Geri Dön

Adaptif bulanık sinir ağları ile örünyü tanıma

Pattern recognition whith adaptaive neura fuzzy inference system

  1. Tez No: 152968
  2. Yazar: CEM CUMHUR KILINÇ
  3. Danışmanlar: DOÇ.DR. BİLGİNER GÜLMEZOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2004
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

ÖZET Bu tez çalışmasında örüntü tanıma bulanık mantık ve yapay sinir ağlarını kullanarak nasıl yapıldığı anlatılmış ve iris verisinin bilgisayar ortamında tanınması çalışılmıştır. İris verisi hatayı geri yayma algoritması ile bulanık sinir ağlarında eğitilmiştir. Uygulamada iki yöntem denenmiştir. Birincisinde her sınıfa ait veriler aynı eğitimden geçirilirken, diğer yöntemde ayrı ayrı eğitime tabi tutulmuştur. Bölüm 1 'de örüntü tanıma konusuna giriş yapılarak şimdiye kadar yapılan tanıma çalışmalarından ve yöntemlerinden bahsedilmiştir. Yapay sinir ağlarında bulanık mantığın kullanımının daha iyi anlaşılması için Bölüm 2'de Bulanık Sonuç Sistemi açıklanmıştır. Bölüm 3 ve 4' te Yapay Sinir Ağları (YSA) ve Bulanık Sinir Ağları (BSA) anlatılmıştır. Bölüm 5'te deneysel çalışmalar, Bölüm 6 da sonuç ve öneriler verilmiştir.

Özet (Çeviri)

ABSTRACT In this study, pattern recognition is explained how it makes by using artifical neural network and fuzzy logic, and iris data are tried to recognize by computer. It is trained with fuzzy neural network using by backpropagation algorithm. In the experiment, two methods are tried. At first, each data belongs every class is passed by same training. In other methods, each data belongs every class is passed by separate training. Until now, pattern recognition subject, recognizing works and methods are explained in Chapter 1, and explained ways of recognizing methods. In Chapter 2 Fuzzy Inference System is explained better comprehension about using Fuzzy Logic in the Artificial Neural Network In Chapter 3 and 4, Artificial Neural Network and a new approach to Fuzzy-Neural System Modeling are referred. In Chapter 5, experimental working and In Chapter 6, results are given.

Benzer Tezler

  1. Tez No

    946949

    Kuvvete duyarlı direnç sensörünün yapay sinir ağları ve adaptif sinirsel - bulanık mantık çıkarım sistemi (ANFIS) kullanarak ağırlık yük hücresine modellenmesi ve bulanık mantık denetleyici ile kumaş üzerindeki kuvvet - basınç kontrolü

    Modeling of a force sensitive resistance sensor into a weight load cell using artificial neural networks and adaptive neural - fuzzy logic inference system (ANFIS) and force - pressure control on fabric with fuzzy logic controller

    EREN CAN GELEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Elektrik ve Elektronik Mühendisliğiİnönü Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖMERÜLFARUK ÖZGÜVEN

  2. Tez No

    237645

    Modeling the water quality of lake Eymir using artificial neural networks (ANN) and adaptive neuro fuzzy inference system (ANFIS)

    Eymir gölü?nde su kalitesinin yapay sinir ağları ve adaptif sinirsel bulanık ilişkisel sistem ile modellenmesi

    MUHİTTİN ASLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Çevre MühendisliğiOrta Doğu Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞEGÜL AKSOY

  3. Tez No

    398296

    Sinirsel bulanık mantık yaklaşımı ile öngörü modellemesi: İşsizlik oranı için Türkiye örneği

    Neuro fuzzy logic approach with forecast modelling: The case of Turkey for unemployment rate

    BERNA BULĞURCU

    Doktora

    Türkçe

    Türkçe

    2014

    İşletmeÇukurova Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ERKUT DÜZAKIN

  4. Tez No

    470291

    Bulanık ve yalın yapay sinir ağları ile çoklu lojistik regresyon yöntemlerinin sınıflandırma performanslarının karşılaştırılması: Ülkelerin gelişmişlik düzeylerinin sınıflandırılması üzerine bir uygulama

    Comparison of classification performance of fuzzy and simple artificial neural networks and multiple logistic regression methods: An application on classification of developmental levels of countries

    ÖMER FARUK RENÇBER

    Doktora

    Türkçe

    Türkçe

    2017

    EkonometriAksaray Üniversitesi

    İşletme Ana Bilim Dalı

    YRD. DOÇ. DR. SİNAN METE

  5. Tez No

    505730

    KASKİ atık su arıtma verilerinin yapay sinir ağları ve bulanık mantık yöntemleri ile tahmin edilmesi

    Prediction of wastewater treatment data of Kayseri water and sewerage administration (KASKI) artifical neural networks and fuzzy logic

    SALİH BURÇİN ÖZEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İnşaat MühendisliğiErciyes Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HATİCE ÇITAKOĞLU

Geri Dön