Yapay sinir ağlarında momentumlu dik iniş ve eşlenik gradyan eğitim algoritmalarının karşılaştırılması
Comparison of steepest descent with momentum and conjugate gradient training algorithms in neural networks
- Tez No: 198391
- Danışmanlar: DOÇ.DR. MAMMADAGHA MAMMADOV
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, İstatistik, Computer Engineering and Computer Science and Control, Science and Technology, Statistics
- Anahtar Kelimeler: Geriye Yayılım, Momentum, Kararlılık, EşlenikGradyan, Backpropagation, Momentum, Stability, Conjugate Gradient
- Yıl: 2005
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 116
Özet
Bu tezde, tahmin ve sınıflandırma problemlerinde istatistik yöntemlerealternatif olarak önerilen geriye yayılım yapay sinir ağı (y.s.a.) eğitimalgoritmaları incelenmiştir. Kuadratik hata fonksiyonunun minimizasyonuprobleminde öğrenme oranı ve momentum faktörünün süreç boyunca sabitolduğu momentumlu gradyan azalan metodunda, algoritmanın yakınsakolduğu parametre aralıkları türetilmiştir. Optimum öğrenme oranı vemomentum faktörlerinin dağılımı rassal olarak üretilmiş problemlerüzerinde gözlemlenmiştir. Öğrenme oranı ve momentum faktörünün süreçboyunca değişken olduğu durumda ise sistemin öz bileşenlerinin tavrıgözlemlenmiş ve belirli bir fiziksel sistemle benzerliği incelenmiştir.İncelenen eğitim algoritmaları güncel bir sınıflandırma problemiüzerinde bir simülasyon çalışmasıyla karşılaştırılmıştır. Çalışmada,nonobstrüktif azoospermi (ejakulatta sperm bulunmaması) ` ye sahiperkeklerde testis biopsisine dayanan spermatozoa (sperm hücresi) tahminiiçin bir y.s.a. geliştirilmiştir. Eğitim algoritmaların performanslarıdeğerlendirilirken yakınsama süreleri, devir sayıları ve doğru sınıflandırmaoranları dikkate alınmıştır.
Özet (Çeviri)
In this thesis, backpropagation training algorithm, proposed as analternative to statistical methods in forecasting and classifying problems isanalysed. Bounds for convergence on learning rate and momentumcoefficients are derived in the case of quadratic error function minimizationproblem with constant learning rate and momentum coefficients. Inexperiments, distribution of optimum learning rate and momentumcoeffiecients are observed on randomly generated problems. In particular,for a quadratic error function, behaviour of the dynamic system where thechoice of learning and momentum parameters that has been referred to as`optimally tuned? is observed. An analogy between the dynamic method anda prescribed physical system is examined.Training methods that has been studied are compared on an up-to-dateclassification problem in a simulation. A neural network is developed forpredicting spermatozoa prior to testicular biopsy in men withnonobstructive azoospermia. Convergence times, epoch numbers and correctclassification rates are considered for the evaluation of training algorithmperformances
Benzer Tezler
- Prospects of nonresonant Higgs boson pair production measurement in the WWγγ channel at the HL-LHC with the phase-II CMS detector
Standart model Higgs bozonu çifti üretiminin WWγγ kanalında CMS faz II dedektörü ile HL-LHC koşullarında araştırılması
AHMET OĞUZ GÜZEL
Yüksek Lisans
İngilizce
2022
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. MUAMMER ALTAN ÇAKIR
- YSA'lı rotorakışı gözlemcilik vektör denetimi
Neural network based rotor-flux observer for vector control
AHMET SELİM SANCAK
Yüksek Lisans
Türkçe
1997
Makine Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN TACER
- A numerical approach for plasma based flow control
Plazma ile akış kontrolü için sayısal bir yaklaşım
REŞİT KAYHAN ATA
Doktora
İngilizce
2023
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ŞAHİN
- LDL kolesterolün yapay sinir ağları ile tahmini
Estimation of LDL cholesterol by artificial neural networks
OKTAY KIZILKAYA
Yüksek Lisans
Türkçe
2013
Ekonometriİnönü ÜniversitesiEkonometri Ana Bilim Dalı
YRD. DOÇ. DR. RABİA ECE OMAY
- Yapay sinir ağları ile trafik yoğunluğu tahmini
Prediction of traffic congestion by artificial neural networks
MURAT NAS
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. NESLİHAN SERAP ŞENGÖR