Perencanaan Jaringan Mobile Seluler
Tahapan Perencanaan Jaringan
Prosedur Umum Perencanaan Jaringan
Tujuan Perencanaan Jaringan
Penentuan Spesifikasi Desain
Prediksi Kebutuhan Trafik
Perencanaan Jaringan Akses
Berdasarkan coverage
Berdasarkan capacity
Perencanaan Jaringan Inti
Analisa Hasil Perancangan
Secara Kualitas
Tekno Ekonomi
Perencanaan Jaringan Mobile Seluler
Tahapan Perencanaan Jaringan
Prosedur Umum Perencanaan Jaringan
Tujuan Perencanaan Jaringan
Penentuan Spesifikasi Desain
Prediksi Kebutuhan Trafik
Perencanaan Jaringan Akses
Berdasarkan coverage
Berdasarkan capacity
Perencanaan Jaringan Inti
Analisa Hasil Perancangan
Secara Kualitas
Tekno Ekonomi
Presentasi tentang pembahasan multiplexing pada mata kuliah komunikasi data, dimulai dari pengertian multiplexing, keuntungan multiplexing, dan teknik multipelxing.
=================================
untuk makalah multiplexing dapat dilihat disini
http://www.academia.edu/31574223/MAKALAH_KOMUNIKASI_DATA_Multiplexing
Percobaan “Rangkaian RL dan RC” bertujuan untuk menentukan reaktansi induktif (XL) dan reaktansi kapasitif (XL) serta menentukan besarnya nilai kapaasitas kapasitornya (C) dan induktansi inductor (L). metode percobaan yang dilakukan yaitu merangkai alat-alat seperti gambar kemudian mengatur power supplay pada tegangan tertentu. Pada rangkaian RC diukur nilai VR, VC, dan I sedangka pada RL diukur nilai VR, VL dan I dengan memanipulasi Hambatan (R). Lalu mengubah AC ke DC. Setelah itu, mengukur nilai XC dan XL. Dari percobaan ini diperoleh hasil dari XC untuk arus AC sebesar (41,8 x 10-3 ± 5,3 x 10-3) Ω dengan taraf ketelitian 87,3 % dan XC untuk arus DC sebesar (26,5 x 10-3 ± 3,5 x 10-3) Ω dengan taraf ketelitian sebesar 86,8 %. Sedangkan XL untuk arus AC dihasilkan nilai sebesar (4,38 x 10-3 ± 1,99 x 10-3) Ω dengan taraf ketelitian 55 % dan untuk arus DC sebesar (1,57 x 10-3 ± 0,597 x 10-3) Ω dengan taraf ketelitian 62 %. Besar C untuk arus AC sebesar (0,078 ± 0,009) F dengan taraf ketelitian 88,5 % dan C untuk arus DC sebesar (0,12 ± 0,015) F dengan taraf ketelitian 87,5 %. Besar L untuk arus AC sebesar (1,38 x 10-5 ± 0,62 x 10-5) H dengan taraf ketelitian 55 % dan L untuk arus DC sebesar (5 x 10-6 ± 1,9 x 10-6) H dengan taraf ketelitian sebesar 62%. Hal ini menyebabkan nilai Kapasitor (C) dan Induktor (L) memiliki perbedaan besar yang jauh yaitu hubungan masing-masing komponen (L dan C).
Presentasi tentang pembahasan multiplexing pada mata kuliah komunikasi data, dimulai dari pengertian multiplexing, keuntungan multiplexing, dan teknik multipelxing.
=================================
untuk makalah multiplexing dapat dilihat disini
http://www.academia.edu/31574223/MAKALAH_KOMUNIKASI_DATA_Multiplexing
Percobaan “Rangkaian RL dan RC” bertujuan untuk menentukan reaktansi induktif (XL) dan reaktansi kapasitif (XL) serta menentukan besarnya nilai kapaasitas kapasitornya (C) dan induktansi inductor (L). metode percobaan yang dilakukan yaitu merangkai alat-alat seperti gambar kemudian mengatur power supplay pada tegangan tertentu. Pada rangkaian RC diukur nilai VR, VC, dan I sedangka pada RL diukur nilai VR, VL dan I dengan memanipulasi Hambatan (R). Lalu mengubah AC ke DC. Setelah itu, mengukur nilai XC dan XL. Dari percobaan ini diperoleh hasil dari XC untuk arus AC sebesar (41,8 x 10-3 ± 5,3 x 10-3) Ω dengan taraf ketelitian 87,3 % dan XC untuk arus DC sebesar (26,5 x 10-3 ± 3,5 x 10-3) Ω dengan taraf ketelitian sebesar 86,8 %. Sedangkan XL untuk arus AC dihasilkan nilai sebesar (4,38 x 10-3 ± 1,99 x 10-3) Ω dengan taraf ketelitian 55 % dan untuk arus DC sebesar (1,57 x 10-3 ± 0,597 x 10-3) Ω dengan taraf ketelitian 62 %. Besar C untuk arus AC sebesar (0,078 ± 0,009) F dengan taraf ketelitian 88,5 % dan C untuk arus DC sebesar (0,12 ± 0,015) F dengan taraf ketelitian 87,5 %. Besar L untuk arus AC sebesar (1,38 x 10-5 ± 0,62 x 10-5) H dengan taraf ketelitian 55 % dan L untuk arus DC sebesar (5 x 10-6 ± 1,9 x 10-6) H dengan taraf ketelitian sebesar 62%. Hal ini menyebabkan nilai Kapasitor (C) dan Induktor (L) memiliki perbedaan besar yang jauh yaitu hubungan masing-masing komponen (L dan C).
Phishing Attacks: Trends, Detection Systems and Computer Vision as a Promisin...Selman Bozkır
In this presentation, I first introduce the problem of phishing covering the following issues: (a) statistics reported by APWG, (b) the types of phishing attacks, and (c) example phishing e-mails. Next, I discuss why this problem has not yet been solved. Later, after having demonstrated several studies, I state various reasons why and how computer vision can help us to combat phishing. Finally, I present our futuristic vision towards new generation phishing detection systems employing deep neural network-based image recognition and segmentation schemes
Use of hog descriptors in phishing detectionSelman Bozkır
In this paper we are diving into the details of an anti phishing detection system which employs HOG features.
* The presentation is built with voice recording
1. Hopfield Ağı Yapay Sinir Ağları ESOGU Bilg. Müh. 4. Sınıf Eğitmen:İdris Dağ
2.
3.
4.
5. Hopfield Ağı’nın Yapısı Hopfield Ağı bir miktar desenin depolanması için tasarlanmıştır böylelikle gürültülü veya kısmi ipuçlarından desenleri düzeltebilir. Bunu her deseni temsil eden attractorlara sahip bir enerji yüzeyi oluşturarak yapar. Gürültülü ve kısmi ipuçları sistemin attractorlara yakın olan durumlarıdır. Bir Hopfield Ağı peryodunda, enerji yüzeyi gürültülü desenden en yakın attractora – en yakın depolanmış deseni temsil eden - doğru kayar. Görsel olarak en çekici gösterimlerden birisi bir grup resmin depolanabilmesidir. Sonra ağa ya resimlerden birinin bir parçası (kısmi ipucu) ya da gürültülü bir resim (gürültülü ipucu) verilebilir ve bir çok iterasyon yoluyla depoladığı resimlerden birini bulgulardan çıkarmayı başarır.
6. Hopfield Ağı’nın Yapısı 1 2 i n ç i1 ç i2 ç ii ç in A ij i-inci noktadan j hücresine bağıntının ağırlığını gösterir. a12 a1i a1n ain an1 ani
7. Hopfield Ağı’nın Yapısı t zamanında ağın girdisi a ij ağırlık değeri ç ij (t-1) proses elemanın bir önceki çıktısı O eşik değeridir. Aynı hücrenin çıktısı Kesikli işlemci fonksiyonu Sürekli işlemci fonksiyonu
8. Hopfield Ağı’nın Yapısı Hebbian öğrenme kuralı Hopfield Ağı Hebbian öğrenmeyi uygular. Bu şekilde bir öğrenme ilk defa Hebb (1949) tarafından ifade edilen sinaptik modülasyon yönteminin matematiksel bir çıkarımıdır. Hebb‘in kuralına göre, eğer alıcı nöron ateşliyorken bir nöron başka bir nöronu uyarıyorsa, iki hücre arasındaki bağlantı ağırlıklandırılır.Matematiksel olarak: wij = ai aj Bu, bir ağırlıktaki değişim bağlandığı birimlerin aktivasyonları çarpımına eşittir. Böylelikle, eğer iki birim de açıksa (ai=1) veya her iki birim de kapalıysa (ai=-1) ağırlığın gücü artar, aksi halde azalır. Hebb kuralının matematiksel tanımı bir ağırlığın, eğer her iki birim de kapalıysa artmasına ve eğer birimlerin aktivasyonları 1 ve –1 ise azalmasını sağlar. Bu özellikler muhtemelen fiziksel olarak açıklanamaz ve değiştirilemez, bununla birlikte sisteme eğer Hebbian kuralı uygulanmışsa anlaşılamsı daha kolay olur. Eğer birimler dizisine bir deseni anında verip üstteki kuralı uygularsak, o desen ağın attractoru haline gelir, bu da Hopfield ağının ilgilendiği Hebbian öğrenmenin önemli bir özelliğidir. Sonuç olarak, eğer ağın aktivasyonunun deseni depolanmış bir desene yakınsa, o desene doğru gitmeye çalışacaktır. Ayrıca, attractora bir kere ulaştığında sürekli orda kalır –attractorlar sabittir.
9. Hopfield ağında diğer bazı YSA’lardaki gibi ağırlıkların yenilenmesi (geri besleme) ve çıktıların elde edilmesi (ileri besleme) olmak üzere iki faz vardır. Ağırlıkların Belirlenmesi: Ağın eğitimi bir defada öğrenme kuralına göre aşağıdaki formül kullanılarak yapılmaktadır. M öğrenilecek örnek sayısı X ise bir öğreğin i . ve j . elemanlarının değerlerini gösterir. Ağın kullanılabilmesi için durağan hale gelmesi gerekir. Bu da şu şekilde sağlanır. Ağırlıkların Belirlenmesi ve Bilgilerin Çağrılması
10.
11.
12.
13. Ağırlıklar (1,1,1,1) Hafızada bulunan desen (1,1,1,1) olsun. Buna (1,1,1,-1) bozuk desen sunulursa ne olur? D 1 = 1*1 = 1 D 2 = 1*1 = 1 D 3 = 1*1 = 1 D 4 = 1*-1 = -1 olur. Önce 2. hücreyi örnek olsun diye kontrol edelim. a 21 g 1 +a 23 g 3 +a 24 g 4 +D 2 = 1 + 1 – 1 + 1 = 2 sgn(2) = 1 (2. hücre durumunu korumuştur) Sonra bozuk olan 4. hücreyi kontrol edelim. a 41 g 1 +a 42 g 2 +a 43 g 3 +D 4 = 1 + 1 + 1 - 1 = 2 sgn(2) = 1 (4. hücre -1 den +1 e geçmiş ve düzelmiştir.) Uygulama
14.
15. 152120021010 Ahmet Selman Bozkır 152120021015 Alper 152120021007 Zafer Aydın Bizi dinlediğiniz için teşekkürler…