Geleceği tahminde yapay sinir ağları için sezgisel öğrenme algoritması
A heuristic learning algorithm for artificial neural networks in forecasting
- Tez No: 165935
- Danışmanlar: PROF. DR. FEVZİ KUTAY
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2005
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 177
Özet
Zaman serileri ile tahminde sıkça kullanılan Box-Jenkins modelleri, doğrusal yapıdaki serilerde başarılı olsa da doğrusal olmayan zaman serileri ile tahminde iyi bir tahmin aracı değildir. Örüntü tanıma, sınıflandırma, veri madenciliği vb. bir çok alanda kullanılan yapay sinir ağları tahmin problemlerinde de oldukça başarılıdır. Yapay sinir ağları, doğrusal ve doğrusal olmayan zaman serileri ile tahminde geleneksel istatistik yöntemlere bir alternatif olarak kullanılmaktadır. Yapay sinir ağları, çalışılan probleme ilişkin veriler yardımı ile veri yapısındaki ilişkiyi öğrenmektedir. Öğrenme işlemi, öğrenme algoritması olarak adlandırılan eniyileme yaklaşımları ile sağlanmaktadır. Yapay sinir ağları öğrenme algoritması olarak en bilineni geri yaydım algoritmasıdır. Ancak geri yaydım algoritmasının yerel minmumlara takılıp kalması, öğrenme işleminin gerçekleşmesini engellemektedir. Bu sebeple, yerel minimuma takılma olasılığı daha az olan yeni eniyileme yaklaşımlarına ihtiyaç vardır. Bu çalışmada yapay sinir ağları için sezgisel bir öğrenme algoritması önerilmiştir. Yapay sinir ağlarının geleceği tahmindeki gücünü görmek için, doğrusal ve doğrusal olmayan benzetim serileri ve gerçek zaman serileri kullanılmıştır. Bulunan sonuçlar, Box-Jenkins modelleri sonuçları ile uygun istatistik testler kullanılarak karşılaştırılmıştır. Zaman serileri tahmini için kurulan yapay sinir ağlarında, en iyi girdi nöron sayısının belirlenmesi için öneride bulunulmuş, gizli nöron sayısı için literatürdeki bazı çalışmaları destekler sonuçlara ulaşılmıştır.
Özet (Çeviri)
While Box-Jenkins models that are often used in time series forecasting give good results for linear series, it is not a suitable forecasting tool for nonlinear series. Artificial neural networks, which are used in many areas, such as pattern recognition, classification, data mining, etc., also yield quite successful results in forecasting problems. Artificial neural networks are utilized as an alternative to traditional statistical methods in linear and nonlinear time series forecasting. Artificial neural networks can learn the relations in data structure with the help of data relating to the problem. Learning process is realized by using optimization methods called learning algorithm. The back propagation algorithm is well-known learning algorithm for the artificial neural networks. However, that back propagation algorithm sticks on local minimums hinders the learning process. For this reason, new optimization approaches that are less likely to get stuck on local minimums are needed. In this study, a heuristic learning algorithm for artificial neural networks is proposed. Linear and nonlinear simulation series and real-world time series are used in order to observe the power of the artificial neural networks in forecasting. The obtained results are compared with the Box-Jenkins model results by using proper statistical tests. In artificial neural networks constructed for time series forecasting, a recommendation on determining the optimal number of neurons in input layers is given, also, the results that support the some researches in literature on determining the optimal number of hidden neurons are obtained Science Code : 919 Key
Benzer Tezler
- Hidroelektrik enerji santrallerinde üretilen enerjinin kısa ve uzun süreli olarak tahmin edilmesi ve taşkın riskinin araştırılması: Doğançay Hidroelektrik Enerji Santralleri örneği
Estimation of energy produced in hydroelectri̇c power plants as short and long term and investigation of flood risk: case study of Dogancay Hydroelectric Power Plants
AHMET IYAD CEYHUNLU
Yüksek Lisans
Türkçe
2020
İnşaat MühendisliğiSakarya Uygulamalı Bilimler Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKMEN ÇERİBAŞI
- Arazi örtüsü/arazi kullanımı simülasyonlarında konumsal doğrulama
Locational validation of land cover/land use simulation
AHMET EROĞLU
Yüksek Lisans
Türkçe
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HANDE DEMİREL
- Sinirsel bulanık mantık yaklaşımı ile öngörü modellemesi: İşsizlik oranı için Türkiye örneği
Neuro fuzzy logic approach with forecast modelling: The case of Turkey for unemployment rate
BERNA BULĞURCU
- Portfolio optimization with wavelet analysis and neural fuzzy networks
Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu
ÖMER ZEKİ GÜRSOY
- Mesleki ve teknik lise öğrencilerinin fen dersleri (fizik- kimya- biyoloji) başarılarının yapay sinir ağları ile tahmini ve başarısızlık için alınacak tedbirler (Türkiye-Malezya karşılaştırması)
Estimation of the vocational high school students' science courses (physics- chemistry-biology) academic achievements with artificial neural network and precautions to avoid failure (Turkey-Malaysia comparison)
ALİ YAĞCI
Yüksek Lisans
Türkçe
2018
Eğitim ve ÖğretimKaramanoğlu Mehmetbey ÜniversitesiBiyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ÇEVİK
