Transcript Bir SNNS Uygulaması: Karakter ve Rakam Tanıma
Slide 1
Bir SNNS Uygulaması: Karakter
ve Rakam Tanıma
Parametrelerin Tanıma Üzerinde Etkisi
Kerem ERZURUMLU
[email protected]
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 2
Proje Tanımı
Temel tanım karakter tanıma
– Girdi: 5x7’lik 0 ve 1’lerden oluşan matris
– Çıktı: İkili kod
– Amaç: Harflerin ve rakamların öğretilmesi
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 3
Girdi Örneği
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 4
Çıktı Örneği
A karakteri için 41:
–01000001
B karakteri için 42:
–01000010
.
.
0 karakteri için 30:
–00110000
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 5
Tasarlanan Ağ
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 6
Öğrenme Parametreleri
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 7
Öğrenme Süreç Grafiği
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 8
Öğrenme Sonuçları
%100 başarılı sonuçlar için 2700 devir
gerekiyor.
%6 oranındaki gürültüde düzeltme
yapabiliyor.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 9
Test I
Gizli katmandaki nöron sayısı 10’a
çıkarıldı.
Aynı öğrenme parametreleri ve aynı
dosya ile öğrenme süreci baştan
tekrarlandı.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 10
I. Test Öğrenme Grafiği
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 11
I. Test Sonuçları
%100 başarılı sonuçlar için 1750 devir
gerekiyor.
%15 oranındaki gürültüde düzeltme
yapabiliyor.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 12
Test II
Gizli katmandaki nöron sayısı 15’a
çıkarıldı.
Aynı öğrenme parametreleri ve aynı
dosya ile öğrenme süreci baştan
tekrarlandı.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 13
II. Test Öğrenme Grafiği
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 14
II. Test Sonuçları
%100 başarılı sonuçlar için 1510 devir
gerekiyor.
%21 oranındaki gürültüde düzeltme
yapabiliyor.
Yarım harf tanımlaması yapabiliyor.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 15
Test III
Gizli katmandaki nöron sayısı 6’da
tutuldu.
Öğrenme fonksyonu QuickProp seçildi.
Aynı öğrenme parametreleri ve aynı
dosya ile öğrenme süreci baştan
tekrarlandı.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 16
Test III Öğrenme Parametreleri
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 17
III. Test Öğrenme Grafiği
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 18
III. Test Sonuçları
%100 başarılı sonuçlar için 990 devir
gerekiyor.
Gürültüde hata düzeltme yapamıyor.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 19
Test IV
Gizli katmandaki nöron sayısı 15’e
çıkarıldı.
Test III’ün parametreleri ve aynı dosya
ile öğrenme süreci baştan tekrarlandı.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 20
IV. Test Öğrenme Grafiği
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 21
IV. Test Sonuçları
%100 başarılı sonuçlar için 450 devir
yeterli.
%15 oranındaki gürültüde düzeltme
yapabiliyor.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 22
Bir SNNS Uygulaması: Karakter
ve Rakam Tanıma
Parametrelerin Tanıma Üzerinde Etkisi
Kerem ERZURUMLU
[email protected]
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Bir SNNS Uygulaması: Karakter
ve Rakam Tanıma
Parametrelerin Tanıma Üzerinde Etkisi
Kerem ERZURUMLU
[email protected]
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 2
Proje Tanımı
Temel tanım karakter tanıma
– Girdi: 5x7’lik 0 ve 1’lerden oluşan matris
– Çıktı: İkili kod
– Amaç: Harflerin ve rakamların öğretilmesi
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 3
Girdi Örneği
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 4
Çıktı Örneği
A karakteri için 41:
–01000001
B karakteri için 42:
–01000010
.
.
0 karakteri için 30:
–00110000
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 5
Tasarlanan Ağ
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 6
Öğrenme Parametreleri
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 7
Öğrenme Süreç Grafiği
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 8
Öğrenme Sonuçları
%100 başarılı sonuçlar için 2700 devir
gerekiyor.
%6 oranındaki gürültüde düzeltme
yapabiliyor.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 9
Test I
Gizli katmandaki nöron sayısı 10’a
çıkarıldı.
Aynı öğrenme parametreleri ve aynı
dosya ile öğrenme süreci baştan
tekrarlandı.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 10
I. Test Öğrenme Grafiği
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 11
I. Test Sonuçları
%100 başarılı sonuçlar için 1750 devir
gerekiyor.
%15 oranındaki gürültüde düzeltme
yapabiliyor.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 12
Test II
Gizli katmandaki nöron sayısı 15’a
çıkarıldı.
Aynı öğrenme parametreleri ve aynı
dosya ile öğrenme süreci baştan
tekrarlandı.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 13
II. Test Öğrenme Grafiği
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 14
II. Test Sonuçları
%100 başarılı sonuçlar için 1510 devir
gerekiyor.
%21 oranındaki gürültüde düzeltme
yapabiliyor.
Yarım harf tanımlaması yapabiliyor.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 15
Test III
Gizli katmandaki nöron sayısı 6’da
tutuldu.
Öğrenme fonksyonu QuickProp seçildi.
Aynı öğrenme parametreleri ve aynı
dosya ile öğrenme süreci baştan
tekrarlandı.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 16
Test III Öğrenme Parametreleri
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 17
III. Test Öğrenme Grafiği
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 18
III. Test Sonuçları
%100 başarılı sonuçlar için 990 devir
gerekiyor.
Gürültüde hata düzeltme yapamıyor.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 19
Test IV
Gizli katmandaki nöron sayısı 15’e
çıkarıldı.
Test III’ün parametreleri ve aynı dosya
ile öğrenme süreci baştan tekrarlandı.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 20
IV. Test Öğrenme Grafiği
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 21
IV. Test Sonuçları
%100 başarılı sonuçlar için 450 devir
yeterli.
%15 oranındaki gürültüde düzeltme
yapabiliyor.
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği
Slide 22
Bir SNNS Uygulaması: Karakter
ve Rakam Tanıma
Parametrelerin Tanıma Üzerinde Etkisi
Kerem ERZURUMLU
[email protected]
Hacettepe Üniversitesi
Bilgisayar Bilimleri Mühendisliği