Feedforward nevral network optimisation suitable for hardware implementation
İleri beslemeli sinir ağlarının donanıma uygun optimizasyonu
- Tez No: 82851
- Danışmanlar: DR. GÜNHAN DÜNDAR
- Tez Türü: Yüksek Lisans
- 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: 1999
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Sistem ve Kontrol Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
vıı ÖZET Son zamanlarda ileri beslemeli yapay sinir ağlan üzerinde yoğun bir ilgi oluşmuştur. Bunun başlıca nedeni bu sistemlerin son derece karmaşık gerçek problemleri büyük bir basan ile çözebilmesidir. Bu sinir ağlannın eğitimi için birçok teknikler ve metodlar geliştirilmiştir. Bu metodlan başlıca üç gruba ayırmak mümkündür: küçük bir ağdan başlayıp inşa, büyük bir ağı budama ve bu iki tekniğin kanşımı. Bir başka Önemli nokta ise yazılım ortamında geliştirilen bu ağların donanıma ugulanmasıdır. Optimizasyon konusunda bir çok metod olmasına rağmen donanımı dikkate alarak optimizasyon yapan bir metod mevcut değildir. Bu tezin birinci kısmında inşa ve budama birleştiren bir metod ile bir genetik metodun karşılaştınlması yatpılmıştır. Tezin ikinci kısmında ise yukanda belirtilen ağlardaki bağlantılar için bir hassasiyet analizi geliştirilip, genetik metodla birleştirilerek donanıma uygun sinir ağı optimizasyonu gerçekleştirilmiştir. Buradaki amaç daha az hassas olan bağlantılann belirlenip donanım uygulamasında bu bağlantılar için daha basit donanım birimlerinin kullanılması ve böylece alan tasarrufu sağlanmasıdır.
Özet (Çeviri)
IV ABSTRACT Designing on an appropriate size of a neural network is one of the main problems. Several methods are proposed to find optimum structures for feedforward neural networks. These methods are based on pruning, construction and combination of these two. Another important subject is hardware implementation of neural networks. In the first part of this thesis, two optimisation algorithms, a Genetic Algorithm and an algorithm combining pruning and construction are implemented and compared. In the second part of the thesis a new sensitivity based optimisation technique is developed. The weights of a resultant network obtained by above algorithms are updated according to a sensitivity criterion to obtain optimum structure for hardware implementation. The results showed that, if the process is carefully applied suitable network structures can be obtained without loss of performance.
Benzer Tezler
- FPGA üzerinde diferansiyel gelişim algoritması ile yapay sinir ağı eğitimi
Training of artificial neural network with differential evolution algorithm on FPGA
ALİ RIZA YILMAZ
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BURCU ERKMEN
- 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
- Deep reinforcement learning approach in control of Stewart platform- simulation and control
Stewart platformunun kontrolünde derin pekistirmeli öğrenme yaklaşımıc- simülasyon ve kontrol
HADI YADAVARI
Doktora
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT İKİZOĞLU
DR. ÖĞR. ÜYESİ VAHİT BARIŞ TAVAKOL
- Görüntü sınıflandırması için yapay sinir ağlarının analiz ve optimizasyonu
Analysis and optimization of artificial neural networks for image classification
OZAN ARSLAN
Doktora
Türkçe
2001
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiPROF. DR. OĞUZ MÜFTÜOĞLU
PROF. DR. CANKUT ÖRMECİ
- Geri beslemeli yapay sinir ağlarının genetik operatörlere dayalı tabu araştırma algoritması kullanarak eğitilmesi
Training recurrent neural networks using tabu search based on genetic operators
ADEM KALINLI