Feedforward nevral network optimisation suitable for hardware implementation
İleri beslemeli sinir ağlarının donanıma uygun optimizasyonu
- Tez No: 82851
- Danışmanlar: DR. GÜNHAN DÜNDAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Bilgisayar donanımları, Optimizasyon, Yapay sinir ağları, Hardware, Optimization, Artificial neural networks
- Yıl: 1999
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Sistem ve Kontrol Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
vıı ÖZET Son zamanlarda ileri beslemeli yapay sinir ağlan üzerinde yoğun bir ilgi oluşmuştur. Bunun başlıca nedeni bu sistemlerin son derece karmaşık gerçek problemleri büyük bir basan ile çözebilmesidir. Bu sinir ağlannın eğitimi için birçok teknikler ve metodlar geliştirilmiştir. Bu metodlan başlıca üç gruba ayırmak mümkündür: küçük bir ağdan başlayıp inşa, büyük bir ağı budama ve bu iki tekniğin kanşımı. Bir başka Önemli nokta ise yazılım ortamında geliştirilen bu ağların donanıma ugulanmasıdır. Optimizasyon konusunda bir çok metod olmasına rağmen donanımı dikkate alarak optimizasyon yapan bir metod mevcut değildir. Bu tezin birinci kısmında inşa ve budama birleştiren bir metod ile bir genetik metodun karşılaştınlması yatpılmıştır. Tezin ikinci kısmında ise yukanda belirtilen ağlardaki bağlantılar için bir hassasiyet analizi geliştirilip, genetik metodla birleştirilerek donanıma uygun sinir ağı optimizasyonu gerçekleştirilmiştir. Buradaki amaç daha az hassas olan bağlantılann belirlenip donanım uygulamasında bu bağlantılar için daha basit donanım birimlerinin kullanılması ve böylece alan tasarrufu sağlanmasıdır.
Özet (Çeviri)
IV ABSTRACT Designing on an appropriate size of a neural network is one of the main problems. Several methods are proposed to find optimum structures for feedforward neural networks. These methods are based on pruning, construction and combination of these two. Another important subject is hardware implementation of neural networks. In the first part of this thesis, two optimisation algorithms, a Genetic Algorithm and an algorithm combining pruning and construction are implemented and compared. In the second part of the thesis a new sensitivity based optimisation technique is developed. The weights of a resultant network obtained by above algorithms are updated according to a sensitivity criterion to obtain optimum structure for hardware implementation. The results showed that, if the process is carefully applied suitable network structures can be obtained without loss of performance.
Benzer Tezler
- Geri beslemeli yapay sinir ağlarının genetik operatörlere dayalı tabu araştırma algoritması kullanarak eğitilmesi
Training recurrent neural networks using tabu search based on genetic operators
ADEM KALINLI
- Cisim tanıma problemine yapay sinir ağlarının uygulanması
Application of artificial neural networks to object recognition
ATİLLA ÜSTÜN
Yüksek Lisans
Türkçe
1999
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. A. TALHA DİNİBÜTÜN
- RTFA ile sistem tanıma ve nöral-bulanık kontrol-
Başlık çevirisi yok
ZEKERİYA UYKAN
Yüksek Lisans
Türkçe
1996
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. İBRAHİM KESKİN
- Asenkron makina kontrolü için yapay sinir ağı tabanlı rotor akışı gözlemcisi
Başlık çevirisi yok
ASLI AYLA ÇAKIRGÖZ
Yüksek Lisans
Türkçe
1998
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN TACER
- Yapı analizi ve tasarımında yapay sinir ağları
Neural networks in structural analysis and design
YUNUS DERE
Yüksek Lisans
Türkçe
1997
İnşaat MühendisliğiSelçuk Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAŞAR KALTAKCI