El yazısı rakamların Izhikevich nöron modeline dayalı sınıflandırılması

Sınıflandırma problemleri sıkça karşılaşılan bir problemdir. Makine öğrenmesi çalışmalarında el yazısı rakamları tanıma problemi her zaman yer bulmuştur. Yapılan çalışmada amaç, darbeli sinir ağı (SNN) modelinin tek katmanlı sinir ağı modeli gibi sınıflandırma problemlerinde kullanılabilir olduğunu göstermektir. Bunun için her iki modele de aynı veri seti giriş olarak verilerek deneyler sonucunda elde edilen doğruluk değerleri karşılaştırılmıştır. Bu çalışmada, 0'dan 9'a kadar tüm rakamların el yazısı görüntülerini içeren MNIST veri seti kullanılmıştır. Veri seti içerisindeki rakamların ikili kombinasyonları giriş katmanı Poisson nöronlar, çıkış katmanı Izhikevich nöronlardan oluşan biyolojik olarak daha gerçek SNN modeline giriş olarak verilerek çıkışta modelin doğru tahmin yapması beklenmektedir. SNN modelinde en yüksek % 99 ve en düşük % 51 doğruluk oranı elde edilmiştir. Her iki model ile yapılan deneylerin sonuçları karşılaştırıldığında SNN modelinin sınıflandırma problemlerinde kullanılabileceği görülmüştür.