A Neural network model for pattern recognition
Başlık çevirisi mevcut değil.
- Tez No: 8618
- Danışmanlar: PROF. DR. OKYAY KAYNAK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1990
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın amacı görüntü tanıyabilen ve“seçici dikkat”,“çağrışımlı hatırlama”ile“bölüntüleme”gibi özelliklere sahib olan bir sinir ağının tasarımı ve sınanmasıdır. Ağ çeşitli değişik işlevleri olan birçok sinir gözesinden oluşmaktadır. Bu sinir gözelerinin bazıları kazanç, eşik seviyesi gibi denetim işaretleri üretirken diğer bir kısmı da öğrenerek öznitelik tanırlar. Ağda bulunan geri besleme kanalları ile kazanç denetimi işaretleri seçici dikkat ve çağrışımlı hatırlamadan sorumludur. Bu çalışmada her biri üç katmandan oluşan iki ağ denenmiştir. Bunların birincisinde 11567, ( yaklaşık 90000 bağlantı ) ikincisinde ise 16630 ( yaklaşık 200000 bağlantı ) sinir gözesi vardır. Bu ağlara öğrenme süreci boyunca sadece gürültüsüz ve bozunmamış şekiller gösterilmiş olmasına rağmen, denemelerde bozunmuş ve gürültülü şekiller rahatlıkla tanınabildiği gibi onarımları oldukça başarılı sonuçlanmıştır. Onarımlarda çağrışımlı hatırlama etkin bir rol oynamaktadır. Kendi kendine öğrenebilen bu ağların dışarıdan bir öğretmene gereksinimi yoktur. Öğrenim sırasında gösterilen şekiller ise 19 x 19 luk ve 0-1 'lerden oluşan bir kare matris biçiminde olup matrisin boyutları yazılımda değiştirilebilir.
Özet (Çeviri)
The purpose of this study is to design and test a neural network which can recognize patterns and possesses the abilities such as : selective attention, segmentation, and associative recall. The network consists of several types of neurons some of which can learn and extract features, whereas some of the others generate control signals. The gain control cells and the backward propagation channels are responsible of selective attention and associative recall. Two networks, with three layers each, are used. The first of these networks has 1 1567 cells ( approximately 90000 connections ) and the second has 16630 cells ( approximately 200000 connections ). The results turned out to be very encouraging. The networks are able to repair a deformed pattern in its deformed manner, even if, during the training period only the undeformed and noise free patterns are presented. The networks are self organizing ones and do not need a teacher during learning. Their inputs are designed in a 19 x 19 matrix form where all the input elements are binary 0-1 type. Furthermore the dimensions of the input pattern can be changed according to different needs. İV
Benzer Tezler
- A Temporal neural network model for sequence learning
Sıralı veri tanıma amaçlı zamana dayalı yapay sinir ağı modeli
BORA AYDEMİR
Yüksek Lisans
İngilizce
1999
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FERDA ALPASLAN
- Aplication of neural networks to quality control
Başlık çevirisi yok
TÜMAY AYTAÇ
Yüksek Lisans
İngilizce
1992
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiDOÇ. DR. AYTÜL ERÇİL
- Hücresel yapay sinir ağları için iki öğrenme algoritması ve görüntü işleme uygulamaları
Two learning algorithms for cellular neural networks and their image processing applications
SİNAN KARAMAHMUT
Yüksek Lisans
Türkçe
1994
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ
- Rastgele markov alanları ve hücresel sinir ağları ile görüntü işleme
Image processing with markow random fields and cellular neural networks
MAHMUT ŞAMİL SAĞIROĞLU
Yüksek Lisans
Türkçe
2001
Elektrik ve Elektronik Mühendisliğiİstanbul ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN NURİ UÇAN
- Dinamik algılayıcı öğrenme algoritması ile kenar saptamanın öğrenilmesi
Learning of edge detection using recurrent perceptron learning algorithm
FİLİZ YOSMA TAŞKIN
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ