Geri Dön

Hybrid bayesian neural networks with genetic algorithms and fuzzy membership functions

Genetik algoritmalar ve bulanık üyelik fonksiyonlarıyla hibrit bayes yapay sinir ağları

  1. Tez No: 293027
  2. Yazar: OZAN KOCADAĞLI
  3. Danışmanlar: PROF. DR. NALAN CİNEMRE
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: İngilizce
  9. Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: 92

Özet

Bu çalışmanın amacı, dinamik ve doğrusal olmayan sistemlerin faktörlerini bulanık ve stokastik ortamda en iyi biçimde temsil edecek modellerin kestiriminde kullanılacak özgün algoritmaların geliştirilmesidir. Dinamik sistemlerde, veriler anlık olarak değerlendirildiklerinden verinin hem olasılık dağılımının hem de olabilirlik dağılımının birlikte ele alınması daha hassas sonuçların elde edilmesini sağlayacaktır. Ayrıca, doğrusal olmayan sistemlerde giriş ve çıkış değişkenleri arasındaki fonksiyonel yapı hakkındaki ön bilgi ya yoktur ya da çok azdır. Böyle durumlarda yapay sinir ağları giriş ve çıkış değişkenleri arasındaki fonksiyonel yapıyı belirlemek için oldukça kullanışlı araçlardır.Bu çalışmada, Bayes yapay sinir ağlarının yinelenen hiper-parametreli normal yaklaşımında (Gaussian approach with recursive hyperparameters) ve tam Bayes (full Bayesian approach) yaklaşımında kullanılan Monte Carlo (MC) algoritmaları, bulanık üyelik fonksiyonları ve Genetik Algoritmalar (GA) ile hibritleştirilmiştir. Ayrıca, GA ve MC işlevleri içinde bulanık belirsizliği ölçmek için bulanık üyelik fonksiyonlarından yararlanılmıştır. Böylece, Bayes YSA nın parametre ve hiper-parametrelerini daha etkin bir biçimde kestirmek için hibrit Bayes öğrenim yaklaşımları geliştirilmiştir.Uygulama bölümünde, Bayes yapay sinir ağları için önerilen öğrenme algoritmalarının performansları geleneksel yapay sinir ağlarınınkiyle karşılaştırılarak sonuçlar tartışılmıştır.

Özet (Çeviri)

The aim of this study is to improve the novel algorithms, which estimate the models that represent accurately to factors of dynamic and nonlinear systems in the fuzzy and stochastic environment. In dynamic systems, modeling with possibilistic and probabilistic distribution to uncertainties included in data set allows to more robust analysis. In nonlinear systems, the pre-knowledge about the functional structure between inputs and outputs is either unavailable or insufficient. In such situations, the neural networks are useful tools to determine the functional structure between inputs and outputs. However, the traditional neural networks with mean squared errors suffer from the approximation and estimation errors. These errors can be decreased by the Bayesian neural networks simultaneously, since Bayesian learning provides a consistent way to penalize the excessive complex models.In this study, Monte Carlo (MC) algorithms used in Gaussian approach with recursive hyperparameters and full Bayesian approach of Bayes Neural Networks are hybridized with Genetic Algorithms (GA) and the fuzzy membership functions. Besides, to evaluate fuzzy uncertainty in MC and GA processes, the fuzzy membership functions are used. Thus, the novel hybrid Bayes learning approaches, which effectively estimate parameters and hyperparameters of Bayes Neural Networks, are improved. The software of the improved algorithms is written in MATLAB package program.In application parts, the performances of the improved approaches are compared with ones of traditional approaches, and then outcomes are discussed.

Benzer Tezler

  1. Genetik algoritmalar ve bulanık üyelik fonksiyonlarıyla hibrit Bayes yapay sinir ağları

    Hybrid Bayesian neural networks with genetic algorithms and fuzzy membership functions

    OZAN KOCADAĞLI

    Doktora

    Türkçe

    Türkçe

    2012

    MatematikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. NALAN CİNEMRE

  2. Tanecikli hesaplama yöntemi ile kavram çözümleme

    Concept analysis with granular computing method

    MERT BAL

    Doktora

    Türkçe

    Türkçe

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. HAYRİ SEVER

    PROF. DR. OYA KALIPSIZ

  3. Yapay zeka tekniklerine dayanan yöntemlerle çok sayıda hedef izleme

    Multiple target tracking with the methods based on artificial intelligence techniques

    İLKE TÜRKMEN

    Doktora

    Türkçe

    Türkçe

    2005

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    PROF.DR. KERİM GÜNEY

  4. Bulanık mantık sistemleri ile çeşitli tipteki mikroşerit antenlerin karakteristik parametrelerinin hesaplanması

    Computation of characteristic parameters of various type microstrip antennas with the use of fuzzy inference systems

    NURCAN SARIKAYA BAŞTÜRK

    Doktora

    Türkçe

    Türkçe

    2009

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. KERİM GÜNEY

  5. Development of a hybrid classification method for machine learning

    Makine öğrenmesi için hibrit bir sınıflama metodu geliştirilmesi

    MEHMET ACI

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    YRD. DOÇ. DR. MUTLU AVCI