Mükemmel İletken Yüzeyler Üzerindeki Hedeflerin Yapay Sinir Ağı İle Sınıflandırılması SENEM MAKAL 26.12.2006.

Slides:



Advertisements
Benzer bir sunumlar
U.Mahir YILDIRIM Bülent ÇATAY
Advertisements

ALTIN FİYATININ VE İŞLEM HACMİNİN TAHMİNİ
Prof.Dr.Şaban EREN Yasar Üniversitesi Fen-Edebiyat Fakültesi
İSTATİSTİK VE OLASILIK I
NOKTA, DOĞRU, DOĞRU PARÇASI, IŞIN, DÜZLEMDEKİ DOĞRULAR
Uzm. Mine H.Bahçeci I.Derece Öğretmen Hemşire KKTC Sağlık Bakanlığı
T.C. İNÖNÜ ÜNİVERSİTESİ Arapgir Meslek YÜKSEKOKULU
TİE Platformu Yürütme Kurulu Başkanı
İSK SÜRECİ Yetenek oluşturma
Çok Katmanlı Yapay Sinir Ağı Modelleri
Atlayarak Sayalım Birer sayalım
VOLEYBOL İNDEKS (OYUNCULARIN FİZİK YETENEKLERİNİN ÖLÇÜMÜ)
HATA TİPLERİ Karar H0 Doğru H1 Doğru H0 Kabul Doğru Karar (1 - )
Devre Tahtası Kullanımı
Yüz Tanıma İçin İlinti Tabanlı Yama Yerelleştirme
MC-CDMA (Çok Taşıyıcılı-Kod Bölmeli Çoklu Erişim ) Alıcılarda Yakın-Uzak Problemine Yönelik Yapay Zekâ Uygulamaları Metin ÇİÇEK, Bilgi Teknolojileri ve.
DÜŞÜK-YÜKSEK SICAKLIK VE NEM TESTLERİ
KIR ÇİÇEKLERİM’ E RakamlarImIz Akhisar Koleji 1/A.
Fırat Fehmi Aygün Aybars Moralı Dokuz Eylül Üniversitesi
Yapay Sinir Ağları Artificial Neural Networks (ANN)
HOŞGELDİNİZ 2005 Yılı Gelir Vergisi Vergi Rekortmenleri
7. Wheatstone Köprüsü: V1: Besleme gerilimi, V2: Ölçülen gerilim + -
Modüler, Akıllı Elektrik Sayacı
Özel Üçgenler Dik Üçgen.
Özdeğerler,Exp./harmonik girdi, spektrum
HAZIRLAYAN:SAVAŞ TURAN AKKOYUNLU İLKÖĞRETİM OKULU 2/D SINIFI
GÜÇ ELEKTRONİĞİ Doç. Dr. N. ABUT
ÖLÇME VE DEĞERLENDİRME DERSİ
ÖRNEKLEM VE ÖRNEKLEME Dr.A.Tevfik SÜNTER.
Karar ve Fayda Kuramı.
TEMEL YAŞAR ÇORUH İLKÖĞRETİM
HACETTEPE ÜNİVERSİTESİ EĞİTİM FAKÜLTESİ BİLGİSAYAR V ÖĞRETİM TEKNOLOJİLERİ EĞİTİMİ BTÖ411 - Proje Geliştirme ve Yönetimi I Ders Sorumlusu: Prof. Dr. Arif.
TEST – 1.
HABTEKUS' HABTEKUS'08 3.
EĞİTİMDE ÖLÇME VE DEĞERLENDİRME
Anadolu Öğretmen Lisesi
1 T.C. ŞIRNAK VALİLİĞİ Aralık GENEL TANITIM.
1/20 ÖLÇÜLER (Zaman) A B C D Bir saat kaç dakikadır?
MURAT ŞEN AKDENİZ ÜNİVERSİTESİ Üçgenler.
BİYOİNFORMATİK NEDİR? BİYOİNFORMATİKTE KULLANILAN SINIFLAMA YÖNTEMLERİ
100 Yetişkine İlişkin Kolesterol Değerleri
EĞİTİMDE ÖLÇME VE DEĞERLENDİRME
Erkan ULKER & Ahmet ARSLAN Selçuk Üniversitesi,
Toplama Yapalım Hikmet Sırma 1-A sınıfı.
T - Testi Bağımsız örneklem t – Testi, bir birinden farklı örneklemlerin ölçülen ortalaması ile tahmin edilen ya da bilinen ortalamasının karşılaştırtırılmasında.
Proses Kontrol Döngüsü
1.HAFTA 26 Ağustos 2009 ÇARŞAMBA 2.HAFTA 01 EYLÜL 2009 SALI 3.HAFTA 09 EYLÜL 2009 ÇARŞAMBA 4.HAFTA 15 EYLÜL 2009 SALI 5.HAFTA 23 EYLÜL 2009 ÇARŞAMBA 6.HAFTA.
YAPAY SİNİR AĞLARI VE BAYES SINIFLAYICI
USLE P FAKTÖRÜ DR. GÜNAY ERPUL.
AC Kuplajlı Yükselteçler Türev ile İntegral Devreleri
Diferansiyel Denklemler
Yapay Zeka Desteği ile Parfüm Öneri Sistemi
Yapay Sinir Ağları (Artificial Neural Networks) Bir Yapay Sinir Ağı Tanımı (Alexander, Morton 1990) Yapay sinir ağı, basit işlemci ünitelerinden oluşmuş,
EEM 448 Mikrodalga Sistemleri
Sıklık Tabloları ve Sıklık Tablolarından Elde Edilen Tanımlayıcı İstatistikler.
Verilerin Sınıflandırılması
YAPAY SİNİR AĞLARI.
Çok Katmanlı Algılayıcı-ÇKA (Multi-Layer Perceptron)
Bölüm 3 : Yapay Sinir Ağları (MatLab) Artificial Neural Network
Yapay sinir ağı, basit işlemci ünitelerinden oluşmuş, çok
Engin Kaya Kontrol Mühendisliği İstanbul Teknik Üniversitesi
Engin Kaya Kontrol Mühendisliği İstanbul Teknik Üniversitesi
YAPAY SİNİR AĞLARININ YAPISI VE TEMEL ELEMANLARI
Geriye Yayılım Algoritması (Back-Propagation Algorithm)
Danışman Öğretim Üyesi: Erdem KARABULUT
Çok Katmanlı Algılayıcı-ÇKA (Multi-Layer Perceptron)
S. Haykin, “Neural Networks- A Comprehensive Foundation”,
Sunan: Gül TÜRKER Süleyman Demirel Üniversitesi
Çok Katmanlı Algılayıcı-ÇKA (Multi-Layer Perceptron)
TEST.
Sunum transkripti:

Mükemmel İletken Yüzeyler Üzerindeki Hedeflerin Yapay Sinir Ağı İle Sınıflandırılması SENEM MAKAL

İÇERİK Moment Metodu Görüntü Metodu  Saçılan Dalgalar  Veri Setinin Oluşturulması  Yapay Sinir Ağı Uygulaması MLP K-Katlamalı Çapraz Geçerlilik Yöntemi  Sonuçlar

SAÇILAN DALGALAR

SAÇILAN ELEKTRİK ALANIN HESAPLANMASI Sınır Koşulları EFIE

MOMENT METODU

GÖRÜNTÜ METODU

VERİ SETİNİN OLUŞTURULMASI h r1 r2 r3

VERİ SETİNİN OLUŞTURULMASI Veri Seti Frekans adım aralığı : GHz Her cisim için örnek sinyal sayısı : 400 Toplam veri sayısı : 1200

MLP (Çok Katmanlı Algılayıcı) Giriş KatmanıGizli Katmanlar Çıkış Katmanı Hatanın Geriye Yayılımı Algoritması Levenberg - Marquardt Algoritması

MLP UYGULAMASI 3-Katmanlı Giriş Katmanı4 Nöron Gizli Katmanı8 Nöron Çıkış Katmanı2 Nöron

K-Katlamalı Çapraz Geçerlilik Yöntemi 1.Grup 2.Grup 3.Grup K adet Test Kümesi K=10

Elektromagnetik Hedef Sınıflama ve Sonuçlar Test Başarısı: % Testin Ortalaması Grup Grup Grup Grup 498 Grup Grup Grup Grup Grup Grup Testin Ortalaması Grup Grup Grup 3100 Grup 4100 Grup Grup 6100 Grup 7100 Grup Grup Grup Eğitme Başarısı: %99.4

TEŞEKKÜRLER