A Neural network model for pattern recognition
Başlık çevirisi mevcut değil.
- Tez No: 8618
- Danışmanlar: PROF. DR. OKYAY KAYNAK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1990
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2013
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEVAT BORA DERİN
- 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
2016
İstatistikYüzüncü Yıl Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. HALİT ERAY ÇELİK
YRD. DOÇ. DR. NAWZAD MOHAMED AHMED
- Aplication of neural networks to quality control
Başlık çevirisi yok
TÜMAY AYTAÇ
Yüksek Lisans
İngilizce
1992
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiDOÇ. DR. AYTÜL ERÇİL
- Oküler hastalıkların sınıflandırılmasında derin konvolüsyonel sinir ağı modeli
A deep convolutional neural network model for classification of ocular diseases
BÜŞRA EMİR
Doktora
Türkçe
2021
BiyoistatistikEskişehir Osmangazi ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. ERTUĞRUL ÇOLAK
- Linear and nonlinear classification of quadrature modulation signals
Çeyrek modülasyon sinyallerinin doğrusal ve doğrusal olmayan sınıflandırması
AHMED KHALID ALI ALI
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiGaziantep ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGUN ERÇELEBİ