Target classification by using SOM type nevral networks
SOM tipinde yapay sinir ağları kullanarak hedef sınıflandırma
- Tez No: 93185
- Danışmanlar: DOÇ. DR. GÖNÜL TURHAN SAYAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Elektromanyetik Hedef Sınıflandırma, Sinir Ağları, Kendiliğinden Organize Olabilen Haritalar, Zaman-Frekans Gösterimleri, Page Dağılımı, Wigner Dağılımı VI, Electromagnetic Target Classification, Neural Networks, Self- Organizing Maps, Time-Frequency Representations, Page Distribution, Wigner Distribution
- Yıl: 2000
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 150
Özet
oz SOM TİPİNDE YAPAY SİNİR AĞLARI KULLANARAK HEDEF SINIFLANDIRMA Doğaner, Mehmet Serol Yüksek Lisans, Elektrik ve Elektronik Mühendisliği Bölümü Tez Yöneticisi: Doç. Dr. Gönül TURHAN SAYAN Aralık 2000, 134 sayfa Bu tezin ana konusu, elektromanyetik kanonik hedefler için 'kendiliğinden organize olabilen harita' (SOM) tipinde sinir ağı sınırlandırıcıları tasarlamaktır. Bu çalışmada kullanılan hedefler, üç farklı hedef sınıfını oluşturan; mükemmel iletkenlikte düz ince bir tel, mükemmel iletkenliğe sahip küreler ve kayıpsız dielektrik kürelerdir. Her bir grup içerisindeki sınıflandırma, önceden analitik ve/veya nümerik tekniklerle hesaplanan, hedeflerden saçılmış sinyaller kullanılarak yapılmıştır. Bu sinyallerin SOM ağlarının eğitiminde doğrudan kullanılması yerine,bunlardan Zaman-Frekans Gösterimi (TFR) teknikleri kullanılarak elde edilen öznitelik vektörleri kullanılmıştır. Wigner Dağılımı (WD) ve Page Dağılımı (PD) bu amaçla kullanılan TFR teknikleridir. Standart (hiç yönlendirme gerektirmeyen) SOM algoritmasının kullanılmasının yanısıra, Hafif Yönlendirmeli SOM (S S S OM) algoritması adıyla alternatif bir tasarım da sunulmuş ve elektromanyetik sınıflandırmada kullanılmıştır. Bu algoritmada yönlendirme, sadece nöron ağırlık değerlerinin ilk kez atanması sırasında yapılmıştır. Standart SOM veya SSSOM algoritmalarının kullanılmasının, sınıflandırma performansı üzerine etkileri, belli sınıflandırma benzetimleri yapılarak incelenmiştir. Benzer şekilde, öznitelik vektörü çıkarım aşamasında WD ya da PD yöntemlerinin kullanılmasının etkileri; bazılarında yüzde yüze varan doğru sınıflandırma sonuçlarının elde edildiği benzetim problemlerinde gösterilmiştir.
Özet (Çeviri)
ABSTRACT TARGET CLASSIFICATION BY USING SOM TYPE NEURAL NETWORKS Doğaner, Mehmet Serol M.S. in Electrical and Electronics Engineering Supervisor: Doç. Dr. Gönül TURHAN SAYAN December 2000, 134 pages. The main subject of this thesis is to design Self-Organizing Map (SOM) type neural network classifiers for electromagnetic canonical targets. The targets used in this study are perfectly conducting straight thin wires, perfectly conducting spheres and lossless dielectric spheres forming three different target classes. The classification within each individual class is performed using the scattered signatures of the targets, which were previously computed by using analytical and/or numerical techniques. Rather than directly using these signatures in SOMtraining, the feature vectors extracted from them by means of Time-Frequency Representation (TFR) techniques are utilized. The Wigner distribution (WD) and the Page distribution (PD) are two of the quadratic TFRs used for this purpose. Also, in addition to using standard (completely unsupervised) SOM algorithm in classifier design, an alternative algorithm called Slightly Supervised SOM (SSSOM) is introduced and used to design electromagnetic classifiers. The only supervision provided in SSSOM algorithm is introduced in the weight initialization stage. The effects of using standard SOM or SSSOM algoritm on the classifier performance are investigated in certain classifier simulations. Similarly the effects of using WD or PD in feature extraction stage are demonstrated with correct classification rates increasing up to 100 percent in some of the simulation problems.
Benzer Tezler
- Havayolu yolculuk deneyimini iyileştirmek için makine öğrenmesi yöntemleriyle uçuş gecikmesi tahmini
Machine learning techniques for enhancing airline passenger experience through flight delay prediction
ESMA ERGÜN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Electromagnetic target classification by using time frequency analysis and neural networks
Zaman-frekans analizi ve sinir ağları kullanılarak elektromanyetik hedef sınıflandırılması
TÜRKER İNCE
Yüksek Lisans
İngilizce
1996
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ.DR. GÖNÜL TURHAN SAYAN
- Optimize edilmiş özdevimli öğrenme metotları kullanılarak FMCW radarı ile aktif ve pasif hareketli hedeflerin sınıflandırılması
Active and passive moving targets classification by using optimized machine learning methods via FMCW radar
AHMET TUĞHAN BALKAN
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖKKEŞ TOLGA ALTINÖZ
- Deniz hedeflerinin otomatik olarak sınıflandırılmasında SOA yaklaşımının kullanımı
Marine target classification using SOA architecture
BAKİ BATI
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEVCİHAN DURU
- Yüksek çözünürlüklü menzil profili kullanarak deniz hedeflerinin sınıflandırılması
Ship target classification using high range resolution profile
ÖZLEM ERGÜN
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SOYSAL