Veride etiket bilgisi yok Denetimsiz öğrenme (unsupervised learning) Neden gereklidir?
|
|
- Berna Gürsel
- 8 yıl önce
- İzleme sayısı:
Transkript
1 MEH535 Örünü Tanıma 7. Kümeleme (Cluserng) Doç.Dr. M. Kemal GÜLLÜ Elekronk ve Haberleşme Mühendslğ Bölümü web: hp://akademkpersonel.kocael.edu.r/kemalg/ E-posa: Verde eke blgs yok Denemsz öğrenme (unsupervsed learnng) Neden gerekldr? Kümeleme Büyük ver kümelern ekeleme malye Sınıf ekeler blnmyor olablr (örn: uydu görünüsü) Büyük ver kümeler az sayıdak proop kümes le sıkışırılablr 2 1
2 Kümeleme Denemsz öğrenme: Yarı paramerk Sınıf ç farklılıkları gruplama Opk karaker anımada farklı 1 yazım şekller Ses anımada aynı kelmenn farklı elaffuzları Paramerk olmayan (sonrak konu) 3 Kümeleme Karışım Yoğunlukları (Mxure Denses): k x xg G p p P 1 G he bleşen/grup/küme, P ( G ) karışım oranları (önseller), p ( x G ) bleşen yoğunlukları Gauss karışımı p(x G ) ~ N ( μ, ) paramereler: Φ = {P ( G ), μ, } k =1 ekesz örnek X={x } (denemsz öğrenme) 4 2
3 Sınıf-Küme Deneml: X = { x,r } Sınıflar C =1,...,K K x xc C p p P 1 p ( x C ) ~ N ( μ, ) Denemsz: X = { x } Kümeler G =1,...,k k x xg G p p P 1 p ( x G ) ~ N ( μ, ) Φ = {P (C ), μ, } K =1 Φ = {P ( G ), μ, } k =1 PC ˆ S r r x m N r T r x m x m r Ekeler, r? 5 K-Oralama Kümeleme Very en y bemleyen k ade referans vekör bul (proop/kod kabı vekörler/kod kelmeler) Referans vekörler, m, =1,...,k En yakın (en benzer) referansı kullan: x m mn x m Gerçama haası E b k X b 1 m x m 1 f x m mn x m 0 oherwse 6 3
4 K-Oralama Kümeleme b 1 f x m mn x m 0 aks halde 7 K-Oralama Kümeleme Algorma: 8 4
5 K-Oralama Kümeleme Örnek: 9 ISODATA Ierave Self-Organzng Daa Analyss: K-oralama algormasının genşlelmş şekldr Küme sayısının oomak seçlmesne yönelkr Kullanıcı anımlı paramereler: Küme başına düşen en az örnek sayısı Yaklaşık senen küme sayısı Kümey parçalama çn gerekl saçılma parameres Küme brleşrme çn gerekl uzaklığı Brleşreblecek küme sayısının üs sınırı Algorma: 1. K-oralama kümeleme gerçekleşr 2. Brbrne benzemeyen örnekler çeren kümeler böl 3. Brbrne yakın farklı kümeler brleşr adıma g 10 5
6 Beklendk En Büyükleme (EM) Expecaon Maxmzaon (EM) Karışım model le Log olablrlk L X log px log p x G PG Gzl değşkenler: z,(blnmyor) Eksksz olablrlk: L c (Φ X,Z), x ve z blnyor 1 Eksk olablrlk: L(Φ X), yalnızca x blnyor k 11 E ve M adımları: Beklendk En Büyükleme (EM) Aşağıdak adımları ekrarla: 1. E-adımı: Mevcu Φ ve verlen X kullanılarak z y kesr 2. M-adımı: Bulunan z ve verlen X kullanarak yen Φ yı bul l E C 1 l Q l E-sep: Q L X, Z X, l M-sep: arg max Q dak arış, eksk olablrlğn arması anlamındadır (durma ölçüü: değşm yok!) l 1 l L X L X 12 6
7 Beklendk En Büyükleme (EM) Gauss Karışımlarında EM: z = 1 Eğer x G ye a se z = 1 kararı ver, aks halde 0 kararı (deneml öğrenmedek r eke) p(x G )~N(μ, ) kabulünü yap E-adımı: M-adımı: E z l X, l P G S l1 l px G, PG px G, PG l PG x, h h h l1 x m N h l1 l1 T h x m x m h Kesrlen ekeler (blnmeyen) üzernden paramere kesrm yap 13 Örnek: Beklendk En Büyükleme (EM) 14 7
8 K-Oralama Kümeleme Örnek: 15 Sıradüzensel Kümeleme K-oralama, ISODATA gb yaklaşımlar keskn küme sınırları Kümeler alında al kümelern bulunduğu ağaç yapısına sahp sıradüzensel (herarchcal) göserm Terch sebeb (örn; byolok sınıflandırma) Sıradüzensel Kümeleme. Toplamacı/Brleşrc (Agglomerave) Her br 1 örneğe sahp N küme le başla, her ynelemede 2 en yakın kümey brleşr, ek küme kalana kadar devam e (sngle lnk cluserng) Bölücü (Dvsve) Tek kümeden başlayarak bölme le N ek on küme elde edene kadar devam e Hesapsal yük: Brleşrc yaklaşım << Bölücü yaklaşım 16 8
9 Sıradüzensel Kümeleme Brleşrc Yaklaşım: Brbrne en yakın k küme bulunurken kullanılablecek uzaklık ölçüler: Sngle-lnk Complee-lnk 17 Sıradüzensel Kümeleme Göserm Ağaç göserm (dendrogram) Kümelern yapısını göseren kl ağaç yapısı Kümeler arasındak benzerlk (düşey eksende) Dendrogram 18 9
10 Sıradüzensel Kümeleme 19 10
MEH535 Örüntü Tanıma
MEH535 Örünü Tanıma 4. Paramerik Sınıflandırma Doç.Dr. M. Kemal GÜLLÜ Elekronik ve Haberleşme Mühendisliği Bölümü web: hp://akademikpersonel.kocaeli.edu.r/kemalg/ E-posa: kemalg@kocaeli.edu.r Paramerik
DetaylıMUTLAK DEĞER Test -1
MUTLAK DEĞER Test -. < x < olduğuna göre, x x ifadesinin eşiti aşağıdakilerden 7 B) 7 x C) x 7 D) x 7 E) 7 x 5. y < 0 < x olduğuna göre, y x x y x y ifadesinin eşiti aşağıdakilerden xy B) xy C) xy D) xy
DetaylıMEH535 Örüntü Tanıma. Karar Teorisi
MEH535 Örüntü Tanıma 2. Karar Teorisi Doç.Dr. M. Kemal GÜLLÜ Elektronik ve Haberleşme Mühendisliği Bölümü web: http://akademikpersonel.kocaeli.edu.tr/kemalg/ E-posta: kemalg@kocaeli.edu.tr Karar Teorisi
DetaylıMEH535 Örüntü Tanıma
MEH535 Örüntü Tanıma 3. Denetimli Öğrenme Doç.Dr. M. Kemal GÜLLÜ Elektronik ve Haberleşme Mühendisliği Bölümü web: http://akademikpersonel.kocaeli.edu.tr/kemalg/ E-posta: kemalg@kocaeli.edu.tr Örneklerden
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
DetaylıMEH535 Örüntü Tanıma. Örneklerden Sınıf Öğrenme
MEH535 Örünü Tanıma 3. Deneimli Öğrenme Doç.Dr. M. Kemal GÜLLÜ Elekronik ve Haberleşme Mühendisliği Bölümü web: hp://akademikpersonel.kocaeli.edu.r/kemalg/ E-posa: kemalg@kocaeli.edu.r Örneklerden Sınıf
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
DetaylıSürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak
DetaylıFizik 101: Ders 15 Ajanda
zk 101: Ders 15 Ajanda İk boyutta elastk çarpışma Örnekler (nükleer saçılma, blardo) Impulse ve ortalama kuvvet İk boyutta csmn elastk çarpışması Önces Sonrası m 1 v 1, m 1 v 1, KM KM V KM V KM m v, m
DetaylıMakine Öğrenmesi 8. hafta
Makine Öğrenmesi 8. hafa Takviyeli Öğrenme (Reinforcemen Learning) Q Öğrenme (Q Learning) TD Öğrenme (TD Learning) Öğrenen Vekör Parçalama (LVQ) LVQ2 LVQ-X 1 Takviyeli Öğrenme Takviyeli öğrenme (Reinforcemen
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
DetaylıKümeler arası. Küme içi. uzaklıklar. maksimize edilir. minimize edilir
Kümeleme Analizi: Temel Kavramlar ve Algoritmalar Kümeleme Analizi Nedir? Her biri bir dizi öznitelik ile, veri noktalarının bir kümesi ve noktalar arasındaki benzerliği ölçen bir benzerlik ölçümü verilmiş
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,
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
DetaylıMAK 744 KÜTLE TRANSFERİ
ZKÜ Fen Blmler Ensttüsü Makne Mühendslğ Anablm alı MAK 744 KÜTLE TRANSFERİ TERMOİNAMİK ve TRANSPORT BÜYÜKLÜKLERİNİN HESAPLANMASI İÇİN FORMÜLLER VE TABLOLAR Mustafa EYRİBOYUN ZONGULAK - 007 1. TERMOİNAMİK
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
DetaylıMEH535 Örüntü Tanıma. 6. Boyut Azaltımı (Dimensionality Reduction)
MEH535 Örüntü anıma 6. Boyut Azaltımı (Dimensionality Reduction) Doç.Dr. M. Kemal GÜLLÜ Elektronik ve Haberleşme Mühendisliği Bölümü web: http://akademikpersonel.kocaeli.edu.tr/kemalg/ E-posta: kemalg@kocaeli.edu.tr
DetaylıÖRNEK SET 5 - MBM 211 Malzeme Termodinamiği I
ÖRNE SE 5 - MBM Malzeme ermdnamğ I 5 ºC de ve sabt basınç altında, metan gazının su buharı le reaksynunun standart Gbbs serbest enerjs değşmn hesaplayın. Çözüm C O( ( ( G S S S g 98 98 98 98 98 98 98 Madde
DetaylıRasgele Değişken Üretme Teknikleri
Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan
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
DetaylıYZM 3217 YAPAY ZEKA DERS#10: KÜMELEME
YZM 317 YAPAY ZEKA DERS#10: KÜMELEME Sınıflandırma (Classification) Eğiticili (supervised) sınıflandırma: Sınıflandırma: Sınıf sayısı ve bir grup örneğin hangi sınıfa ait olduğunu bilinir Eğiticisiz (unsupervised)
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
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
DetaylıCebir Notları. Karmaşık Sayılar Testi z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır?
Cebr Ntları Karmaşık Sayılar Test. + se Re() + Im()?. ( x y) + + ( x+ y ) se x + y tplamı kaçtır?. x + y ( x ) ve se y kaçtır?. ve se y x kaçtır?. sayısı kaça eşttr?. sayısı kaça eşttr? 7. x+ + ( y ) y
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.
DetaylıSummary. Orijinal araştırma (Original article)
Türk. enomol. derg., 2011, 35 (2): 325-338 ISSN 1010-6960 Orjnal araşırma (Orgnal arcle) Sıfır değer ağırlıklı genelleşrlmş Posson regresyonu yardımıyla Van Gölü nde Nooneca vrds Delcour, 1909 (Hempera:
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 :
DetaylıELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ
T SAKAYA ÜNİESİTESİ TEKNOLOJİ FAKÜLTESİ ELEKTİK-ELEKTONİK MÜHENDİSLİĞİ ELM201 ELEKTONİK- DESİ LAOATUA FÖYÜ DENEYİ YAPTAN: DENEYİN AD: DENEY NO: DENEYİ YAPANN AD ve SOYAD: SNF: OKUL NO: DENEY GUP NO: DENEY
DetaylıÖrneklemeli K-ortalama Algoritması Kmeans with Sampling
Örneklemel K-oralama Algorması Kmeans wh Samplng Mehme Fah Amasyalı Blgsayar Mühendslğ Bölümü Yıldız Teknk Ünverses mfah@ce.yldz.edu.r Öze K-oralama algorması, kümeleme prolemlernn çözümünde en çok kullanılan
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)
DetaylıLineer Olmayan Yapı Sistemlerinin Analizi İçin Yay-Boyu Metodu
Fıra Ünv. Fen ve Müh. Bl. Dergs Scence and Eng. J of Fıra Unv. 9 (4), 55-530, 007 9 (4), 55-530, 007 Lneer Olmayan Yaı Ssemlernn Analz İçn Yay-Boyu Meodu Cengz OLA ve Yusuf CALAYIR Fıra Ünverses eknk Blmler
Detaylı11. z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? 14. eşitliğini sağlayan z karmaşık sayısı kaçtır? 15.
GD. + se Re() + Im()? www.gkhandemr.rg, 007 Cebr Ntları Gökhan DEMĐR, gdemr@yah.cm.tr Karmaşık sayılar 9. + + sayısı kaça eşttr? 7 890. ( x y) + + ( x + y) se x + y tplamı kaçtır?. x + y ( x) ve se y kaçtır?.
DetaylıDENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI
A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.
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
DetaylıVERİ MADENCİLİĞİ (Veri Ön İşleme-2) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Veri Ön İşleme-2) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma Kümeleme
DetaylıUzaktan Algılama Uygulamaları
Aksaray Üniversitesi Uzaktan Algılama Uygulamaları Doç.Dr. Semih EKERCİN Harita Mühendisliği Bölümü sekercin@aksaray.edu.tr 2010-2011 Bahar Yarıyılı Uzaktan Algılama Uygulamaları GÖRÜNTÜ İŞLEME TEKNİKLERİ
DetaylıManyetizma Testlerinin Çözümleri. Test 1 in Çözümü
4 Manyetzma Testlernn Çözümler 1 Test 1 n Çözümü 5. Mıknatısların brbrne uyguladığı kuvvet uzaklığın kares le ters orantılıdır. Buna göre, her br mıknatısa uygulanan kuvvet şekl üzernde gösterelm. 1. G
DetaylıMakine Öğrenmesi 10. hafta
Makne Öğrenmes 0. hafta Lagrange Optmzasonu Destek Vektör Maknes (SVM) Karesel (Quadratc) Programlama Optmzason Blmsel term olarak dlmze geçmş olsa da bazen en leme termle karşılık bulur. Matematktek en
DetaylıSAYISAL ÇÖZÜMLEME. Sayısal Çözümleme
SAYISAL ÇÖZÜMLEME Syısl Çözümleme SAYISAL ÇÖZÜMLEME 7. Hft LİNEER DENKLEM SİSTEMLERİ (Devm) Syısl Çözümleme İÇİNDEKİLER Doğrusl Denklem Sstemlernn Çözümü İtertf Yöntemler Jcob Yöntem Guss-Sedel Yöntem
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimsiz Öğrenmenin Temelleri Kümeleme Uzaklık Fonksiyonları Öklid Uzaklığı Manhattan
DetaylıIII - ELEKTROMAGNETİK GENELLEŞTİRME
3 - EEKTROMAGNETİK GENEEŞTİRME.A ) AGRANGE ORMAİZMİ Dnamğn agrange medu le yenden frmüle edlmes, genelleşrlmş krdna ssemlernn kullanılmasına mkan anır. Yen krdnaların ye larak ble dk lmaları gerekmez.
DetaylıKAPASİTANS VE ENDÜKTANS EBE-215, Ö.F.BAY 1
KAPASİTANS VE ENDÜKTANS EBE-5, Ö.F.BAY KAPASİTANS VE ENDÜKTANS Bu bölümde enerj depolayan pasf elemanlardan Kapasörler e Endükörler anıılmakadır ÖĞRENME HEDEFLERİ KAPASİTÖRLER Elekrk alanında enerj depolarlar
DetaylıElektrik Devre Temelleri
Elektrik Devre Temelleri 3. TEMEL KANUNLAR-2 Doç. Dr. M. Kemal GÜLLÜ Elektronik ve Haberleşme Mühendisliği Kocaeli Üniversitesi ÖRNEK 2.5 v 1 ve v 2 gerilimlerini bulun. (KGK) 1 PROBLEM 2.5 v 1 ve v 2
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,
DetaylıÇOK BĐLEŞENLĐ DAMITMA KOLONU TASARIMI PROF. DR. SÜLEYMAN KARACAN
ÇOK BĐLEŞENLĐ DAMITMA KOLONU TASARIMI PROF. DR. SÜLEYMAN KARACAN 1 DAMITMA KOLONU Kmya ve buna bağlı endüstrlerde en çok kullanılan ayırma proses dstlasyondur. Uygulama alanı antk çağda yapılan alkol rektfkasyonundan
DetaylıSAYISAL ANALİZ. Doç.Dr. Cüneyt BAYILMIŞ. Sayısal Analiz. Doç.Dr. Cüneyt BAYILMIŞ
SAYISAL ANALİZ Doç.Dr. Cüneyt BAYILMIŞ Doç.Dr. Cüneyt BAYILMIŞ Sayısal Analz SAYISAL ANALİZ SAYISAL TÜREV Numercal Derentaton Doç.Dr. Cüneyt BAYILMIŞ Sayısal Analz İÇİNDEKİLER Sayısal Türev Ger Farklar
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.
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
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
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
DetaylıVERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Kümeleme İşlemleri Kümeleme Tanımı Kümeleme Uygulamaları Kümeleme Yöntemleri Kümeleme (Clustering) Kümeleme birbirine
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
DetaylıT. C. GÜMÜŞHANE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE MÜHENDİSLİĞİ DENEYLER 1 ÇOKLU ISI DEĞİŞTİRİCİSİ DENEYİ
T. C. GÜMÜŞHANE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE MÜHENDİSLİĞİ DENEYLER ÇOKLU ISI DEĞİŞTİRİCİSİ DENEYİ ÖĞRENCİ NO: ADI SOYADI: DENEY SORUMLUSU: YRD. DOÇ. DR. BİROL ŞAHİN
Detaylı1. GAZLARIN DAVRANI I
. GZLRIN DRNI I İdeal Gazlar ç: lm 0 RT İdeal gazlar ç: RT Hacm() basıçla() değşk sıcaklıklarda değşm ekl.. de gösterlmştr. T >T 8 T T T 3 asıç T 4 T T 5 T 7 T 8 Molar Hacm ekl.. Gerçek br gazı değşk sıcaklıklardak
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
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
DetaylıDirect Decomposition of A Finitely-Generated Module Over a Principal Ideal Domain *
BİR ESAS İDEAL BÖLGESİ ÜZERİNDEKİ SONLU DOĞURULMUŞ BİR MODÜLÜN DİREK PARÇALANIŞI * Drec Decompoon of A Fnely-Generaed Module Over a Prncpal Ideal Doman * Zeynep YAPTI Fen Blmler Enüü Maemak Anablm Dalı
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimli Öğrenmenin Temelleri Karar Ağaçları Entropi ID3 Algoritması C4.5 Algoritması Twoing
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
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
DetaylıOtomatik Kontrol Ulusal Toplantısı, TOK2013, 26-28 Eylül 2013, Malatya DOĞRUSAL OLMAYAN KONTROL SİSTEMLERİ
Oomak Konrol Ulusal oplanısı OK3 6-8 Eylül 3 Malaya DOĞRUSAL OLMAYAN KONROL SİSEMLERİ 33 Oomak Konrol Ulusal oplanısı OK3 6-8 Eylül 3 Malaya rnc ve İknc Dereceden Kayan Kpl Güdüm Yönem le Havadan Havaya
DetaylıYER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.
YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,
Detaylıİki veri setinin yapısının karşılaştırılması
İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu
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
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
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
DetaylıVERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma
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.
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,
DetaylıAnlık ve Ortalama Güç
ALTERNATİF AK-Dere Analz Bölü-4 AC Güç Anlık Güç Oralaa güç Güç fakörü Akf, reakf güç Kpleks güç Reakf güç düzele (Kpanzasyn aksu akf güç ransfer Anlık Güç, p( (herhang br ank güç p Anlık e Oralaa Güç
DetaylıÇekişmeli Üretici Ağlar Kullanarak Dış Mekan Görüntülerinin Geçici Niteliklerini Düzenleme
Çekişmeli Üretici Ağlar Kullanarak Dış Mekan Görüntülerinin Geçici Niteliklerini Düzenleme Adjusting Transient Attributes of Outdoor Images using Generative Adversarial Networks Levent Karacan, Aykut Erdem,
DetaylıT.C BARTIN il ÖZEL idaresi YAZı işleri MÜDÜRLÜGÜ. TEKliF SAHiBiNiN
TARH:...05/205 SAYı Adı SoyadılTcaret Ünvanı Teblgat Adres Bağlı Olduğu Verg Dares Verg Numarası T.C.Kmlk Numarası Telefon No Faks No E-Mal T.C BARTIN L ÖZEL DARES YAZı ŞLER MÜDÜRLÜGÜ TEKlF MEKTUBU TEKlF
DetaylıĐZENCE Temel Kavram ve Prenspler Tez Problem Sınır Değer Problem Green Fonsyonu Tanımı Çözüm Yalaşımları Sonuçlar
YÜKSEK ĐSANS TEZ SUNUŞU Çf Yay - Küle Ssemyle Brbrne Bağlanmış Çubuların Eğlme Treşmler Hazırlayan : a. üh. Güran Erdoğan ĐZENCE Temel Kavram ve Prenspler Tez Problem Sınır Değer Problem Green Fonsyonu
DetaylıReferans Kılavuz. Kurma ve Sıvı Geçirme
Referans Kılavuz Kurma ve Sıvı Geçrme Kurulum öncesnde şu malzemey toplayın: Br 500 ml veya 1000 ml sıvı geçrme solüsyonu (1 U/ml heparn eklenmş olarak %0,9 NaCl) torbası/şşes Mühür sıvı geçrme çn br 500
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
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
DetaylıLys x 2 + y 2 = (6k) 2. (x 2k) 2 + y 2 = (2k 5) 2 olduğuna göre x 2 y 2 =? Cevap: 14k 2
1. 1 =? Lys 1 7. x + y = (6k) (x k) + y = (k 5) olduğuna göre x y =?. 6 a.b = ise a + 1 b. b 1 a =? 1k 8. x ve y birbirinden farklı pozitif gerçel sayılar olmak üzere, x y y x. x.y = (x y) ise x y =?.
DetaylıSıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data
Yüzüncü Yıl Ünverstes Fen Blmler Ensttüsü Dergs/ Journal of The Insttute of Natural & Appled Scences 18 (1-):01-08, 013 Araştırma Makales/Research Artcle Sıfır Ağırlıklı Sayma le Elde Edlen Verler İçn
DetaylıDENEY TASARIMI VE ANALİZİ
DENEY TASARIMI VE ANALİZİ Bundan öncek bölümlerde bell br araşırma sonucu elde edlen verlere dayanılarak populasyonu anıma ve paramere ahmnlerne yönelk yönemlerden söz edld. Burada se sözü edlecek olan,
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
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 12 Sayı: 3 sh. 1-15 Ekim 2010
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cl: 12 Sayı: 3 sh. 1-15 Em 2010 ZAMAN-FREKANS DÜZLEMİNDE SİNYAL BİLEŞENİ ÇIKARIMI İÇİN YENİ BİR YÖNTEM (A NOVEL METHOD FOR SIGNAL COMPONENT INCISION
DetaylıBİR BOYUTLU HAREKET FİZİK I. Bir Boyutlu Hareket? 12.10.2011. Hız ve Sürat. 1 boyut (doğru) 2 boyut (düzlem) 3 boyut (hacim) 0 boyut (nokta)
.0.0 r oulu Hareke? İR OYUTLU HREKET FİZİK I bou (doğru bou (düzlem 3 bou (hacm 0 bou (noka u bölümde adece br doğru bounca harekee bakacağız (br boulu. Hareke ler olablr (pozf erdeğşrme ea ger olablr
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
DetaylıDENEY TASARIMI VE ANALİZİ
1 DENEY TASARIMI VE ANALİZİ 1.1. Varyans Analz 1.. Tek Yönlü Varyans Analz Model 1.3. İk Yönlü Varyans Analz Model Prof Dr. Leven ŞENYAY XII-1 İsask II Bundan öncek bölümlerde bell br araşırma sonucu elde
DetaylıGRUPLARDA VE YARIGRUPLARDA ETKİNLİK(EFFICIENCY) The Efficiency Of Groups And Semigroups *
GRUPLARDA VE YARIGRUPLARDA ETKİNLİK(EFFICIENCY The Effcency Of Groups And Semgroups * Özer CAN Matematk Ana Blm Dalı Blal VATANSEVER Matematk Ana Blm Dalı ÖZET Bu çalışmada öncelkle gruplarda, yarıgruplarda,
Detaylı2 MANYETİZMA. 7. Etki ile mıknatıslanmada mıknatısın 5. K L M F F S N S N S N
3 Manyetzma Test Çözümler 1 Test 1'n Çözümler 3. 1 2 3 4 5 6 1. X Şekl I M 1 2 Y 3 4 Mıknatıs kutupları Şekl I dek gb se 4 ve 5 numaralı kutuplar zıt şaretl olur. Manyetk alan çzgler kutup şddet le doğru
DetaylıMALZEMELERİN MEKANİK DAVRANIŞLARI. Turgut GÜLMEZ
MZEMEERİN MEKNİK DVRNIŞRI Turgut GÜMEZ ÖN BİGİ Vze:%40 nal:%60 Geçme ntu:70 KYNKR Deter, Mechancal Metallurgy Thmas H.Curtney, Mechancal Behavr f Materals Demrkl, Malzemelern Mekank Davranışı, (Ders ntu)
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
DetaylıKümeleme Algoritmaları. Tahir Emre KALAYCI
Tahir Emre KALAYCI 2010 Gündem En önemli gözetimsiz öğrenme (unsupervised learning) problemi olarak değerlendirilmektedir Bu türdeki diğer problemler gibi etiketsiz veri kolleksiyonları için bir yapı bulmakla
DetaylıDENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI
A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.
DetaylıORTOTROPİK ZİNCİR YAN PLAKALARINDA GERİLME YIĞILMASI KATSAYILARININ HESAPLANMASI
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K B İ L İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 997 : 3 : 3 :45-49
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
DetaylıNİTEL TERCİH MODELLERİ
NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:
DetaylıPARABOLİK KISMİ DİFERANSİYEL DENKLEMLER İÇİN İKİ ZAMAN ADIMLI YAKLAŞIMLAR ÜZERİNE BİR ÇALIŞMA. Gamze YÜKSEL 1, Mustafa GÜLSU 1, *
Ercyes Ünverses Fen Blmler Ensüsü Dergs 5 - - 45 9 p://fbe.ercyes.ed.r/ ISS -54 PARABOLİK KISMİ DİFERASİYEL DEKLEMLER İÇİ İKİ ZAMA ADIMLI YAKLAŞIMLAR ÜZERİE BİR ÇALIŞMA Gamze YÜKSEL Msafa GÜLS * Mğla Ünverses
DetaylıTanımlayıcı İstatistikler
Dr. Mehmet AKSARAYLI MERKEZİ EĞİLİM ve DEĞİŞKENLİK ÖLÇÜLERİ Ders / Tanımayıcı İstatstker Yer Öçüer (Merkez Eğm Öçüer) Duyarı Ortaamaar Artmetk ort. Tartıı Artmetk Geometrk ort. Kare ort. Harmonk ort. Duyarı
DetaylıYZM ALGORİTMA ANALİZİ VE TASARIM DERS#9: AÇGÖZLÜ ALGORİTMALAR
YZM 3207- ALGORİTMA ANALİZİ VE TASARIM DERS#9: AÇGÖZLÜ ALGORİTMALAR Aç Gözlü (Hırslı) Algoritmalar (Greedy ) Bozuk para verme problemi Bir kasiyer 48 kuruş para üstünü nasıl verir? 25 kuruş, 10 kuruş,
DetaylıUYGULAMA 2. Bağımlı Kukla Değişkenli Modeller
UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.
DetaylıELEKTRİK DEVRE TEMELLERİ
ELEKTRİK DEVRE TEMELLERİ Öğretm üyes: Doç. Dr. S. Özoğuz Tel: 85 36 9 e-posta: serdar@ehb.tu.edu.tr Ders saat: Pazartes,.-3. / D-4 İçndekler. Dere teors, toplu parametrel dereler, Krchhoff un gerlm e akım
DetaylıMakine Öğrenmesi Dersi Arasınavı Sorular aşağıda isimleriyle verilen veri kümeleri üzerinde çözülecektir.
Makne Öğrenme er Araınavı 0.0.0 A Soya: umara: Sorular aşağıa mleryle verlen ver kümeler üzerne çözülecekr.. ver küme..4 a 5.9 4. a. 5.7 a -. -0. -5. -.9-0.5.. ver küme K G H K N G H B E G H B G S B N
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
Detaylı