Akademik Veri Yönetim Sistemi
SIU 2011, Antalya, Türkiye, 1 - 04 Nisan 2011, ss.170-173
Bu çalışma olasılıksal sinir ağı (OSA) kullanılarak kaotik devre çıkışlarının sınıflandırılması üzerine odaklanmıştır. Belli parametreler için kaotik devre çıkışları benzer çıkış örüntülerini takip etmesine rağmen bu tip devrelerin çıkış karakteristiği her bir deneme için rasgele değişim göstermektedir. OSA örüntü tanıma problemlerinde başarılı sonuçlar vermektedir. OSA sahip olduğu özellikleri nedeniyle kaotik devre çıkışı sınıflandırması problemi için uygun olmaktadır ve tatmin edici bir başarım sağlamaktadır. Öznitelik çıkarma aşamasında uygun özniteliklerin belirlenmesi sınıflandırma başarımını oldukça etkilemektedir. Yapılan çeşitli denemelerde seçilen öznitelik kombinasyonlarının başarımının sınanması amacıyla ilgili denemelerde ağ eğitilirken değişik öznitelik vektörleri sisteme verilmiştir. Ayrıca, yumuşatma parametresi ağın performansını oldukça etkileyen diğer bir faktördür. Başarım analizi için ele alınan benzetim sonuçları ve ilgili gösterimler çalışmada verilmiştir.
This study focused on the classification of chaotic circuit behaviors with probabilistic neural network (PNN). Although, chaotic circuit outputs track similar traces for the defined parameters, still the circuit outputs preserve their own random characteristics at each trial. PNN is an effective tool for classification of pattern recognition problems. Inherited features of PNN are very compatible with the chaotic circuit output classification problem and it provides satisfying performance. The selection of the proper features in the feature extraction step defines the performance of the classification significantly. In order to, compare classification performance of the PNN, different feature vectors are employed in the training process. Moreover, the spread parameter is a considerably vital factor for the performance of the network. The simulation results and the corresponding illustrations for the performance analysis are also given.