Pattern recognition using neural networks
| dc.contributor.advisor | Bayat, Oğuz | |
| dc.contributor.author | Ahmed, Oday Mohammed | |
| dc.date.accessioned | 2021-05-15T16:32:04Z | |
| dc.date.available | 2021-05-15T16:32:04Z | |
| dc.date.issued | 2019 | |
| dc.department | Altınbaş Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı | en_US |
| dc.description | Yüksek Lisans | |
| dc.description.abstract | Güvenlik sistemleri, tıbbi sistemler, eğlence vb. Çeşitli uygulamaları nedeniyle yüz tanıma da ana araştırma konularından biri olarak tanımlanmıştır. Tercih edilen insan tanımlama yöntemi yüz tanıma yöntemidir: doğal, sağlam ve müdahaleci olmayan. Çok çeşitli sistemler, talep edenin kimliğini onaylamak veya belirlemek için güvenilir kişisel tanımlama şemaları gerektirir. Bu programların amacı, yalnızca meşru bir kullanıcının ve başka hiç kimsenin sunulan hizmetlere erişmemesini sağlamaktır. Örneğin, binalara, bilgisayar sistemlerine, dizüstü bilgisayarlara, cep telefonuna ve ATM'lere güvenli erişim dahildir. Bu sistemler, sağlam kişisel tanıma sistemleri yokluğunda bir sahtekârın iradesine karşı savunmasızdır. Bu makale, yapay sinir ağları kullanan insan yüz tanıma sistemini geliştirdi ve gösterdi; bu, 40 birey için yüz tanıma oranının, AT&T veritabanında yüzde 85,5 ile 400 kare için sonuç gösterdiğini gösteriyor. | en_US |
| dc.description.abstract | Due to its various applications, such as security systems, medical systems, entertainment, etc., face recognition has also been identified as one of the main research topics. The preferred method of human identification is face recognition: natural, robust and non-intrusive. A wide range of systems require reliable personal identification schemes to either confirm or determine the identity of a requester. The purpose of these schemes is to ensure that only a legitimate user and no one else accesses the rendered services. For example, secure access to buildings, computer systems, laptops, mobile phone and ATMs is included. These systems are vulnerable to an impostor's will in the absence of robust personal recognition systems. This article has developed and shown the human face identification system using artificial neural networks, which reflects that the face recognition rate for 40 individuals shows results for 400 frames in the AT&T database at 85.5 percent. | en_US |
| dc.identifier.citation | Ahmed, Oday Mohammed. (2019). Pattern recognition using neural networks. (Yayınlanmamış yüksek lisans tezi). Altınbaş Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul. | en_US |
| dc.identifier.endpage | 1 | en_US |
| dc.identifier.startpage | 58 | en_US |
| dc.identifier.uri | https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=4J_FzTwlrMCH4qBROpXPH4Sc_6VEcMRR97AaDuinYXxmC45P2PLlBWhJq8NfGt-I | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12939/1740 | |
| dc.identifier.yoktezid | 611215 | |
| dc.institutionauthor | Ahmed, Oday Mohammed | |
| dc.language.iso | en | |
| dc.publisher | Altınbaş Üniversitesi | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/closedAccess | en_US |
| dc.subject | Pattren Recognition | en_US |
| dc.subject | Neural Network | en_US |
| dc.subject | Kohonen | en_US |
| dc.subject | Self-Organized Map | en_US |
| dc.subject | Classification | en_US |
| dc.subject | Örnek Tanıma | en_US |
| dc.subject | Sinir Ağı | en_US |
| dc.subject | Kohonen | en_US |
| dc.subject | Öz-Organize Harita | en_US |
| dc.subject | Sınıflandırma | en_US |
| dc.title | Pattern recognition using neural networks | |
| dc.title.alternative | Sinir ağlar kullanarak örnek tanıma | |
| dc.type | Master Thesis |
