İstatistiksel dağılımların belirlenmesinde yapay sinir ağı yaklaşımı
Artificial neural network approach to identifying statistical distributions
- Tez No: 127320
- Danışmanlar: DOÇ. DR. A. SERMET ANAGÜN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: İstatistiksel Veri Analizi, İstatistiksel Dağılımlar, Yapay Sinir Ağları, Dağılım Belirleme. ¦%K V^1 ç^V, Data Analysis, Statistical Distributions, Artificial Neural Networks, Identifying Distributions. >**
- Yıl: 2002
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 163
Özet
IV ÖZET Derlenen bir veri grubunun uygun olduğu dağılımın belirlenmesi ve dağılıma ilişkin parametrelerin tahmin edilmesinde yapay zeka tekniklerinden yapay sinir ağları yaklaşımının kullanıldığı bu çalışma, bilinen istatistiksel yöntemlere bir alternatif sağlamak amacıyla gerçekleştirilmiştir. Farklı parametrelere sahip 42 dağılımı ayırt etmek için desen tanıma ve sınıflandırma problemlerinde başarılı sonuçlar veren geri yayılım, sayaçlı yayılım ve vektör kuantalama öğrenmesi ağları tasarlanmış ve ağlar THINKSPRO paket programı kullanılarak eğitilmiştir. Ağların genelleme yeteneğine etkisi olduğu düşünülen öğrenme algoritması, eğitim deseni sayısı ve girdi vektörünü oluşturan betimsel istatistikler gibi performans göstergeleri irdelenerek toplam eğitim hatası en küçük olan ağ belirlenmiştir. Parametre tahmin süreci için de her bir dağılım grubuna ilişkin 13 farklı ağ tasarlanmış ve bu ağlar seçilen öğrenme algoritmalarına göre eğitilmişlerdir. Eğitim sonuçlarına ilişkin hata oranlan hesaplanarak en uygun ağ yapısı seçilmiştir. Desen sınıflayıcı olarak kullanılan ağların performansları STATISTICA ve STATFIT paket programlan kullanılarak yapılan dağılım uygunluk testleri, parametre tahmin sürecine ilişkin ağ çıktıları en büyük benzerlik ve momentler yöntemleriyle tahmin edilen parametre değerleri ile karşılaştırılmıştır.
Özet (Çeviri)
ABSTRACT The aim of this study is to identify the distribution and the parameters of a collected raw data set by using artificial neural networks approach which is a technique of artificial intelligence to provide an alternative to conventional statistical methods. Backpropagation, counterpropagation and learning vector quantization networks that give successful results to pattern recognition and classification problems are constructed to distinguish 42 distributions and the networks are trained by using THTNKSPRO. The network that has the least total training error is identified by examining the performance indicators like learning algorithm, the number of training set patterns and the descriptive statistics that forms the input vector. 13 different networks related to each distribution group are constructed for the parameter estimation process and these networks are trained according to the selected learning algorithms. The training error terms are calculated and the most appropriate network construction is selected. The networks' performances that are used as pattern classifiers are compared with the goodness-of-fit tests that are made by using STATISTICA and STATFIT programs. The network results of parameter estimation process are compared with the parameter values that are estimated according to the maximum likelihood and method of moments techniques.
Benzer Tezler
- Coğrafi bilgi sistemleri tabanlı heyelan duyarlılık haritalarının oluşturulmasında istatistiksel yöntemlerin ve yapay sinir ağlarının kullanılması: Kumluca-Ulus (Bartın) bölgesi
Usage of statistical techniques and artificial neural networks in producing landslide susceptibility maps based on geographical information systems: Kumluca-Ulus (Bartın) region
NESLİHAN YÜKSEL
Doktora
Türkçe
2007
Jeoloji MühendisliğiHacettepe ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF.DR. HÜSNÜ AKSOY
- Modelling residential end-use electricity consumption using statistical and artificial intelligence approaches and determining the effective saving measures
Konut nihai elektrik tüketiminin istatistiki ve yapay zeka yaklaşımları ile modellenmesi ve etkin tasarruf yöntemlerinin belirlenmesi
EBRU ADA
Yüksek Lisans
İngilizce
2019
Çevre MühendisliğiHacettepe ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERİH AYDINALP KÖKSAL
- Estimating forest parameters using point cloud data
Orman parametrelerinin nokta bulutu verilerinden çıkarımı
ADİL ENİS ARSLAN
Doktora
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
- Ortometrik yüksekliklerin dolaylı olarak GPS gözlemlerinden elde edilmesinde kullanılan yöntemlerin irdelenmesi
Investigation of the methods used to derive indirectly orthometric height from GPS measurements
LEYLA ÇAKIR
Doktora
Türkçe
2012
Jeodezi ve FotogrametriKaradeniz Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL ŞEN
- İstanbul Büyükçekmece Küçükçekmece gölleri arasındaki kütle hareketlerinin türü ve mekanizmasının incelenmesi
Investigation of mass movements type and mechanism between i̇stanbul Büyükçekmece and Küçükçekmece lakes
GÖKHAN ŞANS
Doktora
Türkçe
2023
Jeoloji Mühendisliğiİstanbul Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF. DR. REMZİ KARAGÜZEL