Please use this identifier to cite or link to this item: https://hdl.handle.net/11147/7473
Title: Digital font generation using long short-term memory networks
Other Titles: Uzun kısa vadeli bellek ağları ile sayısal yazı tipi üretimi
Authors: Özuysal, Mustafa
Temizkan, Onur
Keywords: Machine learning
Digital fonts
Sequence generation
Long short-term memory
Issue Date: Jul-2019
Publisher: Izmir Institute of Technology
Source: Temizkan, O. (2019). Digital font generation using long short-term memory networks. Unpublished master's thesis, İzmir Institute of Technology, İzmir, Turkey
Abstract: Long Short-Term Memory (LSTM) Networks are powerful models to solve sequential problems in machine learning. Apart from their use on sequence classification, LSTMs are also used for sequence prediction. Predictive features of LSTMs have been used extensively to generate handwriting, music and several other types of sequences. Configuration and training of LSTM networks are relatively more arduous than non-sequential models, especially when input data is complex. In this research, the aim is to train LSTM networks and its different variations, use their generative features on a relatively obscure and complex type of sequences in machine learning; digital fonts. Controlled experiments have been performed to find the effects of different model parameters, input encodings or network architectures on learning font based sequences. All in all, in this document; the procedure of creating a dataset from digital fonts are provided, training strategies are demonstrated and the generative results are discussed.
Uzun Kısa Süreli Bellek Ağları, makine öğrenmesi alanında, dizisel veri içeren problemlerde başarıyla kullanılmaktadır. Dizi sınıflandırma alanındaki yaygın kullanımlarına ek olarak, Uzun Kısa Süreli Bellek Ağları'ndan, dizi öngörüsü alanında da yararlanılmaktadır. Bu ağların tahmin yetenekleri, el yazısı üretimi, müzik üretimi, ve diğer diziler üzerinde üretim için de geniş çapta tercih edilmektedir. Ancak, diğer makine öğrenmesi yöntemleri ile karşılaştırıldıklarında; Uzun Kısa Süreli Bellek Ağlarının konfigürasyonları ve eğitim aşamaları, eğitilecek veri karmaşıklaştıkça daha fazla zorlaşmaktadır. Bu araştırmanın hedefi, Uzun Kısa Süreli Bellek Ağlarının ve türevlerinin, göreceli olarak karmaşık bir veri olan sayısal yazıtipleri üzerinde denemektir. Bu amaçla kontrollü deneyler yapılmış, Uzun Kısa Süreli Bellek Ağlarının farklı konfigürasyonlardaki başarıları ölçülmüş ve karşılaştırılmıştır. Bu dökümanda, sayısal yazıtipleri kullanılarak bir makine öğrenmesi veri tabanı oluşturulma süreci, makine eğitimi aşamaları ve stratejileri açıklanmış, Sayısal yazıtipi üretim sonuçları gösterilmiş ve incelenmiştir.
Description: Thesis (Master)--Izmir Institute of Technology, Computer Engineering, Izmir, 2019
Includes bibliographical references (leaves: 51-55)
Text in English; Abstract: Turkish and English
URI: https://hdl.handle.net/11147/7473
Appears in Collections:Master Degree / Yüksek Lisans Tezleri

Files in This Item:
File Description SizeFormat 
T002010.pdfMasterThesis21.1 MBAdobe PDFThumbnail
View/Open
Show full item record

CORE Recommender

Page view(s)

112
checked on Jan 23, 2023

Download(s)

32
checked on Jan 23, 2023

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.