Hücresel yapay sinir ağ-markov rasgele alan (HYSA-MRA) yöntemi ve yerbilimlerine uygulamaları
Cellular neural network-markov random field (CNN-MRF) and geoscience applications
- Tez No: 184389
- Danışmanlar: DOÇ.DR. MUHİTTİN ALABORA, PROF.DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2004
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
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
- Bayesian learning for cellular neural networks
Hücresel sinir ağları için Bayesian öğrenme
HAKAN METİN ÖZER
Yüksek Lisans
İngilizce
2013
Elektrik ve Elektronik MühendisliğiKadir Has ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ATİLLA ÖZMEN
- İstanbul ili PM ve THC dağılımının yapay sinir ağ teknikleri ile modellenmesi
Modeling PM and THC distribution in İstanbul with artificial neural network techniques
ÜLKÜ ŞAHİN
Doktora
Türkçe
2005
Çevre Mühendisliğiİstanbul ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF.DR. CUMA BAYAT
- Hücresel yapay sinir ağları için iki öğrenme algoritması ve görüntü işleme uygulamaları
Two learning algorithms for cellular neural networks and their image processing applications
SİNAN KARAMAHMUT
Yüksek Lisans
Türkçe
1994
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ
- Bir hücresel yapay sinir ağının sabit noktalı sayı aritmetiğiyle sayısal tasarımı ve gerçeklenmesi
Digital design of a cellular neural network using fixed-point number arithmetic
BARIŞ KARAKAYA
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
- Değişken bir ortamda dinamik hücresel yapay sinir ağları yardımıyla gerçek zamanlı robot yönlendirme
Real time robot navigation in volatile environment with dynamic CNNA
VOLKAN KILIÇ
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜŞTAK ERHAN YALÇIN