An Approach to knowledge representation with neural networks using an extended backpropagation learning para digm
Başlık çevirisi mevcut değil.
- Tez No: 16779
- Danışmanlar: DOÇ.DR. MEHMET R. TOLUN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay Nöron Ağları, Uzman Sistemler, Nöron Ağlı Uzman Sistemler, Geri Yayılma Kuralı, Kural ve Bilgi Gösterimi, Nöron Ağlı Çıkarım Mekanizması, Bilgi gösterimi, Sinir ağları, Artificial Neural Networks, Expert Systems, Connectionist Expert Systems, Backpropagation Rule, Information and Knowledge Representation, Connectionist Inferencing Mechanism, Information display, Nerve net
- Yıl: 1991
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET GELİŞTİRİLMİŞ GERİ YAYILMALI ÖĞRENME OLGUSUNU KULLANARAK NÖRON AĞLARIYLA BİLGİ GÖSTERİMİ İÇİN BİR YAKLAŞIM ABU-S ALAMEH, Walid Doktora Tezi, Bilgisayar Mühendisliği Bölümü Tez Danışmanı: Doç.Dr. Mehmet R.Tolun Yard. Tez Danışmanı : Yard. Doç.Dr. Marifi Güler Kasım 1991, 282 Sayfa Bu çalışmada, nöron ağlı bilgi tabanından kural-temelli geliştirim için yeni bir yöntemle birlikte yeni bir bilgi gösterim tekniği ve Yapay Nöron ağlarında bilgi işlenmesi ele alınmıştır. Ayrıca, geri yayılması öğrenme kuralına yeni bir ilave önerilmiş ve geliştirilen bu kural, nöron ağlı bilgi tabanını içeren bir uzman sistem görevini yapan bir ağın eğitimi için kullanılmıştır. Bu kuralının yakınsaklığını hızlandırmak amacıyla yakınsaklık zamanını çabuklaştıran yeni bir kural geliştirilmiştir. Bu yeni kural ile orjinal Bp'nin bir takım zorluklan giderilmiştir. Yeni kural hem daha iyi ağırlık değiştirimlerine hem de ağın daha önce öğrendiği örneklere olan tepkisini saklamasına dayanmaktadır. Sınıflandırma problemi, ağ mimarisi ve gereken eğitim verisinin nitelikleri arasındaki ilişkiyi anlatmak için bir çok örnek incelemiştir. Geliştirilmiş geri yayılma kuralını aslıyla karşılaştırma doğrultusunda çeşitli nöron ağı deneyleri tartışılmıştır.Ilk araştırmalar bu çalışmada sunulan yeni kuralın hesaplama zamanını azalttığını göstermiştir. Öte yandan bu teknik, nöron ağlı uzman sistem geliştirmek için, girdi örüntülerinin açık tanımının ne kadar gerekli olduğunu vurgulamıştır. Açıklama amacıyla, elde edilen ağdan EĞER-İSE kural geliştiriminin değişik kullanımları incelenmiş, ve bu kurallarla elde edilen ağ modelleri arasındaki ilişki araştırılmıştır. Değişik ağ modellerinde bu yaklaşım ile orjinal geri yayılma kuralı çeşitli nöron ağ problemleri üzerinde durularak, kapsamlı bir başarım karşılaştırması yapılmıştır.
Özet (Çeviri)
ABSTRACT AN APPROACH TO KNOWLEDGE REPRESENTATION WITH NEURAL NETWORKS USING AN EXTENDED BACKPROPAGATION LEARNING PARADIGM ABU-SALAMEH, Walid Ph.D. in Computer Engineering Supervisor: Assoc. Prof. Dr. Mehmet R. Tolun Co-Supervisor: Asst. Prof Dr. Mar if i Güler November 1991, 282 pages A new knowledge representation technique and information processing in Artificial Neural Networks is discussed together with a new method for rule-base generation from a connectionist knowledge-base. An extension to the Backpropagation learning rule(Bp) is proposed, and the modified version is used to train a network that serves as a rule-base for a connectionist knowledge-based expert system. In order to speed up the convergence of the Bp rule a new rule that speeds up the convergence time Is develpoed. The new rule overcomes the barriers of the original Bp. This rule depends on better weight modifications as well as it lets the network to keep the response on the previously learned example. iiiSeveral examples are investigated in order to express the relationship among the classification problem, the network architecture and the nature of the required training data. A number of well known neural network experiments are discussed for measuring the performance of modified backpropagation rule versus the original one. Preliminary investigations showed that the new rule addressed in this work reduces the number iterations required for training. However, the technique also demonstrated that accurate input description of the input patterns are required to build a connectionist expert system. Different treatments of the IF-THEN rule generation from the resultant network for the purposes of explanation are discussed, and the relationships between these rules and the resultant network topologies are investigated. Extensive performance study between this approach and the original backpropagation rule on various well known neural network problems is carried out on different network topologies.
Benzer Tezler
- Hakem atama otomasyonu için bir karar destek sistemi: Doğal dil işleme ve veri-güdümlü optimizasyon ile bütünleşik bir yaklaşım
A decision support system for reviewer assignment automation: An integrated approach with natural language processing and data-driven optimization
MELTEM AKSOY
Doktora
Türkçe
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA YANIK ÖZBAY
PROF. DR. MEHMET FATİH AMASYALI
- Secure model verification and privacy preservation with ZK-SNARKs and neural networks
ZK-SNARK ve sinir ağları ile güvenli model doğrulama ve özel verinin korunması
DURSUN OYLUM SERİNER GERENLİ
Yüksek Lisans
İngilizce
2023
MatematikOrta Doğu Teknik ÜniversitesiKriptografi Ana Bilim Dalı (disiplinlerarası)
PROF. DR. FERRUH ÖZBUDAK
- Topluluk öğrenme modelini kullanarak optimum özellik seçimine dayalı duygu analizi
Sentiment analysis based on optimal feature selection using an ensemble learning model
FATİH DEMİRCİ
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEYNEP GARİP
DOÇ. DR. EKİN EKİNCİ
- Mimari tasarımda yapay zekâ yaklaşımı: Makine öğrenmesi ile mekân işlevlerinin tanınması ve üretken çekişmeli ağlarla mimari plan üretimi
Artificial intelligence approach in architectural design: Recognition of space functions with machine learning and architectural plan generation with generative adversarial networks
BERFİN YILDIZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
DR. ÖĞR. ÜYESİ İBRAHİM ZİNCİR
- Çok amaçlı metasezgisel optimizasyon yöntemleri ile derin sinir ağlarının otomatik modellenmesi
Automated modeling of deep neural networks with multi-objective metaheuristic optimization methods
EMRULLAH GÜNDÜZALP
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR YILDIRIM