Geliştirilmiş yapay sinir ağı algoritmaları ve uygulamaları
Improved artificial neural network algorithms and applications
- Tez No: 232964
- Danışmanlar: PROF. DR. MEMMEDAĞA MEMMEDLİ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İstatistik, Computer Engineering and Computer Science and Control, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 103
Özet
Bu tez çalışmasında, ilk önce deterministik kuadratik performans fonksiyonu durumunda momentumlu gradyan düşümü algoritmasının kararlılığı ve yakınsama hızı incelenmiştir. Teorik incelemeler sonucunda, hızlı yakınsamayı sağlayan etkin öğrenme oranı ve momentum faktörü formülleri, Hessian'ın en büyük ve en küçük özdeğerlerini kullanarak belirlenmiştir. Bu yaklaşım rassal olarak oluşturulan kuadratik test problemleri üzerinde denenmiş ve etkin öğrenme parametreleriyle çalışan algoritmanın diğer geleneksel momentumlu gradyan düşümü algoritmalarından daha üstün performans gösterdiği gözlenmiştir. Kuadratik performans fonksiyonu için elde edilen etkin öğrenme parametreleri, hatanın, ağ ağırlıklarının herhangi bir doğrusal olmayan fonksiyonu olduğu genel duruma uyarlanmıştır. Genel durumda etkin parametrelerle çalışacak momentumlu gradyan düşümü algoritmasının dört farklı versiyonu önerilmiştir. Geliştirilen algoritmalar gerçek veri kümesine sahip güncel test problemleri üzerinde diğer geleneksel gradyan düşümü algoritmaları ile karşılaştırılmıştır. Etkin öğrenme parametreli algoritmaların, diğer geleneksel gradyan düşümü algoritmalara göre genelde daha iyi yakınsama performansı gösterdiği gözlenmiştir.
Özet (Çeviri)
In this thesis, at first, stability and convergence speed of gradient descent with momentum algorithm is analyzed in the case of a deterministic quadratic performance function. As a consequence of theoretical analyzes, effective learning rate and momentum factor formulas which improve convergence speed are determined from the largest and smallest eigenvalue of the Hessian. This approach is tested on randomly generated test problems and results indicate that the algorithm with effective learning parameters outperforms other conventional gradient descent with momentum algorithms. Effective learning parameters obtained for the quadratic performance function are adapted to the general case where the performance is any nonlinear function of the network weights. Four different versions of gradient descent with momentum algorithm which works compatible with the effective learning parameters are proposed in the general case. Developed algorithms are compared with other conventional gradient descent algorithms on the up-to-date test problems. It is observed that algorithms with the effective learning parameters show better convergence performance than the other conventional gradient descent algorithms in general.
Benzer Tezler
- Embedded vision system designed on a heterogeneous computing platform and applied to semen analysis
Heterojen hesaplama platformu üzerinde tasarlanan gömülü görüntü sistemi ve semen analizi uygulanması
OSMAN LEVENT ŞAVKAY
Doktora
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
- Yapay sinir ağı eğitimi için çoklu evren optimizasyonu ve tavlama benzetimi algoritması ile yeni bir melez meta-sezgisel model önerisi
A new hybrid meta-heuristic model proposal with multiverse optimization and simulated annealing algorithm for artificial neural network training
ÖMER YILMAZ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM ALPASLAN ALTUN
- Gömülü sistem tabanlı elektrokardiyogram holter cihazının tasarlanması ve yapay sinir ağı- genetik algoritma hibrit modeli ile aritmi tespiti
Design of embedded system-based ecg holter device and detection of arrhythmia by artificial neural network-genetic algorithm hybrid model
AHMET YESEVİ TÜRKER
Yüksek Lisans
Türkçe
2018
BiyomühendislikSakarya ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ZAHİD YILDIZ
- Yapay sinir ağlarını kullanarak 2019 kriz öngörüsü üzerine bir deneme
Crisis prediction for 2019 using artificial neural networks
SÜMEYYE SEVİM
Yüksek Lisans
Türkçe
2019
Ekonomiİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. ERTUĞRUL KARAÇUHA
- Sınırlı veri setiyle sınıflama uygulamalarına yeni bir yaklaşım
A new approach to classification applications with limited dataset
SAİM ERVURAL
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT CEYLAN