Design and application of radial basis function support vector machines for regression
Radyal tabanlı fonksiyon destek vektör makinelerinin regresyon için tasarımı ve uygulamaları
- Tez No: 169169
- Danışmanlar: PROF. DR. CÜNEYT GÜZELİŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2005
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
ÖZET Destek vektör makineleri, gürültülü, karmaşık alanlardaki sınıflandırma ve regresyon problemleri için geliştirilmiş sağlam bir araçtır. Destek vektör makineleri yapay sinir ağlarının geleneksel metodlarındaki gibi sadece deneysel eğitim hatasını değil, genelleme hatasının üst sınırım da küçültmeyi amaçlar. Bu tez çalışması, destek vektör makinelerininin tasarımı ve uygulamalarıyla regresyon ve fonksiyon yaklaşımını incelemeyi amaç edinmiştir. Klasik fonksiyon yaklaşım teknikleriyle karşılaştırma yaparak, değişik uygulamalardaki avantajları görülmüştür. Doğrusal olmayan fonksiyon yaklaşımında etkin bir yöntem olan radyal tabanlı fonksiyon ağları ve regresyon için destek vektör makineleri veya kısaca destek vektör regresyonu yöntemleri, modellenen bir veri üzerinde karşılaştırılmıştır. Aynı zamanda bu tezde, radyal tabanlı fonksiyon ağlan regresyonu ve destek vektör regresyonu yöntemlerine farklı teknikler uygulanmasıyla elde edilen yeni melez yöntemler sunulmuştur. Fonksiyon kestiriminin bu melez yöntemleri, regresyon problemlerinin çözümünde çok kullanışlı olacaktır. Bu melez yöntemleri karşılaştırarak, fonsiyon yaklaşımı için hangi yöntemin en kullanışlı olduğunu bulmaya çalıştık. Bu melez destek vektör yöntemlerini kullanan birisi değişik uygulamalardaki farklı fonksiyon kestirim problemlerini çözebilir. Anahtar sözcükler : Regresyon, Fonksiyon Yaklaşımı, Radyal Tabanlı Fonksiyon, Destek Vektör, Giriş Öbeklemesi, Giriş-Çıkış Öbeklemesi, K-defa Öbekleme, Yapay Sinir Ağları.
Özet (Çeviri)
ABSTRACT The support vector machine has been developed as robust tool for classification and regression in noisy, complex domains. Unlike traditional methods in artificial neural networks which minimize the empirical training error, support vector machine aims at minimizing upper bound of the generalization error. Current thesis work is aimed to explore design and application of support vector machine for regression and function approximation. Comparing with classical function approximation techniques, its advantages are seen with different applications. Radial basis function network which is an efficient method of nonlinear functional approximation and support vector machine for regression or support vector regression in shortly, are compared on a modeled data. Also in this thesis, we present new hybrid methods applying different techniques to radial basis function network regression and support vector regression methods. These hybrid methods of function estimation will be very useful for solving regression problems. Comparing these hybrid methods, we try to find out which method most useful for function approximation is. Using these hybrid SV methods one can solve various problems of function estimation in different applications. Keywords : Regression, Function Approximation, Radial Basis Function, Support Vector, Input Clustering, Input-Output Clustering, K-means Clustering, Artificial Neural Networks. IV
Benzer Tezler
- Gemi yapılarında gerilme yığılması öngörülerinin kaba ağ yapısı ve makine öğrenmesi ile gerçekleştirilmesi
The forecasting of stress concentration in ship buildings by using rough mesh structure and machine learning method
BURÇİN ATEŞ
Yüksek Lisans
Türkçe
2020
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERDAR AYTEKİN KÖROĞLU
- Bağımsız denetim görüşlerinin tahmin edilmesinde veri madenciliği yöntemlerinin karşılaştırılması: Borsa İstanbul'da bir uygulama
Comparison of data mining methods for audit opinions prediction: An application in Borsa Istanbul
ZAFER KARDEŞ
- An efficient design optimization framework for rf and optical applications
Başlık çevirisi yok
ORKUN KARABAŞOĞLU
Yüksek Lisans
İngilizce
2008
Mekatronik MühendisliğiSabancı ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
DOÇ. DR. GULLU KIZILTAS
- Biyomagnetik olaylar
Başlık çevirisi yok
M.TOGAN ÇANDIR
Yüksek Lisans
Türkçe
1996
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. İNCİ AKKAY
- Mathematical and computational methods for freeform optical shape description
Başlık çevirisi yok
ILHAN KAYA
Doktora
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversity of Central FloridaDR. JANNİCK P. ROLLAND