Yapay Sinir Ağları Nedir

Yapay Sinir Ağları Hakkında özet bilgiler

Fann Nedir

Fast Artifical Neural Networks Kütüphanesi hakkında

FannTool

Nedir Ne işe yarar Nasıl Kullanırız

What are Artificial Neural Networks ?

short info about Artificial Neural Networks

What is FANN ?

about Fast Artifical Neural Networks library

FannTool

What is and How to use

31 Ekim 2012 Çarşamba

Yapay Sinir Ağları ile Ses Tanıma

Ses Tanıma genel olarak  üç aşamadan oluşuyor.
1) Ön işleme
2) Öznitelik Çıkarma
3) Tanıma ( YSA ile)
Deneysel olarak yapılan  bu çalışmada  RASTA-PLP, MFCC ve LP yöntemleri gerçekleştirildi Bu yazıda akustik vektörlerin MFCC (mel frequency cepstral coefficients) yöntemiyle oluşturulması anlatılıyor. ( deatylı bilgi için YSA ile Ses Tanıma )

Küçük bir veri seti hazırlandı 6 değişik kelime 10 kez seslendirildi. Bu ses dosyalarına yukardaki yazıda belirtilen metodlar uygulanarak öznitelik çıkarma işi yapıldı. Çıkarılan bu özniteliklerin 48 tanesini eğitim 12 tanesini test için kullandık.

    Giriş : 360
    Çıkış : 6

şeklinde bir YSA tasarlandı ve FannTool ile eğitildi, Ulaştığımız sonuçlar

    Eğitim Verisi : %100
    Test Verisi     : % 91

Pedestrian Detection

FYP - Pedestrian Detection Local Binary Pattern with HOG trained with ANN (FANN & FANNTool). Written in C using OpenCV. Now with rolling average of the last 5 frames. 4x Speed. Intensity of green represents probabilistic measurement of a cell containing a person. There's still some false positives and false negatives but should be fixable with larger training set and better MSE.

30 Ekim 2012 Salı

Forecasting the ozone concentrations


Forecasting the ozone concentrations with WRF and artificial neural network based system

Department of Climatology and Atmosphere Protection
Wrocław University, Poland

Introduction;

Ground level ozone (O3 ) has serious adverse impacts on human health and ecosystems. Accurate tools that support human and ecosystem protection are necessary. The most often used are complex atmospheric chemistry models (Vieno et al. 2010), driven by off-line meteorology or integrated on-line to allow for two directional effects of atmospheric chemistry and meteorology. These tools need a significant amount of computational effort, but are able to provide information on spatial and
temporal information on atmospheric ozone concentrations. Statistical methods, including regression models and artificial neural networks (ANN) are also often applied to provide information on spatial (Pfeiffer et al. 2009) and temporal variability of O . ANN were also found to be useful for O 3 3
forecasting, and were applied to e.g. metropolitan areas by local environmental or health agencies (Comrie 1997, Corani 2005, Ibarra-Berastegi et al. 2008, Yi and Prybutok 1996). In this paper we present the preliminary results of the O3 forecasting system for the city of Wrocław, SW Poland. Two main tools are used to estimate the hourly O3 for the next 3 and 24 hours – the Weather Research and Forecasting (WRF) mesoscale meteorological model and an artificial neural network (ANN). WRF provides the meteorological variables for the next 3 and 24 hours, and the ANN is then applied to forecast the O3 concentrations.

FannTool ;


...
 The analysis was performed with
the Fast Artificial Neural Network library and FANN Tool 1.1 interface.
...


27 Ekim 2012 Cumartesi

Automated Analysis of Cardiotocograms


Orjinal Çalışma ;
Özeti ;

To describe the latest version of SisPorto, a program for automated analysis of cardiotocograms that closely follows the FIGO guidelines, analyses ante- and intrapartum tracings, performs no signal reduction, and has the possibility of simultaneously recording twins.A detailed description of the program's processing algorithms and operation is provided, as well as the main results of the studies performed to-date with this system.Considering both current and previous versions of the program, SisPorto has been tested in over 6000 pregnancies. The system's FHR baseline was compared with an average of three experts' estimates, and the difference was under 8 bpm in all cases. A fair to good agreement was found with experts' identification of accelerations, decelerations, contractions, and normal/reduced variability (proportions of agreement 0.64-0.89). In a preliminary validity study (n = 85), a sensitivity of 100% and a specificity of 99% were obtained in prediction of poor neonatal outcome. The system is currently undergoing an international multicentre validation study.Although still at the research level, a considerable experience has now been gathered with this system. Promising results have been achieved in studies comparing SisPorto with experts' analysis and in those evaluating the validity of the system.

Çalışmanın verilerine The UCI Machine Learning Repository den Cardiotocography Data Set  başlığından ulaşabilirsiniz. Cardiotocography Anne karnındaki bebeğin kalp sağlığının belirlenmesi için kullanınal bir teknoloji. Sisporto ise Omniview-SisPorto adıyla ticarileşmiş bir proje artık.



Verilerin detayına bakacak olursak;
2126 fetal cardiotocograms (CTGs) were automatically processed and the respective diagnostic features measured. The CTGs were also classified by three expert obstetricians and a consensus classification label assigned to each of them. Classification was both with respect to a morphologic pattern (A, B, C. ...) and to a fetal state (N, S, P). Therefore the dataset can be used either for 10-class or 3-class experiments.

Attribute Information:


LB - FHR baseline (beats per minute)

AC - # of accelerations per second
FM - # of fetal movements per second
UC - # of uterine contractions per second
DL - # of light decelerations per second
DS - # of severe decelerations per second
DP - # of prolongued decelerations per second
ASTV - percentage of time with abnormal short term variability
MSTV - mean value of short term variability
ALTV - percentage of time with abnormal long term variability
MLTV - mean value of long term variability
Width - width of FHR histogram
Min - minimum of FHR histogram
Max - Maximum of FHR histogram
Nmax - # of histogram peaks
Nzeros - # of histogram zeros
Mode - histogram mode
Mean - histogram mean
Median - histogram median
Variance - histogram variance
Tendency - histogram tendency
CLASS - FHR pattern class code (1 to 10)
NSP - fetal state class code (N=normal; S=suspect; P=pathologic)
 Orjinal verinin 2 çeşit çıktısı var. İlkinde 10 çeşit FHR tipinden hangisi olduğu, ikincisinde ise üç çeşit Fetal State için (N=normal; S=suspect; P=pathologic) bir sınıflandırma var. Biz Örneğimiz için ikincisini kullandık.
Bütün YSA işlemleri FannTool ile yapıldı. Bir Önceki örneğimizdeki gibi program yazmadık sonuçalrı Excell Dosyasındaki "Full Sonuç-Eğitim" ve "Full Sonuç-Test" sayfalarında görebilirsiniz

Eğitim Verileri için Başarı Oranı :  % 98,72  (  1488 Örnekden  1469 Doğru )
Test Verileri için  Başarı Oranı   :  % 94.2  ( 638 Örnekden 601 Doğru  )
Dosyalar İndirmek İçin :  CTG.zip

26 Ekim 2012 Cuma

Yapay Sinir Ağları ile Finansal Başarısızlık Öngörüsü

Finansal Başarısızlık Öngörüsü hem Firmanın yöneticileri, Hem ilgili firmayla ilişkileri olan firmalar, hemde  - borsada olsun olmasın  - yatırımcıları  için önemli bir konudur.
Öngörü sonuçlarına göre Yöneticiler tedbirler alabilir, İlişkide oldukları firmalar için alternatifler arayabilir,  Yatırımcılar yatrımlarını daha güvenilir yerlere kaydırabilirler. Elbette İş işden geçmeden önce...

Ufak bir internet aramasıyla sizinde göreceğniz gibi pek çok değişik metod ve sistemle "Finansal Başarısızlık Öngörü"  çalışmaları yapılmıştır. Bizim Çalışmamızda Borsada işlem gören bazı şirketler için Yapay Sinir Ağları ile benzeri bir çalışma yapılmıştır.

Firmaların Son Üç yıllık
  • İşletme Sermayesi /Toplam Varlıklar
  • Net Kar/Toplam Varlıklar
  • FVÖK (Faaliyet Karı)/Toplam Varlıklar
  • Borçların Defter Değeri/Toplam Varlıklar
  • Satışlar/Toplam Varlıklar
  • FVÖK (Faaliyet Karı)/Toplam Faiz Ödemeleri

verileri kullanılarak  mevcut  yıldaki Finansal Başarı / Başarısızlıkları öngörülmeye çalışılmıştır.

Ulaşılan Sonuçlar : Doğru sınıflandırma başarı Yüzdesi olarak

Eğitim Verileri  : % 93,3
Test Verileri      : % 84.6
Resimden de göreceğiniz gibi Bütün çalışmada yine FannTool kullanıldı.

Yapay Sinir Ağları ile Tel Erozyon Hesabı


Tel Erozyon Nedir ;

İletken olan malzemelerin işlenmesi ve kesilmesi için kullanılan bir metod ve bu iş için kullanılan tezgahın adıdır. Malzeme Dielektirik bir sıvı içerisine daldırılır. Malzemenin  yüzeyi ile elektrod ( tel ) arasında ark oluşturularak  yüzey aşındırılırlır.

Bizim Çalışmamıza esas olan; Nihat Tosun'un  "Tel erozyon tezgahında tel aşınmasının ve yüzey pürüzlülüğünün deneysel olarak incelenmesi ve modellenmesi" başlıklı doktora tezidir. Bu tezde bir dizi deney yapılmış ve deney sonuçları Regresyon analiziyle modellenmiştir.
Biz bu deney datalarını FannTool ile YSA kullanarak modelledik.

Giriş Değerleri ( Kontrol Parametreleri ) olarak
; Puls Süresi, Gerilim, Tel İlerleme Hızı, Dielektirik Sıvı püskürtme basıncı kullanıldı.
Çıkış Değerleri ; Yüzey Prürüzlülüğü, Telde oluşan krater Derinlik ve Çapı , Ağırlık Kaybı

Parametrelerle ilgili detaylar için ilgili teze bakınız. Deneysel verilerin bir kısmı YSA eğitimi için kullanıldı. Kalan kısmıda Eğitilmiş YSA'nın performansını görmek için Test aşamasında kullanıldı.
Biz buraya Sadece Test Verireliyle ulaşılan Grafiklerden birkaç tane koyuyoruz.

Krater Derinliği Test Sonuçları :



Yüzey Pürüzlülüğü Test Sonuçları :

Yapay Sinir Ağları ile Sıcaklık Tahmini

Eksik veri tamamla , İstanbul Göztepe meteoroloji istasyonunda belirli bir tarihten sonra sıcaklık parametresine ait verilerde eksiklik olduğu tespit ediliyor. Diğer parametreler (su buharı basıncı, bağıl nem, rüzgar şiddeti, hava basıncı ) yardımıyla YSA kullanılarak Sıcaklık parametresinin tahmin edilmesi gerekiyor. Ve biz bu işi FannTool ile ve Tek satır kod yazmadan yapacağız.
 FannTool'a giriş niteliğinde olan bu Yazımızı ve ilgili verileri indirmek için ; Sıcaklık

25 Ekim 2012 Perşembe

Üriner sistem hastalıklarının ön tanısı / diagnosis of urinary system diseases


Üriner sistem hastalıklarının ön tanısı hakkında yapılmış bir çalışmadan yola çıkıldı.
Orjinal çalışma ;
Application of rough sets in the presumptive diagnosis of urinary system diseases

Bu Makale  "Artificial intelligence and security in computing systems" kitabında geçiyor  ( sayfa 41-51)

Konunun detayını aynen aktarıyorum

The main idea of this data set is to prepare the algorithm of the expert system, which will perform the presumptive diagnosis of two diseases of urinary system. It will be the example of diagnosing of the acute inflammations of urinary bladder and acute nephritises. For better understanding of the problem let us consider definitions of both diseases given by medics. Acute inflammation of urinary bladder is characterised by sudden occurrence of pains in the abdomen region and the urination in form of constant urine pushing, micturition pains and sometimes lack of urine keeping. Temperature of the body is rising, however most often not above 38C. The excreted urine is turbid and sometimes bloody. At proper treatment, symptoms decay usually within several days. However, there is inclination to returns. At persons with acute inflammation of urinary bladder, we should expect that the illness will turn into protracted form.

Acute nephritis of renal pelvis origin occurs considerably more often at women than at men. It begins with sudden fever, which reaches, and sometimes exceeds 40C. The fever is accompanied by shivers and one- or both-side lumbar pains, which are sometimes very strong. Symptoms of acute inflammation of urinary bladder appear very often. Quite not infrequently there are nausea and vomiting and spread pains of whole abdomen.  The data was created by a medical expert as a data set to test the expert system, which will perform the presumptive diagnosis of two diseases of urinary system. The basis for rules detection was Rough Sets Theory. Each instance represents an potential patient
Attribute Information:

a1 Temperature of patient { 35C-42C }
a2 Occurrence of nausea { yes, no }
a3 Lumbar pain { yes, no }
a4 Urine pushing (continuous need for urination) { yes, no }
a5 Micturition pains { yes, no }
a6 Burning of urethra, itch, swelling of urethra outlet { yes, no }
d1 decision: Inflammation of urinary bladder { yes, no }
d2 decision: Nephritis of renal pelvis origin { yes, no }


 Orjinal Çalışmada veriler Bir Uzman sistem tasarlanmak için kullanılmış biz YSA eğitmek için kullandık . YSA eğitimi için yine FannTool 'u kullandık. ve sonuçda  hem Eğitim hemde  Test Verileri için % 100.Başarıya ulaşıldı

Üstünüde Üriner sistem hastalıklarının ön tanısını yapan bir program yazdık;  
Programın yaptıkları kabaca;  Giriş değerlerini Kullanıcadan alıp Eğitilmiş YSA'yı bu giriş değerleriyle çalıştırmak. Ve tabii ki sonuçlarıda göstermek.


Indirmek için :   Acute_Inflammations

Konuşma ile Parkinson Hastalığı Tanısı

Önce Çalışmanın önemini anlayabilmek için Hastalıkdan söz edelim;


Parkinson hastalığı, beynin alt kısımlarındaki gri cevher çekirdeklerinin bozukluğuna bağlı bir sinir sistemi hastalığı. Genellikle orta yaş hastalığıdır. Adını hastalığı ilk defa 1817'de titremeli felç olarak tarifleyen James Parkinson'dan almıştır. Binde bir sıklıkla görülen, müzmin, ilerleyici, tedavisiz iyileşmeyen bir hastalıktır. (1)

Parkinson hastalığına tanı koymak için özel bir yöntem yoktur. Laboratuvar ya da röntgen tetkikleri sonucu da bunun anlaşılması mümkün değildir. Fakat uzman bir nörologun hastadan ve hastanın yakınlarından aldığı bilgiler, ayrıca yaptığı muayene sonucu tanı koyabilir. (2)

 Parkinson hastalığının klinik tanısı, hastanın anamnezinin değerlendirilmesi ve nörolojik muayenenin yapılması ile konulur.  Kesin tanıyı sağlayan laboratuar veya radyoloji yöntemi bulunmamaktadır. (3)


Orjinal Çalışma
'Suitability of dysphonia measurements for telemonitoring of Parkinson's disease'
diye geçen makale.
Özeti ;
 We present an assessment of the practical value of existing traditional and non-standard measures for discriminating healthy people from people with Parkinson‟s disease (PD) by detecting dysphonia. We introduce a new measure of dysphonia, Pitch Period Entropy (PPE), which is robust to many uncontrollable confounding effects including noisy acoustic environments and normal, healthy variations in voice frequency. We collected sustained phonations from 31 people, 23 with PD. We then selected 10 highly uncorrelated measures, and an exhaustive search of all possible combinations of these measures finds four that in combination lead to overall correct classification performance of 91.4%, using a kernel support vector machine. In conclusion, we find that non-standard methods in combination with traditional harmonics-to-noise ratios are best able to separate healthy from PD subjects. The selected non-standard methods are robust to many uncontrollable variations in acoustic environment and individual subjects, and are thus well-suited to telemonitoring applications.

Yapılanlara gelirsek; Oxford Üniversitesinden Max Little'in National Centre for Voice and Speech ile olan işbirliğiyle hazırlanmış.ve görebildiğim kadarıyla sınıflandırma için SVM kullanmışlar. Biz tahmin edeceğiniz üzre Yapay Sinir Ağı ve FannTool kullanacağız.

23'ü parkinson hastası olan 31 kişinin toplamda 195 ses kaydı yapılmış ve bu ses kayıtlarından çıkarılan özniteliklerle (feature extraction) Kişinin Hastamı, Sağlıklımı olduğuna karar vermek gerekiyor.

Verilerin nelerden oluştuğuna bakarsak

1 ) MDVP:Fo(Hz) - Average vocal fundamental frequency
2 ) MDVP:Fhi(Hz) - Maximum vocal fundamental frequency
3 ) MDVP:Flo(Hz) - Minimum vocal fundamental frequency
4 ) MDVP:Jitter(%),
5 ) MDVP:Jitter(Abs),
6 ) MDVP:RAP,
7 ) MDVP:PPQ,
8 ) Jitter:DDP - Several measures of variation in fundamental frequency
9 ) MDVP:Shimmer,
10) MDVP:Shimmer(dB),
11) Shimmer:APQ3,
12) Shimmer:APQ5,
13 ) MDVP:APQ,
14) Shimmer:DDA - Several measures of variation in amplitude
15) NHR,
16) HNR - Two measures of ratio of noise to tonal components in the voice
17) RPDE,
18) D2 - Two nonlinear dynamical complexity measures
19) DFA - Signal fractal scaling exponent
20) spread1,
21) spread2,
22) PPE - Three nonlinear measures of fundamental frequency variation
23) status - Health status of the subject (one) - Parkinson's, (zero) - healthy

detaylı bilgi için makaleye bakabilirsiniz.

Orjinal veriyi Tablolama programımıza aktarıyoruz ve Status kısmını son sütüna taşıyoruz.sonra sadece verileri seçip bir text dosyasına kaydediyoruz. "ParkinsonRaw.txt" bundan sonrası için FannTool kılavuzuna müracaaat edeblirsiniz.

Sonuçlardan bahsederek yazıyı bitirmek istiyorum.
Çeşitli denemelerden sonra optimum bir sonuç veren YSA kaydedildi.

Eğitim verisinde 117 verinin hepsi doğru sınıflandırılıyor ve başarı yüzdesi %100
Test Verisiyle ulaşılan sonuçlar ise
58 Parkinson Hastasının 56 sı doğru tahmin ediliyor başarı yüzdesi %96,55
20 Sağlıklı kişinin 17 si doğru tahmin ediliyor başarı yüzdesi %85
Konuyla ilgili çalışmaları görmek için ;
Parkinson

21 Ekim 2012 Pazar

Buğday Sınıflandırma





Öncelikle Orjinal çalışmadan bahsedelim ;

Complete Gradient Clustering Algorithm for Features Analysis of X-Ray Images





Abstract

Methods based on kernel density estimation have been successfully applied for various data mining tasks. Their natural interpretation together with suitable properties make them an attractive tool among others in clustering problems. In this paper, the Complete Gradient Clustering Algorithm has been used to investigate a real data set of grains. The wheat varieties, Kama, Rosa and Canadian, characterized by measurements of main grain geometric features obtained by X-ray technique, have been analyzed. The proposed algorithm is expected to be an effective tool for recognizing wheat varieties. A comparison between the clustering results obtained from this method and the classical k-means clustering algorithm shows positive practical features of the Complete Gradient Clustering Algorithm.







X-Işını tekniği dedikleri bir metodla çektikleri görüntüler üzerinden çıkardıkları özniteliklerle, "Complete Gradient Clustering Algorithm"kullanılarak sınıflandırma çalışması yapılmış.

Biz bu çalışmanın veri setine The UCI Machine Learning Repository den ulaştık.

http://archive.ics.uci.edu/ml/datasets/seeds

Veri setininin tanıtımı şöyle yapılmış ;


The examined group comprised kernels belonging to three different varieties of wheat: Kama, Rosa and Canadian, 70 elements each, randomly selected for the experiment. High quality visualization of the internal kernel structure was detected using a soft X-ray technique. It is non-destructive and considerably cheaper than other more sophisticated imaging techniques like scanning microscopy or laser technology. The images were recorded on 13x18 cm X-ray KODAK plates. 

Studies were conducted using combine harvested wheat grain originating from experimental fields, explored at the Institute of Agrophysics of the Polish Academy of Sciences in Lublin.

The data set can be used for the tasks of classification and cluster analysis.

Attribute Information:

To construct the data, seven geometric parameters of wheat kernels were measured:
1. area A,
2. perimeter P,
3. compactness C = 4*pi*A/P^2,
4. length of kernel,
5. width of kernel,
6. asymmetry coefficient
7. length of kernel groove.
All of these parameters were real-valued continuous.

Bu veri setini FannTool'u kullanarak YSA ile sınıflandırmayı deneyeceğiz.

Öncelikle Veri setini inceliyoruz

 http://archive.ics.uci.edu/ml/machine-learning-databases/00236/seeds_dataset.txt

Veri setimiz 7 giriş ve 1 çıkış dan oluşuyor

1 çıkış değerimiz 3 buğday türü için bir sınıflandırma içerdiğinden
biz o bir sutunu her bir sınıf için bir sutun haline getiriyoruz yani

Kama için 1 0 0 
Rosa  için  0 1 0
Canadian   0 0 1

Sonuçda 7 giriş 3 çıkışlı bir veri setimiz oluyor


bu verileri bir text dosyasına kaydedip, FannTool'un DataProcessing kısmıyla açıyoruz

7 giriş 3 çıkış üzere ayarlayıp
sonrasında oluşan dosyalarımız

seed-scale.txt : Ölçeklendirme bilgilerini tutan dosya
seed-train.dat  :  Eğtim verileri
seed-test.dat   :   Test  Verileri

Artık yapmamız gereken şey Eğitim ve test verilerini yükleyip. YSA için değişik yapılarda ve değişik eğitim algoritmaları ve paramtereleri ile denemeler yapmak.




Sonuç :  

Yapılan pek çok denemenin ardından oldukça başarılı Sınıflandırma başarılarına ulaşıldı
Eğitim Verisi için %  99,32 ( 146 verinin 145 adedi doğru sınıflandırıldı )
Test Verisi için  %  96,88  ( 64 verinin 62 adedi doğru sınıflandırıldı )



8 Ekim 2012 Pazartesi

Intelligent Condition Monitoring Systems for an AUV Robot


Intelligent Condition Monitoring Systems for an AUV Robot    

Journal : Applied Mechanics and Materials (Volumes 152 - 154)
Volume     : Mechanical Engineering and Materials
Authors : Amir Parsa Anvar, Manjit S. Garcha, Ritchie D. Saliba, Taranjit M. Singh, Amir M. Anvar, Steven Grainger

January, 2012

Abstract:

This paper discuses intelligent techniques used to monitor and correct operational abnormalities in Autonomous Underwater Vehicles. Neural Networks are usually utilised in the diagnosis section, while Fuzzy Logic is implemented in the prognosis and remedy sections. The performance of an AUV’s sub-system has a great affect on the overall success of the vehicle. Once a sub-system becomes faulty, the various components associated with the control of the AUV may get influenced, which can degrade the overall performance of the integrated system or make it invalid altogether . Such failures may result in large amounts of wasted time, loss of data and increases in mission costs.

FannTool ;

...
These input values were fed into the Fast Artificial Neural Network
(FANN) toolbox, FannTool-1.1, to provide simulations of a Neural Network for the inputand output across each sensor.
...

Efficient Segmentation and Classification of Hyper Spectral Cubes


Efficient Segmentation and Classification of Hyper Spectral Cubes

Papagrigoriou Stylianos
Technical University of Crete

Abstract:

Hyper Spectral Imaging is a powerful analytical tool, which has been used in a wide area of applications, from Satellite Imaging to Biomedical Diagnosis. Spectral imagery of either macroscopic or microscopic origin is usually depicted in a spectral cube, a registered set of images, featuring one spectral and two spatial dimensions as pixel coordinates. From each pixel, associated with a spectrum -instead of an RGB value-, one is able to extract information about the nature of the material, by studying its spectral signature on the Spectral Cube.
This technique offers a non-destructive and non-invasive way (one does not have to extract part of the material and bring it to the lab) of examining materials, suitable for medical purposes. In the hereby thesis the computational capabilities of spectral imaging methods are examined and attempted to be improved, in order to provide real time pixel classification. Specifically, a successful attempt is made to create a hyper spectral classifier with real-time performance for cubes acquired from a cervix biopsy. Various techniques are tested for efficient segmentation of the Cube, in order to generate a golden standard for the training process. The classification is performed using Neural Networks while the final result is a GPU implementation, the main reason behind the speed up of the application.
Although this study was based on specific medical data, it is possible to be generalized on any aspect of Hyper Spectral Imaging, and shows that real-time Hyper Spectral Processing for classification purposes is feasible.

FannTool ;

...
FANN library, provides a really fast and powerful tool -FannTool- for training neural networks with many different algorithms and automatic mechanisms for identifying the best activation function and training algorithm. FANN library was used exactly for these two purposes (finding the best activation function and training algorithm) and train the Network
...

7 Ekim 2012 Pazar

Filyos Hisarönü Dalga Verilerinin Yayap Sinir Ağları, Arima Modelleri ve Melez Modeller ile Tahmini


Gazi Üniversitesi
Fen Bilimleri Enstitüsü
İnşaat Mühendisliği
Yüksek Lisans Tezi
MART 2010
ANKARA
Turan GÜZEL

Filyos Hisarönü Dalga Verilerinin Yayap Sinir Ağları, Arima Modelleri ve Melez  Modeller ile Tahmini

Özet :

Zaman serilerinin çözümünde birçok yaklaşım kullanılmaktadır. Kıyı yapılarının projelendirilmesinde, özellikle proje sahasında yapılan ölçümlerden elde edilen verilerin kullanılması yapılacak projenin devamlılığı açısından önemlidir. Bu çalışmada planlanan Filyos Limanı için yörede yapılan dalga yüksekliği ölçüm verileri  kullanılmıştır. Bu verilerin oluşturduğu zaman serisi elde olmayan sebeplerden dolayı kesintilere uğramıştır. Eksik kalan dalga yüksekliği verileri Yapay Sinir Ağları, ARIMA Modelleri ve Melez Modeller kullanılarak tamamlanmıştır. Yapay Sinir Ağı Modeli seçilen zaman serisine en iyi uyumu sağlamasına rağmen, ARIMA Modeli diğer serilere Yapay Sinir Ağı modelinden daha yakın sonuçlar verdiğinden dolayı göz ardı edilmemelidir.

Abstract:

Many approaches are used in the solution of time series. Especially measurements of projects field of the data use during projecting coastal structures. This is important for term of continuity of structures. In this study, wave height data are taken in Filyos Harbor field. These wave heights are created time series. This time series are disrupted by unaccountable causes. Missing wave heights are completed by using Artificial Neural Network Model, ARIMA Model and Hybrid Model. Artificial Neural Network Model is best fit to provided selected time series. Although ARIMA Model is more provide results then Artificial Neural Network Model to the other series.

FannTool;

...
Çalışmada, STATGRAPHICS Centurion programı ARIMA modellemeleri için
ve FannTool programı yapay sinir ağı modellemeleri için kullanılmıştır.

...

A Back Propagation Artificial Neural Networks Approach to Automatic Customer Record Classification


Maastricht University / Department of Quantitative Economics
Master Thesis
A Back Propagation Artificial Neural Networks Approach to Automatic Customer Record Classification.
Author: Camilo Gaviria

Introduction :


In this thesis I address the problem of finding the correct customer to account (AMID)
assignment based on several variables called customer attributes. These customer at-
tributes contain information that provide a partial description of the customer, i.e. cus-
tomer name, customer address, etc. As each customer record carries many attributes,
and there are many possible accounts or classes to which it can belong, this is in itself
a combinatorial optimization problem which is hard to solve. I will call the problem
of minimizing the number of incorrect class (AMID) assignments from now on, the
customer alignment problem.
...

In the literature, many approach to address similar problems are discussed,
one of these, which I have chosen to explore, is the utilization of neural network based
classi cation approaches that are commonly used in the classi cation of natural language
documents as patents, articles, books. In this thesis I will approach the customer record
alignment problem using an adaptation of the methodology used by to classify
patent documents.

FannTool ;

...
Another advantage of using this pre-compiled library, is the availability of a series of
open source graphical user interfaces. By using one of these GUI's, the development
efort is significantly reduced, and the number of additional tests and configurations
that can be easily performed is much larger. Taking into account that there are several
parameters for which there is no one setup rule (number of neurons per layer, number of layer, type of training algorithm, etc.) being able to easily change the configuration
of the ANN is an highly valued feature. The GUI of choice was FANNTool 1.3 an
open source GUI developed specifically for FANN and portable to several OS. This GUI
allows for direct instance scaling, data manipulation as well as real time monitoring of
the learning process.
...

6 Ekim 2012 Cumartesi

Yapay Sinir Ağları Metodolojisi ile Düzeltme Yöntemi Öngörüsü Yapısal İş İstatistikleri Anketi İçin Bir Uygulama

Yapay Sinir Ağları Metodolojisi ile Düzeltme Yöntemi Öngörüsü Yapısal İş İstatistikleri Anketi İçin Bir Uygulama
Ahmet Mert AKTAS
Türkiye İstatistik Kurumu
Uzmanlık Tezi - 2010

Özet:

Günümüzde, teknolojinin gelismesi ile bilgisayarlar karar verici organlar olmaya
baslamıs ve insan zekasına haiz birçok durumu bir arada değerlendirme yeteneğine,
çesitli algoritmalar ile erismislerdir. İnsan zekası benzeri bir yapıyı, bilgisayara aktarma
konusunda yazılım yöntemlerinden biri de yapay sinir ağları ve yapay zeka’dır.
Bu çalısmada, yapay sinir ağlarının düzeltme yöntemi olarak kullanılmasıyla ilgili
kapsamlı bir arastırma olusturulması amaçlanmıstır. Öncelikle yapay zeka kavramından
bahsedilmis, yapay zekanın bir alt baslığı olan yapay sinir ağları kullanılarak Yapısal İş
İstatistikleri Ana Soru Kağıdı (A101) için düzeltme yöntemi öngörülerinde
bulunulmustur. Yapmıs olduğumuz bu öngörülerin somut verilerle elde edilen basarısı
değerlendirilmistir.
Özellikle soru kağıdı üzerindeki nitelikli isgücünü arttırması ve cevaplayıcı yükünü
azaltması gibi belirgin avantajları nedeniyle yapay sinir ağlarını, soru kağıtları için
düzeltme yöntemi olarak kullanmanın gerekliliği çok önemlidir. Standart uygulamaların
altyapısı ancak insani unsurların tam kontrollü sistemlere aktarılmasıyla mümkün
olacaktır. Ancak yıllık olarak derlenen soru kağıtlarından elde edilen verilerin su an için
sınırlı sayıda olması ve ilgili periyotta birçok farklı değiskenden etkilenmesi gibi
nedenlerle uygulama üzerinde daha çok arastırma yapılmalıdır.

FannTool Hakkında;

...
FannTool, hem menüler yardımıyla hem de menü içeriği ile bire bir tanımlanmıs komut
düğmeleriyle kullanılabilmektedir. FannTool program içeriği ve yapılandırması daha
genis kitlelere ulasması için İngilizce olarak hazırlanmıstır. Program yardımıyla
istenilen eğitim metotları ile eğitim gerçeklestirilebileceği gibi program optimum eğitim
algoritmasını da uygulama için tespit edebilmektedir. Benzer sekilde gizli katman ve
çıkıs katmanları için en yaygın fonksiyonlar programda yer almaktadır. Bu fonksiyonlar
arasından seçim yapılabileceği gibi, program aktivasyon fonksiyonları içinde optimum
yöntemi tespit eden bir eklentiye sahiptir.
Durma fonksiyonuna iliskin seçenekler sunulmakta, tekrar sayısı ile raporlama döngüsü
ayarlanabilmektedir. “Log” sekmesinden programın çalısması esnasında olusan islem
günlüklerine ulasılabilmektedir. “Graphic” sekmesinden eğitim ve test sonrası uyum grafiklerine ulasılabilmekte, “Fine Tuning” ve “Cascade Tuning” ile kademeli
özellestirmeler gerçeklestirilebilmektedir
...

Yapay Sinir Ağları Metodu İle Kalıp İşlerinde Bir Verimlilik ve Adam-Saat Tahmini Modeli


Yapay Sinir Ağları Metodu İle Kalıp İşlerinde Bir Verimlilik ve Adam-Saat Tahmini Modeli

İSTANBUL KÜLTÜR ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
YÜKSEK LİSANS TEZİ - Eylül 2009
Murat SÖNMEZ

Özet :

1980’li yılların başından itibaren mühendislikte artarak uygulama alanı bulan
yapay sinir ağları yöntemi, temelinde insan beyninin çalışma ilkelerini taklit
ederek çalışan bir problem çözümleme yöntemidir. Yöntemin en önemli özelliği
gerçek veriler ile kurulan modelin eğitilmesi ve eğitilmiş olan modelin yeni
veriler için sonuç üretebilmesidir. Bu bağlamda kurulan model sürekli olarak
yeni veriler ile sürekli kendini yenileyebilmesidir. Diğer bir deyişle model
sürekli öğrenerek kendini geliştirebilmektedir. Bu çalışmada, bina türü
projelerde kaba yapı maliyetleri içerisinde önemli yer tutan kalıp işlerine ait
adam-saat ve verimlilik değerlerinin sağlıklı tahmini amacıyla yapay sinir ağları
yöntemi ile bir karar destek sistemi oluşturulması hedeflenmiştir. Bu amaçla
çalışmanın ilk aşamasında bir yapay sinir ağı oluşturulmuştur. Bu aşamanın en
önemli kısmı girdi ve çıktı değişkenlerinin tespitidir. İkinci aşamada
oluşturulan bu ağ elde mevcut bulunan üstyapı projelerine ait kalıp puantajları
eğitilmiştir. Üçüncü ve son aşamada ise modelin sağlıklı çalışıp çalışmadığı
farklı projelerden elde edilen veriler ile test edilmiştir.

FannTool Hakkında ;

...
Çalışmada Fanntool 1.0 versiyonlu yazılım kullanılmıştır. Windows tabanlı
ve açık kodlu çalışan bir yazılımdır. Ayrıca diğer işletim sistemleri içinde
versiyonları (Linux, Dos v.s) mevcuttur.
...
Analizler ve testler sırasında program üzerinde oluşan değerler bir .log dosyası ile kayıt altına alınabiliyor. Programın çalışma parametreleri, komutları ve bunun gibi diğer özellikleri açık kod sayesinde kullanıcıların da görebileceği şekilde tasarlanmıştır. Ayrıca program üzerinde yukarıdaki bölümlerde anlatılan çeşitli fonksiyonlar ve bunların değişik versiyonları mevcuttur. Bu  fonksiyonlardan herhangi birisi seçilip kolayca analiz yapılabilir. Yine program dahilinde normalizasyon işlemi gerçekleştirilebilir. Fanntool kullanıcıların ihtiyacına göre en iyi öğrenme algoritmasını ve transfer fonksiyolarını kendi içersindeki bir analiz yöntemi ile belirleyebilmektedir.

...

Yapay Sinir Agları Yöntemi le Kalıp slerinde Bir Adam-Saat Tahmini Modeli



SÖNMEZ, M., DİKMEN, S.Ü., (2009),
“Yapay Sinir Ağları Yöntemi İle Kalıp İşlerinde Bir Adam-Saat Tahmini Modeli”,
İMO, 5. Yapı İşletmesi / Yapım Yönetimi Kongresi, 22-23 Ekim 2009, Eskişehir.

Özet:

Yapay sinir ağları, temelinde insan beyninin çalışma ilkelerini taklit ederek çalışan problem
çözümleme yöntemidir. Yöntemin en önemli özelliği gerçek veriler ile kurulan modelin
eğitilmesi ve eğitilmiş olan modelin yeni veriler için sonuç üretebilmesidir. Model sürekli
öğrenerek kendini geliştirebilmektedir. Bu çalışmada, bina türü projelerde kaba yapı
maliyetleri içerisinde önemli yer tutan kalıp işlerine ait adam-saat ve verimlilik değerlerinin
sağlıklı tahmini amacıyla bir karar destek sistemi oluşturulması hedeflenmiştir. Çalışmanın
ilk aşamasında bir yapay sinir ağı oluşturulmuştur. İkinci aşamada oluşturulan bu ağ elde
mevcut bulunan üstyapı projelerine ait kalıp puantajları eğitilmiştir. Son aşamada ise model
farklı projelerden elde edilen veriler ile test edilmiştir.

An Artificial Neural Networks Model for the Estimation of Formwork Labour


Journal of Civil Engineering and Management
Volume 17, Issue 3, 2011

An Artificial Neural Networks Model for the Estimation of Formwork Labour
S. Umit Dikmen  & Murat Sonmez


Abstract:

 Artificial Neural Networks (ANN) is a problem solving technique imitating the basic working principles of the human brain The formwork labour cost constitutes an important part within the costs of the reinforced concrete frame buildings. This study suggests a method based on artificial neural networks developed for estimating the required manhours for the formwork activity of such buildings. The introduced method has been verified in the study with reference to
the test conducted involving two case studies. In all cases, the model produced results reasonably close to actual field measurements. The model is a simple and quick tool for the estimators and planners to aid them in their work.

FannTool;

...For the training, testing and running the ANN model proposed, software named FANN Tool is selected. FANN Tool is part of a free open source neural network library named “The Fast Artificial Neural Network Library – FANN” (FANN 2010). It is the graphical user interface (GUI) to the FANN library which allows its easy usage without the need of programming. This tool enables the users to prepare the data in FANN library standard, and design, train, test and run the artificial neural network model. The reasons of  selection of this software are simply its ease of use and its free availability. Thus even the
small construction companies with limited information technologies (IT) capabilities can download and start using immediately
...

ANN for Gesture Recognition using Accelerometer Data

Procedia Technology 3 ( 2012 ) 109 – 120
The 2012 Iberoamerican Conference on Electronics Engineering and Computer Science

ANN for Gesture Recognition using Accelerometer Data
Blanca Miriam Lee-Cosio, Carlos Delgado-Mata, Jesus Ibanez

Abstract


This paper presents the application of Artificial Neural Networks to recognise among gestures trajectory patterns in a Euclidean space. The data was filtered and normalised by the Fast Fourier Transform. The k-means algorithm was used to parametrise the optimized data as input of the ANN by creating 15 clusters of data. Using the FANN tool , the ANN was modeled trained and tested so that the output of the ANN is the recognised gesture . The raw data comes from a set of 8 trajectories representing gestures captured by a device based on accelerometers like the Nintendo Wii remote.

Comparison Of Multivariate and Pre-Processing Methods for Quantitative Laser-Induced Breakdown Spectroscopy of Geologic Samples



Comparison Of Multivariate and Pre-Processing Methods for Quantitative Laser-Induced Breakdown Spectroscopy of Geologic Samples

R. B. Anderson1, R.V. Morris,S.M. Clegg, J.F. Bell III,S. D. Humphries, R. C. Wiens,

Introduction: 

The ChemCam instrument selected for the Curiosity rover is capable of remote laser-induced breakdown spectroscopy (LIBS). We used a remote LIBS instrument similar to ChemCam to analyze 197 geologic slab samples and 32 pressed-powder geostandards. The slab samples are well-characterized and have been used to validate the calibration of previous instruments on Mars missions, including CRISM , OMEGA , the MER Pancam , Mini-TES , and Mössbauer  instruments and the Phoenix SSI . The resulting dataset was used to compare multivariate methods for quantitative LIBS and to determine the effect of grain size on calculations. Three multivariate methods - partial least squares (PLS), multilayer perceptron artificial neural networks (MLP ANNs) and cascade correlation (CC) ANNs - were used to generate models and extract the quantitative composition of unknown samples. PLS can be used to predict one element (PLS1) or multiple elements (PLS2) at a time, as can the neural network methods. Although MLP and CC ANNs were successful in some cases, PLS generally produced the most accurate and precise results.

FannTool;

...
CC ANNs, an alternative type of neural network that determine their own structure as they are trained, were also tested, using the FannTool graphical interface to the open-source Fast Artificial Neural Network (FANN) library    ...

Control of a Thermoelectric Brain Cooler by Adaptive Neuro-Fuzzy Inference System



Instrumentation Science & Technology
Volume 36, Issue 6, 2008

Control of a Thermoelectric Brain Cooler by Adaptive Neuro-Fuzzy Inference System
R. Ahiska , A. H. Yavuz , M. Kaymaz  & İ. Güler

Abstract:

In this study, neuro-fuzzy control of a thermoelectric head cooler
system (thermoelectric helmet) is developed for brain hypothermia applications.
Hypothermia is a medical treatment method of protecting the brain, in which
the temperature of the brain drops below the critical level for reducing oxygen
consumption of tissues. The brain should be kept at a certain temperature by a
suitable control for hypothermia applications. The temperature of the thermoelectric
head cooler system changes according to the current intensity supplied.
The control of the thermoelectric head cooler system was performed according
to the initial membership functions, which was determined by an expert using
fuzzy logic control. The system was modeled by an adaptive neuro-fuzzy inference
system (ANFIS). The data were then entered into the system and new membership
functions were determined. By this way, learning ability of the artificial
neural network and the abilities of fuzzy logic, such as decision making, were
combined and a more effective solution was developed. The system software
can be reprogrammed with the new membership functions.

FannTool :

...
The data files obtained are shown in Table 4. An ANN model
(4 >2 >1) was projected with Fast Artificial Neural Network Tool
(FannTool version 0.60) by using this data file and has been trained. An
ANN trained was recorded and an interface unit was projected by using
C programming language (Figure 6).

...

 

Large Scale Reinforcement Learning using Q-SARSA(λ) and Cascading Neural Networks

M.Sc. Thesis
Steffen Nissen
October 8, 2007
Department of Computer Science
University of Copenhagen
Denmark

Abstract

This thesis explores how the novel model-free reinforcement learning algorithm Q-SARSA(λ) can be combined with the constructive neural network training algorithm Cascade 2, and how this combination can scale to the large problem of backgammon.
In order for reinforcement learning to scale to larger problem sizes, it needs to be combined with a function approximator such as an artificial neural network. Reinforcement learning has traditionally been combined with simple incremental neural network training algorithms, but more advanced training algorithms like Cascade 2 exists that have the potential of achieving much higher performance. All of these advanced training algorithms are, however, batch algorithms and since reinforcement learning is incremental this poses a  challenge. As of now the potential of the advanced algorithms have not been fully exploited and the few  combinational methods that have been tested have failed to produce a solution that can scale to larger  problems.
The standard reinforcement learning algorithms used in combination with neural networks are Q(λ) and SARSA(λ), which for this thesis have been combined to form the Q-SARSA(λ) algorithm. This algorithm has been combined with the Cascade 2 neural network training algorithm, which is especially interesting because it is a constructive algorithm that can grow a neural network by gradually adding neurons. For combining Cascade 2 and Q-SARSA(λ) two new methods have been developed: The NFQ-SARSA(λ) algorithm, which is an enhanced version of Neural Fitted Q Iteration and the novel sliding window cache.
The sliding window cache and Cascade 2 are tested on the medium sized mountain car and cart pole problems and the large backgammon problem. The results from the test show that Q-SARSA(λ) performs better than Q(λ) and SARSA(λ) and that the sliding window cache in combination with Cascade 2 and Q-SARSA(λ) performs significantly better than incrementally trained reinforcement learning. For the cart pole problem the algorithm performs especially well and learns a policy that can balance the pole for the complete 300 steps after only 300 episodes of learning, and its resulting neural network contains only one hidden neuron. This should be compared to 262 steps for the incremental algorithm after 10,000 episodes of
learning. The sliding window cache scales well to the large backgammon problem and wins 78% of the games against a heuristic player, while incremental training only wins 73% of the games. The  FQ-SARSA(λ) algorithm also outperforms the incremental algorithm for the medium sized problems, but it is not able to scale to backgammon.
The sliding window cache in combination with Cascade 2 and Q-SARSA(λ) performs better than incrementally trained reinforcement learning for both medium sized and large problems and it is the first combination of advanced neural network training algorithms and reinforcement learning that can scale to larger problems.

 Large Scale Reinforcement Learning using Q-SARSA(λ) and Cascading Neural Networks

Implementation of a Fast Artificial Neural Network Library

Steffen Nissen
October 31, 2003
Department of Computer Science
University of Copenhagen (DIKU)

Abstract

This report describes the implementation of a fast arti ficial neural network library in ANSI C called fann. The library implements multilayer feedforward networks with support for both fully connected and sparse connected networks. Fann off ers support for execution in fixed point arithmetic to allow for fast execution on systems with no  floating point processor. To overcome the problems of integer overflow, the library calculates a position of the decimal point after training and guarantees that integer overflow can not occur with this decimal point.
The library is designed to be fast, versatile and easy to use. Several benchmarks have been executed to test the performance of the library. The results show that the fann library is signi cantly faster than other libraries on systems without a  floating point processor, while the performance was comparable to other highly optimized libraries on systems with a floating point processor.

Implementation of a Fast Artificial Neural Network Library (fann)