Tez No	İndirme	Tez Künye	Durumu
427939		Korteks tabanlı imge gösterim kapasitelerinin uzamsal dönüşümler ve makine öğrenmesi yöntemleriyle ölçülmesi / Measuring capacity of cortex based image representations using spatial transformations and machine learning methods Yazar:MUHAMMED ERDEM İSENKUL Danışman: DOÇ. DR. OLCAY KURŞUN ; DOÇ. DR. OLEG V.FAVOROV Yer Bilgisi: İstanbul Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora Türkçe 2016 123 s.
Hesaplamalı sinirbilim çalışma alanının başlıca çalışma konularından biri insan görme sistemin incelenmesi ve içerisinde bulunan yapıların modellenmesidir. İnsan beyninin farklı imge örüntüleri arasındaki farklılık ve benzerliklere nasıl adapte olduğu bu çalışma alanının aradığı cevaplar arasındadır. Görme sisteminin en çok bilinen ve üzerinde en çok çalışılan bölgesi birincil görme korteksidir (V1). V1'in ilk girdi aldığı katman olan Katman 4 üzerine geliştirilmiş birçok matematiksel model bulunmaktadır. Katman 4'e girdi olarak gelen görsel alandaki bilgi, belirli örüntülere duyarlı, RBF ağı gibi doğrusal olmayan bir gösterim sistemine dönüştürülerek komşu alan ve üst katmanlara iletilir. Makine öğrenmesi alanında çekirdek (kernel) kavramına benzer olarak bu ara gösterim, verilen resimlerin hangi sık-rastlanılan örüntülere sahip oldukları ve uzamsal dönüşümleri gibi varyasyonları gerektiğinde kolaylıkla öğrenebilir nitelikte bir gösterimdir. Tezde amaçlanan, Katman 4'ün imge gösterim kapasitesinin ölçülmesi ve retinal girdilerin (orijinal resimlerin) filtrelenmesiyle özetlenebilecek beynin talamus yapısı çıktı gösterimlerine göre karşılaştırılabilir performansının değerlendirilmesidir. Bu tez kapsamında, bir Katman 4 benzetim modeli (Favorov ve Kursun, 2011) kullanılarak, gösterimin doğal resimlerin uzamsal dönüşümlerine ve hareket izine olan hassasiyeti incelenmiş, kümeleme ve sınıflandırma problemlerindeki Katman-4 gösteriminin başarımları analiz edilmiştir.
One of the key goals of computational neuroscience is to dissect how human visual system carry out complex computations. Adaptation of the differences and similarities between different image patterns in the human brain is the main concern of this researches. The primary visual cortex (V1) is the best-known and best-studied visual area in the brain. Layer 4 (L4) is the first layer of V1, which receives most visual input from the lateral geniculate nucleus (LGN) (or thalamus), and there are several L4 mathematical models implemented for this structure. Visual information that comes into L4 as input is transformed into a nonlinear representation that is capable of detecting certain visual patterns, similar to an RBF-network, and then is passed to neighboring and upper layers. This internal representation, analogous to the kernel concept in the field of machine learning, specifies which frequent patterns exist in the given image patch and is also capable of easily learning and predicting its variations such as its spatial transformations. The purpose of this thesis is to analyzing the performance of L4 image representation capacity and comparing this model with the thalamus model which is the input of L4 and can be summarized as filtered retinal input images (original images).With this purpose, using a Layer-4 simulation model (Favorov and Kursun, 2011), the sensitivity of Layer-4 representation to the spatial transformations and motion blur problems of natural images is analyzed.