Видео

Afyondan selamlar kıymetli hocam. Video için teşekkür ederim.

Merhabalar hocam, tuğla hesabında 501 olmayacak mı tam anlamadım.

abi win 11 de diski temizle tuşu yok

Çok teşekkürler, beni büyük bir dertten kurtardınız 👍

geri dönüşüm kutusu ve videolar çok yer kaplıyor göz atmanızı öneririm

LAN!

çok kaliteli bir anlatış tarzıınz var hocam saygılarla

hocam 1,75/9,81 yani PA-PB/gama 17,5 oldu acaba işlem hatası yok mudur

Eğik taban yüzeyine nasıl etki eder? Yüzeye mi dik zemine mi dik?

eğitimleriniz için teşekkürler. arkadaki müzik olmasa çok daha iyi olacaktı. iyi günler

Bu arka planda calan muzik ne ise yariyor????

hocam bunun pdfi varmı

Hocam ben 1. Sınıfım bu dersi anlamam için ne yapmamı tavsiye edersiniz 🥹😔

Bu videoda önemli gördüğüm yerler şunlardır: - Algoritma Seçimi: Farklı algoritmalar, farklı problem türlerine göre daha uygundur. Problemin yapısına ve gereksinimlerine göre doğru algoritmanın seçilmesi, başarılı sonuçlar elde etmenizi sağlar. Aksi takdirde, çözüm kümesinde yanlış yönlenebiliriz. - Tekrar (İterasyon) Sayısı: Yeterli tekrar sayısı, algoritmanın çözüm uzayını keşfetmesine olanak tanır. Ancak, çok fazla iterasyon işlem süresini uzatırken, yetersiz iterasyon da optimum çözüme ulaşmayı engelleyebilir. Bu nedenle, iyi bir denge kurmak önemlidir. Bu yüzden tekrar sayısı da önemlidir.

bende temizleme çok uzun sürüyor ama yinede tşk

Bu videoda benim için önemli olan kısımlar; PSO Algoritması için parametreler belirlendi ( popülasyon sayısı, iterasyon sayısı, min değerler, max değerler, bilinmeyen değer gibi.). Optimtool ile Genetik Algoritmayı seçip değerler verip sonuçların elde edilmesi. PSO’nun sonuçları GA’ya göre daha iyi sonuçlar ve daha kısa sürede elde edilmesi. Optimizasyon yöntemleri bize minimuma en yakın sonucu vermeyi amaçlar. Bu sebepten en az 30 defa kod çalıştırılır ve elde edilen sonuçların ortalamasına göre min değeri, max değeri ve standart sapmasına göre kullanılabilirliği araştırılabilmesi.

Video'da optimizasyon yöntemleri karşılaştırılıyor ve PSO'nun GA'ya göre daha hızlı cevap verdiği görülüyor. Ayrıca hazır modul komutlarınn parametreleri değiştirilerek sonuca etkisi gözlemleniyor..

Bu videoda pso algoritması ve genetik algoritma ile fonksiyonun min değerinin bulunması amacıyla optimize edilecek olan fonksiyona hesaplanılacak bilgilerin algoritma üzerinde tanımlanması ile fonksiyon programca tanınır hale gelir. Önceki videolarda da görülen fonksiyonun max ve min olduğu değerler, fonksiyonun kaç bilinmeyenli olduğu(problem boyutu), iterasyon sayısı, fonksiyon alt limiti ve üst limiti gibi etkenler kullanılır. Matlab programindaki optimtool ile GA kullanılabiliyor alt ve üst limitler daha kolay yazılabiliyor. Sonunda elde edilen verilere bakıldığında her iki algoritma için pso nun daha iyi sonuç verdiği görülmekte.

Elinize sağlık Hocam program güncellendiği için keşke güncel versiyonu çekseniz.

Sayın hocam Edit üzerinden Anfis seçtiğimde FIS must have rules. diye bir hata alıyorum neden olabilir yardımcı olur musunuz.

bende temizle yok

Hocam bu müzik şaka mı ders dinliyoruz hiç odaklanamadım maalesef çok dinlemek isterdim

hocam arka fon müziği olmadan çok daha anlaşılır olmuş

Bana göre videodaki öncekle önemli kısım videoda PSO VE GA kullanarak fonksiyonun minimum değerini buluyoruz. PSO[nPOP,MazIT,Varmin,Varmax,nVar,CostFunction) kısmıdır burada algoritma girilerek istenilen sonuca varmamız daha kolaylaşıyor ve ga pso göre min daha yakın değer verirken, PSO Ga göre daha iyi sonuç buluyoruz.

Bu videodaki benim için önemli kısımlar, PSO (Parçacık Sürü Optimizasyonu) ve GA (Genetik Algoritmalar) yöntemleriyle problemi çözmek için fonksiyonun parametrelerini tanımlayıp değer belirlememiz gerekmesi, PSO'nun daha kesin sonuçlar sağlarken, GA'nın daha hızlı çalışması, en iyi sonucu elde etmek için hem benzer hem de farklı algoritmaların sonuçlarının ortalaması alınarak doğru sonuca en yakın değere ulaşılması, sonuçların kullanılabilirliğinin değerlendirilmesi ve testler yapılması.

Bu videodaki benim için en önemli kısımlar , pso'nun matlab programı üzerinde problemlerimize göre girdiler verip girdilere göre yapılan işlemler sonucu bize sonuç vermesi, pso daha net sonuçlar verirken ga (Genetik Algoritma) daha hızlı çalışır, ancak sonuçlar daha yaklaşık olabilir. eğer ga da çalışacak olursak her çalıştırdığımızda minumuma yakın sonuçlar alacağımız için çokça çalıştırıp ortalamalarını almamız gerekmesi.

bu videodaki en önemli kısım ilk olarak yazılan fonksiyonun optime edileceği optimizasyon programını seçmemiz lazım ve oraya adapte etmek lazım. ve burada fonksiyon hakkında herşeyi kod olarak görebiliyoruz

Videoda, PSO'nun GA'ya göre daha hızlı ve net sonuçlar verdiği, GA'nın ise minimuma yakın değerler sunduğu belirtilmiş. PSO ve GA parametrelerinin doğru girilmesinin önemli olduğu, her iki yöntemin de ortalama sonuçlarla en iyi çözüme ulaştığı vurgulanmış.

Bu videodaki benim için önemli kısımlar; Fonksiyonumuzun parametrelerinin tanımlanması sırasında neyin neye karşılık geldiğini bilerek işlem yapmamızdır,parametre tanımlamalarında yapacağımız bir yanlışlık bizi istediğimiz sonuçtan çok uzaklaştıracak ve hata yapmamıza sebep olacaktır.Videoda bahsedilen bir diğer önemli konu ise PSO'nun daha hızlı sonuçlar verirken genetik algoritmanın avantajının hızdan çok sonuca daha yakın değerler bulmasıdır

Bu videoda Sezgisel algoritmanın amacı çözmek ve kümeye sezgisel olarak yaklaşarak en iyi çözüme veya optimale yakın bir çözüme ulaşmaya çalışmaktır. PSO ayrıca sürüdeki en iyi konuma sahip parçacık konumunu da tespit eder ve diğer parçacıklar da tespit edilir, bu yönde yoğunlaşır. Videodaki örnekte de gördüğümüz gibi saat 2.50 sıralarında amiral oradaydı, arama ekiplerinden biri de geminin yan tarafındaydı. Parçayı bulduğunda diğer arama ekipleri de o bölgeye odaklanıyor, hedef amiral oluyor. Gemisini bulmak istediği için o bölgedeydi. Bulunmadığı anlaşıldığında ise konum ve hız tekrar tekrar tekrarlanır. 6 ve 9, 7 ve 8 sayıları ve ayrıca gemi kısmı bulunduğunda sezgisel olarak bunun olabileceğini söyleyebiliriz ve o alana odaklanıyoruz. PSO algoritması buna dayanmaktadır, temel olarak sürü zekası her bir bireyin bir parçacık olarak adlandırıldığı ve parçacık popülasyonunun Herding olduğu, performans sırasında önceki deneyimlere dayalı konum yinelemeleri olarak adlandırılmaktadır. ve sürüdeki en iyi parçacık hedefi bu algoritma ile rakip oyuna giriyor. Arama ekiplerini batırma ihtimalimiz daha yüksek. Bizi daha doğru konumlandırmak için. Çözüm uzayında her boyutta hızı ve yönü nasıldır? iyi koordinatların bir kombinasyonu olacak

Bu videoda Sezgisel algoritmanın amacı çözmek ve kümeye sezgisel olarak yaklaşarak en iyi çözüme veya optimale yakın bir çözüme ulaşmaya çalışmaktır. PSO ayrıca sürüdeki en iyi konuma sahip parçacık konumunu da tespit eder ve diğer parçacıklar da tespit edilir, bu yönde yoğunlaşır. Videodaki örnekte de gördüğümüz gibi saat 2.50 sıralarında amiral oradaydı, arama ekiplerinden biri de geminin yan tarafındaydı. Parçayı bulduğunda diğer arama ekipleri de o bölgeye odaklanıyor, hedef amiral oluyor. Gemisini bulmak istediği için o bölgedeydi. Bulunmadığı anlaşıldığında ise konum ve hız tekrar tekrar tekrarlanır. 6 ve 9, 7 ve 8 sayıları ve ayrıca gemi kısmı bulunduğunda sezgisel olarak bunun olabileceğini söyleyebiliriz ve o alana odaklanıyoruz. PSO algoritması buna dayanmaktadır, temel olarak sürü zekası her bir bireyin bir parçacık olarak adlandırıldığı ve parçacık popülasyonunun Herding olduğu, performans sırasında önceki deneyimlere dayalı konum yinelemeleri olarak adlandırılmaktadır. ve sürüdeki en iyi parçacık hedefi bu algoritma ile rakip oyuna giriyor. Arama ekiplerini batırma ihtimalimiz daha yüksek. Bizi daha doğru konumlandırmak için. Çözüm uzayında her boyutta hızı ve yönü nasıldır? iyi koordinatların bir kombinasyonu olacak

Bu videoda Sezgisel algoritmanın amacı çözmek ve kümeye sezgisel olarak yaklaşarak en iyi çözüme veya optimale yakın bir çözüme ulaşmaya çalışmaktır. PSO ayrıca sürüdeki en iyi konuma sahip parçacık konumunu da tespit eder ve diğer parçacıklar da tespit edilir, bu yönde yoğunlaşır. Videodaki örnekte de gördüğümüz gibi saat 2.50 sıralarında amiral oradaydı, arama ekiplerinden biri de geminin yan tarafındaydı. Parçayı bulduğunda diğer arama ekipleri de o bölgeye odaklanıyor, hedef amiral oluyor. Gemisini bulmak istediği için o bölgedeydi. Bulunmadığı anlaşıldığında ise konum ve hız tekrar tekrar tekrarlanır. 6 ve 9, 7 ve 8 sayıları ve ayrıca gemi kısmı bulunduğunda sezgisel olarak bunun olabileceğini söyleyebiliriz ve o alana odaklanıyoruz. PSO algoritması buna dayanmaktadır, temel olarak sürü zekası her bir bireyin bir parçacık olarak adlandırıldığı ve parçacık popülasyonunun Herding olduğu, performans sırasında önceki deneyimlere dayalı konum yinelemeleri olarak adlandırılmaktadır. ve sürüdeki en iyi parçacık hedefi bu algoritma ile rakip oyuna giriyor. Arama ekiplerini batırma ihtimalimiz daha yüksek. Bizi daha doğru konumlandırmak için. Çözüm uzayında her boyutta hızı ve yönü nasıldır? iyi koordinatların bir kombinasyonu olacak

Videoda önemli kısım; eğer değerlerin ne işe yaradığını ve kod okumayı biliyorsak hazır kodu isteğimize göre uyarlayabiliriz ve arayüz ile çalışan programlarının sağladığı kullanım kolaylığı.

Bu videodaki onemli kisimlar Pso ile cozerken parametre degerlerini girmeliyiz Pso ya gore ga nin daha basit bir sekilde cozume gitmesi

Bana göre videodaki önemli kısımlar ; * PSO ya ait optimizasyon programında fonksiyon oluşturulduktan sonra fonksiyona ait değerler girilmelidir. *npop=popülasyon sayısı MaxIt =iterasyon sayısı VarMin=fonksiyondaki xlerin min değeri VarMax=fonksiyondaki xlerin max değeri nVar =bilinmeyen sayısıdır. *Arayüz oluşturan programlar kullanım açısından daha kolaydır . *optimtool ile genetik algoritma(GA) açılır. function isimi, değişken sayısı, alt ve üst sınırlar yazılarak sonuç kolayca bulunabilir. *Genetik algoritmada programı her çalıştırmada minimuma yakın sonuçlar alınır . *Optimizasyonda minimuma en yakın sonuçlar alınır. Ama her zaman tam minimum sonucu alamayabiliriz. Bu yüzden bir optimizasyon yöntemi çalıştırılırken çok kez çalıştırılıp elde edilen sonuçların minimumu bulunmalıdır.

Videoda, Parçacık Sürü Optimizasyonu (PSO) ve Genetik Algoritma (GA) kullanılarak bir hedef fonksiyonun minimum değerinin bulunması süreci, gerekli parametre tanımlamaları ve sonuçların değerlendirilmesiyle birlikte, PSO'nun genelde daha net ve hızlı sonuçlar verirken GA'nın daha yakın minimum değerler sağladığı vurgulanmaktadır.

Bu videodaki önemli kısımlar; •PSO ve GA kullanarak fonksiyonun minimum değerini buluyoruz. •nPop=popülasyon sayısı ,MaxIt=iterasyon sayısı ,VarMin=xlerin min değerleri ,VarMax=xlerin max değerleri ,nVar=kaç bilinmeyen olduğu • genetik algoritmada her çalıştırdığımızda minimuma yakın değerler veriyor fakat tam minimum değeri elde edemiyoruz optimizasyon yöntemleri bize minimuma en yakın sonucu vermeyi taahhüt etmekte , bir optimizasyon yöntemi çalıştırılırken çok fazla deneme yapılıp elde edilen sonuçların ortalaması alınıp minimum , maximum ve standar sapması bulunup kullanılabilirliği araştırılmalı

bu videonun en önemli kısmı bence problemi pso ile çözmek istersek fonksiyon için parametre belirlemeliyiz pso daha net sonuçlar verir ga ise daha seridir

Benim için videodaki önemli kısımlardan biri, fonksiyon oluşturulduktan sonra parçacık sürü optimizasyonu kullanıldığında oluşturulan fonksiyon değerlerinin algoritmada yerine girilmesi gerektiği ve genetik algoritma kullanıldığında fonksiyonun alt sınırlar ve üst sınırlar girilmesi gerektiği

Bu videonun benim için önemli olan kısmı, PSO (Parçacık Sürü Optimizasyonu) ve GA (Genetik Algoritmalar) kullanılarak yedekleme yapılır. Öncelikle PSO ile çalışmaya başladığımızda, yazdığımız programların fonksiyonları sayesinde daha kolay sonuçlar elde etmek için çalışmaya başlar. GA'da ise alt ve üst sınırı belirleyerek kod yazmamız gerekiyor. Genel olarak PSO'nun GA'ya göre daha hızlı ve daha iyi sonuçlarını görebiliyoruz. Ayrıca, bir problemin çözümü için niteliklerin parametrelerini tanımlayıp onlara değer atamamız gerekiyor. En iyi sonuçları almak için farklı parametre parametrelerini deneyin ve sonuçların ortalaması çok önemli.

Bu videoda benim için önemli kısımlar; Pso ve ga algoritmalarının çalışma şeklinin gösterilmesidir. Pso yu istediğimiz kodun çalışması için çağırarak adapte ediyoruz. Yazılım çözülerek yerlerine ne yazacağımızı bilmemiz gerekiyor. Ga da ise çalışma şekli daha kolaydır. Arayüz yazılmış olduğumdan dolayıdır. Ancak optimizasyon uygulamalarında minimum alırken bir çok kez örneğini alarak ortalamasını almamız daha net bir cevap veriyor.

Videoda benim için önemli kısımlar, Fonksiyon oluşturulduktan sonra PSO (Parçacık sürü optimizasyonu) kullanıldığında oluşturulan fonksiyon değerlerinin algoritmada yerine girilmesi gerektiği , GA( genetik algoritma) kullanıldığında fonksiyon adı, değişken sayısı , alt sınırlar ve üst sınırlar girilmesi gerektiği, PSO daha iyi sonuçlar verir, GA ise daha hızlı çalışmasına rağmen minimuma yakın değeleri verdiği fakat her çalıştırıldığında farklı değerler verdiği için iterasyonu çok kez çalıştırıp ortalama değeri almamızın daha iyi bir sonuç verceğidir.

Videoda benim için önemli olan kısımlar; İki farklı optimizasyon algoritması olan Particle Swarm Optimization (PSO) ve Genetic Algorithm (GA) üzerine örnekler sunmaktadır. Bu iki algoritma, bir hedef fonksiyonun en iyi değerini (minimum) bulmak için popülasyon tabanlı yaklaşımlar kullanır. Optimize edilecek fonksiyonun belirlenmesinde, optimize edilecek üç farklı fonksiyon seçilmiştir. Her iki algoritmada da bu fonksiyonları optimize etmek için kullanılmıştır. PSO için parametrelerin belirlenmesinde, PSO algoritması için popülasyon sayısı, iterasyon sayısı, fonksiyonda x'in alabileceği maksimum ve minimum değerler, bilinmeyen sayısı gibi parametreler belirlenir. Bu parametrelerin değerleri atanarak algoritma çalıştırılır ve sonuçlara hızla ulaşılır. GA için parametrelerin belirlenmesinde, GA için de popülasyon büyüklüğü, mutasyon oranı, crossover oranı ve iterasyon sayısı gibi parametreler belirlenir. Algoritma bu parametreler doğrultusunda çalıştırılır. PSO algoritması, GA'ya kıyasla daha hızlı yanıtlar vermiş ve daha iyi sonuçlar elde etmiştir.

bu muzık ne amk

Bu nerelerde kullanılır ? Bize biraz açıklar mısınız? Günlük hayatta vs

Hocam anfis ve matlab için bana ulaşın lütfen

win update pc ye zarar vermezmi ben pcyi win 10 yaptırdım win 8 den silersem bişe olur mu

müzik niye koydun mal

Abi eyvallah şakasız 224 den 268'e çıktı eline emeğine sağlık işin rast gelsin.

eyvallah hocam sağolasın