Elektronik retina tasarımına uygun yapay sinir ağı yapısının araştırılması

ÖZET Görme olayı, bir cisimden göze gelen ışınların reseptörler üzerindeki etkisiyle gerçekleşir. Göze gelen ışınlar saydam tabakada (kornea) kırıldıktan sonra, göz bebeğinden girerek merceğe gelir. Göz merceği ışığı bir kere daha kırar ve kınlan bu ışınlar gözdeki camsı cismi geçtikten sonra retina üzerinde ters bir görüntü meydana getirir. Bu şekilde retinaya gelen ışınlar görme reseptörlerini uyararak görme sinirlerinde impulslan başlatır. İmpulslar sinirlerle beynin görme merkezine iletilerek değerlendirilir. Bundan sonra cisim düz, net ve renkli olarak görülür. Görüntünün bir lens üzerine düşürülerek 2 boyutlu olarak algılanması ve yapay nöronlar yoluyla beyne iletilmesi bilim dünyasında Carver Mead ve grup arkadaşlarının 1970'li yıllara dayanan çalışmalarıyla başlamıştır. Silikon Retina adını verdikleri bu çalışmada Mead ve arkadaşları nöronların ve sinapsların elektronik modellerini çıkararak görüntüyü ayırt etmeye çalışmışlardır. Görüntü algılaması ve görüntünün ayrıştırılarak sınırlandırılabilmesi, son yıllarda yapay sinir ağı teknolojisinde de kullanılmaktadır. Önceden verilen görüntü verisine dayanarak başka görüntülerin de kestirimi veya görüntü üzerindeki birkaç piksellik bölgenin kaybı durumunda görüntünün doğru şekilde algılanabilmesi için kullanılan sistem ezberlemeden öte eğiticili bir sistem olmalıdır. Bu yüzden yapay sinir ağlan ile görüntü sınıflandırma üzerine yapılan çalışma sayısı gün geçtikçe artmaktadır. Bu tezde görme sisteminin elektronik tasarımına en uygun yapay sinir ağı yapısı bulunması amaçlanmıştır. Görüntünün algılanması ve daha sonra piksellere aynlmasıyla elde edilen bilgi kümesi, yapay sinir ağlan ile eğitilerek örnek bilgi kümesinde olmayan görüntüler için de ağın tanıma yeteneğinin arttmlması için çalışılmıştır. Kullanılan sinir ağı modelleri arasında çok katmanlı algılayıcılar (MLP), radyal temelli fonksiyonlu ağlar (RBF), istatistiksel sinir ağlan (PNN), genelleştirilmiş regresyonlu ağlar (GRNN) ve son olarak da 1994 yılında Dorfîher tarafından ortaya atılan konik kesit fonksiyonlu sinir ağlan (CSFNN) bulunmaktadır. Konik Kesit Fonksiyonlu Yapay Sinir Ağında esas fikir, bir Çok Katmanlı Algılayıcı birimi ile bir Radyal Temelli Fonksiyonlu ağ birimi arasında ilişki sağlayarak bunlara ait karar bölgelerini içine alacak bir birimin fonksiyonunu genelleştirmektir. Tezin birinci bölümünde konuya giriş yapılmış, ikinci bölümde ise görüntünün gözde nasıl algılandığı açıklanarak görüntü sınıflandırma metodlan üzerinde durulmuştur. Üçüncü bölümde sinir ağı tarihçesi ve yapay sinir ağlarının özellikleri kısaca anlatılmıştır. Dördüncü bölümde temel sinir ağı algoritmalan açıklanmıştır. Beşinci bölümde ise konik kesit fonksiyonlu sinir ağları hakkında detaylı bir inceleme yapılarak, 2000 yılında yapılan doktora tezinde (Dr. Lale Özyılmaz) önerilen MATLAB programının üzerinde bazı değişikliklerle programın MATLAB 6.0'a adaptasyonu sağlanmıştır. Daha sonra ise bu program, UCI Makina Öğrenmesi veri tabanında bulunan görüntü veri seti üzerinde denenmiş ve sonuçlar daha önce incelenen MLP, RBF, PNN ve GRNN gibi ağlar ile karşılaştınlarak görüntünün sınıflandınlarak algılanabilmesi için en iyi sonuç veren ağ yapısı belirlenmiştir. Anahtar kelimeler: Görüntü algılama, görüntü algılama için elektronik devreler, yapay sinir ağlan, konik kesit fonksiyonlu sinir ağları. ABSTRACT Biologically seeing becomes true by the effects of the signals on the receivers of the eye. Signals coming to eye first change direction on the cornea (transparent layer), than get in to the pupil and come to the lens. In the lens layer, light signals change direction once more and form the image reversly on the retina. After the light signals stimulate the receivers on the eye, they start the impulse at the eye's neurons. The studies about the 2D image recognition and transmition to the brain by the artificial neural network have started with Carver Mead and his colleagues in 1970's. They called their studies `Artifical Silicon Retina` and discovered electrical circuits of the neurons and synapses. Image recognition and segmentation are used in neural network technology in recent years. The system used in image recognition or in the conditions of having lost some pixels of the image should be a supervised system instead of memorizing system. In this thesis the most suitable artificial neural network configuration for electrically design of visiual system is examined. For this purpose Multilayer Perceptron (MLP), Radial Basis Functions (RBF), Probabilistic Neural Networks (PNN), Generalized Regresion Neural Networks (GRNN), Conic Section Function Neural Networks (CSFNN) are used in image database. In the first chapter of the thesis there is an introduction in to the topic, in the second chapter image recognation and image segmentation are explained. In the third chapter neural network history and properties of neural network are given. In chapter four artificial neural network configurations mentioned above are explained in detail. After that in chapter five a program in matlab 6.0 is done for simulation of CSFNN and finally in the last chapter the comparisons of the results are given. Keywords: Image recognition, electric circuits for image recognition, artificial neural network, conic section function neural networks. xi 109