MATLAB'da HEBB KURALI ve GÖRÜNTÜ IŞLEME
hebb1
% Heb net for bipolar AND data
clear; clc;
% Data
s1 = [1 1 -1 -1];
s2 = [1 -1 1 -1];
t = [1 -1 -1 -1];
% Agirliklari sifirla
w1 = 0; w2 = 0; b = 0;
% Egitim: agirliklari ayarla
for i = 1:4
x1 = s1(i);
x2 = s2(i);
y = t(i);
w1 = w1 + x1*y;
w2 = w2 + x2*y;
b = b + y;
end
% Sinama: Test
A = 1; B = -1; % Girdiler
net = w1*A + w2*B + b; % Cikti
if net >= 1
fnet = 1
else
fnet = -1
end
hebb2
% Heb net for bipolar OR data
clear; clc;
% Data
s1 = [1 1 -1 -1];
s2 = [1 -1 1 -1];
t = [1 1 1 -1];
% Agirliklari sifirla
w1 = 0; w2 = 0; b = 0;
% Egitim: agirliklari ayarla
for i = 1:4
x1 = s1(i);
x2 = s2(i);
y = t(i);
w1 = w1 + x1*y;
w2 = w2 + x2*y;
b = b + y;
end
% Sinama: Test
A = 1; B = -1; % Girdiler
net = w1*A + w2*B + b; % Cikti
if net >= 1
fnet = 1
else
fnet = -1
end
hebb3
% Pattern association for bipolar data
clear; clc;
% Data
s = [1 -1 -1 -1; ...
1 1 -1 -1; ...
-1 -1 -1 1; ...
-1 -1 1 1];
t = [1 -1; 1 -1; -1 1; -1 1];
% train
W = s'*t;
% test
x = [1 1 -1 -1];
y = x*W;
a = find( y > 1 ); y(a) = 1;
b = find( y < 1 ); y(b) = -1;
y
hebb4
% Pattern association for gray data
clear; clc;
% Data
s = [1.0 -0.5 0.5 -1.0 -0.4; ...
1.0 -0.2 -1.0 -0.5 0.4; ...
-0.1 -0.3 0.9 1.0 0.3; ...
0.2 0.5 0.6 0.9 -1.0; ...
0.3 0.4 0.7 1.0 -0.9];
t = [ 1 -1 -1 -1; ...
-1 1 -1 -1; ...
-1 -1 1 -1; ...
-1 -1 -1 1; ...
-1 -1 -1 1];
% train
W = s'*t;
% test
x = [0.3 0.4 0.7 1.0 -0.9];
y = x*W;
y
a = find(y > 1); y(a) = 1;
b = find(y < 1); y(b) = -1;
y
hebb5
% Pattern association for bipolar data
clear; clc;
% Data
s = [-1 -1 -1 -1 1 ...
-1 -1 1 -1 1 ...
-1 -1 -1 -1 1 ...
-1 -1 -1 -1 1 ...
-1 -1 -1 -1 1;
1 1 1 1 1 ...
-1 -1 -1 -1 1 ...
-1 -1 1 1 1 ...
-1 -1 -1 -1 1 ...
1 1 1 1 1];
t = [1 -1; -1 1];
% train
W = s'*t;
% test
x = [-1 -1 -1 -1 1 -1 -1 1 -1 1 ...
-1 -1 -1 -1 1 -1 -1 -1 -1 1 -1 -1 -1 -1 1];
% hesapla
y = x*W;
a = find(y > 1); y(a) = 1;
b = find(y < 1); y(b) = -1;
y
sifir_1 Fonksiyonu
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Bu fonkksiyon, bir dijital görüntü içindeki
% verinin bulunduğu kısmı keser ve onu yapay sinir
% ağları için (Hebb net) için kullanılabilir hale getirir.
%
% dosya Katar (string) tipinde görüntü dosyasının tam yolu
% örnek: 'c:\resim\cicek.png'
%
% t2 Yeniden yapılandırılmış dizi
%
% Mart 2020
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
function t2 = sifir_1(dosya)
t1 = imcomplement(im2bw(imread(dosya))); % dosyayı al (matris)
bolge = regionprops(t1); % bölge belirle
t1 = imcrop(t1,bolge(1).BoundingBox); % kırp
t1 = imresize(t1,[100 100]); % yeniden boyutlandır
imshow(t1); % göster
t2 = double(t1); % gerçel sayı matrisine çevir
t2 = changem(t2,-1,0); % görüntü içindeki 0 -> -1 yap
t2 = reshape(t2',1,[]); % t1 matrisi t2 dizisine çevir
end
Görüntü içinde karakter alıglama
% Pattern association with pictures
clear; clc;
% Data
a1 = sifir_1('t/a1.png');
a2 = sifir_1('t/a2.png');
a3 = sifir_1('t/a3.png');
aA = sifir_1('t/aA.png');
aB = sifir_1('t/aB.png');
aC = sifir_1('t/aC.png');
t1 = sifir_1('t/t1.png');
t2 = sifir_1('t/t2.png');
t3 = sifir_1('t/t3.png');
tA = sifir_1('t/tA.png');
tB = sifir_1('t/tB.png');
tC = sifir_1('t/tC.png');
s = [a1; a2; a3; aA; aB; aC; ...
t1; t2; t3; tA; tB; tC]';
t = [+1 -1 -1 -1 -1 -1; ...
-1 +1 -1 -1 -1 -1; ...
-1 -1 +1 -1 -1 -1; ...
-1 -1 -1 +1 -1 -1; ...
-1 -1 -1 -1 +1 -1; ...
-1 -1 -1 -1 -1 +1; ...
+1 -1 -1 -1 -1 -1; ...
-1 +1 -1 -1 -1 -1; ...
-1 -1 +1 -1 -1 -1; ...
-1 -1 -1 +1 -1 -1; ...
-1 -1 -1 -1 +1 -1; ...
-1 -1 -1 -1 -1 +1];
% train
W = s * t;
% test
x = sifir_1('t/e1.png');
y = x*W
% y dizisinin en büyüğününe bak ve karar ver
[deger indis] = max(y);
if indis == 1
disp('Bu 1')
elseif indis == 2
disp('Bu 2')
elseif indis == 3
disp('Bu 3')
elseif indis == 4
disp('Bu A')
elseif indis == 5
disp('Bu B')
elseif indis == 6
disp('Bu C')
end