Geri Dön

Bir geri yayılım nöral ağında giriş tabakasındaki işlemci sayısını artırmanın performans, eğitme zamanı ve saklı tabakadaki nöron sayısı üzerindeki etkileri

Başlık çevirisi mevcut değil.

  1. Tez No: 29675
  2. Yazar: ADEM KALINLI
  3. Danışmanlar: YRD. DOÇ. DR. MEHMET ALTUNER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Algoritmalar, Performans, Yapay sinir ağları, Öğretme, Algorithms, Performance, Artificial neural networks, Teaching
  7. Yıl: 1993
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

-vııv SUMMARY At present, neural networks can be used by so many scientist, psychology, physiology and etc. due to their features which make able to take part in many research fields. To achieve some functions of brain being used by neural networks, there are so many algorithms have been developed. One of the best known and widely used algorithm is back propagation (BP) algorithm. This algorithm gives better results when compared to other algorithms for recognition and classification of patterns. In the present study, a neural network is designed and build to recognize 26 basic alphabetic characters (patterns). To achieve this, a computer programme based on BASIC language is developed giving outputs their corresponding performances on the screen. After training the network 100000 training times, network gives about 99.5 % of learning performances. Introducing noise (incomplete data) does not effect the output of the network. However, this is only be true for a certain range of noise level. It can be found that increasing input data or increasing number of processing elements in the input layer does not have any effect on the optimum number of processing elements in the hidden layer. This argument is also be true for the training time. On the other hand, increasing the number of patterns to be recognized in the input layer has an effect on the number of optimum processing elements in the hidden layer and the training time.-vn- Bu çalışmanın sonucunda ise, giriş tabakasındaki işlemci eleman sayısını arttırmanın alfabetik desenlerin tanınması için saklı -tabakada yer alacak optimum işlemci eleman sayısı ve eğitme zamanı üzerinde fazlaca bir etkisi olmadığı görülmüştür. Saklı -tabakada yer alacak işlemci eleman sayısı ve eğitme zamanının, çıkış-tabakasında yer alan işlemci eleman sayısı arttığında; yani tanınması gereken daha fazla desen olduğunda değiştiği anlaşılmıştır.

Özet (Çeviri)

-vııv SUMMARY At present, neural networks can be used by so many scientist, psychology, physiology and etc. due to their features which make able to take part in many research fields. To achieve some functions of brain being used by neural networks, there are so many algorithms have been developed. One of the best known and widely used algorithm is back propagation (BP) algorithm. This algorithm gives better results when compared to other algorithms for recognition and classification of patterns. In the present study, a neural network is designed and build to recognize 26 basic alphabetic characters (patterns). To achieve this, a computer programme based on BASIC language is developed giving outputs their corresponding performances on the screen. After training the network 100000 training times, network gives about 99.5 % of learning performances. Introducing noise (incomplete data) does not effect the output of the network. However, this is only be true for a certain range of noise level. It can be found that increasing input data or increasing number of processing elements in the input layer does not have any effect on the optimum number of processing elements in the hidden layer. This argument is also be true for the training time. On the other hand, increasing the number of patterns to be recognized in the input layer has an effect on the number of optimum processing elements in the hidden layer and the training time.

Benzer Tezler

  1. Tez No

    76561

    Detection of P300 component in single trials using an artificial neural network

    P300 dalgasının bir tek kayıtta yapay sinir ağı ile belirlenmesi

    YUSUF KENAN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    Tıbbi BiyolojiBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİL ÖZCAN GÜLÇÜR

  2. Tez No

    56680

    Hydips: A Hybrid neural network based diagnostic tool for perinatal surveillance

    Perinatal takipte bir hibrit nöron ağına dayanan tanı aracı

    NAZİFE BAYKAL

    Doktora

    İngilizce

    İngilizce

    1996

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NEŞE YALABIK

  3. Tez No

    75234

    Supersonic jet-wall interactions in model rocket launchers

    Model roket fırlatıcılarında ses üstü jet-duvar etkileşimi

    METİN UÇAK

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İ. BEDRİ ÖZDEMİR

  4. Tez No

    39201

    Ejection from rapidly depressurized vessels containing bubbly - liquid two - phase fluid

    Gaz kabarcıklı sıvı iki fazlı akışkan tanklarından ani basınç düşüşü yaratarak fışkırma

    ŞÜKRÜ BALTA

    Yüksek Lisans

    İngilizce

    İngilizce

    1993

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    PROF. DR. HASAN FEHMİ YAZICI

  5. Tez No

    14646

    User identification through neural network algorithms

    Başlık çevirisi yok

    DİDEM ÜNLÜ

    Yüksek Lisans

    İngilizce

    İngilizce

    1991

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    DOÇ.DR. UĞUR HALICI

Geri Dön