Odaklanan nöron

Basit Öğe Kaydı
dc.authorid0000-0002-8649-6013
dc.contributor.authorÇam, İlkeren_US
dc.contributor.authorTek, Faik Borayen_US
dc.date.accessioned2019-04-04T01:37:27Z
dc.date.available2019-04-04T01:37:27Z
dc.date.issued2017-06-27
dc.departmentIşık Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümüen_US
dc.departmentIşık University, Faculty of Engineering, Department of Computer Engineeringen_US
dc.description.abstractGeleneksel yapay sinir ağında topoloji eğitim sırasında değişebilecek esnekliğe sahip değildir. Ağda her bir nöron ve bağımsız bağlantı katsayıları çözüm işlevinin bir parçasıdır. Bu bildiride önerdiğimiz odaklanabilir nöron birbirine bağımlı katsayıların çekildiği bir odaklayıcı işlevden yararlanır. Nöron odak pozisyonu ve açıklığını değiştirerek aktivasyon topladığı nöronları değiştirebilir. Bu özelliği sayesinde esnek ve dinamik bir ağ topolojisi oluşturabilir ve standart geriye yayılım algoritmasıyla eğitilebilir. Yapılan deneylerde odaklanabilir nöronlarla kurulan bir ağ yapısının, tümüyle bağlı yapay sinir ağına göre daha yüksek başarı elde ettiği gözlenmiştir.en_US
dc.description.abstractThe traditional neural network topology is not flexible to change during the training process. Every neuron and it's independent weights in the network are part of the solution function. The proposed focusing neuron model utilizes inter-dependent weights produced by a focusing function. This neuron can change it's focus position and aperture. This property allows a flexible-dynamic network topology, which can be trained using conventional back-propagation algorithm. Our experiments show that focusing neuron neural networks achieve higher success than hilly connected neural networks.en_US
dc.description.versionPublisher's Versionen_US
dc.identifier.citationÇam, İ. & Tek, F. B. (2017). Odaklanan nöron focusing neuron. Paper presented at the 2017 25th Signal Processing and Communications Applications Conference, SIU 2017, 1-4. doi:10.1109/SIU.2017.7960632en_US
dc.identifier.endpage4
dc.identifier.isbn9781509064946
dc.identifier.issn2165-0608
dc.identifier.scopus2-s2.0-85026303259
dc.identifier.scopusqualityN/A
dc.identifier.startpage1
dc.identifier.urihttps://hdl.handle.net/11729/1526
dc.identifier.urihttp://dx.doi.org/10.1109/SIU.2017.7960632
dc.identifier.wosWOS:000413813100495
dc.identifier.wosqualityN/A
dc.indekslendigikaynakWeb of Scienceen_US
dc.indekslendigikaynakScopusen_US
dc.indekslendigikaynakConference Proceedings Citation Index – Science (CPCI-S)en_US
dc.institutionauthorÇam, İlkeren_US
dc.institutionauthorTek, Faik Borayen_US
dc.institutionauthorid0000-0002-8649-6013
dc.language.isotren_US
dc.peerreviewedYesen_US
dc.publicationstatusPublisheden_US
dc.publisherIEEEen_US
dc.relation.isversionof10.1109/SIU.2017.7960632
dc.relation.journal2017 25th Signal Processing and Communications Applications Conference, SIU 2017en_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectOdaklanan nöronen_US
dc.subjectYapay sinir ağıen_US
dc.subjectArtificial neural networken_US
dc.subjectBackpropagationen_US
dc.subjectBackpropagation algorithmen_US
dc.subjectBackpropagation algorithmsen_US
dc.subjectBiological neural networksen_US
dc.subjectCloud computingen_US
dc.subjectData handlingen_US
dc.subjectDogsen_US
dc.subjectFlexible dynamicsen_US
dc.subjectFlexible-dynamic network topologyen_US
dc.subjectFocus apertureen_US
dc.subjectFocus positionen_US
dc.subjectFocus positionsen_US
dc.subjectFocusingen_US
dc.subjectFocusing functionen_US
dc.subjectFocusing neuronen_US
dc.subjectFocusing neuron modelen_US
dc.subjectFocusing neuron neural networksen_US
dc.subjectFully connected neural networken_US
dc.subjectHealth careen_US
dc.subjectImage codingen_US
dc.subjectNetworken_US
dc.subjectNetwork topologyen_US
dc.subjectNeural netsen_US
dc.subjectNeural network topologyen_US
dc.subjectNeural networksen_US
dc.subjectNeuron modelen_US
dc.subjectNeuronsen_US
dc.subjectSignal processingen_US
dc.subjectTopologyen_US
dc.subjectTraining processen_US
dc.titleOdaklanan nöronen_US
dc.title.alternativeFocusing neuronen_US
dc.typeConference Objecten_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
1526.pdf
Boyut:
667.99 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Publisher's Version
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.71 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

MF - Bildiri Koleksiyonu | Bilgisayar Mühendisliği Bölümü / Department of Computer Engineering
Scopus İndeksli Yayınlar Koleksiyonu
WoS İndeksli Yayınlar Koleksiyonu