Karınca kolonisi optimizasyonu ile eğitilmiş çok katmanlı yapay sinir ağı ile sınıflandırma
Classification with multilayer perceptron trained with ant colony optimization
- Tez No: 292080
- Danışmanlar: PROF. DR. MUHİTTİN GÖKMEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 153
Özet
Bu çalışmada, Karınca Kolonisi Optimizasyonu algoritması, literatürde ilk defa, çok katmanlı ağın eğitiminde kullanılarak yeni bir çok katmanlı ağ ve eğitim yöntemi geliştirilmiştir. Çok katmanlı ağ eğitiminde kullanılan geleneksel algoritmalar, ağdaki katman sayısını ve katmanlardaki düğüm sayılarını ihtiyaca göre belirleyememekte ve ağı yerel çözümlere götürebilmektedir. Ağın eğitim aşamasında Karınca Kolonisi Optimizasyonu algoritması kullanılarak, çok katmanlı ağın birinci katmanındaki ağırlıkların en iyi değerleri elde edilmeye çalışılmıştır. Ayrıca bu algoritmanın, ağın katmanlarındaki düğüm sayılarını, problemin türüne göre belirlemesi sağlanmıştır. Bu yolla yeni bir ağ elde edilmiş ve bu ağın sınıflandırma yeteneği çeşitli veri kümelerinde denenmiştir. Ayrıca elde edilen yeni ağın el yazısı rakamları sınıflandırma başarımı, farklı el yazısı rakam veri kümeleri ve farklı öznitelik vektörleri kullanılarak ölçülmüştür. Ağın başarımı, geri yayılım algoritması ve genetik algoritmalar ile eğitilmiş çok katmanlı ağlar ve k-en yakın komşu sınıflandırıcılarının aynı veri kümeleri üzerindeki başarımları ile karşılaştırılmıştır. Geliştirilen yöntemle, çok katmanlı ağın birinci katman ağırlıklarının ve bu katmandaki düğüm sayısının en iyi değerleri elde edilebilmekte ve ağ sınıflandırma problemlerinde başarılı olabilmektedir.
Özet (Çeviri)
In this study, Ant Colony Optimization algorithm is used for multilayer perceptron training first time in literature. In this way, a new multilayer perceptron and a training algorithm are provided to literature. The traditional multilayer perceptron training algorithms have some poorness about saving the neural network from local minimums and determining the neuron numbers of each network layer according to problem definition. In the training stage, the first layer weights of the multilayer perceptron are optimized by Ant Colony Optimization algorithm. Additionally, number of the neurons in the first layer is determined by the algorithm according to problem. In this way a new multilayer perceptron is obtained. Classification performance of new multilayer perceptron is tested with various datasets. Additionally, handwritten digits classifying performance of new multilayer perceptron is tested with different handwritten digits datasets and different feature vectors. Multilayer perceptrons trained with back propagation and genetic algorithms and k-nearest neighbor classifiers are also tested with the same datasets. Performances of all classifiers are compared. With the new method, extraction the optimum weights and determination neuron numbers, as a result successful classification are achieved.
Benzer Tezler
- Rüzgar parametrelerinin değişiminin izlenmesi ve yapay zeka algoritmaları kullanılarak tahmini
Monitoring of the change of wind parameters and estimation using artificial intelligence algorithms
ALPER KEREM
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ SAYGIN
- Medical dataset classification based on different deep learning techniques and meta-heuristic algorithms
Farklı derin öğrenme teknikleri ve meta-sezgisel algoritmalara dayalı tıbbi veri kümesi sınıflandırması
YEZI ALI KADHIM
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiMühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı
PROF. DR. ALOK MISHRA
PROF. DR. REŞAT ÖZGÜR DORUK
- Integrating path planning and image processing with UAVs for disease detection and yield estimation in indoor agriculture
Kapalı alan tarımda hastalık tespiti ve verim tahmini için rota planlama ve görüntü işlemenin İHA'larla entegre edilmesi
ONAT ERDOĞMUŞ
Yüksek Lisans
İngilizce
2024
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERDİNÇ ALTUĞ
- Parkinson's disease diagnosis by using autoencoder based on deep neural network (DNN) and metaheuristic method
Derin sinir ağına dayalı otokodlayıcı ve metasezgisel yöntem ile parkinson hastalığının teşhisi
BEYHAN GERGERLİ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH VEHBİ ÇELEBİ
- Araç rotalama sistemlerinde sezgisel yöntemler
Heuristic methods on vehicle rotating systems
ÖMER KUŞCU
Yüksek Lisans
Türkçe
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. ECİR UĞUR KÜÇÜKSİLLE