Geri Dön

Yapay sinir ağı yardımıyla desen tanıma ve bulunan düzeltme fonksiyonunun incelenmesi

Pattern recognition by using artificial neural networks and examination of the found correction function

  1. Tez No: 95083
  2. Yazar: AYŞEGÜL ERKEN
  3. Danışmanlar: PROF. DR. MUSTAFA SİVRİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Matematik, Mathematics
  6. Anahtar Kelimeler: Yapay Sinir Ağı, Desen tanıma, Hopfield algoritması, Yoğunluk fonksiyonu, Beklenen değer, Artificial neural networks, Pattern recognition, Hopfield algorithms, Density function, Expected value
  7. Yıl: 2000
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 113

Özet

Ill ÖZET YAPAY SİNİR AĞI YARDIMIYLA DESEN TANIMA ve BULUNAN DÜZELTME FONKSİYONUNUN İNCELENMESİ Yapay Sinir Ağı; karar verme problemlerinde sıkça kullanılan Yapay Zeka tekniklerinden biridir. Yapay Sinir Ağı, teorik hale getirilmiş zeka ve beyin faaliyetlerinin matematiksel modelidir. Bu konu üzerinde konuşma, görüntü tanıma, karar verme, kontrol gibi çeşitli alanlarda insan gibi bir davranış elde etmek amacıyla çalışılmaktadır. Bu tezde Yapay Sinir Ağı konusu genel olarak tanıtılmış ve temel noktalar üzerinde durulmuştur. Bazı önemli Yapay Sinir Ağı modelleri tanıtılmış ve bunların kullanılmasını sağlayan algoritmalar verilmiştir. Uygulama olarak şekil-desen tanıma örneği verilmiştir. Bu örnek Pascal programlama dilinde yazılmıştır. Sistemde 10*10 'luk desen alanı olan 4 sınıflı 100 nöron tanımlanmış ve bunlar eğitilmiştir. Rastgele desen seçilerek [1, 1/20] aralığında bozulma oranları verilerek, elde edilen bozuk desen sisteme verilmiştir. Buradaki amaç; gelen bozuk desenin düzgün desenler içinde hangisine benzediğini bulmaktır. Bunun için Hopfield Algoritması kullanılmıştır. Hopfield algoritmasının yaptığı iş, eğittiğimiz desenlerin ağırlıklı ortalamasını bulup, bunları hücreler arası ağırlık katsayılarına paylaştırmak ve bizim verdiğimiz bozuk deseni bu ağırlıktan geçirerek doğru değere yakınsatmaktır. Bu algoritma, girdiyi doğru olana yakmsatana kadar işlemlerine devam eder. Hopfield her zaman tam bir sonuç veremeyeceğinden, Hopfield ' dan çıkan sonuç, gelen desenin düzgün desenler içinde en çok hangisine uyduğunu puan vererek araştıran GiveMaxSimilar prosedüründen geçirilmiştir. 100 deneme yapılarak bozulma oranlarına karşılık gelen düzeltme oranları bulunmuş ve SPSS 8.0 programıyla düzeltme fonksiyonu bulunmuştur. Son olarak, düzeltme fonksiyonunun olasılık yoğunluk fonksiyonu bulunmuş, ve bozulma oranının düzgün dağılım olması halinde olasılık yoğunluk fonksiyonunun beklenen değeri hesaplanmıştır.

Özet (Çeviri)

IV ABSTRACT PATTERN RECOGNITION BY USING ARTIFICIAL NEURAL NETWORKS AND EXAMINATION OF THE FOUND CORRECTION FUNCTION Artificial Neural Network is one of the techniques of Artificial Intelligence which is often used in decision making problems. Artificial Neural Network is the mathematical model of intelligence and brain activities which are theorized. This topic is studied to obtain behaviors that are similar to that of human-beings in various areas such as speech recognition, image recognition, decision making, control. In this thesis, Artificial Neural Network is generally described and some basic points are presented. Some important Artificial Neural Network models are described and the algorithms related with these models are given. As an application, pattern recognition sample is given. This sample is written in Pascal programming language. In the system, There are 100 neurons with 4 class which has 10*10 pattern areas. And they are trained. Patterns are selected randomly and corruption ratio is given in the interval of [1,1/20] and corrupted pattern is given into the system. The aim is to find the corrupted pattern given by the system belongs to which correct pattern. Hopfield Network is used in order to find it The task of Hopfield Network is to find the weighted mean of the trained patterns and to distribute them to the weight coefficient between cells and to pass corrupted pattern through this weight in order to converge on the exactly correct value. This algorithm continues to perform its iterations until converging the input to the correct value. Since Hopfield doesn't always give the exact result, the consequence of Hopfield algorithm passes from Give Max Similar procedure. 100 tests are made and correct ratios which correspond to corrupted patterns are found. Correct function is found by SPSS 8.0 programme. Finally, when the corruption ratio is uniform distrubition, the expected value of the probability density function is calculated.

Benzer Tezler

  1. Yapay sinir ağlarında öğrenme algoritmalarının analizi

    Analysis of learning algorithms in neural networks

    SEVİNÇ BAKLAVACI

  2. Stochastic bitstream-based vision and learning machines

    Stokastik bit akışı tabanlı görü ve öğrenme makineleri

    SERCAN AYGÜN

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ECE OLCAY GÜNEŞ

  3. Yapay sinir ağları ile buğday tanelerinin kalite tespiti

    Qulity detection of wheat kernels by using artificial neural networks

    AHMET BABALIK

    Doktora

    Türkçe

    Türkçe

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. FATİH M. BOTSALI

  4. Yapay sinir ağları yardımıyla kendinden karışımlı (self mixing) interferometrik sistemlerde gürültü azaltma

    Noise reduction in self-mixing interferometric systems with the help of artificial neural networks

    CEYDA YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Fizik ve Fizik MühendisliğiAnkara Üniversitesi

    Fizik Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN SARI

    PROF. DR. HALİL BERBEROĞLU

  5. Coriolis tipi kütlesel debimetrelerde basınç kaybının modellenmesi

    Modelling pressure loss of coriolis type flowmeter

    ATA EFEKAN BOZKURT

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. LEVENT ALİ KAVURMACIOĞLU