Kokuların Sınıflandırılmasının Hızlandırılması İçin Hysa Tabanlı Antenal Lobe Modeli Kullanımı

Abstract

Antenal lobe, böceklerin koku alma sisteminde uzaysal sensör girişini uzay-zamansal örüntülere çevirmekle görevli bir organdır. Bu dönüşüm sayesinde sensör henüz saibt bir aktivasyon seviyesine ulaşmadan, böcek kokunun sınıfı hakkında yüksek doğrulukla karar verebilir. Bu çalışmada antenal lobe klasik HYSA (Hücresel Yapay Sinir Ağı) mimarisine farklı türde nöronlar ve rastgele bağlantılar eklenerek oluşturulmuş farklı HYSA yapıları kullanılarak modellenmiştir. Bu yeni modeller sensör dizisi ve çeşitli sınıflayıcılarla birlikte kullanılarak tam bir yapay koku alma sistemi oluşturulmuş ve bu sistemin sınıflama başarısı birbirinden farklı test kümeleri ile test edilmiştir. Sensör iç ısıtıcı geriliminin sınıflama başarımı üzerine olan etkisi de ayrıca incelenmiştir. Bu çalışmada önerilen antenal lobe modelleri, piyasada bulunan elektronik burunların karar verme mekanizmasını hızlandırmak için kullanılabilir. Bu sayede robot kontrolü gibi hız gerektiren uygulamalara HYSA tabanlı model katkı sağlayacaktır.Antennal lobe is an organ in insect olfaction system, which is responsible for converting spatial sensor inputs into spatio-temporal patterns. This function of the organ results in obtaining higher odor classification performances before the sensors reach a stable activation level. In this study antennal lobe is modeled with different CNN (Cellular Neural Networks) structures introducing different neuron types and random connections to the regular CNN architecture. An artificial olfaction system is built using these new models, sensor arrays and classifiers and its classification performance is evaluated with various data sets. The effect of sensor heater voltage on odor classification performance is also investigated. The artificial antennal lobe offered in this work can be used in commercial electronic noses in order to provide faster decisions so that applications that need speed such as robot navigation can be done.