Geri Dön

Standart ve hibrid yapılar kullanarak yapay sinir ağları ile imza tanıma

Signature recognition using standard and hybrid neural network configurations

  1. Tez No: 154458
  2. Yazar: CANAN ŞENOL
  3. Danışmanlar: DOÇ. DR. TÜLAY YILDIRIM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: İmza tanıma ve doğrulama, çok katmanlı algılayıcı, radyal temelli fonksiyonlar, konik kesit fonksiyonlu ağlar. ıx, Signature recognition and verification, Multilayer Perceptron, Radial Basis Function, Conic Section Function Neural Networks
  7. Yıl: 2004
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 59

Özet

ÖZET Bu tezin amacı yapay sinir ağları kullanarak offline imza tanıma ve doğrulama işlemi yapmaktır. Son zamanlarda yapay sinir ağları sınıflama, örnek tanıma ve doğrulama problemlerinde iyi sonuç vermelerinden dolayı çok tercih edilir olmuşlardır. Tezde, imza tanıma ve doğrulama işlemi önce çok bilinen ve yaygın olarak kullanılan yapay sinir ağı yapılarından olan Çok Katmanlı Algılayıcı ve Radyal Temelli Fonksiyonlar, daha sonra hibrid bir yapı olan Konik Kesit Fonksiyonlu Ağ kullanılarak yapılmış ve sonuçları verilmiştir. 8 farklı kişiden imza tanıma için alman 256 imzanın 200 tanesi (bir kişiden 25 tane) eğitmede kullanılmış, kalan 56 imza (bir kişiden 7 tane) ile de ağ test edilmiştir. Bu veri kümesine imza doğrulama için 2' şer tane (toplam 16 tane) taklit imza eklenmiştir. Simülasyonlarda Matlab 6.5 Neural Network Toolbox kullanılmıştır. Konik Kesit Fonksiyonlu Ağ kullanılarak yapılan imza tanıma basan yüzdelerinin diğer iki yönteme göre biraz daha düşük olmasına rağmen, eğitme ve test işlemlerinin daha hızlı olması ve hedef vektörü ile neredeyse aynı olan test sonuçlarına ulaşması bakımından oldukça dikkat çekicidir. Ayrıca Konik Kesit Fonksiyonlu Ağlarda kullanılan nöron sayısı diğer yöntemlere göre çok azdır ki bu da pratikte uygulanması açısından diğer yöntemlere göre üstünlük sağlar.

Özet (Çeviri)

ABSTRACT This research presents a new approach for offline signature recognition and verification based on artificial neural networks (ANNs). ANNs have recently become a very important method for classification and recognition problems. In this work, two well known neural network architectures (Multilayer Perceptron and Radial Basis Function Networks) and a hybrid neural network (Conic Section Function Neural Networks) are proposed for the signature recognition. The proposed system was trained and tested on a signature database consisting of a total of 256 signature images taken from 8 different persons. A total of 200 samples (25 samples for each person) for training and 56 samples (7 samples for each person) for testing are used. 16 samples (2 samples for each person) added this signature database for verification. The results and comparisons are presented. Although Conic Section Function Neural Networks gives results slightly worse than other two networks for signature recognition, the size of Conic Section Function Neural Network structure is quite small compared to those standard ones. It needs only 20 (12+8) neurons while Multilayer Perceptron needs 92 (60+24+8) and Radial Basis Function needs 183 (175+8) neurons for training. This result gives superiority to Conic Section Function Neural network for neural network hardware implementations in practice.

Benzer Tezler

  1. Tez No

    449431

    Web tabanlı saldırı önleme amaçlı yeni bir gerçek zamanlı web uygulaması güvenlik duvarı algoritmasının gerçekleştirilmesi

    Implemantation of a real time web-based intrusion prevention aimed web application firewall algoritm

    ADEM TEKEREK

    Doktora

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    PROF. DR. ÖMER FARUK BAY

  2. Tez No

    837365

    Portfolio optimization with wavelet analysis and neural fuzzy networks

    Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu

    ÖMER ZEKİ GÜRSOY

    Doktora

    İngilizce

    İngilizce

    2022

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. OKTAY TAŞ

  3. Tez No

    676401

    Adaptive equivalent consumption minimization strategy with driving pattern recognition for hybrid electric vehicles

    Hibrit elektrikli araçlar için sürüş tanıma ile uyarlanabilir eşdeğer yakıt tüketimi minimizasyonu stratejisi

    BARIŞ KALAYCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VOLKAN SEZER

  4. Tez No

    751819

    Hibrit ve kaotik metasezgisel arama algoritmaları kullanarak model öngörülü kontrol yapıları tasarımı

    Hybrid and chaotic metaheuristic algorithms and design of model predictive control structures

    MURAT ERHAN ÇİMEN

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ FUAT BOZ

  5. Tez No

    438694

    A hybrid multi-objective genetic algorithm for bandwidth multi-coloring problem

    Çizgeyi kümeli boyama problemi için kullanılan çok hedefli hibrit genetik algoritma

    İSMAİL UĞUR BAYINDIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMİN ERKAN KORKMAZ

Geri Dön