BİLGİSAYA DESTEKLİ TASAIM FİNAL POJE ÖDEVİ Teslim Tarihi 22 Ocak 2014 (Saat 17:00) Ödev rapru elden teslim edilecektir. İlgili MATLAB dsyaları ise sduehmcad@gmail.cm adresine gönderilecektir. Elden teslimler bireysel yapılacaktır ve teslimlerde imza atılacaktır. Ödev sruları bireysel larak cevaplanacaktır. Kurala uymadığı belirlenen öğrencilerin ödev ntu %10 una düşürülecektir. Belirtilen tarih ve saatten snra yapılan teslimler kesinlikle kabul edilmeyecektir. Başarılar Dilerim, Yrd. Dç. Dr. Ufuk ÖZKAYA Sayfa 1 / 6
Prjede, Şekil.1 de verilen Band Geçiren Filtre (Seri LC) devresine ait devre elemanları yapay sinir ağları ile mdellenecektir. Sinir ağları ile mdelleme işlemi birçk işlem adımından luşmaktadır. İşlem adımları aşağıda detaylı bir şekilde izah edilmiştir. Her bir işlem adımını gerçekleyiniz. Prje raprunda her bir işlem adımında yapılan işlemleri ve elde edilen snuçları yrumlayınız. L C AC ADIM-I: MATLAB Mdelinin Oluşturulması Şekil 1 Band Geçiren Filtre (Seri LC) Devresi Filtre devresine ait MATLAB mdelini luşturunuz. MATLAB mdeli belirli, L ve C değerleri için filtre devresinin merkez frekansı ve band genişliği değerlerini hesaplamalıdır. Band geçiren filtre devresinin frekans davranışı şekil.2 de verilmiştir. Genlik 0 db -3 db Band Genisligi f alt f üst Frekans Şekil 2 Band Geçiren Filtrenin Frekans Dmeni Bileşenleri Bir band geçiren filtre devresinin merkez frekansı (Hz) ve band genişliği (Hz) ise aşağıdaki eşitliklerle tanımlanmaktadır. Sayfa 2 / 6
1 2 LC 2 L (1) (2) Oluşturduğunuz MATLAB mdelini kullanarak { 50, L 1 mh, C 1nF } değerleri için merkez frekansı ve band genişliği değerini elde ediniz ve snuçları raprunuza ekleyiniz. ADIM-II: Filtre Devresinin Simülasynu Şekil.1 de verilen filtre devresini AW Micrwave Office prgramında luşturunuz. Bir önceki adımda verilmiş lan { 50, L 1 mh, C 1nF } değerleri için devreyi simüle ediniz. Devrenin frekans dmeni davranışını veren grafiği frekans aralığında elde ediniz. Devrenin merkez frekansı ve band genişliği değerlerini grafik üzerinde elde ediniz. Elde ettiğiniz grafiği raprunuza ekleyiniz. ADIM-III: Snuçların Karşılaştırılması 50 khz 250kHz Önceki adımlarda MATLAB mdeli ve Micrwave Office prgramı ile elde edilen snuçları kıyaslayınız. Her iki adımda elde edilen merkez frekansı ve band genişliği değerlerinin birbirlerine ldukça yakın çıktığından emin lunuz. Eğer snuçlar farklı çıkıyrsa önceki adımları kntrl ediniz. Eğer snuçlar yakın ise bir snraki adıma geçiniz. ADIM-IV: Eğitim Verisinin Oluşturulması Bu adımda, yapay sinir ağlarının eğitimi aşamasında kullanılmak üzere I. adımda luşturulan MATLAB mdelini kullanarak eğitim verisi luşturulacaktır. Eğitim verisi üç farklı durum için elde edilecektir. 1. L 1 mh, C 1nF lacağı farklı değerler için, sabit kalmak üzere direnç değerinin 2. 50, C 1nF sabit kalmak üzere bbin değerinin sahip lacağı farklı değerler için, (1 50) L 3. 50, L 1 mh sabit kalmak üzere kndansatör değerinin 3 2 (10 10 ) H, aralığında sahip C aralığında 9 6 (10 10 ) aralığında sahip lacağı farklı değerler için devrenin merkez frekansı ve band genişliği değerleri elde edilecektir. F Birinci durumda direncin tanımlanmış lduğu (1 50) değer aralığında kaç örnek alınacağı ise öğrenci numaranız ile belirlenecektir. Örneğin, öğrenci numarası 0811008012 lan bir öğrenci her farklı durum için 2* 08 11 00 80 22 242 farklı direnç değeri Sayfa 3 / 6
için merkez frekansı ve band genişliği değerleri elde edilecektir. Bu kşul diğer iki durum için de geçerlidir. Dlayısıyla 0811008012 lan bir öğrenci tplamda adet eğitim verisi üretecektir. Oluşturulan MATLAB mdeli girilen üç devre elemanı {, L, C} için filtre cevabına ait iki adet {f, } çıkış ürettiğinden luşan eğitim verisi 726 5byutunda bir matris lacaktır. ADIM-V: Eğitim Verisinin Düzenlenmesi 242*3 726 Aşağıdaki şekilde de görüldüğü üzere yapay sinir ağları talep edilen merkez frekansı ve band genişliği değerlerini veren {, L, C} değerlerini elde etmek için kullanılacaktır. Bu nedenle, bir önceki aşamada elde edilen eğitim verisinden giriş ve hedef verisini luşturunuz. Giriş verisini luşturan matrisin satır sayısının giriş sayısına ve hedef verisini luşturan matrisin satır sayısının ise çıkış sayısına eşit lması gerektiğini unutmayınız. YAPAY SİNİ AĞI L C Şekil 3 Yapay Sinir Ağının Giriş ve Çıkış Bileşenleri ADIM-VI: Test Verisinin Oluşturulması Adım-IV te luşturmuş lduğunuz eğitim verisini inceleyiniz. Eğitim verisinde elde edilen merkez frekansı ve band genişliği değerlerinin minimum ve maksimum değerlerini bulunuz. Elde edilen minimum ve maksimum merkez frekansı değerleri fmin & f max, minimum ve maksimum band genişliği değerleri verisi luşturunuz. f ( f, f ) ve ( min, max ) 1. min max 2. f ( f, f ) min max f ( f, f ) ve 3. min max 4. min max (, ) ve min max (, ) min max f ( f, f ) ve ( min, max ) min & max lmak üzere dört farklı test Sayfa 4 / 6
Burada, gerektiğini, ise elde edilen minimum ve maksimum değerler arasında değil bu aralık dışında bir değer seçilmesi gerektiğini ifade etmektedir. elde edilen minimum ve maksimum değerler arasında bir değer seçilmesi ADIM-VII: GNN Uygulaması Bu adımda, filtre devresinin mdellenmesi amacıyla GNN ağ yapısı kullanılacaktır. Spread değeri 0-10 arasında lmak üzere en düşük eğitim hatasını veren spread değerini bulunuz. Eğitim hatasının spread değerine göre değişimini veren grafiği elde ediniz ve raprunuza ekleyiniz. Belirlediğiniz spread değeri için, GNN ağına test verilerini uygulayınız. Belirlemiş lduğunuz dört farklı test verisi için dört farklı {, L, C} verisi elde edilecektir. (Şekil.4) Ağ çıkışında elde etmiş lduğunuz {, L, C} değerlerinin her birini (II. Adımda luşturmuş lduğunuz) AW Micrwave Office prgramında simüle ediniz ve her bir devrenin merkez frekansı ve band genişliği değerlerini elde ediniz. (Şekil.4). İlgili grafikleri raprunuza ekleyiniz. Test verisi larak talep etmiş lduğunuz veri çifti ile simülasyn snucunda ( f, ) elde etmiş lduğunuz (, ) veri çiftini inceleyiniz ve tabl halinde veriniz. f GNN ağının test hatasını rtalama karesel hata (mse) cinsinden hesaplayınız. TALEP EDİLEN YAPAY SİNİ AĞI L C AW MICOWAVE OFFICE ELDE EDİLEN Şekil 4 Yapay Sinir ağının test perfrmansının inceleme aşamaları ADIM-VIII: BF Uygulaması Bu adımda, bir önceki adımda gerçekleştirilen işlemlerin hepsi BF ağ yapısı için gerçekleştirilecektir. Sayfa 5 / 6
ADIM-IX: MLP Uygulaması Bu adımda, filtre devresinin mdellenmesi amacıyla MLP ağ yapısı kullanılacaktır. Tek gizli katmandan luşan bir MLP yapısı luşturunuz. Gizli katmanda kullanılacak lan nörn sayısı 4 ila 8 arasında değişecektir. Her nörn sayısı için aşağıdaki işlemler yapılacaktır. Her nörn sayısı için MLP ağı (minimum eğitim hatasını sağlayacak şekilde) 10 kez eğitilecek ve test edilecektir. Minimum eğitim hatası değerini 10-3 10-6 aralığında seçiniz. Her başarılı eğitim-test işlemi snunda ağ çıkışında elde etmiş lduğunuz {, L, C} değerlerinin her birini (II. Adımda luşturmuş lduğunuz) AW Micrwave Office prgramında simüle ediniz ve her bir devrenin merkez frekansı ve band genişliği değerlerini elde ediniz. İlgili grafikleri raprunuza ekleyiniz. Elde edilen test hatası değerlerini tabllar halinde veriniz. Test verisi larak talep etmiş lduğunuz veri çifti ile simülasyn snucunda elde etmiş lduğunuz ( f, ) ( f, ) veri çiftini inceleyiniz ve tabl halinde veriniz. MLP ağının test hatasını rtalama karesel hata (mse) cinsinden hesaplayınız ve tablya ekleyiniz. Her nörn sayısı için dört farklı test verisine karşılık elde etmiş lduğunuz {, L, C} değerlerinin rtalamasını alınız. Elde etmiş lduğunuz yeni {, L, C} değerleri için devreyi AW Micrwave Office prgramında simüle ediniz. Test hatasını inceleyerek snuçlarda iyileşme lup lmadığını irdeleyiniz. ADIM-X: Snuçların Yrumlanması Bu adımda, GNN, BF ve farklı MLP ağ yapıları ile elde etmiş lduğunuz snuçları yrumlayınız. Sayfa 6 / 6