Genetik algoritmaları kullanarak bir sinir ağının eğitilmesi ve doğrusal olmayan modellerle uygulanması
Training of neural networks using genetic algorithms and its applications on nonlinear modeling
- Tez No: 318286
- Danışmanlar: DOÇ. DR. DURSUN AYDIN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Muğla Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Bu tezde, ileri beslemeli bir sinir ağının eğitiminde kullanılan geri-yayılmalı öğrenme algoritmasındaki ağırlık parametreleri genetik algoritmalar kullanılarak belirlenmiştir. Ağırlık parametreleri katmanlar arasındaki bağlantı katsayıları olarak bilinmektedir. Ağırlık parametreleri ağın öğrenme hızının arttırılması, öğrenme esnasında oluşabilecek hataların en aza indirgenmesi ve lokal minimumlardan kaçınılması gibi özellikleri belirlemektedirler. Dolayısıyla bu parametrelerin uygun biçimde seçilmesi ağın daha etkin olarak eğitilmesinde oldukça önemlidir. Tezin amacı; en uygun kromozomun seçilmesidir. Bu bilgiler doğrultusunda genetik algoritmaların diğer yöntemler kadar etkin çözümlere ulaşabileceği iki veya daha fazla parametreli bir modelde parametre tahminleri yapılarak gösterilmiştir. Sonuçlar genetik algoritmaların yapay sinir ağlarını eğiterek modellemede, parametre tahmini için kullanılabilir olduğunu göstermektedir.
Özet (Çeviri)
In this thesis, the weight parameters in backpropagation learning algorithm which is used for training of a feedforward neural network are determined by using genetic algorithms. Weight parameters are known as coefficients of hidden layers. The weigth parameters identify the features such as improving of the learning speed, eliminating the errors and avoiding from the local minimum points during learning of the neural network. Therefore, a selection of these parameters is very important for training of the network more efficiently. The aim of this thesis is to choose the ideal chromosome. In light of this information, genetic algorithm is denoted that can be come up with effective solutions compared to the other methods by making parameter estimation in two or more parameter model. The results have indicated that genetic algorithms without auxiliary knowledge can be used for the parameter estimation of neural networks weights.
Benzer Tezler
- Yapay sinir ağlarında öğrenme algoritmalarının analizi
Analysis of learning algorithms in neural networks
SEVİNÇ BAKLAVACI
Yüksek Lisans
Türkçe
1994
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. LEYLA GÖREN
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Geri beslemeli yapay sinir ağlarının genetik operatörlere dayalı tabu araştırma algoritması kullanarak eğitilmesi
Training recurrent neural networks using tabu search based on genetic operators
ADEM KALINLI
- Maksimum güç noktası izleyicili ve UVM inverterli fotovoltaik sistemin yapay sinir ağları tabanlı kontrolü
ANN-based control of a PV system with maximum power point tracker and SVM inverter
AHMET AFŞİN KULAKSIZ
Doktora
Türkçe
2007
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. RAMAZAN AKKAYA
- Sezgisel algoritmalar kullanarak kablosuz ağların optimizasyonu
Optimization of wireless network using heuristic algorithm
MEVLÜT ERSOY
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUNCAY YİĞİT