Davetli Bildiri - Invited Paper
Akıl Yürütme - Reasoning
Yapay Sinir Ağları Uygulamaları - Applications of Artificial Neural Networks
Doğal Diller - Bilgi Gösterimi / Natural Languages - Knowledge Representation
Konuşma Tanıma/ Speech Recognition
Yapay Sinir Ağları Yapıları/ Artificial Neural Network Architectures
Tasarımda Yapay Zeka / Artificial Intelligence in Design
Örüntü Tanıma / Pattern Recognition
Görme ve Görüntü İşleme / Vision and Image Processing
Yapay Sinir Ağları Uygulamaları / Application of Artificial Neural Networks
Yazar Dizini / Author Index
A Counterpropagation Network Model to Recognize and Classify Chart Patterns in Automated Manufact.
D. T. Pham, University of Wales, İngiltere ; Z. Yılbaş, Erciyes Üniversitesi, Türkiye.
Abstract
The present study investigates applicability of the counterpropagation networks to recognise and classify the six chart patterns which may be produced from the industrial or/and commercial analysis. Counterpropagation networks produced initially fails to accomplish this goal due to overlapping of some of the chart patterns in data and test files. In order to avoid overlapping and complexity of the chart patterns, the data file is divided into sub-data files in which six chart patterns are included. Ten counterpropagation networks were trained using this sub-data files. Five of the networks having high performances are selected. A combined network is constructed using this five networks set and one other sixth network. The combined system then tested and it is found that the combined network system introduced in the present work gives improved performances for tıhe chart patterns.
Özet
Bu çalışma, karşı yayılma ağlarının, endüstriyel veya ticari analizden üretilebilecek altı çizelge modelini tanıma ve sınıflandırmadaki uygulanabilirliğini araştırmaktadır. Üretilen ters yayılım ağları, başlangıçta bazı grafik desenlerinin veri ve test dosyalarındaki çakışması nedeniyle bu hedefi gerçekleştirememektedir. Grafik desenlerinin çakışmasını ve karmaşıklığını önlemek için, veri dosyası, altı grafik deseninin dahil edildiği alt veri dosyalarına bölünür. Bu alt veri dosyaları kullanılarak on karşı yayılım ağı eğitilmiştir. Performansı yüksek olan ağlardan beşi seçilmiştir. Bu beş ağ seti ve bir diğer altıncı ağ kullanılarak birleşik bir ağ oluşturulur. Birleştirilen sistem daha sonra test edildi ve mevcut çalışmada tanıtılan birleşik ağ sisteminin grafik modeller için gelişmiş performanslar sağladığı bulundu.
Tam Metin
Bildirinin tamamını görüntülemek için aşağıdaki dosyayı indiriniz.
245-254.pdf
16MB
PDF
245-254 A Counterpropagation Network Model to Recognize and Classify Chart Patterns in Automated Manufact.