Neural network based feature extraction for handwritten digit recognition
El yazısı rakam tanıma için yapay sinir ağları tabanlı öznitelik çıkarma
- Tez No: 490329
- Danışmanlar: YRD. DOÇ. DR. HAKAN TORA, YRD. DOÇ. DR. KASIM ÖZTOPRAK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Atılım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Bilim Dalı
- Sayfa Sayısı: 107
Özet
Bu tezde, yarı eğitilmiş sinir ağlarının gizli katman çıktı ağırlıklarının öznitelik vektörü olarak kullanılabileceği önerilmektedir. Sinir ağları örüntü tanımada sınıflandırma yapmayı sağlayan bir algotimadır. Bu çalışmada bu gerçeğe ek olarak, yarı eğitilmiş sinir ağlarının gizli katman çıktı vektörlerinin görüntünün öznitelikleri olarak kullanılmasında bir araç olarak kullanılabileceği gösterilmiştir. Sistem ana olarak 3 basamaktan oluşmaktadır: önişlemci, öznitelik çıkarıcı ve sınıflandırıcı. Herbir deneyde sadece sınıflandırıcı katmanı değişmektedir diğer iki katman tüm deneyler için default olarak kullanılmaktadır. Sıfılanırıcı olarak destekçi vektör makinaları, sinir ağları ve Öklid uzaklığı sınıflanıdırıclarından yararlanılmıştır. Önerilen sistem performansını değerlendilmesi MNIST ve USPS denektaşı verikümeleri üzerinde yapılmıştır.
Özet (Çeviri)
Bu tezde, yarı eğitilmiş sinir ağlarının gizli katman çıktı ağırlıklarının öznitelik vektörü olarak kullanılabileceği önerilmektedir. Sinir ağları örüntü tanımada sınıflandırma yapmayı sağlayan bir algotimadır. Bu çalışmada bu gerçeğe ek olarak, yarı eğitilmiş sinir ağlarının gizli katman çıktı vektörlerinin görüntünün öznitelikleri olarak kullanılmasında bir araç olarak kullanılabileceği gösterilmiştir. Sistem ana olarak 3 basamaktan oluşmaktadır: önişlemci, öznitelik çıkarıcı ve sınıflandırıcı. Herbir deneyde sadece sınıflandırıcı katmanı değişmektedir diğer iki katman tüm deneyler için default olarak kullanılmaktadır. Sıfılanırıcı olarak destekçi vektör makinaları, sinir ağları ve Öklid uzaklığı sınıflanıdırıclarından yararlanılmıştır. Önerilen sistem performansını değerlendilmesi MNIST ve USPS denektaşı verikümeleri üzerinde yapılmıştır.
Benzer Tezler
- Integrated segmentation and recognition of handwritten digits
Elyazı rakamların birleştirilmiş tanıma ve bölütlendirilmesi
HAKAN AYGÜN
Yüksek Lisans
İngilizce
1995
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiY.DOÇ.DR. ETHEM ALPAYDIN
- Transforming feedback control systems on whiteboard into Matlab via a deep learning based intelligent system
Derin öğrenme tabanlı akıllı bir sistem ile beyaz tahtadaki geribeslemeli kontrol sistemlerinin Matlab ortamına aktarılması
DORUKHAN ERDEM
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Yapay sinir ağları ile optik karakter tanıma
Optical character recognition with artificial neural network
MURATCAN UZTEMUR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. AFİFE LEYLA GÖREN SÜMER
- Handwritten character recognition using cellular neural networks
Hücresel sinir ağları kullanılarak el yazısı karekterlerin tanınması
SELMA DURAN
Yüksek Lisans
İngilizce
1995
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiPROF.DR. ZAFER ÜNVER
- Fusion of dynamic and static features in signature verification
İmza doğrulamada dinamik ve statik özelliklerin birleştirilmesi
MUSTAFA SEMİH SADAK
Doktora
İngilizce
2022
Bilim ve TeknolojiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN KAHRAMAN
DR. UMUT ULUDAĞ