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
- Tez No: 95083
- Danışmanlar: PROF. DR. MUSTAFA SİVRİ
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Yapay Sinir Ağı, Desen tanıma, Hopfield algoritması, Yoğunluk fonksiyonu, Beklenen değer, Matematiksel modelleme, Yapay sinir ağları, Yapay zeka, Artificial neural networks, Pattern recognition, Hopfield algorithms, Density function, Expected value, Mathematical modelling, Artificial intelligence
- Yıl: 2000
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Yapay sinir ağlarında öğrenme algoritmalarının analizi
Analysis of learning algorithms in neural networks
SEVİNÇ BAKLAVACI
Yüksek Lisans
Türkçe
1994
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. LEYLA GÖREN
- Yapay sinir ağlarıyla üç fazlı asenkron motorun hızının denetlenmesi
Speed control of three phase asynchronous motor by artificial neural network
ŞABAN YILMAZ
Yüksek Lisans
Türkçe
2001
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ŞABAN ERGÜN
- Yapay sinir ağları ile işaret işleme
Signal processing with artificial neural networks
OYA AKBAŞ
Yüksek Lisans
Türkçe
1999
Elektrik ve Elektronik MühendisliğiUludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ERDOĞAN DİLAVEROĞLU
- Elektrik makinelerinden alınan titreşimlerin zaman-frekans analizi
Time-frequency analysis of vibrations recorded from electrical machines
NİHAT KABAOĞLU
- Yapay sinir ağı programının Gediz nehrine ait su kalitesi parametrelerinin bulunmasında kullanılması
Başlık çevirisi yok
OKTAY DEMİRDAĞ
Yüksek Lisans
Türkçe
1998
İnşaat MühendisliğiCelal Bayar Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. BEKİR SOLMAZ