Konik kesit fonksiyonlu yapay sinir ağında öğrenme algoritmasının geliştirilmesi ve ağın çeşitli problemler için performansı ile duyarlılığının incelenmesi
Developing of learning algorithm and investigating of the network performance and sensitivity for various problems in conic section function neural networks
- Tez No: 93741
- Danışmanlar: PROF. B. ŞEFİK SARIKAYALAR
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2000
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Bilim Dalı
- Sayfa Sayısı: 114
Özet
ÖZET Konik Kesit Fonksiyonlu Yapay Sinir Ağında esas fikir, bir Çok Katmanlı Algılayıcı birimi ile bir Radyal Temelli Fonksiyonlu ağ birimi arasında ilişki sağlayarak bunlara ait karar bölgelerini içine alacak bir birimin fonksiyonunu genelleştirmektir. Bir yapay sinir ağının performansını belirleyen önemli parametreler vardır: Ağın gelecekteki performansı yani genelleştirme yeteneği, çok amaçlı kullanılıp kullanılamayacağı, ağ yapısının karmaşıklığı, elektronik tasarıma uygun olup olmadığı gibi. Bu çalışma üç ana konuda yoğunlaşmıştır: İlk olarak Konik Kesit Fonksiyonlu Yapay Sinir Ağı için daha önce kullanılan öğrenme algoritması geliştirilerek adaptif öğrenme sağlanmış, ayrıca momentum terimi eklenmiştir. Daha sonra ağın limitlerini ve farklı amaçlar için kullanımını belirleyebilmek için MATLAB kullanılarak geliştirilen algoritma çeşitli problemler üzerinde incelenmiştir. Bunlar elektromiyografik işaretlerin sınıflandırılması, kontakt lens uydurma, iris bitkisi sınıflandırma, fetus gelişimi, fonksiyon yaklaşımı, mikrodalga transistorun modellenmesi ve karakter tanıma problemleridir. Bu çalışma, Konik Kesit Fonksiyonlu Yapay Sinir Ağının değişik problemler üzerindeki performansının ve genelleştirme yeteneğinin, karşılaştırılan diğer ağ yapılarından daha üstün olduğunu göstermiştir. Son olarak giriş verisinde meydana gelebilecek bir değişimden Konik Kesit Fonksiyonlu Yapay Sinir Ağı çıkışlarının nasıl etkileneceğini bulmak için ağ çıkışının girişlere göre duyarlığının analizi yapılmıştır. Duyarlık analizi sonucu ağ çıkışında etkisi en az olan giriş, eğitme sırasında göz önüne alınmayabilir. Yani, az duyarlığa sahip olan giriş kanalı ağdan çıkartılabilir. Böylece ağ boyutu, dolayısıyla karmaşıklık ve eğitme zamanı azaltılmış olur. Bu da ağ performansının iyileşmesini sağlar. Konik Kesit Fonksiyonlu Yapay Sinir Ağı için duyarlık formülleri çıkartılarak değişik problemler için ağın duyarlığı hesaplanmış ve sonuçlar verilmiştir. Duyarlık analizi ile çıkış üzerinde etkisi az olan girişin tespit edilip ağdan çıkartılabilmesi ile ağ boyutunun azaltılması elektronik ağ tasarımı açısından oldukça önemlidir. m
Özet (Çeviri)
ABSTRACT The main idea of the Conic Section Function Neural Network is to provide a relationship between a Multilayer Perceptron unit and a Radial Basis Function Network unit and to generalize the function of a unit to include both of these units. There are important parameters which determine the performance of an artificial neural network: The future performance of the network; that is, the ability of generalization, whether or not it can be used for several purposes, the complexity of the network, the suitability for electronic implementations. This work is concentrated on three main subjects. First, the learning algorithm used for Conic Section Function Neural Network is developed and an adaptive learning is achieved and also momentum term is added. Then, an algorithm developed using MATLAB software is studied on various problems in order to determine the limits and the usability areas of network. These problems include the classification of electromyography signals, contact lens fitting, iris plant classification, fetal hypoxia, function approximation, modelling of microwave transistor and character recognition. This study showed that the performance and the generalization power of Conic Section Function Neural Network on several problems is more powerful than other network structures. Finally, in order to determine how outputs of Conic Section Function Neural Network could be affected by the input data, a sensitivity analysis of network output depending on inputs is made. As a result, the input which has a minor effect on network output can be neglected during training. In other words, the input channels that produce low sensitivity can be removed from the network. This will reduce the size of the network which in turn reduces the complexity and the training time. This may also improve the network performance. The sensitivity analysis formulas for Conic Section Function Neural Network are obtained and the sensitivity of network is calculated and the results are given for various problems. Using sensitivity analysis, determination of the input which has minor effect on output and removal of this input from the network is very important to reduce the size of the network in electronic hardware implementations. IV
Benzer Tezler
- Elektronik retina tasarımına uygun yapay sinir ağı yapısının araştırılması
The Research of the most suitible neural network structure for design of electronic retina
NİHAN COŞKUN
Yüksek Lisans
Türkçe
2003
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TÜLAY YILDIRIM
- Standart ve hibrid yapılar kullanarak yapay sinir ağları ile imza tanıma
Signature recognition using standard and hybrid neural network configurations
CANAN ŞENOL
Yüksek Lisans
Türkçe
2004
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TÜLAY YILDIRIM
- Genel amaçlı bir yapay sinir ağının karma bir donanımla gerçeklenmesi
Mixed mode hardware design of a general purposed artificial neural network
BURCU ERKMEN
Doktora
Türkçe
2007
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF.DR. TÜLAY YILDIRIM
- Yapay sinir ağı ve bulanık mantık hibrid yapı ve algoritmalarının geliştirilmesi
Development of artificial neural network-fuzzy logic hybrid structures and algorithms
CANAN ŞENOL
Doktora
Türkçe
2010
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- Yapay sinir ağlarıyla yüz mimiklerinin tanınması
Mimic recognition using neural networks
MELİH YASAV
Yüksek Lisans
Türkçe
2008
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. TÜLAY YILDIRIM