Geri Dön

Design and application of radial basis function support vector machines for regression

Radyal tabanlı fonksiyon destek vektör makinelerinin regresyon için tasarımı ve uygulamaları

  1. Tez No: 169169
  2. Yazar: DOĞAN BAŞ
  3. Danışmanlar: PROF. DR. CÜNEYT GÜZELİŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2005
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2020

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Gemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SERDAR AYTEKİN KÖROĞLU

  2. 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

    Doktora

    Türkçe

    Türkçe

    2024

    İşletmeAfyon Kocatepe Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. TUĞRUL KANDEMİR

  3. An efficient design optimization framework for rf and optical applications

    Başlık çevirisi yok

    ORKUN KARABAŞOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Mekatronik MühendisliğiSabancı Üniversitesi

    Mühendislik Bilimleri Ana Bilim Dalı

    DOÇ. DR. GULLU KIZILTAS

  4. Biyomagnetik olaylar

    Başlık çevirisi yok

    M.TOGAN ÇANDIR

    Yüksek Lisans

    Türkçe

    Türkçe

    1996

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. İNCİ AKKAY