Doğrusal olmayan regresyon modellerinin parametrelerinin genetik algoritmayla tahmin edilmesi
Estimating the parameters of the nonlinear regression models using genetic algorithms
- Tez No: 114460
- Danışmanlar: YRD. DOÇ. DR. MUZAFFER KAPANOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2001
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 174
Özet
ÖZET Bu çalışmada, doğrusal olmayan regresyon modellerinin parametrelerinin tahmin edilmesinde genetik algoritmaların kullanılması konusu üzerinde çalışılmıştır. Literatürde bu konu üzerine bazı çalışmalar yapılmış olmasına rağmen, çeşitli yapılara sahip doğrusal olmayan regresyon modelleri üzerinde, genetik algoritmaların diğer tekniklere karşın etkinliğini inceleyen kapsamlı bir çalışma yoktur. Bu çalışmada, A.B.D. Ulusal Standartlar ve Teknoloji Enstitüsü tarafından verilmiş ve zorlukları onaylanmış doğrusal olmayan regresyon modellerinin parametrelerini tahmin etmek için bir genetik algoritma geliştirilmiş ve kullanılmıştır. Genetik algoritmayla elde edilen sonuçlar, ardışık kuadratik programlama ve Levenberg -Marquardt teknikleri kullanılarak elde edilen sonuçlar ile karşılaştırılmıştır. Genetik algoritmanın bu iki tekniğe çeşitli yönlerden üstünlük sağladığı görülmüştür.
Özet (Çeviri)
11 ABSTRACT In this study, the utilization of genetic algorithms in estimating the parameters of nonlinear regression models has been addressed. Although some research papers make use of genetic algorithms in solving some specific nonlinear regression models, there is no available comprehensive research that analyzes the efficiency of genetic algorithms versus other traditional methods for a variety of nonlinear regression problems. A genetic algorithm has been proposed and implemented in order to estimate the parameters of benchmark nonlinear regression models that have been presented, classified and approved by United States, National Institute of Standarts and Technology. The results of the experiments have been compared with two well-known techniques; i.e. sequential quadratic programming and Levenberg-Marquardt. The experiments showed that genetic algorithms are superior to the two traditional techniques based on several aspects.
Benzer Tezler
- Determining parameters of rheological models by the method of least squares
Enküçük kareler yöntemiyle reolojik modellerin parametrelerinin belirlenmesi
JORES DONGMO NGUIMATSIA
Yüksek Lisans
İngilizce
2019
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. GÜRŞAT ALTUN
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Doğrusal olmayan regresyon model parametrelerinin nokta ve aralık tahmini için bir yaklaşım
An approximation for point and interval estimations of nonlinear regression model parameters
FİKRET AKGÜN
- Kategorik bağımlı değişken modellerinde parametre tahmini için klasik yaklaşımlara alternatif bazı sezgisel optimizasyon teknikleri
Some heuristic optimization techniques to the classical approaches for the parameter estimation in categorical dependent variable models
EMRE DEMİR
Yüksek Lisans
Türkçe
2014
İstatistikMuğla Sıtkı Koçman Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ÖZGE AKKUŞ
- Dynamic security enhancement of power systems via population based optimization methods integrated with artificial neural networks
Yapay sinir ağlarının entegre edildiği popülasyon tabanlı optimizasyon yöntemleriyle güç sistemlerinin dinamik güvenliğinin iyileştirilmesi
CAVİT FATİH KÜÇÜKTEZCAN
Doktora
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. VEYSEL MURAT İSTEMİHAN GENÇ