Geri Dön

A Temporal neural network model for sequence learning

Sıralı veri tanıma amaçlı zamana dayalı yapay sinir ağı modeli

  1. Tez No: 90671
  2. Yazar: BORA AYDEMİR
  3. Danışmanlar: DOÇ. DR. FERDA ALPASLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Yapay Sinir Ağları, Zamana Dayalı Veri, Sıralı Veri, Zamanın Açılımı VI, Neural Networks, Back-Propagation, Temporal Data, Sequences, Unfolding of Time IV
  7. Yıl: 1999
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 63

Özet

oz SIRALI VERİ TANIMA AMAÇLI ZAMANA DAYALI YAPAY SİNİR AĞI MODELİ AYDEMİR, Bora Yüksek Lisans, Bilgisayar Mühendisliği Bölümü Tez Yöneticisi: Doç. Dr. Ferda N. Alpaslan Aralık 1999, 52 sayfa Yapay sinir ağları örüntü tanıma ve öğrenme konularında yaygın olarak kullanılmakta ve araştırılmaktadr. Diğer yandan, geleneksel sinir ağı modeli zamana dayalı veri işleyememektedir; bu nedenle alternatif modellere ihtiyaç duyulmaktadır. Zamana dayalı veri işleme yetisine sahip alternatif modellerden biri, zamanın açılımı prensibine dayanarak tüm sinir ağını, farklı zaman bölümlemeleri doğrultusunda, çoğaltılmasını içerir. Bu tez çalışmasında zamanın açılımı prensibi doğrultusunda bir model önerilmekte,geliştirilmekte ve tartışılmaktadır. Bu model zamanın açılımı yöntemindeki sistemi kopyalamanın getirdiği yükü hafifletmek ve güvenilir, etkin bir çözüm oluşturmayı hedeflemektedir.

Özet (Çeviri)

ABSTRACT A TEMPORAL NEURAL NETWORK MODEL FOR SEQUENCE LEARNING AYDEMİR, Bora M.S., Department of Computer Engineering Supervisor: Assoc. Prof. Dr. Ferda N. Alpaslan December 1999, 52 pages Neural networks are being researched and used widely for storing patterns and learning. On the other hand temporal patterns, which can not be stored in conventional neural networks need alternative models to be represented. One of the methods to add temporal abilities to neural networks consists of multiplying the total system with the number of distinct time intervals. This procedure is referred to as unfolding of time. In this thesis a temporal model, based on the unfolding of time method, is proposed, 111implemented and discussed. This model, trying to overcome the burdens of spanning a neural network, aims to achieve a reliable and efficient (by means of storage) model.

Benzer Tezler

  1. Tez No

    878119

    A deep-learning based model for visual depth and pose estimation of mobile robots

    Mobil robotların görsel derinliği ve poz tahmini için derin öğrenme tabanlı bir model

    ROZHIN FANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Mekatronik MühendisliğiBahçeşehir Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET BERKE GÜR

  2. Tez No

    760613

    Deep wavelet neural network for spatio-temporal data fusion

    Uzamsal-zamansal veri füzyonu içinderin dalgacık sinir ağları

    AJLA KULAGLIC

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BURAK BERK ÜSTÜNDAĞ

  3. Tez No

    883980

    Deep fake image detection based on deep learning using a hybrid CNN-LSTM with machine learning architectures as classifier

    Makine öğrenme mimarileri kullanılarak hibrid CNN-LSTM ile derin öğrenmeye dayalı deep fake görüntü tespiti

    OMAR ALFAROUK AL-DULAIMI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEFER KURNAZ

  4. Tez No

    770941

    Spatiotemporal features and deep learning methods for video classification

    Başlık çevirisi yok

    RUKIYE SAVRAN KIZILTEPE

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversity of Essex

    PROF. JOHN Q GAN

  5. Tez No

    816081

    Handwritten text recognition using deep learning method

    Derin öğrenme yöntemiyle el yazısı metin tanıma

    HAGAR HANY ELSAYED ABDOU HASSAN HAGAR HANY ELSAYED ABDOU HASSAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    Assoc. Prof. AYLA GÜLCÜ

Geri Dön