Geri Dön

A Neural network model for pattern recognition

Başlık çevirisi mevcut değil.

  1. Tez No: 8618
  2. Yazar: ASIM ÖZGÜR
  3. Danışmanlar: PROF. DR. OKYAY KAYNAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1990
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 98

Özet

Bu çalışmanın amacı görüntü tanıyabilen ve“seçici dikkat”,“çağrışımlı hatırlama”ile“bölüntüleme”gibi özelliklere sahib olan bir sinir ağının tasarımı ve sınanmasıdır. Ağ çeşitli değişik işlevleri olan birçok sinir gözesinden oluşmaktadır. Bu sinir gözelerinin bazıları kazanç, eşik seviyesi gibi denetim işaretleri üretirken diğer bir kısmı da öğrenerek öznitelik tanırlar. Ağda bulunan geri besleme kanalları ile kazanç denetimi işaretleri seçici dikkat ve çağrışımlı hatırlamadan sorumludur. Bu çalışmada her biri üç katmandan oluşan iki ağ denenmiştir. Bunların birincisinde 11567, ( yaklaşık 90000 bağlantı ) ikincisinde ise 16630 ( yaklaşık 200000 bağlantı ) sinir gözesi vardır. Bu ağlara öğrenme süreci boyunca sadece gürültüsüz ve bozunmamış şekiller gösterilmiş olmasına rağmen, denemelerde bozunmuş ve gürültülü şekiller rahatlıkla tanınabildiği gibi onarımları oldukça başarılı sonuçlanmıştır. Onarımlarda çağrışımlı hatırlama etkin bir rol oynamaktadır. Kendi kendine öğrenebilen bu ağların dışarıdan bir öğretmene gereksinimi yoktur. Öğrenim sırasında gösterilen şekiller ise 19 x 19 luk ve 0-1 'lerden oluşan bir kare matris biçiminde olup matrisin boyutları yazılımda değiştirilebilir.

Özet (Çeviri)

The purpose of this study is to design and test a neural network which can recognize patterns and possesses the abilities such as : selective attention, segmentation, and associative recall. The network consists of several types of neurons some of which can learn and extract features, whereas some of the others generate control signals. The gain control cells and the backward propagation channels are responsible of selective attention and associative recall. Two networks, with three layers each, are used. The first of these networks has 1 1567 cells ( approximately 90000 connections ) and the second has 16630 cells ( approximately 200000 connections ). The results turned out to be very encouraging. The networks are able to repair a deformed pattern in its deformed manner, even if, during the training period only the undeformed and noise free patterns are presented. The networks are self organizing ones and do not need a teacher during learning. Their inputs are designed in a 19 x 19 matrix form where all the input elements are binary 0-1 type. Furthermore the dimensions of the input pattern can be changed according to different needs. İV

Benzer Tezler

  1. Yapay sinir ağları yaklaşımı ile curuflarda fosfor kapasitelerinin incelenmesi

    Estimation of phosphorus capacities of molten slags using artificial neural network approach

    EMRE ALAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Metalurji Mühendisliğiİstanbul Teknik Üniversitesi

    Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CEVAT BORA DERİN

  2. İleri beslemeli yapay sinir ağları kullanarak Kuzey Irak bölgesinde günlük petrol ihracatının tahmin edilmesi

    Forecasting daily oil export in north of Iraq by using feed foreword artificial neural net work (FFANN)

    OTHMAN RASUL MUSA MUSA

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    İstatistikYüzüncü Yıl Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. HALİT ERAY ÇELİK

    YRD. DOÇ. DR. NAWZAD MOHAMED AHMED

  3. Aplication of neural networks to quality control

    Başlık çevirisi yok

    TÜMAY AYTAÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    1992

    Endüstri ve Endüstri MühendisliğiBoğaziçi Üniversitesi

    DOÇ. DR. AYTÜL ERÇİL

  4. Oküler hastalıkların sınıflandırılmasında derin konvolüsyonel sinir ağı modeli

    A deep convolutional neural network model for classification of ocular diseases

    BÜŞRA EMİR

    Doktora

    Türkçe

    Türkçe

    2021

    BiyoistatistikEskişehir Osmangazi Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. ERTUĞRUL ÇOLAK

  5. Linear and nonlinear classification of quadrature modulation signals

    Çeyrek modülasyon sinyallerinin doğrusal ve doğrusal olmayan sınıflandırması

    AHMED KHALID ALI ALI

    Doktora

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik MühendisliğiGaziantep Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ERGUN ERÇELEBİ