Modelling of chaotic motion video with artificial neural networks

Abstract

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.

Trivium Algoritması Kaynaklı Rastgele Permutasyon Üretimiyle Görüntü Şifreleme Uygulaması

“…Güvenli bir şifreleme sisteminin tasarlandığından bahsedebilmek için belirli güvenlik testlerinden başarılı olma şartı aranmaktadır [9][10][11][12][13][14]. Bununla birlikte kaos tabanlı uygulamaların rastgele sayı üreteçlerinin tasarımında ve şifreleme algoritmalarının temelinde kullanılması bu alandaki çalışmaların yaygınlaşmasını sağlayarak önemini arttırmıştır [15][16][17][18][19].…”

Lorenz Kaotik Sisteminin Doğrusal Geri Beslemeli, Yüksek Kazanç, Yüksek Frekans ve Model Öngörülü Kontrol ile Kontrolü

“…Kaotik bir sistemin temel bir özelliği, başlangıç koşullarına aşırı duyarlılığıdır; yani, başlangıç durumundaki küçük farklılıklar sistem durumunda olağanüstü farklılıklara yol açabilir. Kaotik sistemler; meteoroloji [1,2], tıp [3,4] çevre [2,5], sanat [6,7], kriptoloji [8,9,10], haberleşme [11,12], görüntü işleme [13], sinyal işleme [14,15], yapay sinir ağları [15,16] ve kontrol [17][18][19][20][21][22][23][24][25][26] alanlarında birçok çalışma yapılmış ve yapılmaya devam edilmektedir. Gerçek hayatta ise direk olarak karşılaşılan uygulamalara örnek olarak hava olaylarının tahmini, epilepsi hastalığının teşhisi, kanser hücrelerinin veya dokularının kaotik davranışlılarının incelenmesi, müzik notlarının veya senfonilerin üretilmesi, verilerin şifrelenmesi ve tekrar çözülmesi, kaotik karıştırıcı uygulamaları, motorların kaotik hızlarının senkronizasyonlarında, kaotik davranış sergileyen elektrik makinelerinde vb.…”