Tek çarpımsal sinir hücresi modelinin eğitiminde yapay arı kolonisi algoritmasının performansının değerlendirilmesi
Performance evaluation of artificial bee colony algorithm at the education of single multiplicative neuron model
- Tez No: 321514
- Danışmanlar: PROF. DR. FARUK ALPASLAN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Yapay sinir ağları, Öngörü, Artificial neural networks, Foresight
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Literatürde, çeşitli yapay sinir ağları türleri zaman serisi öngörüsü için kullanılmıştır. Bir yapay sinir hücresi biyolojik sinir hücresinin matematiksel bir modelidir. Yadav ve ark. (2007) çarpımsal sinir hücresi modeli olarak adlandırılan yeni bir yapay sinir hücresi modeli önermişlerdir. Çarpımsal sinir hücresi modelleri ve ileri besleme sinir ağlarının her ikisi de başarıyla literatürde zaman serisi tahmin etmek için kullanılmıştır. Bu çalışmada, yapay arı kolonisi yöntemi literatürde ilk kez çarpımsal sinir hücresi modelinin eğitiminde kullanılmıştır. Yapay arı kolonisi algoritmasının tek çarpımsal sinir hücresi modelinin eğitimindeki performansı, parçacık sürü optimizasyonu ve geri yayılım algoritmalarının performansları ile iki gerçek hayat verisi kullanılarak karşılaştırılmıştır. Yöntemlerin performanslarının karşılaştırılmasında iki yönlü ANOVA testi uygulanmıştır. Her iki zaman serisi içinde parçacık sürü optimizasyonunun en iyi sonuçlara sahip olduğu görülmüştür. Yapay arı kolonisi algoritmasının geri yayılım öğrenme algoritmasından daha iyi sonuçlar ürettiği görülmektedir.
Özet (Çeviri)
In the literature, various types of artificial neural networks have been used in time series forecasting. An artificial neuron is a mathematical model of a biological neuron. Yadav et al. (2007) proposed a new artifical neuron model which is called as multiplicative neuron model. In literature, both multiplicative neuron models and feed forward neural networks are successfully used for the time series forecasting. Artificial bee colony algorithm is firstly used to train multiplicative neuron model in this study. Using two real life data, artificial bee colony algorithm performance is compared with particle swarm optimization and back propagation traning methods in traning of multiplicative neuron model. Two ways ANOVA test are applied in which comparison of methods performance. As a result of particle swarm optimization has the best results both of time series. It?s seem that artificial bee colony algorithm performance has the best results from back propagation algorithm.
Benzer Tezler
- A New cryptanalysis method of cellular automata based encryption systems
Hücresel otomata tabanlı şifreleme sistemleri için yeni bir şifre analiz yöntemi
ALİ MURAT APOHAN
Doktora
İngilizce
2000
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. M. ERTUĞRUL ÇELEBİ
- Melez tek bir işlem birimli yapay sinir ağı hücresinin otomatik öğrenme veri tabanlarına uygulanması
Application of a single hybrid artificial neuron to machine learning databases
ALİ ÖZDEMİR
Yüksek Lisans
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiElektronik ve Bilgisayar Eğitimi Ana Bilim Dalı
Y.DOÇ.DR. MELİH İNAL
- Öngörü problemi için eşik değerli tek çarpımsal nöron modelli yapay sinir ağları
Threshold single multiplicative neuron model artificial neural networks for forecasting problem
ASİYE NUR YILDIRIM
- Çarpımsal nöron modelli yapay sinir ağlarında yeni bir sağlam öğrenme algoritması
A new robust learning algorithm with multiplicative neuron model in artificial neural networks
EREN BAŞ
Doktora
Türkçe
2014
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. VEDİDE REZAN USLU
- Parçacık sürü optimizasyonuna dayalı en küçük budanmış kareler yöntemi ile çarpımsal nöron model için dayanıklı öğrenme algoritması
Robust learning algori̇thm for multiplicative neuron model artificial neural networks wi̇th least tri̇mmed squares based on particle swarm optimization
ÖZGE GÜNDOĞDU
Doktora
Türkçe
2016
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. EROL EĞRİOĞLU