Research Information System
Uygulamalı Yerbilimleri-, vol.1, no.6, pp.61-68, 2000 (Peer-Reviewed Journal)
In this paper, we have separated the residual anomaly from Bouguer anomaly, using a new update, stoachastic approach, Random Neural Network (RNN). In this image processing algorithm, learning rate is 0.2 and error rate is 0.0002 for the iteration number is 300. When RNN output values are compared to the classical derivative based models, it is clear that RNN has satisfactory results.
Bu çalışmanın amacı Jeofizik mühendisliğinde Gravite yönteminde kullanılan Bouger Anomali haritasının yeni bir yaklaşım olan Rasgele Yapay Sinir Ağları (Random Neural Network – RNN) kullanılarak Rezidüel Anomalisi haritasının elde edilmesidir. Yapay sinir ağının görüntü düzeltme amaçlı kullanıldığı bu uygulamada 0.2 öğrenme oranı ile 0.0002 hata oranı için 300 iterasyon yapılmıştır. Suni datalar üzerinde yapılan çalışmalar, işlem hızının yavaş olmasına rağmen RNN'nin klasik yöntemlere göre daha iyi sonuçlar verdiğini göstermiştir.