Hybrid bayesian neural networks with genetic algorithms and fuzzy membership functions
Genetik algoritmalar ve bulanık üyelik fonksiyonlarıyla hibrit bayes yapay sinir ağları
- Tez No: 293027
- Danışmanlar: PROF. DR. NALAN CİNEMRE
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- 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
- 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
2012
MatematikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. NALAN CİNEMRE
- Tanecikli hesaplama yöntemi ile kavram çözümleme
Concept analysis with granular computing method
MERT BAL
Doktora
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. HAYRİ SEVER
PROF. DR. OYA KALIPSIZ
- Yapay zeka tekniklerine dayanan yöntemlerle çok sayıda hedef izleme
Multiple target tracking with the methods based on artificial intelligence techniques
İLKE TÜRKMEN
Doktora
Türkçe
2005
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF.DR. KERİM GÜNEY
- 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
2009
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KERİM GÜNEY
- Development of a hybrid classification method for machine learning
Makine öğrenmesi için hibrit bir sınıflama metodu geliştirilmesi
MEHMET ACI
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. MUTLU AVCI