Çok durumlu nöron sistemlerinde öğrenme mekanizmaları
Learning mechanisms in multi-state neuron systems
- Tez No: 131116
- Danışmanlar: PROF. DR. YİĞİT GÜNDÜÇ
- Tez Türü: Doktora
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Yapay sinir ağları, depolama kapasitesi, Hopfield modeli, ç-durumlu Potts nöron modeli, ilişkisel hafıza
- Yıl: 2003
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
ÇOK DURUMLU NÖRON SİSTEMLERİNDE ÖĞRENME MEKANİZMALARI Burcu Akçan (Orta kaya) ÖZ Yapay sinir ağlarında son yıllarda yapılan çalışmalar ikili (binary) nöron yapısının optimizas- yon problemleri ve hafıza modellemesi gibi konularda yeterli başarımı göstermediğini ortaya çıkarmıştır. Bu durum istatistik mekaniksel sistemlerin incelenmesinde başarı ile kullanılan spin modellerinin, yapay sinir ağlarına çok durumlu (multi-state) nöron modelleri olarak uygulanmasını sağlamıştır. Kollektif bir sistem olarak ele alınan yapay sinir ağlarında, çok durumlu nöron modellerinin incelenmesi ve seyreltik (diluted) ağ yapısında ağın depolama kapasitesinin belirlenmesi ilgi çekici araştırma alanları olmuştur. Tez çalışmasında çok durumlu nöron yapısı, q- durumlu Potts nöron modeli kullanılarak incelenmiştir. Bu modelde, q = 2, 3, 4 ve 5 durumlarında kritik depolama kapasiteleri, Monte Carlo simülasyon çalışması ile hesaplanmıştır. Kritik depolama kapasitesinin nöron durumuna göre değişimi ortaya çıkarılmıştır. Seyreltik yapay sinir ağlarında depolama kapasitesi, tez kapsamında geliştirilen özel bir seyreltme algoritması kullanılarak çalışılmıştır. Seyreltme algoritması Hopfield modeline ve q- durumlu Potts nöron modeline uygulanmıştır. Yapılan Monte Carlo simülasyon çalış maları sonucunda her iki modelde de seyreltik ağ yapısında tamamiyle bağlantılı duruma göre daha yüksek depolama kapasitesi elde edilebildiği gösterilmiştir.
Özet (Çeviri)
LEARNING MECHANISMS IN MULTI-STATE NEURON SYTEMS Burcu Akçan (Orta kaya) ABSTRACT In last decade, artificial neural network studies indicated that binary neuron structure is not efficient in some research fields such as optimization problems and memory modelling. Hence, spin models which have been successfully applied to the statistical mechanical sys tems were adopted to the artificial neural networks as multi-state neuron models. Consid ering the artificial neural networks as collective systems, to study the multi-state neuron models and to derive the storage capacity of diluted systems are attractive research fields. Multi-state neuron structure was examined via q- state Potts neuron model in this thesis. In this model, the critical storage capacities of the system for q = 2, 3, 4 and 5 states were calculated by using Monte Carlo simulation techniques. The relation between the critical storage capacity and the neuron state was also revealed. Storage capacity of the diluted neural networks studied by using special dilution algortihm that is developed in the content of this thesis. This developed dilution algortihm was applied to Hopfield model and q- state Potts neuron model. The results of Monte Carlo simulation studies indicated that it is possible to obtain higher storage capacity with respect to the fully connected ones in both models. Keywords Artificial neural networks, storage capacity, Hopfield model, ç-state Potts neuron model, associative memory. Adviser : Prof. Dr. Yiğit Gündüç, Hacettepe University, Department of Physics Engineering, High Energy and Plasma Physics Section IV
Benzer Tezler
- Image processing with multi-state neuron systems
Çok yönelimli nöron sistemlerinde görüntü işleme
SERPİL ÖZTÜRK
Yüksek Lisans
İngilizce
2001
Fizik ve Fizik MühendisliğiHacettepe ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. YİĞİT GÜNDÜÇ
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Stochastic bitstream-based vision and learning machines
Stokastik bit akışı tabanlı görü ve öğrenme makineleri
SERCAN AYGÜN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Yapay sinir ağlarında öğrenme algoritmalarının analizi
Analysis of learning algorithms in neural networks
SEVİNÇ BAKLAVACI
Yüksek Lisans
Türkçe
1994
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. LEYLA GÖREN
- Classification of pediatric snoring episodes using deep convolutional neural networks
Pediyatrik horlama episodlarının derin evrişimsel sinir ağları ile sınıflandırılması
OZAN FIRAT CİVANER
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. MUSTAFA ERSEL KAMAŞAK