Geri Dön

Genetik algoritmalar ve bulanık üyelik fonksiyonlarıyla hibrit Bayes yapay sinir ağları

Hybrid Bayesian neural networks with genetic algorithms and fuzzy membership functions

PDF İndir

  1. Tez No: 351932
  2. Yazar: OZAN KOCADAĞLI
  3. Danışmanlar: PROF. DR. NALAN CİNEMRE
  4. Tez Türü: Doktora
  5. Konular: Matematik, İstatistik, Mathematics, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 95

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 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. Tez No

    293027

    Hybrid bayesian neural networks with genetic algorithms and fuzzy membership functions

    Genetik algoritmalar ve bulanık üyelik fonksiyonlarıyla hibrit bayes yapay sinir ağları

    OZAN KOCADAĞLI

    Doktora

    İngilizce

    İngilizce

    2012

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. NALAN CİNEMRE

  2. Tez No

    77724

    Bulanık tabanlı ve programlanabilir mantık kontrolörleri ile trafik sinyazlizasyon sistemi

    Başlık çevirisi yok

    MURAT ŞEKER

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Elektrik ve Elektronik MühendisliğiGebze Yüksek Teknoloji Enstitüsü

    Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. M. RAGIP BAŞBUĞ

  3. Tez No

    363855

    Learning of interval Type-2 fuzzy logic systems using big bang – big crunch optimization

    Aralık değerli Tip-2 bulanık sistemlerin büyük patlama – büyük çöküş optimizasyonuyla eğitilmesi

    CİHAN ÖZTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ENGİN YEŞİL

  4. Tez No

    335276

    Yapay bağışıklık algoritmaları kullanılarak bulanık sistem tasarımı

    The fuzzy system designing using artificial immune system algorithms

    AYŞE MERVE ACILAR

    Doktora

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ARSLAN

  5. Tez No

    442724

    Yapay zeka metotlarının bir sınıflandırma probleminde karşılaştırılması

    Comparison of artificial intelligience methods for a classification problem

    NİLGÜN ŞENGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Endüstri ve Endüstri MühendisliğiSüleyman Demirel Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜLTEKİN ÖZDEMİR

Geri Dön