Geri Dön

Memory based function approximation using neural networks

Başlık çevirisi mevcut değil.

  1. Tez No: 29911
  2. Yazar: SELAMİ ARATMA
  3. Danışmanlar: YRD. DOÇ. DR. ETHEM ALPAYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1993
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 96

Özet

ÖZET Bu çalışmada belleğe dayalı modellerin, hata geri yayma ağlarının ve dairesel bakışımlı taban işlev ağlarının basanları işlev yaklaşıklaştırma, el yazımı rakam tanıma, nükleer reaktör denetimi ve ses tanıma uygulamalarında karşılaştırıldı. En yakın komşu sınırlandırıcı modelinde olduğu gibi deneyimlerini doğrudan parametrelerinde saklayan sistemler belleğe dayalı modeller olarak adlandırılmıştır. Bahsedilen modellerin karşılaştırılmasında, genelleme yeteneği, ağ büyüklüğü ve öğrenme hızı ölçüt olarak alındı. Genelleme yeteneği, işlev yaklaşıklaştırma sorunlarında ortalama karesel yanılgı ölçütü ile değerlendirilirken, sınıflandırma sorunlarında deney kümesindeki doğru sınıflandırılan örneklerin sayısıyla belirlendi. Öğretici bir örnek olan işlev yaklaşıklaştırma sorununda, genelleme yeteneği ve ağ büyüklüğü açılarından belleğe dayalı modellerin, hata geri yayma ve dairesel bakışımlı taban işlev ağlarından daha başarısız olduğu görüldü. Buna karşın gerçek uygulamalarda, belleğe dayalı modeller şaşırtıcı derecede başarılı bulundu. Belleğe dayalı modellerin basitliğin, hızlı ve iyi öğrenmenin önemsendiği ancak bellek kullanımının kısıtlayıcı olmadığı uygulamalarda kullanılmalısı gerektiği sonucuna vardık.

Özet (Çeviri)

IV ABSTRACT We compared performances of memory based models, backpropagation networks and radial basis function networks on several applications; a one dimensional function approximation task, recognition of handwritten digits, nuclear reactor control and phoneme recognition. Systems which directly store experiences in their parameters, like the nearest neighbor classifier, are referred to as memory based models. Our criteria for comparing the mentioned models were generalization ability, network size and learning speed. For approximation problems generalization ability was measured by the well known mean squared error criterion on a test set of unseen patterns during training whereas for classification tasks generalization ability was determined by the number of correctly classified samples of the test set. On the didactic function approximation problem memory based models were found to be inferior to backpropagation nets and radial basis function networks in both respects, generalization ability and network size. Nevertheless, on real world applications we found memory based models to be surprisingly successful. We conclude that memory based schemes be employed when a simple, fast learning, and accurate scheme is desired and memory is not at a premium.

Benzer Tezler

  1. Tez No

    769255

    Stochastic bitstream-based vision and learning machines

    Stokastik bit akışı tabanlı görü ve öğrenme makineleri

    SERCAN AYGÜN

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ECE OLCAY GÜNEŞ

  2. Tez No

    202237

    Genetik algoritmalarda mutasyon çaprazlama ve bellek mekanizmalarının etkileri ve iyileştirilmesi

    Effects and improvement of mutation crossover and memory mechanisms in genetic algorithms

    HANİFE USTA

    Yüksek Lisans

    İngilizce

    İngilizce

    2007

    Elektrik ve Elektronik MühendisliğiOndokuz Mayıs Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İLYAS EMİNOĞLU

  3. Tez No

    798212

    Action quality assessment with multivariate time series

    Çok değişkenli zaman serileri ile eylem kalite değerlendirmesi

    BURÇİN BUKET OĞUL

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SUAT ÖZDEMİR

  4. Tez No

    439529

    Pressure analysis of wellbore using Lattice Boltzmann method

    Lattıce Boltzmann yöntemiyle kuyuiçi basınç analizi

    AMIR TOOSI

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik Üniversitesi

    Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜRŞAT ALTUN

  5. Tez No

    19250

    Biyolojik işaretlerin gelişmiş bir sayısal işaret işlemcisiyle işlenmesi

    Biomedical signal processing using a high performance DSP

    DERYA DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    1991

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. ERTUĞRUL YAZGAN

Geri Dön