Tez No	İndirme	Tez Künye	Durumu
490329		Neural network based feature extraction for handwritten digit recognition / El yazısı rakam tanıma için yapay sinir ağları tabanlı öznitelik çıkarma Yazar:MİNE ALTINAY GÜNLER PİRİM Danışman: YRD. DOÇ. DR. HAKAN TORA ; YRD. DOÇ. DR. KASIM ÖZTOPRAK Yer Bilgisi: Atılım Üniversitesi / Fen Bilimleri Enstitüsü / Mühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı / Elektrik Elektronik Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:	Onaylandı Doktora İngilizce 2017 107 s.
Bu tezde, yarı eğitilmiş sinir ağlarının gizli katman çıktı ağırlıklarının öznitelik vektörü olarak kullanılabileceği önerilmektedir. Sinir ağları örüntü tanımada sınıflandırma yapmayı sağlayan bir algotimadır. Bu çalışmada bu gerçeğe ek olarak, yarı eğitilmiş sinir ağlarının gizli katman çıktı vektörlerinin görüntünün öznitelikleri olarak kullanılmasında bir araç olarak kullanılabileceği gösterilmiştir. Sistem ana olarak 3 basamaktan oluşmaktadır: önişlemci, öznitelik çıkarıcı ve sınıflandırıcı. Herbir deneyde sadece sınıflandırıcı katmanı değişmektedir diğer iki katman tüm deneyler için default olarak kullanılmaktadır. Sıfılanırıcı olarak destekçi vektör makinaları, sinir ağları ve Öklid uzaklığı sınıflanıdırıclarından yararlanılmıştır. Önerilen sistem performansını değerlendilmesi MNIST ve USPS denektaşı verikümeleri üzerinde yapılmıştır.
Bu tezde, yarı eğitilmiş sinir ağlarının gizli katman çıktı ağırlıklarının öznitelik vektörü olarak kullanılabileceği önerilmektedir. Sinir ağları örüntü tanımada sınıflandırma yapmayı sağlayan bir algotimadır. Bu çalışmada bu gerçeğe ek olarak, yarı eğitilmiş sinir ağlarının gizli katman çıktı vektörlerinin görüntünün öznitelikleri olarak kullanılmasında bir araç olarak kullanılabileceği gösterilmiştir. Sistem ana olarak 3 basamaktan oluşmaktadır: önişlemci, öznitelik çıkarıcı ve sınıflandırıcı. Herbir deneyde sadece sınıflandırıcı katmanı değişmektedir diğer iki katman tüm deneyler için default olarak kullanılmaktadır. Sıfılanırıcı olarak destekçi vektör makinaları, sinir ağları ve Öklid uzaklığı sınıflanıdırıclarından yararlanılmıştır. Önerilen sistem performansını değerlendilmesi MNIST ve USPS denektaşı verikümeleri üzerinde yapılmıştır.