AI Summary & Key Takeaways
AI InsightAs a result, some chaotic signals, sequential images, or videos can be modelled with artificial neural networks instead of being mathematically modelled and reproduced.
📌 3 Key Takeaways
Abstract
In this study a chaotic motion is modelled using artificial neural networks can be created again. Chaotic signals can occur many fields like natural affairs, communication, encryption, finance, health. Artificial neural networks, fuzzy models, hammerstein model can be used to predict these types of signals as well as to provide a mathematical form to be modelled. As an example of the motion that will be modelled in this study, there may be movement of an second order inverted pendulum, movements of balls on a billiard table, or phase diagrams of such systems. However, the phase diagram of the most basic Lorenz chaotic motion is preferred. The image position of the point or object that is followed in sequential images are determined by image processing techniques. By using the position information obtained from these images, they are trained with backpropagation algorithm to artificial neural networks, which is NAR structure. NAR structures is constructed with two inputs, two outputs. Its first layer contains 20 neurons, second structure contains 10 neurons and third structure contains 2 neurons. Subsequently, NAR artificial neural networks were tested to try to get chaotic motion videos again. As a result, some chaotic signals, sequential images, or videos can be modelled with artificial neural networks instead of being mathematically modelled and reproduced.
Özet
Bu çalışmada kaotik bir hareketin modellenerek tekrardan oluşturulabilmesi için yapay sinir ağları kullanılmıştır. Kaotik sinyaller, doğal ilişkiler, iletişim, şifreleme, finans, sağlık gibi birçok alanda ortaya çıkabilir. Yapay sinir ağları, bulanık model, hammerstein gibi modeller bu tip sinyalleri öngörmek ve form halinde matematiksel olarak hareketi modellemek için kullanılabilir. Bu hareket ikinci dereceden bir ters sarkacın hareketi, bilardo masasındaki topların hareketleri veya bu tip sistemlerin faz diyagramları da olabilir. Burada ise en temel olan Lorenz kaotik hareketinin faz diyagramı tercih edilmiştir. Ardışık görüntülerde izlenen nokta veya nesnenin görüntü pozisyonu görüntü işleme teknikleri ile belirlenmiştir. Bu görüntülerden elde edilen konum bilgisini kullanarak, NAR yapısı olan yapay sinir ağları geri yayılım algoritması ile eğitilmiştir. Bu NAR yapısı iki giriş ile iki çıkış olarak oluşturulmuş ve ilk katmanı 20, ikinci katmanı 10 ve üçüncü katmanı da 2 nöron içermektedir. Ardından bu yapay sinir ağları test edilerek tekrardan kaotik hareket videosu elde edilmeye çalışılmıştır. Sonuç olarak, bazı kaotik işaretlerin, ardışıl görüntülerin veya videoların matematiksel olarak modellemek yerine yapay sinir ağları ile modellenip tekrardan üretilebilmesi sağlanmıştır.