını birleştirir, yöneticilere çok boyutlu, kurumsal bir görüş
Detaylı1. Hafta MS SQL Server 2008 Kurulum ve Tanıtımı BPR255 Veritabanı. Bu Derste Öğrenecekleriniz: Kurulum:
Bu Derste Öğrenecekleriniz: 1- MS SQL Server 2008 Kurulumu ve Tanıtımı 2- Komut Kullanarak Veritabanı Oluşturma ve Silme 3- SQL Yazım Kuralları Kurulum: Sistem gereksinimleri: Desteklenen işletim sistemleri:
DetaylıData Structures Lab 1 2012-Güz
Data Structures Lab 1 2012-Güz C# Ortamı Tanıtımı ve Uygulama Geliştirilmesi Visual Studio 2010 Ortamının Temini -NYG'ndan MSDN üyeliği için başvuru dilekçesi alınıp doldurulmalı ve yine NYG'ye teslim
DetaylıDers Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS
DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Sayısal Görüntü İşleme BIL413 7 3+0 3 5 Ön Koşul Dersleri Yok Dersin Dili Dersin Seviyesi Dersin Türü Türkçe Lisans Seçmeli / Yüz Yüze
DetaylıLale AKARUN, Boğaziçi Üniversitesi.
Lale AKARUN, Boğaziçi Üniversitesi http://www.cmpe.boun.edu.tr/pilab Dr. Lale Akarun Dr. Albert Ali Salah Öğretim üyeleri: Alp Kındıroğlu Yunus Emre Kara Barış Evrim Demiröz Doğa Siyli Ufuk Can Biçici
DetaylıAdana Toplu Taşıma Eğilimleri
Adana Toplu Taşıma Eğilimleri Doç. Dr. Mustafa Gök Elektrik Elektronik Mühendisliği Bilgisayar Bilimleri Ana Bilim Dalı Başkanı 13.06.2014 Doç. Dr. Mustafa Gök (Ç. Ü.) Adana Toplu Taşıma Eğilimleri 13.06.2014
DetaylıYönetim Bilişim Sistemleri (Karma) - 1. yarıyıl. 380000000001101 Hukukun Temelleri Fundamentals of Law 2 0 0 2 2 5 TR
- - - - - Bölüm Seçin - - - - - Gönder Yönetim Bilişim Sistemleri (Karma) - 1. yarıyıl 141000000001101 Akademik ve Sosyal Oryantasyon Academic and Social Orientation 1 0 0 1 0 1 TR 380000000001101 Hukukun
DetaylıSözlük Kullanarak Türkçe için Kavram Madenciliği Metotları Geliştirme
1 Cem Rıfkı Aydın, 1 Ali Erkan, 1 Tunga Güngör, 2 Hidayet Takçı 1 Boğaziçi Üniversitesi, 2 Cumhuriyet Üniversitesi Sözlük Kullanarak Türkçe için Kavram Madenciliği Metotları Geliştirme AB 14 7 Şubat 2014
DetaylıÖZGEÇMİŞ. Derece Alan Üniversite Yıl
1. Adı Soyadı : Atınç YILMAZ 2. Doğum Tarihi : 01/05/1983 3. Unvanı : Dr.Öğr.Üyesi 4. Öğrenim Durumu: ÖZGEÇMİŞ Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Haliç Üniversitesi 2005 (Burslu)
DetaylıTEMEL BİLGİTEKNOLOJİLERİ
TEMEL BİLGİTEKNOLOJİLERİ Bilgiyi işlemekte kullanılan araçlar ikiye ayrılır. 1- Maddi cihazlar 2-Kavramsal araçlar. Kullanıcıve bilgisayarın karşılıklıetkileşimini sağlayan birimlerin genel adıgiriş-çıkışbirimleridir.
DetaylıÜniversitesi. {g.karatas, Library, Science Direct ve Wiley veri içerisinde
:, Üniversitesi 34156, stanbul, {g.karatas, c.catal}@iku.edu.tr Özet. sistematik ebilmek üzere, yöntemlerini in n veri belirlemek, ortaya konulan. IEEE Explorer, ACM Digital Library, Science Direct ve
DetaylıBİLECİK ÇEVRESİNDE DEPREM TEHLİKESİNİN SAKLI MARKOV MODELİ İLE TAHMİNİ
ÖZET: BİLECİK ÇEVRESİNDE DEPREM TEHLİKESİNİN SAKLI MARKOV MODELİ İLE TAHMİNİ C.E. Can 1, G. Ergün 2 ve C. Gökçeoğlu 3 1 Araştırma Görevlisi, İstatistik Bölümü, Hacettepe Üniversitesi, Beytepe, Ankara 2
DetaylıANKARA ÜNİVERSİTESİ A ÖĞRENCİ İŞLERİ DAİRE BAŞKANLIĞI
ANKARA ÜNİVERSİTESİ A PROGRAM ADI : BİLGİSAYAR MÜHENDİSLİĞİ 1.SINIF /1.YARIYIL* ANADAL EĞİTİM PROGRAMI ZORUNLU DERSLERİ Dersin ön koşulu var mı? ***** İntibak Dersi mi? **** TOPLAM SAAT ** AKTS Kredisi
DetaylıOtomatik Doküman Sınıflandırma
Akademik Bilişim 12 - XIV Akademik Bilişim Konferansı Bildirileri Otomatik Doküman Sınıflandırma Adnan Menderes Üniversitesi, Fen Edebiyat Fakültesi Matematik Bölümü, Aydın rumeysa2903@gmailcom, rasliyan@aduedutr,
DetaylıSistem Modelleme ve Simülasyon (SE 360) Ders Detayları
Sistem Modelleme ve Simülasyon (SE 360) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Uygulama Saati Saati Laboratuar Saati Kredi AKTS Sistem Modelleme ve Simülasyon SE 360 Her İkisi 3 0 0 3 5 Ön Koşul
DetaylıBİTİRME ÇALIŞMASI ARA RAPOR YAZIM KILAVUZU
BİTİRME ÇALIŞMASI ARA RAPOR YAZIM KILAVUZU 1. Başlık ve Kapak Sayfası Başlık sayfası formatı için bölüm web sayfasında bulunan rapor_kapak.docx başlıklı MS Office Word dokümanı kullanılacaktır. Düzenlenmesi
DetaylıBilgisayara ve Bilişim Sistemlerine Giriş (COMPE 105) Ders Detayları
Bilgisayara ve Bilişim Sistemlerine Giriş (COMPE 105) Ders Detayları Ders Adı Bilgisayara ve Bilişim Sistemlerine Giriş Ders Kodu COMPE 105 Dönemi Ders Uygulama Saati Saati Laboratuar Kredi AKTS Saati
Detaylı1. GİRİŞ Kılavuzun amacı. Bu bölümde;
1. GİRİŞ Bu bölümde; Kılavuzun amacı EViews Yardım EViews Temelleri ve Nesneleri EViews ta Matematiksel İfadeler EViews Ana Ekranındaki Alanlar 1.1. Kılavuzun amacı Ekonometri A. H. Studenmund tarafından
DetaylıTEMEL SUNUM İŞLEMLERİ SUNUMA SES, VIDEO EKLEME SUNUM TASARIMI ANİMASYONLAR SLAYT GEÇİŞİ KÖPRÜ KAYDETME SUNUM TASARIM TEKNİKLERİ ETKİNLİKLER
1 TEMEL SUNUM İŞLEMLERİ SUNUMA SES, VIDEO EKLEME SUNUM TASARIMI ANİMASYONLAR SLAYT GEÇİŞİ KÖPRÜ KAYDETME SUNUM TASARIM TEKNİKLERİ ETKİNLİKLER 2 Sunu: Belli bir konunun resim, grafik, metin, ses ve görüntüler
DetaylıBLM 4811 MESLEKİ TERMİNOLOJİ II Salı , D-109 Dr. Göksel Biricik
BLM 4811 MESLEKİ TERMİNOLOJİ II 2017-1 Salı 13.00 14.50, D-109 Dr. Göksel Biricik goksel@ce.yildiz.edu.tr Ders Planı Hafta Tarih Konu 1 19.09 Tanışma, Ders Planı, Kriterler, Giriş 2 26.09 Bilgisayarın
DetaylıVeritabanı Yönetim Sistemleri (Veritabanı Kavramı) Veri Modelleri
Veritabanı Yönetim Sistemleri (Veritabanı Kavramı) Veri Modelleri Konular Veritabanı Tasarım Aşamaları Veri Modeli Nedir? Veri Modeli Temel Bileşenleri İş Kuralları (Business Rules) İş Kurallarını Veri
DetaylıMÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 1 ( yılı ve sonrasında birinci
MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 1 (2016-17 yılı ve sonrasında birinci sınıfa başlayan öğrenciler için) BİRİNCİ YIL 1. Dönem
DetaylıAlgoritma ve Akış Diyagramları
Algoritma ve Akış Diyagramları Bir problemin çözümüne ulaşabilmek için izlenecek ardışık mantık ve işlem dizisine ALGORİTMA, algoritmanın çizimsel gösterimine ise AKIŞ DİYAGRAMI adı verilir 1 Akış diyagramları
DetaylıBulanık Mantık Tabanlı Uçak Modeli Tespiti
Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa
DetaylıBilişim Sistemleri. Modelleme, Analiz ve Tasarım. Yrd. Doç. Dr. Alper GÖKSU
Bilişim Sistemleri Modelleme, Analiz ve Tasarım Yrd. Doç. Dr. Alper GÖKSU Ders Akışı Hafta 5. İhtiyaç Analizi ve Modelleme II Haftanın Amacı Bilişim sistemleri ihtiyaç analizinin modeli oluşturulmasında,
DetaylıVERİ TABANI YÖNETİM SİSTEMLERİ
VERİ TABANI YÖNETİM SİSTEMLERİ ÖĞR.GÖR.VOLKAN ALTINTAŞ 26.9.2016 Veri Tabanı Nedir? Birbiriyle ilişkisi olan verilerin tutulduğu, Kullanım amacına uygun olarak düzenlenmiş veriler topluluğunun, Mantıksal
DetaylıBOĞAZİÇİ ÜNİVERSİTESİ MEKATRONİK UYGULAMA VE ARAŞTIRMA MERKEZİ FAALİYET RAPORU
BOĞAZİÇİ ÜNİVERSİTESİ MEKATRONİK UYGULAMA VE ARAŞTIRMA MERKEZİ FAALİYET RAPORU MERKEZDE YÜRÜTÜLEN PROJELER Proje Adı Yürütücüsü Desteklendiği Fon Başlangıç Tarihi Durumu EUMECHA-PRO European Mechatronics
Detaylı