Geri Dön

Kural tabanlı sistemlerin bulanık ve sinirsel bulanık gösterimi

The Represantation of fuzzy and neural fuzzy for rule-based systems

  1. Tez No: 139942
  2. Yazar: BÜLENT GÜLER
  3. Danışmanlar: DOÇ. DR. ARZU BABAEV
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2003
  8. Dil: Türkçe
  9. Üniversite: Uludağ Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 126

Özet

Ill ÖZET Bu tezde“Kural Tabanlı Sistemlerin Bulanık ve Sinirsel Bulanık Gösterimi”üzerinde çalışılmıştır. Bulanık küme kavramları ve özellikleri ele alınarak bulanık küme teorisinin bilinen klasik kümeden farkı ortaya konmuştur. Bulanık küme ve bulanık sayılar incelenerek üyelik fonksiyonunun nasıl elde edilebileceği ve bulanık mantığın genel özellikleri incelenmiştir. Sinirsel Ağların genel bir özeti yapılmıştır. Bulanık sistemler daha hassas hesaplama yapmaya, bir çok belirsizliğin incelenmesini sağlamaya ve insan bilgisini kullanmaya dayalı sistemler tasarlamaya olanak tanırlar. Fakat bulanık sistemler eğitilme olanağına sahip değillerdir. Yapay Sinir Ağlan ve Bulanık Sistemler uygun bir şekilde birleştirilerek geleneksel sistemlerden daha avantajlı bir sistem tasarlamaya imkan verirler. Buradaki esas amacımız bulanık sistemlerle sinirsel ağların birlikte kullanılabilmesini sağlayabilmektir. Bulanık kural tabanlı sistemler incelenerek kuralların şart ve sonuç kısımlarının bulanık gösterimleri geliştirilmiştir. Bulanık sistemlerin klasik mantıksal çıkarım kurallarına uygun olması için gerekli şartlar aranmış ve bulanık kural tabanlı sistemler için uygunluk teoremleri geliştirilmiştir. Bulanık kural tabanlı sistemlerin Sinirsel Ağlarla gösterimi incelenmiştir. Bilgi tabanında geriye çıkarım problemi incelenerek farklı sistemlerin Sinirsel Ağ ile gösterimi için gerekli yapılar seçilmiş ve eğitilmeleri gerçekleştirilmiştir. Sinirsel bulanık kontrolörün klasik yapısı geliştirilerek yapının basitleştirilmesi için sigmoid fonksiyonunun eşik parametrelerinin eğitilmesi önerilmiştir. Gerekli eğitilme eşitlikleri elde edilmiştir. Bulanık kural tabanının gösterimi için max-min Sinirsel Ağ geliştirilmiştir. Gizli katmanlı Sinirsel Ağ ele alınmış ve giriş ile gizli katmanlardaki eşik fonksiyonları birleştirilmiştir. Max-min Sinirsel Ağlar için bulanık modelin uygunluk özelliği bulunmuştur. Max-min Sinirsel Ağların kullanımı ile bulanık sınıflandırma probleminin çözümü için bir yöntem önerilmiştir. Eğitilme verileriyle bulanık kural tabanı elde edilerek max-min sinirsel ağlar oluşturularak eğitilmiştir.

Özet (Çeviri)

IV ABSTRACT In this thesis,“The Representation of Fuzzy and Neural Fuzzy for Rule-Based Systems”is studied. The difference between fuzzy set theory and classical set theory is discussed by using properties and concepts of fuzzy sets. Besides the properties of fuzzy logic, achieving member functions by the help of fuzzy sets and numbers is examined. Neural networks are summarized. Fuzzy systems are able to compute more precise, examine uncertainty of knowledge, design more humanistic systems. But fuzzy systems are not capable of training feature. Therefore, artificial neural networks and fuzzy systems can be combined appropriately and a system which has more advantages than traditional systems can be designed. My aim is to combine fuzzy systems and neural networks together. Fuzzy representations of resulting part of fuzzy rule-based systems are developed. Fuzzy rule-based systems adequate theorems are developed when searching the fitness beetween fuzzy systems and classical logic rules. Neural networks are used to represent fuzzy rule-based systems. Training methods are implemented for different systems with neural network represention when discussing the knowledge-based back propagation problem. Training of parameters of sigmoid function is discussed by enhancing the classical structure of neural fuzzy controller. Max-min neural network is developed for representation of fuzzy rule-base (system). Hidden layered neural network is discussed and the threshold functions of input and hidden layers are assembled. Adequacy property of fuzzy model for max-min neural networks is identified. A method is suggested for the solution of fuzzy classification problem which uses max-min neural networks. Fuzzy rule-base is achieved by using trainin data and max-min neural networks are constituted and trained.

Benzer Tezler

  1. Tez No

    430939

    Yazılım kusur kestirimi eklentisinin esnek hesaplama yöntemleri ile tasarımı ve geliştirimi: kapsamlı metrik değerlendirilmesi

    Design and implementation of software fault prediction plugin by using soft computing methods: comprehensive metric assessment

    EZGİ ERTÜRK GÜLER

    Doktora

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EBRU SEZER

  2. Tez No

    807157

    Power allocation for cooperative NOMA systems based on adaptive-neuro fuzzy inference system

    Uyarlanabilir nöro bulanık çıkarım sistemine dayalı işbirlikli NOMA sistemleri için güç tahsisi

    MELİKE NUR ÜÇBAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN ALİ ÇIRPAN

  3. Tez No

    556917

    NARMA-L2 controller design for nonlinear systems using online lssvr

    Doğrusal olmayan sistemler için çevrimiçi en küçük kareler destek vektör regresyonu ile NARMA-L2 kontrolör tasarımı

    GÖKÇEN DEVLET ŞEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜLAY ÖKE GÜNEL

  4. Tez No

    299571

    Bulanık mantık yöntemleri kullanılarak gazlı içeceklerde karbondioksit kontrolü

    Using fuzzy logic methods for carbon dioxide control in carbonated beverages

    JUNEED S.ABDULJABAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İMAN ASKERBEYLİ

  5. Tez No

    442724

    Yapay zeka metotlarının bir sınıflandırma probleminde karşılaştırılması

    Comparison of artificial intelligience methods for a classification problem

    NİLGÜN ŞENGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Endüstri ve Endüstri MühendisliğiSüleyman Demirel Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜLTEKİN ÖZDEMİR

Geri Dön