Geri Dön

Hücresel yapay sinir ağ-markov rasgele alan (HYSA-MRA) yöntemi ve yerbilimlerine uygulamaları

Cellular neural network-markov random field (CNN-MRF) and geoscience applications

PDF İndir

  1. Tez No: 184389
  2. Yazar: HANDE BARGU
  3. Danışmanlar: DOÇ.DR. MUHİTTİN ALABORA, PROF.DR. OSMAN NURİ UÇAN
  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: İstanbul 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

ÖZETHÜCRESEL YAPAY SİNİR AĞ- MARKOV RASGELE ALAN (HYSA-MRA)YÖNTEMİ ve YERBİLİMLERİNE UYGULAMALARIGörüntü işleme tekniklerinin uygulama alanlarından en önemlilerinden birisi jeofizikuygulamalardır. Yeraltında gömülü durumdaki faylanmaların, yer altı yeryüzüşekillerinin, madenlerinin ve insanlık tarihine ışık tutan arkeolojik kalıntılarınincelenmesinde modern görüntü işleme tekniklerinin jeofizik bilimine uygulanması sonyıllarda oldukça çok kullanılmaktadır. Bu çalışmada, elektronik mühendisliğinde sıkçakullanılan görüntü işleme teknikleri, jeofizik mühendisliğinin arkeolojideki bazıproblemlerin çözümünü kolaylaştırması için kullanılmıştır. Buna göre, kullanılangörüntü işleme teknikleri olarak, Markov Rasgele Alanları (MRA) ve Hücresel YapaySinir Ağı (HYSA) yöntemleri ele alınmıştır. Bu yöntemler, Jeofizik ölçümler esnasındaoluşan, istenmeyen veya gürültü olarak tabir ettiğimiz etkileri atarak ya da filtreleyerekistenen etkileri bulmak için kullanılmıştır.Elektronik mühendisliğinde yeni bir yöntem olan ve filitreleme işlemlerinde sıkçakullanılan Markov Rastgele Alanlar (MRA) yaklaşımının en önemli özelliği, komşulukilişkilerini dikkate alması, iki boyutlu görüntünün stokastik yapısından faydalanması, öneğitim gerektirmemesi ve veri kaybımızın çok az olması olarak özetlenebilir. MRAyöntemi ele alınırken ilkin sentetik olarak elde edilen toplam manyetik anomali haritasıkullanılmıştır. Elde edilen bu manyetik anomali haritasına MRA yöntemi uygulanmışve rezidüel anomali haritası elde edilmiştir. Daha sonra bu yöntem arazi verilerineuygulanmış ve sonuçlar değerlendirilmiştir.Hücresel Yapay Sinir Ağı, 1988 yılında Leon Chua ve Lin Yang tarafından ilk olarakortaya atılmıştır. HYSA genellikle iki boyutlu bir yapı oluşturacak şekilde sınırlanmışhücrelerden meydana gelmişlerdir. Her bir hücre ağırlıklı toplama yapan bir giriş birimi,dinamik bir ara birim ve parça parça doğrusal bir çıkış biriminden oluşmaktadır. Buyapının özellikle iki boyutlu olması ve bağlantı ağırlık katsayılarının çalışılan düzlemüzerinde değişmemesi özelliği görüntü işlemede uygulama alanı bulmasına nedenolmuştur. Bu tezde HYSA, jeofizik alanında bir ayrım metodu olarak kullanılmıştır. İlkönce sentetik veriler üstünde sonuçlar gösterilecek daha sonra arazi çalışmalarından eldeedilen sonuçlara bu uygulama gerçekleştirilerek değerlendirilecektir.ix

Özet (Çeviri)

SUMMARYCELLULAR NEURAL NETWORK- MARKOV RANDOM FIELD (CNN-MRF)and GEOSCIENCE APPLICATIONSGeophysical applications are one of the most important application areas in imageprocessing techniques. These methods are commonly used in the investigation ofunderlying faults, the formations underneath and the archeological ruins of greatimportance that would probably enlighten the history of humankind. In this thesis, thefrequently used image processing techniques in electronics engineering are examined inorder to find solutions for geophysical engineering to simplify some problems inarcheology. Therefore, Markov Random Field (MRF) and Cellular Neural Network(CNN) methods are chosen for filtering the noise obtained while performinggeophysical experiments in order to achieve the required data.The most important properties of Markov Random Field (MRF) approach can besummarized as taking neighborhood relations into account, using the stochastic propertyof two dimensional image, not requiring pre-education and the very low level of lostdata. Here in this work, MRF method is first applied to synthetic data of total magneticanomaly map to obtain residuel anomaly. Then, it is used for real data and thecorresponding results are evaluated.Cellular Neural Network is first introduced by Leon Chua and Lin Yang in 1988. Itusually consists of cells limited to form two dimensional structures. Each cell iscomposed of a single input unit with weighted sum block, a dynamic middle unitfollowed by a piecewise linear output unit. CNN has been a prefferable method inimage processing because of its construction properties such as space invariance andbeing two-dimensional. In this thesis, CNN is proposed as a separation method ingeophysics and initially performed with synthetic data. Finally, the real values areprocessed and the evaluation of the results obtained are presented.x

Benzer Tezler

  1. Tez No

    105375

    Rastgele markov alanları ve hücresel sinir ağları ile görüntü işleme

    Image processing with markow random fields and cellular neural networks

    MAHMUT ŞAMİL SAĞIROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2001

    Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN NURİ UÇAN

  2. Tez No

    130799

    Biyomedikal işaretlerin Markov rastgele alanları kullanılarak işlenmesi

    Biomedical signal processing using Markov random fields

    NİYAZİ KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Tıbbi Biyolojiİstanbul Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN NURİ UÇAN

  3. Tez No

    333172

    Bayesian learning for cellular neural networks

    Hücresel sinir ağları için Bayesian öğrenme

    HAKAN METİN ÖZER

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Elektrik ve Elektronik MühendisliğiKadir Has Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ATİLLA ÖZMEN

  4. Tez No

    559901

    Development of structural optimization and neural network design tool for buckling behaviour of skin-stringer structures under combined compression and shear loading

    Birleşik basma ve kesme yükleri altında kabuk-kiriş yapılarının burkulma davranışı için yapısal optimizasyon ve yapay sinir ağ bazlı tasarım yöntemi geliştirilmesi

    AYDIN OKUL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Havacılık ve Uzay MühendisliğiOrta Doğu Teknik Üniversitesi

    Havacılık ve Uzay Mühendisliği Ana Bilim Dalı

    DOÇ. ERCAN GÜRSES

  5. Tez No

    654158

    Endüstriyel uygulamaların derin öğrenme ile yüksek hızlarda gerçeklenmesi için optmize edilmiş ağ yapılarının geliştirilmesi

    Development of optimized network architectures for high speed industrial applications using deep learning

    HAKAN AKTAŞ

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖVÜNÇ POLAT

Geri Dön