Tora, HakanGünler Pirim, Mine AltınayÖztoprak, Kasım2022-03-072022-03-072017-01-07http://hdl.handle.net/20.500.11905/729EL YAZISI RAKAM TANIMA İÇİN YAPAY SİNİR AĞLARI TABANLI ÖZNİTELİK ÇIKARMAÖZ: Bu tezde, yarı eğitilmiş sinir ağlarının gizli katman çıktı ağırlıklarının öznitelik vektörü olarak kullanılabileceği önerilmektedir. Sinir ağları örüntü tanımada sınıflandırma yapmayı sağlayan bir algotimadır. Bu çalışmada bu gerçeğe ek olarak, yarı eğitilmiş sinir ağlarının gizli katman çıktı vektörlerinin görüntünün öznitelikleri olarak kullanılmasında bir araç olarak kullanılabileceği gösterilmiştir. Sistem ana olarak 3 basamaktan oluşmaktadır: önişlemci, öznitelik çıkarıcı ve sınıflandırıcı. Herbir deneyde sadece sınıflandırıcı katmanı değişmektedir diğer iki katman tüm deneyler için default olarak kullanılmaktadır. Sıfılanırıcı olarak destekçi vektör makinaları, sinir ağları ve Öklid uzaklığı sınıflanıdırıclarından yararlanılmıştır. Önerilen sistem performansını değerlendilmesi MNIST ve USPS denektaşı verikümeleri üzerinde yapılmıştır.In this dissertation, it is proposed that hidden layer output weights of semi-trained neural network to be used as feature vectors. In pattern recognition neural network is a training algorithm which provides classification. In this thesis in addition to this fact, it has been shown that semi-trained neural network can be used as a tool to extract hidden layer output vectors that are used as features of the image. The system is mainly composed of three steps: preprocessor, feature extractor, and classifier. Only the classifier layer differs for each experiment, the other two layers are used as default for all experiments. Support vector machine, neural network, and Euclidean distance classifiers are utilized. The experiments were conducted on MNIST and USPS benchmark datasets to evaluate the performance of the proposed approach.enengineering systemscomputer engineeringelectrical & electronics engineeringThesis