Filtreler

Filtreleri Sıfırla

Ayarlar

Konu: Artificial neural networks ×

Arama Sonuçları

Listeleniyor 1 - 4 / 4
  • Küçük Resim
    Yayın
    On the inverse point-source problem of the poisson equation
    (Istanbul University, 2005) Yılmaz, Melek; Şengül, Metin; Geçkinli, Melih
    In this work, a basic inverse heat conduction problem of a simple 2-D model with steady state heat source is taken into view. The physical problem is for a square region with uniform thermophysical properties and a point heat source of unit magnitude. To obtain boundary data, temperature probes are placed at the midpoints of the sides of the square domain. The objective of the inverse problem is to estimate the coordinates of the point source with the least amount of data. Initially, the inverse problem is analyzed to determine the main causes that render the problem ill conditioned. As for the solution, among the methods that has been tried so far, the best results are obtained from a backpropagating ANN with four-probe data. When white Gaussian noise is added to the measurements, no catastrophic failure has been observed.
  • Küçük Resim
    Yayın
    Uyarlanır yerel bağlı katman kullanan dikkat tabanlı derin ağ ile sesli komut tanıma
    (Institute of Electrical and Electronics Engineers Inc., 2020-10-05) Turkan, Yasemin; Tek, Faik Boray
    Sesli komut tanıma insan-makine ara yüzüyle ilişkili aktif bir araştırma konusudur. Dikkat tabanlı derin ağlar ile bu tür problemler başarılı bir şekilde çözülebilmektedir. Bu çalışmada, var olan bir dikkat tabanlı derin ağ yöntemi, uyarlanır yerel bağlı (odaklanan) katman kullanılarak daha da geliştirilmiştir. Orijinal yönteminde sınandığı Google ve Kaggle sesli komut veri setlerinde karşılaştırmalı olarak yapılan deneylerde önerdiğimiz uyarlanır yerel bağlı katman kullanan dikkat tabanlı ağın tanıma doğruluğunu %2.6 oranında iyileştirdiği gözlemledik.
  • Küçük Resim
    Yayın
    Uyarlanır yerel bağlı nöron modelinin incelemesi
    (Gazi Üniversitesi Bilişim Enstitüsü, 2019-04-10) Tek, Faik Boray
    Bu çalışmada uyarlanır yerel bağlı (odaklanan) nöron modelinin bir incelemesi sunulmuştur. Öncelikle bu modelin varolan diğer nöron modelleri ile ilişkisi incelenmiştir. Daha sonra modelin ileri beslemede çalışması ve geriye yayılım ile eğitilmesi tartışılmıştır. Modelin çalışma prensipleri sentetik sınıflandırma veri kümeleri üzerinde deneylerle gösterilmiştir. Son olarak, basit ve evrişimli ağların saklı katmanlarında odaklı nöronlar kullanılması halinde tam bağlı nöronlara göre daha iyi bir performans elde edilebileceği MNIST, CIFAR10, FASHION gibi popüler imge tanıma veri kümelerinde karşılaştırmalı olarak gösterilmiştir.
  • Küçük Resim
    Yayın
    Electrical circuit design based on neural networks
    (Işık Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2026-01-23) Abou Allil, Feras; Köprü, Ramazan; Işık Üniversitesi, Lisansüstü Eğitim Enstitüsü, Elektrik-Elektronik Mühendisliği Yüksek Lisans Programı; Işık University, School of Graduate Studies, Electric-Electronics Engineering M.S. Program
    Artificial Neural Networks (ANNs) have gained significant attention due to their fast and accurate performance estimation capabilities, particularly in applications requiring strong learning and generalization. In this thesis, a comprehensive study is presented on the use of neural networks for the design and analysis of analog electronic circuits, focusing on both passive and active filter topologies. A feedforward neural network architecture is employed to reduce unwanted noise in measurement signals and to accurately infer component values from frequency response characteristics. For each circuit type, a dedicated neural network is trained to learn the relationship between circuit parameters and their corresponding magnitude responses. The study includes a variety of analog filters—such as low-pass and band-pass filters—implemented using passive elements as well as active devices including operational amplifiers and operational transconductance amplifiers (OTAs). Two training methodologies are introduced and evaluated: Element Spreading Training (EST) and Element Randomization Training (ERT). These approaches enhance dataset diversity and improve the neural network’s ability to generalize across a wider range of circuit behaviors, resulting in more reliable and robust predictions. The overall framework demonstrates the potential of integrating neural networks into classical analog circuit design, offering insights into performance, advantages, and limitations. All analyses and simulations are conducted and validated using MATLAB. The proposed methods have been tested under different frequency ranges and component tolerances.