Novel clustering methods for neurofuzzy systems design
Bulanık sinir ağları tasarımında yeni kümeleme yöntemleri
- Tez No: 266274
- Danışmanlar: PROF. DR. GÜLAY TOHUMOĞLU
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 170
Özet
Bu tezde, bulanık sinir ağlarının tasarımında eniyilenmiş parametreleri olan yeni kümeleme yöntemleri geliştirildi. Benzetilmiş Tavlama eniyileme (BT) yönteminin değiştirilmiş hali ile Çıkartımlı Kümeleme (ÇK) yöntemi bulanık sisteme uyarlanarak, eniyilenmiş bulanık kural tabanı, eniyilenmiş parametreler ve en önemli girişleri seçen bulanık sınıflandırıcı (BTÇKBS) türetildi. Farklı eniyileme senaryolarını göstermek amaçlı BTÇKBS-Tip1, Tip2, Tip3 ve Tip4 olmak üzere dört farklı sınıflandırıcı geliştirildi. Her bir BTÇKBS tip sınıflandırıcı bazı benzer özellikler taşımasına rağmen, Tip4 de melez bir özellik seçmede geliştirildiği için sınıflandırıcı daha iyi bir sınıflandırma performansına sahiptir. İki yeni Bulanık Sinir Ağı tabanlı Sınıflandırıcı (BSS), BSS1 ve BSS2 olarak ortaya konuldu. Her iki sınıflandırıcının ağ mimarilerinin kurulmasında Kaybedeni Cezalandırıcı Rekabetçi Öğrenme (KCRÖ) tabanlı kümeleme yöntemi kullanıldı. Yeni bir KCRÖ tabanlı hata geri yayılma öğrenme algoritması BSS2'nin parametrelerinin ayarlanması için geliştirildi. Kural uyum mekanizması BSS2'nin öğrenme sürecine dâhil edilerek hem parametrelerin hem de sınıflandırıcı yapısının öğrenme sürecinde dinamik olarak değiştirilmesi sağlandı. Bazı sınıflandırma problemlerinde test edilerek ortaya konan sınıflandırıcıların, yakın zamandaki çalışmalardaki benzer diğer sınıflandırıcılarla karşılaştırıldığında daha iyi bir sınıflandırma başarısına sahip olduğu bulundu
Özet (Çeviri)
In this thesis, novel clustering methods with optimized parameters in order to have NeuroFuzzy inference systems design are developed. A modified version of Simulated Annealing (SA) optimization and Subtractive Clustering (SC) techniques are adapted to Fuzzy System to form a fuzzy classifier (SASCFC) in order to obtain optimum fuzzy rule base, parameters and to find out most important inputs. Four distinct classifiers namely SASCFC-Type1, Type2, Type3 and Type4 are derived in order to form different optimization scenarios. Although there are some similarities in each type of SASCFC, Type4 has best classification performance because a hybrid feature selection algorithm is also developed in Type4. Two new NeuroFuzzy Classifiers (NFC) are proposed as NFC1 and NFC2. Initial structures of both classifiers are set up via Rival Penalized Competitive Learning (RPCL) based clustering. A new RPCL type gradient descent training algorithm is also proposed for the NFC2. Rule adaptation mechanism is embedded into training of the NFC2 that both parameters and structural optimization performed twice which enables to change the structure of classifiers by adding new rules and deleting unnecessary rules in training phase dynamically. It is found that the proposed classifiers, which are tested on some benchmarks problems, have good performance in comparing to their counterparts in recent literature
Benzer Tezler
- Type-2 fuzzy clustering for fuzzy modeling applications
Bulanık modelleme uygulamaları için tip-2 bulanık kümeleme
AYŞE ÇİSEL ARAS
Doktora
İngilizce
2014
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OKYAY KAYNAK
- A novel offline algorithm configuration method
Yeni bir çevrim dışı algoritma yapılandırma yöntemi
YASEMİN ERYOLDAŞ
Doktora
İngilizce
2022
Endüstri ve Endüstri MühendisliğiGaziantep ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPTEKİN DURMUŞOĞLU
- Text generation with recurrent neural networks
Yenilenen sinir ağları ile metin üretimi
MUSTAFA ABBAS HUSSEIN HUSSEIN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERKAN SAVAŞ
- Radarla hedef tanıma ve sınıflandırma için temel bileşenler analizine dayalı yeni karma yöntemler
Novel hybrid methods based on pca for radar target recognition and classification
YAŞAR KARTAL
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT TAYFUN GÜNEL
- Context aware real-time clustering with cortical coding method
Kortikal kodlama yöntemi ile bağlama duyarlı gerçek zamanlı kümeleme
SELİM EREN ERYILMAZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ