El yazısı rakamların Izhikevich nöron modeline dayalı sınıflandırılması
Classification of handwritten digits based on the Izhikevich neuron model
- Tez No: 729344
- Danışmanlar: PROF. DR. TEMEL KAYIKÇIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Sınıflandırma problemleri sıkça karşılaşılan bir problemdir. Makine öğrenmesi çalışmalarında el yazısı rakamları tanıma problemi her zaman yer bulmuştur. Yapılan çalışmada amaç, darbeli sinir ağı (SNN) modelinin tek katmanlı sinir ağı modeli gibi sınıflandırma problemlerinde kullanılabilir olduğunu göstermektir. Bunun için her iki modele de aynı veri seti giriş olarak verilerek deneyler sonucunda elde edilen doğruluk değerleri karşılaştırılmıştır. Bu çalışmada, 0'dan 9'a kadar tüm rakamların el yazısı görüntülerini içeren MNIST veri seti kullanılmıştır. Veri seti içerisindeki rakamların ikili kombinasyonları giriş katmanı Poisson nöronlar, çıkış katmanı Izhikevich nöronlardan oluşan biyolojik olarak daha gerçek SNN modeline giriş olarak verilerek çıkışta modelin doğru tahmin yapması beklenmektedir. SNN modelinde en yüksek % 99 ve en düşük % 51 doğruluk oranı elde edilmiştir. Her iki model ile yapılan deneylerin sonuçları karşılaştırıldığında SNN modelinin sınıflandırma problemlerinde kullanılabileceği görülmüştür.
Özet (Çeviri)
Classification problems are a common problem. The problem of recognizing handwritten digits has always been a problem in machine learning studies. The aim of the study is to show that the pulsed neural network (SNN) model can be used in classification problems such as the single-layer neural network model. For this, the same data set was given to both models as input and the accuracy values obtained as a result of the experiments were compared. In this study, the MNIST dataset, which contains handwritten images of all numbers from 0 to 9, was used. Binary combinations of numbers in the data set are given as input to the biologically more real SNN model, which consists of Poisson neurons in the input layer and Izhikevich neurons in the output layer, and the model is expected to make a correct prediction at the output. The highest accuracy rate of % 99 and the lowest % 51 were obtained in the SNN model. When the results of the experiments with both models were compared, it was seen that the SNN model could be used in classification problems.
Benzer Tezler
- El yazısı karakterlerinin kapalı cebirsel eğrilerle modellenmesi ve sınıflandırılması
Handwriting character modeling with implicit curves and classification
İHSAN PENÇE
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAYRAM CETİŞLİ
- Yapay sinir ağı kullanarak el yazısı rakam tanıma
Recognition of handwritten numerals by using neural network
HASAN HÜSEYİN ÇELİK
Doktora
Türkçe
1999
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiPROF. DR. İHSAN GÖK
- Makine öğrenmesi yöntemleriyle el yazısı tanıma
Handwriting recognitionusing machine learning
RABİA KARAKAYA
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERAP KAZAN
- Gradyan ve özel bir hiper düzlem temelli yeni bir optimizasyon algoritması: Evriştirilmiş Gradyan yönü ile optimizasyon
A novel optimization algorithm based on gradient and specific hyperplane: Evolved Gradient direction optimizer
İBRAHİM KARABAYIR
- Transfer derin öğrenme ile hibrit el yazısı karakter tanıma
Hybrid handwriting character recognition with transfer deep learning
FERİT CAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATINÇ YILMAZ