KARDİOTOKOGRAM VERİSİNDEN FETAL İYİLİK HALİNİN BELİRLENMESİ İÇİN BİR KARAR DESTEK SİSTEMİ
|
|
- Irmak Koca
- 7 yıl önce
- İzleme sayısı:
Transkript
1 Uludağ Ünverstes Mühendslk Fakültes Dergs, Clt 1, Sayı, 016 ARAŞTIRMA DOI: /uumfd KARDİOTOKOGRAM VERİSİDE FETAL İYİLİK HALİİ BELİRLEMESİ İÇİ BİR KARAR DESTEK SİSTEMİ Ersen YILMAZ * Alınma: ; düzeltme: ; kabul: Öz: Bu çalışmada kardotogram versnden fetal ylk halnn belrlenmes çn br karar destek sstem önerlmştr. Sstem En Küçük Kareler Destek Vektör Makneler ve Temel Bleşen Analz üzernde temellendrlmştr. Temel Bleşen Analz yöntem le kardotokogram ver kümesnn boyutu ndrgenmştr. Özellk boyutu ndrgenen ver kümes üzernde En Küçük Kareler Destek Vektör Makneler kullanılarak sınıflandırma şlem gerçekleştrlmştr. Önerlen karar destek sstemnn başarımı UCI Makne Öğrenmes Ambarlarından alınan kardotokogram ver kümes üzernde 10-katlı Çapraz Doğrulama teknğ kullanılarak ncelenmştr. Deneysel sonuçlar önerlen sstemn %98,74 sınıflandırma doğruluğuna, %98,86 duyarlılık oranına ve %98,73 özgüllük oranına sahp olduğunu göstermştr. Anahtar Kelmeler: Kardotokogram, Karar destek sstem, Destek vektör makneler, Temel bleşen analz, Fetal ylk hal A Decson Support System for Determnaton of Fetal Well-Beng from Cardotocogram Data Abstract: In ths study, we propose a decson support system for assessment of fetal well-beng from cardotocogram data. The system s based on Prncpal Component Analyss and Least Squares Support Vector Machnes. Prncpal Component Analyss s used for feature reducton of the cardotocogram data set. Classfcaton of the data set wth reduced features s made by usng Least Squares Support Vector Machnes. Performance analyss of the proposed system s examned on the cardotocogram data set avalabe on UCI Machne Learnng Repostory by usng 10-fold Cross Valdaton procedure. Expermetal results show that the proposed system has 98.74% classfcaton accuracy, 98.86% senstvty and 98.73% specfcty rates. Keywords: Cardotocogram, Decson support system, Support vector machnes, Prncpal component analyss, fetal well-beng 1. GİRİŞ Fetal kalp hareketllğ hamlelğn erken dönemlernden tbaren başlar. Otonom snr sstemnn gelşm aşamaları fetal kalp hızının (FKH) kontrolü ve değşmnde öneml br role sahptr. Ayrıca, fetaln oksjen sevyes FKH nın bazı bleşenlern etklemektedr (Fanell ve dğ., 013). Dolayısıyla, fetaln sağlık durumunun başka br deyşle fetal ylk halnn zlenmesnde FKH öneml br parametre olarak kullanılmaktadır. Kardotokograf gebelk dönemnde ve doğum sırasında fetal sağlık durumunun zlenmes amacıyla kullanılan br yöntemdr. Kardotokogram (KTG), FKH ve utern aktvte snyallernn kaydından oluşmaktadır (Georgoulas ve dğ., 006). KTG takb le fetaln oksjen yetmezlğ * Uludağ Ünverstes, Mühendslk Fakültes, Elektrk-Elektronk Mühendslğ Bölümü, 16059, Bursa İletşm Yazarı: Ersen Yılmaz (ersen@uludag.edu.tr) 331
2 Yılmaz E.: Kardotokogram Versnden Fetal İylk Halnn Belrlenmes İçn Br Karar Destek Sstem yaşayıp yaşamadığının erken tespt yapılablr, böylece lave testler gerçekleştrleblr veya erken doğum kararı verlr (Alfrevc ve dğ., 013). KTG nn doğru olarak analz edlmes daha sonra zlenecek adımlar açısından hayat öneme sahptr. Bu nedenle, makne öğrenmes yöntemler kullanılarak KTG versnden fetal ylk halnn belrlenmesne yönelk çalışmalar son dönemde lg çekmeye başlamıştır. Bu çalışmaların öneml br bölümünde aynı KTG vers kullanılmıştır (Ocak ve Ertunç, 013; Ocak, 013; Huang ve Hsu, 01; Sundar ve dğ., 01; Sundar ve dğ., 013; Karabulut ve İbrkç, 014; Jezewsk ve dğ., 014; Yılmaz ve Kılıkçıer, 013; Ravndran ve dğ., 015). Fetal ylk halnn belrlenmes problem Ocak ve Ertunç (013) le Ocak (013) çalışmalarında k sınıflı sınıflandırma problem olarak ele alınmıştır. Ocak ve Ertunç (013) problemn çözümü çn br Uyarlanablr Snrsel Bulanık Çıkarım Sstem (USBÇS) önermşlerdr. Ocak (013) fetal ylk halnn değerlendrlmes çn Destek Vektör Makneler (DVM) ve Genetk Algortma (GA) üzernde temellendrlmş br karar destek sstem önermştr. Aynı problem Huang ve Hsu (01), Sundar ve dğ. (01), Sundar ve dğ (013), Karabulut ve İbrkç (014), Jezewsk ve dğ. (014), Yılmaz ve Kılıkçıer (013) le Ravndran ve dğ. (015) çalışmalarında üç sınıflı sınıflandırma problem olarak ncelenmştr. Huang ve Hsu (01) problemn çözümünde Ayırma Analz, Karar Ağacı ve Yapay Snr Ağı (YSA) yöntemlern kullanmıştır. Sundar ve dğ. (01) KTG versnn sınıflandırılması çn br YSA model önermştr. Önerlen YSA modelnn başarımı Sundar ve dğ. (013) çalışmasında K-Ortalamalı ve Bulanık C-Ortalamalı öbekleme algortmalarının başarımları le karşılaştırılmıştır. Karabulut ve İbrkç (014) fetal durumunu tahmn etmek çn Karar Ağacı temell br Uyarlanablr Boostng yöntem önermştr. Jezewsk ve dğ. (014) üç farklı özellk seçm algortmasının fetal durumunun belrlenme kaltesne olan etksn araştırmıştır. Yılmaz ve Kılıkçıer (013) Fetal durumunun belrlenmes çn En Küçük Kareler DVM (EKK-DVM) ve İkl Karar Ağaçları üzernde temellendrlmş br karar destek sstem önermştr. Ravndran ve dğ. (015) İyleştrlmş Uyarlanablr Genetk Algortmalar (İUGA) ve Aşırı Öğrenme Maknes (AÖM) yöntemlern br arada kullanarak fetal ylk halnn belrlenmes çn br medkal karar destek sstem önermşlerdr. Bu çalışmada Ocak ve Ertunç (013), Ocak (013), Huang ve Hsu (01), Sundar ve dğ. (01), Sundar ve dğ. (013), Karabulut ve İbrkç (014), Jezewsk ve dğ. (014), Yılmaz ve Kılıkçıer (013) ve Ravndran ve dğ. (015) çalışmalarında kullanılan KTG ver kümes kullanılmış ve fetal ylk halnn belrlenmes problem Ocak ve Ertunç (013) ve Ocak (013) çalışmalarında olduğu gb k sınıflı sınıflandırma problem olarak ele alınmıştır. Problemn çözümü çn Temel Bleşen Analz (TBA) ve EKK-DVM üzernde temellendrlmş br karar destek sstem önerlmştr. Ocak ve Ertunç (013) ve Ocak (013) çalışmalarında önerlen sstemlern başarım ncelemeler yapılırken KTG ver set %50-%50 eğtm ve test kümes bçmnde ayrıştırılmıştır. Bu çalışmada se başarım ncelemes daha kararlı sonuçların alınableceğ 10-katlı Çapraz Doğrulama (10kÇD) teknğ kullanılarak gerçekleştrlmştr. TBA le özellk vektörü boyutu ndrgenmş ve EKK-DVM le kl sınıflandırma problemnn çözümü gerçekleştrlmştr. Başarım sonuçları sınıflandırma doğruluğu, hata matrs, duyarlılık ve özgüllük ölçütler kullanılarak sunulmuştur.. İLGİLİ ÇALIŞMALAR Lteratürde bu çalışmada da kullanılan KTG ver kümesn kullanan çalışmalar, problem ele alış bçmlerne göre k grupta toplanablrler. Brnc grupta yer alan çalışmalar, Huang ve Hsu (01), Sundar ve dğ. (01), Sundar ve dğ. (013), Karabulut ve İbrkç (014), Jezewsk ve 33
3 Uludağ Ünverstes Mühendslk Fakültes Dergs, Clt 1, Sayı, dğ. (014), Yılmaz ve Kılıkçıer (013) le Ravndran ve dğ. (015), fetal ylk halnn belrlenmes problemn üç sınıflı sınıflandırma problem olarak ele alırken knc grupta yer alan çalışmalar, Ocak ve Ertunç (013) le Ocak (013), aynı problem k sınıflı olarak ele almışlardır. Huang ve Hsu (01) br Çok Katmanlı Algılayıcı YSA (ÇKA-YSA) model le %97,80 sınıflandırma doğruluğuna ulaşmışlardır. Başarım ncelemes ver kümes %80 eğtm, %10 test ve %10 doğrulama kümes olarak ayrıştırılarak yapılmıştır. Sundar ve dğ. (01) çalışmasında problemn çözümü çn yne br ÇKA-YSA model önerlmştr. Modeln başarımı 10 deneme yapılarak test edlmştr. Başarım sonuçları her br deneme çn kesnlk, hassasyet ve F-Ölçütü ölçekler cnsnden sunulmuştur. Aynı yazarlar önerdkler ÇKA-YSA model le K-Ortalamalı ve Bulanık C-Ortalamalı öbekleme algortmalarının başarımlarını Sundar ve dğ. (013) çalışmasında karşılaştırmışlardır. İlgl çalışmada, ÇKA-YSA nın başarım sonuçlarının daha y olduğu ve öbekleme algortmalarının Şüphel ve Patolojk örneklern sınıflandırmasında zayıf kaldıkları görülmektedr. Karabulut ve İbrkç (014) fetal durumunun belrlenmes problemnn çözümünde altı farklı modeln başarım karşılaştırmasını yapmışlardır. Ayrıca, Uyarlanablr Boostng algortmasının bu modellern başarımları üzerndek etksn ncelemşlerdr. En yüksek başarım oranı %95,01 sınıflandırma doğruluğu le Uyarlanablr Boostng algortmasında C4.5 karar ağacı temel sınıflandırıcı olarak kullanıldığında elde edlmştr. Başarım ncelemes yapılırken 10kÇD teknğ kullanılmıştır. Jezewsk ve dğ. (014) üç özellk seçm / ndrgeme yöntemnn fetal durumunu belrleme kaltes üzerndek etksn ncelemşlerdr. Sınıflandırma yöntem olarak Lagragan DVM kullanmışlardır. Başarım sonuçlarını etknlk, duyarlılık, özgüllük ve kalte nds ölçekler cnsnden sunmuşlardır. Yılmaz ve Kılıkçıer (013) k adet EKK-DVM sınıflandırıcıyı İkl Karar Ağaç yapısı le brlkte kullanarak problemn çözümünü gerçekleştrmşlerdr. EKK-DVM lern başarımını artırmak çn çekrdek fonksyonlarının parametre değerlern Parçacık Sürüsü Optmzasyonu le belrlemşlerdr. Başarım analz yapılırken 10kÇD kullanılmış ve %91,6 lk sınıflandırma doğruluğuna ulaşılmıştır. Ravndran ve dğ. (015) AÖM le İUGA yöntemlern br arada kullanarak fetal ylk halnn belrlenmes problemnn çözümünü yapmışlardır. İUGA le özellk seçm yaparak AÖM le sınıflandırma şlemn gerçekleştrmşlerdr. Başarım ncelemes 10kÇD teknğn kullanılarak yapılmış ve %93,61 sınıflandırma doğruluğuna ulaşmışlardır. Ocak ve Ertunç (013) fetal ylk halnn belrlenmes problemn k sınıflı sınıflandırma problem olarak çözmüşlerdr. Çözüm çn br USBÇS önermşlerdr. Sstemn başarım ncelemesn ver kümesn %50 eğtm ve %50 test kümesne ayırarak gerçekleştrmşlerdr. Önerlen USBÇS nn test kümes üzernde %96,6 duyarlılık ve %97, özgüllük oranlarına sahp olduğu görülmektedr. Ocak (013) çalışmasında problem yne k sınıflı olarak ele alınmış ve GA le EKK yöntemler üzernde temellendrlmş br karar destek sstem önerlmştr. GA le özellk seçm yapılmış ve EKK le sınıflandırma şlem gerçekleştrlmştr. Sstemn başarım ncelemes ver kümes %50 eğtm ve %50 test kümes bçmnde ayrıştırılarak yapılmıştır. Önerlen GA-EKK sstemnn test kümes başarım sonuçlarından %100 duyarlılık ve %99,3 özgüllük oranlarına sahp olduğu görülmektedr. Bu çalışmada fetal ylk halnn belrlenmes problem k sınıflı sınıflandırma problem olarak ele alınmıştır. Lteratürde problem k sınıflı olarak ele alan Ocak ve Ertunç (013) ve Ocak (013) çalışmalarında önerlen sstemlern başarım ncelemeler yapılırken ver kümes %50 eğtlme ve %50 test kümes bçmnde ayrıştırılmıştır. Bu çalışmada se başarım ncelemes daha kararlı sonuçların alınableceğ 10kÇD teknğ kullanılarak yapılmış ve TBA le EKK temell br karar destek sstem le çözümü gerçekleştrlmştr. 333
4 Yılmaz E.: Kardotokogram Versnden Fetal İylk Halnn Belrlenmes İçn Br Karar Destek Sstem 3. TEMEL YAPI TAŞLARI 3.1. Temel Bleşen Analz Temel Bleşen Analz (TBA), boyut ndrgeme amacıyla sıklıkla kullanılan doğrusal br yöntemdr. Boyut ndrgeme şlem, vernn daha küçük boyutta olan ve temel altuzay olarak blnen br doğrusal altuzaya gömülmes le sağlanır (Van der Maaten ve dğ., 009). p (, ), x ve y { 1,,..., c} bçmnde verlen elemanlı br ver kümes çn, ( x y 1 x, p özellğe sahp örnekler ve y se bu örneklere lşkn sınıf blgsn göstermek üzere), temel altuzaya at eksenler (1) denklemnde verlen evrensel ortak-değşnt matrs S den türetlr. 1 S c j j1 1 ( x burada tüm örneklern evrensel ortalama değern, j j T )( x ) (1) j x j' nc sınıftan olan ' nc örneğ, j j' nc sınıfa at örnek sayısını ve c se sınıf sayısını göstermektedr. m adet temel eksen, K 1,..,Km, S nn lk m en değerl özvektörü bulunarak elde edlr: SK K, { 1,,..., m}, m p () burada, S nn ' nc en büyük özdeğerdr. Ver kümesndek herhang br x örneğnn temel bleşenler (3) denklem le elde edlr: burada x T x K x, { 1,,..., } m ve [ K1, K,..., Km] (3) K (Wang ve Palwal, 003). 3.. En Küçük Kareler Destek Vektör Makneler En Küçük Kareler Destek Vektör Makneler (EKK-DVM) Suykens ve Vandewalle (1999) tarafından önerlmştr. Geleneksel DVM (Boser ve dğ., 199) üzernde temellendrlmş p hesaplama yükü daha haff br yöntemdr. ( x, y ) 1, x ve y 1 bçmnde verlen elemanlı br ver kümes çn, ( x, p özellğe sahp örnekler ve y se bu örneklere lşkn sınıf blgsn göstermek üzere), EKK-DVM aracılığıyla (4) denklem le verlen enyleme problemnn çözümü gerçekleştrlr: 1 1 En Küçükleme J ( w, e) w LS e (4) w b e Kısıtlama, y,, 1 T ( w ( x ) b) 1 e, { 1,,..., } burada w aşırı düzleme olan normal vektör, b yan veya dengeleyc br sabt, φ (.) örnek noktalarını daha yüksek boyutlu br uzaya hartalayan doğrusal olmayan br fonksyon, γ ve e se sırasıyla ceza ve arttıran yapay değşkenler olarak tanımlanır (Boser ve dğ. 199; Suykens ve Vandewalle, 1999; Krupa ve dğ. 011;Yılmaz ve Kılıkçıer, 013). (4) denklemnn çözümü çn aşağıda verlen Lagrangan fonksyonu tanımlanır: L LS T ( w, b, e; ) J ( w, e) { y [ w ( x ) b] 1 e } (5) LS 1 334
5 Uludağ Ünverstes Mühendslk Fakültes Dergs, Clt 1, Sayı, burada α ler Lagrange çarpanlarıdır. Enyleme aşağıdak doğrusal denklem takımının çözümü le gerçekleştrlr (Suykens ve Vandewalle, 1999): 0 Y Y ZZ T T I b 1 0 I (6) burada Z=[ φ T (x 1 ) y 1 ;...; φ T (x )y ], Y=[ y 1 ;...; y ], I=[1 ;...; 1 ], α=[ α ;...; α ]. EKK-DVM sınıflandırıcısı aşağıdak gb tanımlanır ve (6) le verlen doğrusal denklem takımının çözümü le elde edlr: f ( x) sgn ( 1 y K( x, x )) b) (7) K x, x ) çekrdek fonksyonu olarak smlendrlr ve k vektörün yüksek boyutlu uzaydak ç ( çarpımı bçmnde tanımlanır, x) T ( x ) (Boser ve dğ. 199; Suykens ve Vandewalle, 1999; ( Krupa ve dğ., 011; Yılmaz ve Kılıkçıer, 013). 4. ÖERİLE KARAR DESTEK SİSTEMİ Bu çalışmada önerlen sstemn mmars Şekl 1 de verlmştr. Sstem k aşamalı br yapıya sahptr. Brnc aşamada KTG ver kümesnn özellk vektörü boyutu detayları 3.1 alt bölümünde verlen TBA yöntem yardımıyla ndrgenmektedr. İndrgenmş özellk vektörüne sahp KTG vers sınıflandırma şlemnn gerçekleştrlmes amacıyla EKK-DVM sınıflandırıcısına uygulanmaktadır. EKK-DVM n çalışma prenspler 3. alt bölümünde verlmştr. Önerlen sstemde EKK-DVM n çekrdek fonksyonu olarak (8) denklem le verlen radal temell fonksyon kullanılmaktadır. 1 K( x, x ) exp( ( x x ) ) (8) burada çekrdek fonksyonunun genşlğdr. En yüksek başarım sonucunun elde edlmes amacıyla EKK-DVM parametreler ve nn değerler enyleme yoluyla belrlenmektedr. Enyleme şlemnde k boyutlu (B) ızgara arama yöntem kullanılmaktadır. B ızgara arama yöntemnde ve nn en y değerler belrlenen tanım aralıklarında aynı anda aranmaktadır. Bu çalışmada EKK-DVM parametrelernn en y değerler [0, ] aralığı aranarak belrlenmştr. ve nn, 0,001 den başlayan ve ölçeklenmş adım genşlğ le e kadar ulaşan tüm değerler çn EKK-DVM başarım sonuçları elde edlmştr. Bu başarım sonuçları arasında en yüksek EKK-DVM başarımını veren ve değerler en y değerler olarak seçlmştr. 335
6 Yılmaz E.: Kardotokogram Versnden Fetal İylk Halnn Belrlenmes İçn Br Karar Destek Sstem KTG Ver Kümes, 1 Özellkl Temel Bleşen Analz KTG Ver Kümes, Özellk Vektörü Boyutu < 1 En Küçük Kareler Destek Vektör Makneler B Izgara Arama Karar: Fetal İylk Hal Sınıfı Şekl 1: Önerlen TBA-EKK-DVM mmars 5. DEEYLER 5.1. Kardotokogram Ver Kümes Bu çalışmada UCI Makne Öğrenmes Ambarları ndan alınan KTG ver kümes kullanılmıştır ( Erşm Tarh: ). Ver kümesnde 3 özellkle tanımlanmış 16 örnek bulunmaktadır. Son k özellk FKH örneğ ve fetal durumu le lgl sınıf kodunu vermektedr. Her br örnek FKH örneğ ve fetal durumuna göre sınıflandırılablmektedr. Fetal durumu çn ormal, Patolojk ve Şüphel olmak üzere üç sınıf kodu bulunmaktadır. 16 örneğn 1655 adet ormal, 176 adet Patolojk ve 95 adet se Şüphel sınıfına attr. KTG ver kümesne at özellklern açıklamaları ve detayları ( Ayres-de-Campos ve dğ., 000) kaynaklarında bulunablr. 5.. Başarım Analz Önerlen karar destek sstemnn başarım ncelemes 10kÇD teknğ kullanılarak yapılmıştır. Başarım ölçütler olarak sınıflandırma doğruluğu, hata matrs, duyarlılık ve özgüllük kullanılmıştır. Çapraz doğrulama teknğ ve kullanılan ölçütler alt bölümlerde açıklanmıştır. 336
7 Uludağ Ünverstes Mühendslk Fakültes Dergs, Clt 1, Sayı, Çapraz Doğrulama Çapraz Doğrulama (ÇD), makne öğrenmes algortmalarının başarım ncelemelernde kullanılan statstksel br yöntemdr. ÇD de ver kümes eğtm ve test kümes olmak üzere kye ayrılır. Bu kümeler, her br örneğn br kez doğrulama şansına sahp olacağı bçmde, ardışık tekrarlamalar yoluyla brbrleryle karşılaştırılır (Refaelzadeh ve dğ. 009; Kohav ve Provost 1998, Yılmaz ve Kılıkçıer, 013). Detaylı blg (Refaelzadeh ve dğ., 009) le (Kohav ve Provost, 1998) çalışmalarında bulunablr Sınıflandırma Doğruluğu Sınıflandırma doğruluğu, br sınıflandırıcının doğru olarak tahmn ettğ örnek sayısının ver kümesnde yer alan tüm örnek sayısına oranı olarak bast br bçmde açıklanablr (Kohav ve Provost, 1998) Hata Matrs Hata matrs, br ver kümes çn tahmn edlen ve gerçek sınıflandırmaları gösterr. İk sınıflı br sınıflandırma problem çn hata matrs Tablo 1 de verldğ gb x boyutlu olarak oluşur (Kohav ve Provost, 1998; Yılmaz, 013). Tablo 1. Hata matrs Tahmn Edlen Gerçek Poztf egatf Poztf DP (Doğru Poztf) YP (Yanlış Poztf) egatf Y (Yanlış egatf) D (Doğru egatf) Duyarlılık ve Özgüllük Duyarlılık doğru poztf oranı, özgüllük se doğru negatf oranı olarak tanımlanırlar ve (9) le (10) denklemlernde verldğ gb fade edlrler (Kohav ve Provost 1998; Yılmaz, 013). DP Duyarlılık (9) DPY Özgüllük D (10) YP D 5.3. Deney Sonuçları Fetal ylk halnn belrlenmes problem k sınıflı sınıflandırma problem olarak ele alınmıştır. KTG ver kümes adet ormal ve 176 adet Patolojk örneğe sahptr. Deneyler yapılırken 10kÇD teknğ kullanılmıştır. Ver kümesnde yer alan örneklern 1 adet olan özellk vektörü boyutu TBA yöntem kullanılarak ndrgenmştr. Deneyler yapılırken, ndrgenmş özellk vektörü boyutu olarak [5-15] aralığı kullanılmış ve EKK-DVM parametrelernn ( γ ve ) seçm [0, ] arasında k boyutlu ızgara arama yöntemyle gerçekleştrlmştr. 337
8 Yılmaz E.: Kardotokogram Versnden Fetal İylk Halnn Belrlenmes İçn Br Karar Destek Sstem Tablo. TBA-EKK-DVM n her br kat çn sınıflandırma doğruluğu ve ortalama sınıflandırma doğruluğu (% Olarak) Yapılan deneyler sonucunda en yüksek başarı, ndrgenmş özellk boyutunun 10 ve EKK- DVM parametrelernn γ=100 ve olduğu durumda gerçekleşmştr. Önerlen sstemn bu durum çn 10kÇD başarım sonuçları Tablo ve Tablo 3 de sunulmuştur. Kat- 1 Kat- Kat-3 Kat-4 Kat-5 Kat-6 Kat-7 Kat-8 Kat-9 Kat-10 99,45 99,46 98,36 98,91 99,45 98,91 99,45 98,36 98,36 96,7 Ortalama Sınıflandırma Doğruluğu : 98,74 Tablo 3. TBA-EKK-DVM çn hata matrs Tahmn Edlen Gerçek Patolojk ormal Patolojk ormal Toplam Hata matrs kullanılarak duyarlılık ve özgüllük değerler sırasıyla %98,86 ve %98,73 olarak elde edlmştr Tartışma Bu çalışmada elde edlen sonuçlar le aynı ver kümes üzernde daha önce yapılan çalışmaların sonuçları başarım karşılaştırması yapmak amacıyla Tablo 4 de sunulmuştur. Tablo 4. Önerlen sstem le daha önce yapılan çalışmaların karşılaştırılması Yöntem USBÇS, Ocak ve Ertunç (013) GA-DVM (Özellk Vektörü Boyutu=13), Ocak 013 TBA-EKK-DVM (Bu Çalışma, İndrgenmş Özellk Vektörü Boyutu =10) Başarım İncelemes %50 Eğtlme %50 Test %50 Eğtlme %50 Test Duyarlılık Özgüllük %96,6 %97, %100 %99,3 10kÇD %98,9 %98,7 Tablo 4 ncelendğnde TBA-EKK-DVM n duyarlılık ve özgüllük oranlarının USBÇS n lgl oranlarından %,3 ve %1,5 daha y olduğu, GA-DVM e at duyarlılık ve özgüllük oranlarından se %1,1 ve %0,6 daha kötü olduğu görülmektedr. Fakat şunu da not etmek gerekr k; GA- DVM n başarım sonuçları 13 adet özellk vektörü kullanılarak elde edlmştr. TBA-EKK- DVM n başarım sonuçları se ndrgenmş özellk vektörü boyutunun 10 olduğu durum çn elde edlmştr. Ayrıca, GA-DVM n başarım ncelemes yapılırken ver kümes eğtlme ve test kümes olmak üzere kye ayrılırken, TBA-EKK-DVM de se 10kÇD teknğ kullanılmıştır. 338
9 Uludağ Ünverstes Mühendslk Fakültes Dergs, Clt 1, Sayı, 6. SOUÇLAR VE GELECEK ÇALIŞMALAR Bu çalışmada kardotokogram versnden fetal ylk halnn belrlenmes çn Temel Bleşen Analz ve En Küçük Kareler Destek Vektör Makneler yöntemler üzernde temellendrlmş br karar destek sstem önerlmştr. Sstemn başarımı 10 katlı Çapraz Doğrulama teknğ kullanılarak ncelenmştr. Yapılan deneyler le önerlen sstemn %98,7 sınıflandırma doğruluğuna, %98,9 duyarlılık oranına ve %98,7 özgüllük oranına sahp olduğu gösterlmştr. Ayrıca, daha önce yapılan çalışmalarda kullanılan sstemler le karşılaştırıldığında önerlen sstemn öneml br başarım sonucuna erştğ görülmektedr. Yapılan deneyler ışığında; bu çalışmada önerlen Temel Bleşen Analz ve En Küçük Kareler Destek Vektör Makneler yöntemlerne dayanan sstemn kardotokogram versnden fetal ylk halnn tesptnde başarılı br karar destek sstem olarak kullanılableceğ sonucuna varılmıştır. Gelecek çalışmalar kapsamında düşük özellk vektörü boyutu le yüksek başarım oranlarının elde edlebleceğ melez yöntemlern çalışılması planlanmaktadır. TEŞEKKÜR Yazar, UCI Makne Öğrenmes Ambarlarına değerl br açık ver tabanı olduğu çn teşekkür eder. Lchman, M. (013). UCI Machne Learnng Repostory [ Irvne, CA: Unversty of Calforna, School of Informaton and Computer Scence. REFERASLAR 1. Alfrevc, Z., Devane, D. ve Gyte, G.M.L. (013). Contnuous cardotocography (CTG) as a form of electronc fetal montorng (EFM) for fetal assessment durng labour, Cochrane Database of Systematc Revews. do: / CD pub. Ayres-de-Campos, D., Bernardes, J., Garrdo, A. ve dğ. (000). SsPorto.0: a program for automated analyss of cardotocograms. Journal of Maternal-Fetal and eonatal Medcne, 9(5), do: / Boser, B.E., Guyon, I.M. ve Vapnk, V.. (199). A tranng algorthm for optmal margn classfers, 5th Annual ACM Workshop on Computatonal Learnng Theory, Pttsburgh, PA, USA, do: / Fanell, A., Magenes, G., Campanle, M. ve Sgnorn, M.G. (013). Quanttatve assessment of fetal well-beng through CTG recordngs: A new parameter based on phaserectfed sgnal average. IEEE Journal of Bomedcal and Health Informatcs, 17(5), do: /JBHI Georgoulas, G., Stylos, C.D. ve Groumpos, P.P. (006). Predctng the rsk of metabolc acdoss for newborns based on fetal heart rate sgnal classfcaton usng support vector machnes, IEEE Transactons on Bomedcal Engneerng, 53(5), do: /TBME Huang, M. ve Hsu, Y. (01). Fetal dstress predcton usng dscrmnant analyss, decson tree, and artfcal neural network, Journal of Bomedcal Scence and Engneerng. do: /jbse Jezewsk, M., Czabansk, R. ve Lesk, J. (014). The nfluence of cardotocogram sgnal feature selecton method on fetal state assessment effcacy, Journal of Medcal Informatcs & Technologes, 3,
10 Yılmaz E.: Kardotokogram Versnden Fetal İylk Halnn Belrlenmes İçn Br Karar Destek Sstem 8. Karabulut, E.M. ve Ibrkc, T. (014). Analyss of cardotocogram data for fetal dstress determnaton by decson tree based adaptve boostng approach, Journal of Computer and Communcatons, (9), do: /jcc Kohav, R. ve Provost, F. (1998). Glossary of terms, Machne Learnng, 30(-3), Krupa,., MA, M.A., Zahed, E., Ahmed, S. ve Hassan, F.M. (011). Antepartum fetal heart rate feature extracton and classfcaton usng emprcal mode decomposton and support vector machne, BoMedcal Engneerng Onlne. do: / X Ocak, H. ve Ertunç, H.M. (013). Predcton of fetal state from the cardotocogram recordngs usng adaptve neuro-fuzzy nference systems, eural Computng and Applcatons, 3(6), do: /s Ocak, H. (013). A medcal decson support system based on support vector machnes and the genetc algorthm for the evaluaton of fetal well-beng, Journal of Medcal Systems, 37(9913), 1-9. do: /s Refaelzadeh, P., Tang, L. ve Lu, H. (009). Cross-valdaton. In Lu, L., Ozsu, M. T. (Eds.), Encyclopeda of Data Base Systems, do: / _ Ravndran, S., Jambek, A.B., Muthusamy, H. ve Sew-Chn,. (015). A novel clncal decson support system usng mproved adaptve genetc algorthm for the assessment of fetal well-beng, Computatonal and Mathematcal Methods n Medcne. do: /015/ Sundar, C., Chtradev, M. ve Geetharaman, G. (01). Classfcaton of cardotocogram data usng neural network based machne learnng technque, Internatonal Journal of Computer Applcatons. do: / Sundar, C., Chtradev, M. ve Geetharaman, G. (013). An overvew of research challenges for classfcaton of cardotocogram data, Journal of Computer Scence. do: /jcssp Suykens, J.A.K. ve Vandewalle, J. (1999). Least squares support vector machne classfers, eural Processng Letters, 9(3), do: /A: Van der Maaten, L., Postma, E. ve Van den Herk, J. (009). Dmensonalty reducton: a comparatve revew, Tlburg Unversty, TCC TR Wang, X. ve Palwal K.K. (003). Feature extracton and dmensonalty reducton algorthms and ther applcatons n vowel recognton, Pattern Recognton, 36(003), do: /S (03)00044-X 0. Yılmaz, E. ve Kılıkçıer, Ç. (013). Determnaton of fetal state from cardotocogram usng LS-SVM wth partcle swarm optmzaton and bnary decson tree, Computatonal and Mathematcal Methods n Medcne. do: /013/ Yılmaz, E. (013). An expert system based on Fsher score and LSSVM for cardac arrhythma dagnoss, Computatonal and Mathematcal Methods n Medcne. do: /013/
ARAŞTIRMA 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,
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
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
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
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
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
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
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
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
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
Detaylıa IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI
Fırat Ünverstes-Elazığ MİTRAL KAPAK İŞARETİ ÜZERİNDEKİ ANATOMİK VE ELEKTRONİK GÜRÜLTÜLERİN ABC ALGORİTMASI İLE TASARLANAN IIR SÜZGEÇLERLE SÜZÜLMESİ N. Karaboğa 1, E. Uzunhsarcıklı, F.Latfoğlu 3, T. Koza
DetaylıŞiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *
İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)
DetaylıKaraciğer mikrodizi kanser verisinin sınıflandırılması için genetik algoritma kullanarak ANFIS in eğitilmesi
Karacğer mkrodz kanser versnn sınıflandırılması çn genetk algortma kullanarak ANFIS n eğtlmes Bülent Haznedar 1*, Mustafa Turan Arslan 2, Adem Kalınlı 3 ÖZ 21.06.2016 Gelş/Receved, 30.11.2016 Kabul/Accepted
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
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
DetaylıBİRLEŞİK DALGACIK-SİNİR AĞI MODELİ YAKLAŞIMI İLE ELEKTRİK GÜÇ SİSTEMLERİNDE ARIZA SINIFLAMA
BİRLEŞİK DALGACIK-SİNİR AĞI MODELİ YAKLAŞIMI İLE ELEKTRİK GÜÇ SİSTEMLERİNDE ARIZA SINIFLAMA Oben DAĞ Canbolat UÇAK, Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlk Fakültes Yedtepe Ünverstes,, Erenköy,
DetaylıBulanık-Sinir Ağı Yapısı İçin Yeni Bir Karma Yaklaşım
Bulanık-Snr Ağı Yapısı İçn Yen Br Karma Yaklaşım Canan ŞENOL, Tülay YILDIRIM Mühendslk Fakültes, Elektronk Mühendslğ Bölümü Kadr Has Ünverstes canan@khas.edu.tr Elektrk-Elektronk Fakültes, Elektronk ve
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
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
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
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,
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
DetaylıSTANDART VE HİBRİD YAPILAR KULLANARAK YAPAY SİNİR AĞLARI İLE İMZA TANIMA
STANDART VE HİBRİD YAPILAR KULLANARAK YAPAY SİNİR AĞLARI İLE İMZA TANIMA Canan ŞENOL Tülay YILDIRIM Kadr Has Ünverstes, Elektronk Mühendslğ Bölümü, 3430, Cbal, Fath-İstanbul Yıldız Teknk Ünverstes, Elektronk
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
DetaylıKafes Yapıların Öğretme-Öğrenme Esaslı Optimizasyon Yöntemiyle Boyutlandırılması
Kafes Yapıların Öğretme-Öğrenme Esaslı Optmzasyon Yöntemyle Boyutlandırılması S. Özgür Değertekn, M. Sedat Hayaloğlu Dcle Ünverstes, İnşaat Mühendslğ Bölümü, 21280, Dyarbakır Tel: (412) 241 10 00 E-Posta:
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
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
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
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
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
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
DetaylıŞehiriçi Karayolu Ağlarının Sezgisel Harmoni Araştırması Optimizasyon Yöntemi ile Ayrık Tasarımı *
İMO Teknk Derg, 2013 6211-6231, Yazı 392 Şehrç Karayolu Ağlarının Sezgsel Harmon Araştırması Optmzasyon Yöntem le Ayrık Tasarımı * Hüseyn CEYLAN* Halm CEYLAN** ÖZ Bu çalışmada, şehrç ulaştırma ağlarının
DetaylıCilt:11 Sayı: 4 s , 2008 Vol: 11 No: 4 pp , M. Yasin ÖZSAĞLAM, Mehmet ÇUNKAŞ ÖZET
Polteknk Dergs Journal of Polytechnc Clt: Sayı: 4 s.99-305, 008 Vol: No: 4 pp.99-305, 008 Optmzasyon Problemlernn Çözümü çn Parçaçık Sürü Optmzasyonu Algortması M. Yasn ÖZSAĞLAM, Mehmet ÇUNKAŞ ÖZET Optmzasyon
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
DetaylıSoğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu
Soğutucu Akışkan arışımlarının ullanıldığı Soğutma Sstemlernn ermoekonomk Optmzasyonu * 1 Hüseyn aya, 2 ehmet Özkaymak ve 3 rol Arcaklıoğlu 1 Bartın Ünverstes akne ühendslğ Bölümü, Bartın, ürkye 2 arabük
DetaylıFirma Başarısızlığı Tahminlemesi: Makine Öğrenmesine Dayalı Bir Uygulama
BİLİŞİM TEKOLOJİLERİ DERGİSİ, CİLT: 9, SAY: 1, OCAK 016 1 Frma Başarısızlığı Tahmnlemes: Makne Öğrenmesne Dayalı Br Uygulama T. Şükrü YAPRAKL 1, Hamt ERDAL * 1 Atatürk Ünverstes, İİBF, İşletme Bölümü,
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
DetaylıZAMAN SERİSİ VERİ MADENCİLİĞİ VE DESTEK VEKTÖR MAKİNALAR KULLANAN YENİ BİR AKILLI ARIZA SINIFLANDIRMA YÖNTEMİ
Gaz Ünv. Müh. Mm. Fak. Der. J. Fac. Eng. Arch. Gaz Unv. Clt 3, No, 431-440, 008 Vol 3, No, 431-440, 008 ZAMAN SERİSİ VERİ MADENCİLİĞİ VE DESTEK VEKTÖR MAKİNALAR KULLANAN YENİ BİR AKILLI ARIZA SINIFLANDIRMA
DetaylıAerodinamik Akışların Modellenmesinde Döngülü Olan ve Olmayan 7 Yaklaşımın Uygulanması
Aerodnamk Akışların Modellenmesnde Döngülü Olan ve Olmayan 7 Yaklaşımın Uygulanması Mehmet Önder Efe, Marco Debas, Peng Yan, Htay Özbay 4, Mohammad Sammy 5 Elektrk ve Elektronk Mühendslğ Bölümü TOBB Ekonom
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:
DetaylıDETERMINATION OF THE ECONOMIC DISPATCH IN ELECTRIC POWER SYSTEMS USING SIMULATED ANNEALING(SA) ALGORITHM
5 Uluslararası İler Teknolojler Sempozyumu (IATS 09), 3-5 Mayıs 2009, Karabük, Türkye ELEKTRİK GÜÇ SİSTEMİNDE OPTİMAL YAKIT MALİYETİNİN BENZETİM TAVLAMA (BT) ALGORİTMASI İLE BELİRLENMESİ DETERMINATION
DetaylıTOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA
Araştırma Makaleler TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA Dr., Dokuz Eylül Ünverstes, İİBF İşletme Bölümü erhan.demrel@deu.edu.tr ÖZET Ekonomk faalyetlern
DetaylıTrombofili hastalığı ile genetik bozukluklar arasındaki ilişkinin adaptif ağ tabanlı bulanık mantık çıkarım sistemi (ANFIS) ile tespit edilmesi
SAÜ Fen Bl Der 20. Clt, 1. Sayı, s. 13-21, 2016 Trombofl hastalığı le genetk bozukluklar arasındak lşknn adaptf ağ tabanlı bulanık mantık çıkarım sstem (ANFIS) le tespt edlmes Bülent Haznedar 1*, Adem
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
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt:13 Sayı:2 sh.75-87 Mayıs 2012
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt:13 Sayı:2 sh.75-87 Mayıs 2012 ÇELİK YAPI SİSTEMLERİNDE İKİNCİ MERTEBE ANALİZ YÖNTEMLERİNİN İNCELENMESİ (INVESTIGATION OF SECOND ORDER ANALYSIS
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)
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
DetaylıAN IMPLEMENTATION OF INTEGRATED MULTI-CRITERIA DECISION MAKING TECHNIQUES FOR ACADEMIC STAFF RECRUITMENT
Journal of Management, Marketng and Logstcs (JMML), ISSN: 48-6670 Year: 04 Volume: Issue: AN IMPLEMENTATION OF INTEGRATED MULTI-CRITERIA DECISION MAKING TECHNIQUES FOR ACADEMIC STAFF RECRUITMENT Kemal
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,
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
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.
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,
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
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
DetaylıYAPILARIN ENERJİ ESASLI TASARIMI İÇİN BİR HESAP YÖNTEMİ
YAPILARI EERJİ ESASLI TASARIMI İÇİ BİR HESAP YÖTEMİ Araş. Gör. Onur MERTER Araş. Gör. Özgür BOZDAĞ Prof. Dr. Mustafa DÜZGÜ Dokuz Eylül Ünverstes Dokuz Eylül Ünverstes Dokuz Eylül Ünverstes Fen Blmler Ensttüsü
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,
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 :
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
DetaylıÇarpımsal Ceza Modeli İle Tamsayılı Programlama
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt: 10, Sayı:3, 2008 Çarpımsal Ceza Model İle Tamsayılı Programlama Sabr Erdem Özet Doğrusal olmayan optmzasyon problemlernn çözüm yöntemlernden brs,
DetaylıSinirsel Bulanık Sistemler İle Trafik Gürültüsünün Tahmini
Snrsel Bulanık Sstemler İle Trafk Gürültüsünün Tahmn Ahmet Tortum Yrd. Doç. Dr.,Atatürk Ünverstes,Mühendslk Fakültes,İnşaat Bölümü,Erzurum E-posta : atortum@ataun.edu.tr Yasn Çodur Arş.Gör., Atatürk Ünverstes,Mühendslk
DetaylıTE 06 TOZ DETERJAN ÜRETİM TESİSİNDEKİ PÜSKÜRTMELİ KURUTMA ÜNİTESİNDE EKSERJİ ANALİZİ
Yednc lusal Kmya Mühendslğ Kngres, 5-8 ylül 26, Anadlu Ünverstes, skşehr 6 OZ DRJAN ÜRİM SİSİNDKİ PÜSKÜRMLİ KRMA ÜNİSİND KSRJİ ANALİZİ GÜLSÜN BKAŞ*, FİRZ BALKAN ge Ünverstes Kmya Mühendslğ Bölümü, 351,
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
DetaylıSınıflandırma Problemlerinin Karşılaştırılmasında ANFIS ve Basamak Korelasyon Sinir Ağının Kullanımı
Süleyman Demrel Ünverstes Süleyman Demrel Unversty Fen Blmler Ensttüsü N. Şengöz, Dergs G. Özdemr / Sınıflandırma Problemlernn Karşılaştırılmasında ANFIS ve Basamak Korelasyon Snr Ağının Kullanımı Journal
DetaylıBİNALARIN YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN DESTEK VEKTÖR MAKİNELERİ SINIFLANDIRMA TEKNİĞİ KULLANILARAK BELİRLENMESİ
292 BİNALARIN YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN DESTEK VEKTÖR MAKİNELERİ SINIFLANDIRMA TEKNİĞİ KULLANILARAK BELİRLENMESİ Dlek Koç San 1 ve Mustafa Türker 2 1 ODTÜ, Fen Blmler Ensttüsü, Jeodez ve
DetaylıDestek Vektör Makineleri ile Yaramaz Elektronik Postaların Filtrelenmesi Spam e-mail Filtering Using Support Vector Machine
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, ecrkucukslle@sdu.edu.tr
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
DetaylıREGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI. Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK
REGRESYONDA ETKİLİ GÖZLEMLERİ BELİRLEME YÖNTEMLERİ VE KARŞILAŞTIRMALARI Can DARICA YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ŞUBAT 014 ANKARA Can DARICA tarafından hazırlanan
DetaylıK-means ve YSA temelli Hibrit Bir Model ile Epileptik EEG İşaretlerinin Sınıflandırılması
K-means ve temell Hbrt Br Model le Epleptk EEG İşaretlernn Sınıflandırılması Ramazan TEKİN 1 Yılmaz KAYA 2 Mehmet Emn TAĞLUK 3 1 Batman Ünverstes, Mühendslk Mmarlık Fakültes, Blgsayar Mühendslğ, Batman,
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
DetaylıALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK
DetaylıEKG İŞARETLERİNİN FARKLI VE BİRLEŞİK ÖZNİTELİKLER İLE ANALİZİ
EKG İŞARETLERİNİN FARKLI VE BİRLEŞİK ÖZNİTELİKLER İLE ANALİZİ Elf Derya ÜBEYLİ TOBB Ekonom ve Teknoloj Ünverstes, Elektrk ve Elektronk Mühendslğ, 06530 Söğütözü, Ankara, e-posta: edubeyl@etu.edu.tr ABSTRACT
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
DetaylıCalculating the Index of Refraction of Air
Ankara Unversty Faculty o Engneerng Optcs Lab IV Sprng 2009 Calculatng the Index o Reracton o Ar Lab Group: 1 Teoman Soygül Snan Tarakçı Seval Cbcel Muhammed Karakaya March 3, 2009 Havanın Kırılma Đndsnn
DetaylıYard. Doç. Dr. Oben Dağ 1. İstanbul Arel Üniversitesi obendag@arel.edu.tr. Özet. 1. Giriş. 2. Problemin Tanımı
Elektrk Güç Sstemlernde Mkro Şebeke Uygulamaları ve Harmonk Kaynak Yer Tespt Mcrogrd Applcatons n Electrcal Power Systems and Harmonc Source Locaton Yard. Doç. Dr. Oben Dağ 1 1 Elektrk-Elektronk Mühendslğ
DetaylıBulanık TOPSIS ve Bulanık VIKOR Yöntemleriyle Alışveriş Merkezi Kuruluş Yeri Seçimi ve Bir Uygulama
EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Clt: 14 Sayı: 3 Temmuz 2014 ss. 463-479 Bulanık TOPSIS ve Bulanık VIKOR Yöntemleryle Alışverş Merkez Kuruluş Yer Seçm ve Br Uygulama Selecton of Shoppng Center
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
DetaylıEpilepside EEG Tabanlı Entropi Değişimleri
TURKMIA 9 Proceedngs 7 VI. Ulusal Tıp Blşm Kongres Bldrler ENMI Vol V No 1, 9 Eplepsde EEG Tabanlı Entrop Değşmler b c Serap 1 AYDINa,1, H.Melh SARAOĞLU, Sadık KARA a Elektrk-Elektronk Müh Böl, Ondokuz
DetaylıDeprem Tepkisinin Sayısal Metotlar ile Değerlendirilmesi (Newmark-Beta Metodu) Deprem Mühendisliğine Giriş Dersi Doç. Dr.
Deprem Tepksnn Sayısal Metotlar le Değerlendrlmes (Newmark-Beta Metodu) Sunum Anahat Grş Sayısal Metotlar Motvasyon Tahrk Fonksyonunun Parçalı Lneer Interpolasyonu (Pecewse Lnear Interpolaton of Exctaton
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
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
DetaylıTHOMAS-FİERİNG MODELİ İLE SENTETİK AKIŞ SERİLERİNİN HESAPLANMASINDA YENİ BİR YAKLAŞIM
Osmangaz Ünverstes Müh.Mm.Fak.Dergs C.XVII, S., 004 Eng.&Arch.Fac.Osmangaz Unversty, Vol.XVII, No :, 004 THOMAS-FİERİNG MODELİ İLE SENTETİK AKIŞ SERİLERİNİN HESAPLANMASINDA YENİ BİR YAKLAŞIM Recep BAKIŞ,
DetaylıEVRİMSEL ALGORİTMA İLE SINIRLANDIRMALI DİNAMİK OPTİMİZASYON
EVRİMEL ALGORİTMA İLE INIRLANDIRMALI DİNAMİK OPTİMİZAYON Ş. BALKU, R. BERBER Ankara Ünvetes Mühendslk Fakültes, Kmya Mühendslğ Bölümü Tandoğan, 06100 Ankara ÖZET Aktf çamur proses atıksu arıtımında kullanılan
DetaylıMİNİMAL SİSTEMLERDE DURUM GERİBESLEMESİ İLE KUTUP ATAMA PROBLEMİNİN NÜMERİK ANALİZİ
MİNİMAL SİSTEMLERDE DURUM GERİBESLEMESİ İLE KUTUP ATAMA PROBLEMİNİN NÜMERİK ANALİZİ Erkam Murat BOZKURT Mehmet Turan SÖYLEMEZ Kontrol ve Otomasyon Mühendslğ Bölümü, Elektrk-Elektronk Fakültes, İstanbul
DetaylıGRİ İLİŞKİSEL ANALİZ YÖNTEMİNE GÖRE FARKLI SERTLİKLERDE OPTİMUM TAKIM TUTUCUSUNUN BELİRLENMESİ
2. Ulusal Tasarım İmalat ve Analz Kongres 11-12 Kasım 21- Balıkesr GRİ İLİŞKİSEL ANALİZ YÖNTEMİNE GÖRE FARKLI SERTLİKLERDE OPTİMUM TAKIM TUTUCUSUNUN BELİRLENMESİ Esra YILMAZ*, Ferhat GÜNGÖR** *ylmazesraa@gmal.com
DetaylıBULANIK HEDEF PROGRAMLAMA VE BİR TEKSTİL FİRMASINDA UYGULAMA ÖRNEĞİ
Eskşehr Osmangaz Ünverstes Sosyal Blmler Dergs Clt: 6 Sayı: 2 Aralık 2005 BULANIK HEDEF PROGRAMLAMA VE BİR TEKSTİL FİRMASINDA UYGULAMA ÖRNEĞİ İrfan ERTUĞRUL Pamukkale Ünverstes İİBF, Denzl ÖZET Günümüzde
DetaylıKAFES YAPILARIN MODİFİYE EDİLMİŞ YAPAY ARI KOLONİ ALGORİTMASI İLE OPTİMİZASYONU
XVIII ULUSAL MEKANİK KONGRESİ 26-30 Ağustos 2013, Celal Bayar Ünverstes, Mansa KAFES YAPILARIN MODİFİYE EDİLMİŞ YAPAY ARI KOLONİ ALGORİTMASI İLE OPTİMİZASYONU S Özgür Değertekn 1, Mehmet Ülker 2, M Sedat
DetaylıEmrah 70 Ekim 2011. kat edilen mesafenin en. mizasyonu (PSO) sezgisel. (PSO), Genetik Algoritma (GA), Optimizasyon, Meta-Sezgisel
METAplam kat edlen mesafenn en mzasyonu (PSO) sezgsel k (PSO), Genetk Algortma (GA), Optmzasyon, Meta-Sezgsel 74 OPTIMIZATION OF MULTI- PROBLEM OF ISTANBUL HALK EKMEK A.S. (IHE) BY USING META-HEURISTIC
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
DetaylıT.C. ULUDAĞ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KONUŞMACI TANIMA YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ. Cemal HANİLÇİ
T.C. ULUDAĞ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KONUŞMACI TANIMA YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ Cemal HANİLÇİ YÜKSEK LİSANS TEZİ ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI BURSA-2007 T.C. ULUDAĞ ÜNİVERSİTESİ
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
DetaylıMakine Öğrenmesi 6. hafta
Makne Öğrenmes 6. hafta Yapay Snr Ağlarına Grş Tek katmanlı YSA lar Algılayıcı (Perceptron) Aalne (Aaptve Lnear Elemen Byolojk Snr Hücres Byolojk snrler ört ana bölümen oluşmaktaır. Bunlar: Denrt, Akson,
Detaylıİnce Bir Çubuğun Belirsiz Doğal Frekanslarının Çokterimli Kaos Açılımı ile Matematiksel Olarak Modellenmesi
Dokuz Eylül Ünverstes-Mühendslk Fakültes Fen ve Mühendslk Dergs Clt 0, Sayı 60, Eylül, 08 Dokuz Eylul Unversty-Faculty of Engneerng Journal of Scence and Engneerng Volume 0, Issue 60, September, 08 85
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
DetaylıRASTGELE ORMAN SINIFLANDIRICISI İLE ARAZİ KULLANIM ALANLARININ BELİRLENMESİ
RASTGELE ORMAN SINIFLANDIRICISI İLE ARAZİ KULLANIM ALANLARININ BELİRLENMESİ Ö. Akar 1, O. Güngor 2, A. Akar 3 Karadenz Teknk Ünverstes, Harta Mühendslğ Bölümü, 61080, Trabzon. 1 oerden@ktu.edu.tr, 2 ogungor@ktu.edu.tr,
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
DetaylıSınır özniteliklerinin belirlenmesi ve adaptasyonu algoritması ve konsensüs karar verici yapılarda kullanımı
Sınır özntelklernn belrlenmes ve adaptasyonu algortması ve konsensüs karar verc yapılarda kullanımı N. Gökhan KASAPOĞLU *, Okan K. ERSOY 2 İTÜ Elektronk ve Haberleşme Mühendslğ Bölümü, 34469 Maslak, İstanbul
DetaylıYAPAY ZEKA YÖNTEMLERİYLE BİTKİ YAPRAK İMGELERİNDE PAS HASTALIKLARININ TESPİTİ. Emrullah ACAR
T.C DİCLE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YAPAY ZEKA YÖNTEMLERİYLE BİTKİ YAPRAK İMGELERİNDE PAS HASTALIKLARININ TESPİTİ Emrullah ACAR YÜKSEK LİSANS TEZİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI
DetaylıDARBELİ RADARLARDA HEDEF SINIFLAMA İÇİN AR MODELİNİN GÜÇ SPEKTRUMU VE YAPAY SİNİR AĞI TEMELLİ ÖZELLİK ÇIKARMA YÖNTEMİ ÖZET
Polteknk Dergs Journal of Polytechnc Clt: Sayı: s. 11-17, Vol: No: pp. 11-17, DARBELİ RADARLARDA HEDEF SINIFLAMA İÇİN AR MODELİNİN GÜÇ SPEKTRUMU VE YAPAY SİNİR AĞI TEMELLİ ÖZELLİK ÇIKARMA YÖNTEMİ İbrahm
Detaylı