Classification using spiking neural networks
Darbeli sinir ağları ile sınıflandırma çözümleri
- Tez No: 312089
- Danışmanlar: PROF. DR. OKYAY KAYNAK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 124
Özet
Beynin işleyişi çok eski zamanlardan beri insanların ilgisini çekmiş, nasıl çalıştığı hepbir merak konusu olmuş fakat günümüzde gizemi hala tam olarak çözülememiştir.Bu alanda en büyük gelişmeler sinir hücresi olarak tanımlanan nöronların işleyişi hakkındaki bilgilerin artması, daha karmaşık ve detaylı nöron modellerinin gelişmesiile son yüzyılda gerçekleşmiştir. Böylelikle biyolojik nöronları örnek alarak tasarlananyapay sinir ağları yapay zeka konusunun önemli bir çalışma alanı olmuştur. Biyolojiknöronlar `darbe' adı verilen ani ve kısa voltaj değişiklikleri ile bilgiyi iletirler. Darbelisinir ağları da işte bunu örnek alarak tasarlanmış nöron modelleridir. 3. nesil nöronmodelleri olarak da isimlendirilen darbeli sinir ağlarını önceki nesillerden ayıran enönemli özellikleri zaman bilgisini darbeler halinde işlemesi ve ardışık nöronlar arasındaçok sayıda bağlantı bulundurmasıdır. Bu haliyle hesaplama kısmı çok daha karmaşıkbir hal alsa ve zaman olarak uzasa da biyolojik benzerliği arttırmaları açısından sonderece önemlidir. Bu çalışmanın temel amacı darbeli sinir ağlarının sınıflandırmakonusunda başarılı bir nöron modellemesi olduğunu göstermek, hata geri-yayılımalgoritması ile eğitilen çok katmanlı ağ yapısının gerçek hayattan uyarlanmış farklıveri kümeleri üzerinde başarılı sınıflandırmalar yaptığını göstermektir.
Özet (Çeviri)
The functioning of the brain has attracted the interest of people since ancienttimes, how it processes the data has always became a subject of wonder and today,the mystery has still not been solved completely. The major developments in this areaoccurred in the last century with the enhanced knowledge of neuron functioning anddevelopment of more complicated and detailed neuron models. Consequently, the artificialneural networks which are designed as modeling the biological neurons becomea significant area of Artificial Intelligence. Biological neurons transmit information byusing sudden and short voltage increases called action potentials or spikes. SpikingNeural Networks are modeled just like biological neurons and use time informationto fire these spikes. The most important features that distinguish Spiking NeuralNetworks - that are also called third generation neuron models - from the previousgenerations are processing the time information as spikes and keeping multiple connectionsin between consecutive neurons. Eventhough computational complexity andtraining time increases, spiking neural networks are very important because they havegreater biological similarities and solve real world problems. The main purpose of thisthesis is to clear that spiking neural networks can be used in classification problems,back-propagation algorithm can be used to train, in this way, real time datasets canbe classified successfully.
Benzer Tezler
- İğnecikli sinir ağları ile ses kaynağı sınıflandırma
Sound source classi̇fi̇cati̇ons usi̇ng spi̇ki̇ng neural networks
PEREN JERFİ CANATALAY
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Evolutionary adaptation and dopamine modulated learning in spiking neural networks
Atımlı sinir ağlarında evrimsel adaptasyon ve dopamin modülasyonlu öğrenme
ABDURREZAK EFE
Yüksek Lisans
İngilizce
2021
Bilim ve Teknolojiİhsan Doğramacı Bilkent ÜniversitesiMalzeme Bilimi ve Nanoteknoloji Ana Bilim Dalı
YRD. DOÇ. DR. SEYMUR JAHANGIROV
- Ateşleme sinir ağı mimarilerinde algoritmik performans incelemesi
Algorithmic performance review in spiking neural network architectures
OBEID MOHAMEDNOOR OBEID ABDALLA
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. RECAİ KILIÇ
- Derin öğrenme algoritmalarının EKG aritmilerinin sınıflandırılmasında değerlendirilmesi
Evaluation of deep learning algorithms in classification of ECG arrhythmias
ÖZGÜR TOMAK
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TEMEL KAYIKÇIOĞLU
- Classification using XSLT
XSLT ile sınıflandırma
MEHMET ENGİN TOZAL
Yüksek Lisans
İngilizce
2005
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ATAKAN KURT