Geri Dön

Ayırma analizine matematiksel programlama ve yapay sinir ağları yaklaşımları

Mathematical programming and artificial neural network approaches to discriminant analysis

  1. Tez No: 245620
  2. Yazar: HACI HASAN ÖRKCÜ
  3. Danışmanlar: PROF. DR. HASAN BAL
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Bölümü
  12. Bilim Dalı: İstatistik Ana Bilim Dalı
  13. Sayfa Sayısı: 171

Özet

Ayırma analizi sosyal bilimlerde, finans, pazarlama ve muhasebe gibi iş alanlarında ve biyoloji gibi taksonomi ve sınıflama analizlerinin içerildiği diğer alanlarda geniş bir kullanımı olan bir araçtır. Bu çalışmada sınıflandırma problemleri için biri matematiksel programlamaya dayalı diğeri de yapay sinir ağlarına dayalı iki yeni yaklaşım önerilmiştir. Yeni matematiksel programlama modeli literatürde önerilen matematiksel programlama modellerinin güçlü özelliklerine dayanmaktadır. Sınıflandırma problemlerinde yapay sinir ağları da oldukça geniş bir kullanıma sahiptir. Yapay sinir ağlarının eğitilmesinde kullanılan geri yayılım algoritması yerel çözümlere yakalanma ve bazı durumlarda düşük sınıflandırma performansı vermesi gibi olumsuzluklara sahiptir. Bu çalışmada, yapay sinir ağlarının eğitilmesi sürekli parametreli genetik algoritma ile ele alınmış ve sürekli parametreli genetik algoritma ile eğitilmiş ağ yapısı sınıflandırma modellerinin çözümünde kullanılmıştır. Hem yeni önerilen matematiksel programlama modeli hem de sürekli parametreli genetik algoritma ile eğitilmiş ağ yapısı diğer geleneksel yöntemlerle beraber literatürden alınan 12 farklı gerçek sınıflandırma probleminde ve simülasyon verisinde sınanmıştır.Sonuçlar yeni önerilen matematiksel programlama modeli ve sürekli parametreli genetik algoritma ile eğitilmiş ağ yapısının diğer sınıflandırma yöntemlerine göre daha iyi olduğunu göstermektedir.

Özet (Çeviri)

Discriminant analysis is widely used research tool in social sciences, in business areas such as finance, marketing, and accounting, and in other areas involving taxonomical and classification analyses such as biology. In this study, a new mathematical programming model and an artificial neural networks approach are proposed for classification problems. New mathematical programming model bases on the strong features of some mathematical programming models in the literature. Artificial neural networks have also a wide ranging usage area in the classification problems. Back-propagation algorithm, used in the training of the artificial neural networks, has negative features such as being captured in the local solutions and low performance of classification in some states. In this study, training of the artificial neural networks is implemented with real-coded genetic algorithm and network structure that has been trained with real-coded algorithm has been used in the solutions of the classification models. Both newly proposed mathematical programming model and network structure, and other conventional discriminant methods were tested by using 12 different real classification data taken from the literature and simulation data.The results show that classification success of new proposed mathematical programming model and artificial neural network approach trained with real-coded genetic algorithm are better than other classification methods.

Benzer Tezler

  1. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  2. A novel artificial intelligence based energy management system for microgrids

    Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi

    NECATİ AKSOY

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ

  3. Belirlenmiş mühendislik problemlerinin tasarımı, modellenmesi ve optimizasyonu için çoklu-stokastik nonlineer nöro-regresyon analizi ve geleneksel olmayan arama algoritmaları tabanlı yeni bir sistematik yaklaşım

    A new systematic approach for design, modeling and optimization of the engineering problems based on stochastic multiple-nonlinear neuro-regression analysis and non traditional search algorithms

    MELİH SAVRAN

    Doktora

    Türkçe

    Türkçe

    2023

    Makine Mühendisliğiİzmir Katip Çelebi Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. LEVENT AYDIN

  4. Çok ölçütlü sorun çözümüne yönelik bir bütünleşik karar destek modeli

    Integrated decision aid model for multiattribute problem solving

    YUSUF İLKER TOPÇU

    Doktora

    Türkçe

    Türkçe

    2000

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    PROF. DR. FÜSUN ÜLENGİN

  5. Tayfsal ayırma yöntemlerinde MCMC optimizasyonunun kullanımı

    Using MCMC optimization in spectral disentangling methods

    EMRE BARBAROS

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Astronomi ve Uzay BilimleriErciyes Üniversitesi

    Astronomi ve Uzay Bilimleri Ana Bilim Dalı

    DOÇ. DR. AHMET DERVİŞOĞLU