Genetik algoritmalar ile radyal temelli fonksiyon ağlarının optimizasyonu
Optimization of radial basis function networks by genetic algorithms
- Tez No: 185947
- Danışmanlar: PROF. DR. TÜLAY YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Genetik Algoritmalar, Radyal Temelli Fonksiyon Ağları, MerkezSeçimi, Gauss Fonksiyon Genişliği, Genetic algorithms, radial basis functions, selection of centers, Gauss functionspread value
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
Özet
Yapay sinir ağları topolojisinin ağın performansına güçlü bir etkisi vardır, ancak optimalkonfigürasyonun bulunması önemli bir sorundur. Radyal Temelli Fonksiyon (RBF) ağlarındamerkezlerin yeri ve Gauss fonksiyonunun genişliği ağın performansı üzerinde kritik biröneme sahiptir. Merkezler ve saklı katman genişlikleri kromozamlara kodlanarak bu iki kritikparametrenin Genetik Algoritmalar (GA) ile optimizasyonu hedeflenmiştir.. Genetikalgoritma için uygunluk fonksiyonu test başarım oranıdır. Merkezlerin, veri kümesindeki satırdeğerleri olarak algılanması gereken bu yapıda optimize edilecek parametrelerin alabileceğimaksimum ve minimum değerler algoritmanın işlemesi sırasında belirtilmektedir. Algoritmaverilen sınır değerleri arasından en uygun çözümü bulmaya çalışmaktadır.Optimizasyon işlemi tiroid hastalığı, iris çiçeği, e.coli bakterisi, fetus gelişimi, cam (glass) velens veri kümeleri üzerinde denenmiştir. Çalışmanın en önemli avantajı, eğitme setinin küçükbir kısmı kullanılarak başarılı bir sonuç vermesidir. Her bir veri kümesinden az sayıda örnekalınarak ağlar eğitilmiş ve tüm veri kümesi ile test edilmiştir. Seçilen veri kümelerinin zorsınıflanan bir karakteristikte olmasına dikkat edilmiş, bu şekilde GA-RBF başarımı daha iyigözlenmiştir.Tüm simülasyonların Matlab 7 programıyla gerçekleştirildiği bu yaklaşımda, elde edilengrafikler ve karşılaştırmalı tablolar GA-RBF optimizasyonunun RBF yaklaşımından dahaüstün olduğunu ortaya koymuştur. GA algoritmasının çalışması uzun sürede gerçekleşse de,geniş ve zor sınıflanan veri kümeleri için daha cazip sonuçlar sunmaktadır. Simülasyonbölümünde ifade edilen sonuçlar ve karşılaştırmalar, önerilen yaklaşımın kabuledilebilirliğini açıkça ortaya koymaktadır.
Özet (Çeviri)
The effects of a neural network's topology on its performance are well known, yet thequestion of finding optimal configuration remains largely open. In Radial Basis Function(RBF) networks, placement of centers is said to have significant effect on the performance ofnetwork. In this paper, centers and widths of hidden layer are coded in a chromosome andthese two critical parameters are determined with the optimization by Genetic Algorithms(GA). The maximum and minumun limit values of these parameters are defined in thealgorithm whilst centers should be perceived as the number of lines in dataset.This treatise aims to classify the test set with high accuracy while minumum number ofinstance is chosen from the train set. Iris plant, thyroid disease, escherichia coli bacteria, fetus,glass and lens datasets are used to compare the success between GA-RBF and RBF method.The final conclusion is that GA-RBF approach is more effective than RBF and somenumerical results indicate the applicability of the proposed approach, which all simulationsrealized by Matlab 7. Nevertheless, GA took a long training time to achieve these results. Butfor a large number of applications and rough datasets, genetic approach is an attractivesolution for the design of efficient artificial neural networks.
Benzer Tezler
- Antenlerin hızlı ve doğru tasarımı için esnek hesaplamaya dayalı sayısal karma yöntemler
Numerical hybrid methods based on soft computing for fast and accurate design of antennas
MAHMUD ESAD YİĞİT
Doktora
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT TAYFUN GÜNEL
- Savaş gemisi elektrik dağıtım sisteminin arıza sonrası toparlanmasına yönelik yöntem geliştirilmesi
New developing reconfiguration method for naval shipboard power distribution system after fault situation
İZZET EMRE AFACAN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ALİ YALÇIN
- Radial basis function surrogate model-based optimization of road restraint systems: Three case studies
Yol güvenlik elemanlarının radyal temelli fonksiyon tabanlı vekil model ile eniyilemesi: Üç vaka çalışması
SEDAT ÖZCANAN
Doktora
İngilizce
2019
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OSMAN ATAHAN
- Yapısal optimizasyon problemlerinin çözümü için yeni bir hibrid optimizasyon yönteminin geliştirilmesi
Development of a new hybrid optimization method for solution of structural optimization problems
ERHAN DÜZGÜN
Doktora
Türkçe
2024
Makine MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ERDEM ACAR
- Bağımsız denetimde makine öğrenmesi Yaklaşımı: Borsa İstanbul A.Ş. örneği
Machine learning approach in auditing: Borsa Istanbul A.Ş. case
FATİH FAYDALI
Doktora
Türkçe
2023
İşletmeKırgızistan-Türkiye Manas Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. BİLAL SOLAK