Yapay sinir ağları ve uygulamaları

Abstract

IV ÖZET Yapay Sinir- Âğları, insan sinir sistemine benzemeye çalışan elektronik sistemlerdir. Çeşitli YSA modelleri mevcuttur. Bu modeller İki temel grupta toplanabilir: Statik ağlar ve dinamik ağlar. Bu çalışmada, YSÂ modellerinden en yaygın olarak k ul 1 anı 1 m&k ta olan üç model: Çok katmanlı per septr onlar, Hopfield ve Hücresel YSA üzerinde çalışılmıştır. Bunlardan ilki statik ağlara diğer ikisi de dinamik ağlara birer örnek teşkil eder. Bu çalışmanın amacı, bahsedilen YSA çeşitlerini, analiz ve sentez yöntemlerini sergilemek ve çeşitli alanlardaki pratik uygulamalarını gerçekleştirmektir. MLP, hata geri yayma yöntemi ile eğitilmektedir. Sistem tanıma ve benzetim pr obl emi er- i nde sıkça kullanılmaktadır. Bu çalışmada, fonksiyon yaklaşımı, öz uyar- imli indüksiyon motor- sürücülü rüzgar- türbininin basitleştirilmiş matema tiksel modeli ve anahtarlı r-elüktans motor- modelinin dinamik sistemindeki doğrusal olmayan akı değişimi benze timi başarıyla gerçekleştirilmiştir. Hopfield ağının genel bir- gösterimi İse görüntü işleme uygul amal ar- 1 nda k ul 1 anı 1 nu ş ti r. Çi f` t k utupl u ve çok seviyeli girdi ör- üntül er i ni n sınıflandırılması yukardaki ağ kullanılarak gerçekleştirilmiştir. Ayrıca Hopfield ağı optimizasyon problemlerinin çözümlerinde de başarıyla k ul 1 anı 1 mı ştı r. Hücresel ağ yapısı da bir cismin gölgesini elde etmede ve delik doldurucusu olarak görüntü işleme uygulamalarında k ul 1 anı 1 mı ş ti r.

SUMMARY Artificial neural networks are devices trying to imitate the human nervous system. There are various models of ANN and they can be classified into 2 basic categories: sta tic and dynamic networks. In this study» three of the most frequently used NN models, multilayer- pereeptrons, Hopfield and cellular neural networks- have been studied. The fir-öt is an example of a static NN and the latter two are examples of dynamic NN*s. The aim of this study is to investigate the analysis and synthesis methods of these NN models and is to present their practical usefulness through examples from various areas. Multilayer- pereep trons are brained by the `Back Propagation Algorithm` and are frequently used in system identification and simula tion problems. In this study, simulations of a simplified model of a wind turbine driven by a self -excited induc tion generator and a nonlinear! ty in the dynamic system model of a switched reluctance motor are obtained succes sfully. A general model of the Hopfield network is used to per form image processing applications. Classification of bipolar and multilevel input patterns are made using the aforementioned network. In addition, solutions of certain optimisation problems have been obtained by means of the Hopfield NN structure. In some other- similar image processing applications, cellular- NN model is used. Among them are the shadowing of an object and filling the holes network.