Development of new learning algorithms for spiking neural networks
Darbeli yapay sinir ağları için yeni öğrenme algoritmalarının geliştirilmesi
- Tez No: 371835
- Danışmanlar: PROF. DR. MUSTAFA OKYAY KAYNAK
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 131
Özet
Yapay sinir ağlarında (YSA) sıklıkla kullanılan gradyan tabanlı öğrenme algoritmalarının temel eksiklikleri, yavaş yakınsama hızları ve hata fonksiyonunun sadece yerel minimuma indirilmesinin garanti edilmesi olarak sıralanabilir. Değişken Yapılı Sistemler kuramının gürbüzlüğünü vurgulayan çalışmalar, YSA'nın eğitiminde kayma kipli denetim kuramı tabanlı öğrenme algoritmalarının kullanımını desteklemiştir. Bu tez çalışmasında, dinamik sistemlerin tanımlanmasında ve denetiminde kullanılmak üzere Darbeli Yapay Sinir Ağları (DYSA) için değişken sistemler kuramı temelli öğrenme algoritmalarının geliştirilmesi ele alınmıştır. Parametrelerin güncelleme kurallarının saptanmasında Lyapunov kararlılık yöntemi kullanılmıştır. DYSA'nın parametrelerinin kararlı ve hızlı bir şekilde uyarlanması önerilen algoritmanın en önemli iki özelliğidir. YSA, sistemin girişleri ile çıkışları arasında bir ilişki kurmakta oldukça başarılı olmalarına karşın kara kutu olarak düşünülebilirler. Öte yandan, bulanık mantık sistemleri herhangi bir çıktıya hangi girişleri nasıl kullanarak ulaştıklarını açıklamak konusunda oldukça iyi olmakla beraber, uzman bilgisi gerektirmektedirler. Eğer bu bilgi eksik, yanlış veya çelişkili ise bulanık sistemlerin uyarlanması gerekir. Önerilen bulanık DYSA yapısında, DYSA bu uyarlama işlemini otomatikleştirmek ve başarımı artırırken geliştirme zamanını ve maliyetini önemli ölçüde azaltmak için kullanılmışlardır. Uyarlama kuralları, evrensel kararlılık problemini ortadan kaldırmak için değişken yapılı sistemler kuramı kullanılarak belirlenmiştir. Geliştirilen algoritmalar kilitlenmeyen fren sisteminde (KFS) kayma değerinin kontrolünde ve 2 eksenli SCARA tipi robotun pozisyon kontrolünde başarıyla uygulanmıştır.
Özet (Çeviri)
The main shortcomings with the gradient descent-based learning algorithms used for neural networks are that the convergence speed is relatively slow and the algorithm can be easily trapped into a local optimum. The studies that demonstrate the robustness of variable structure control have motivated the use of the sliding mode control approach in the training of Arti cial Neural Networks (ANNs). In this dissertation, the development of a Spiking Neural Network (SNN) with a novel variable structure systems (VSS)-based learning algorithm is considered for the identi cation and control of dynamic plants. The parameter update rules are derived based on the Lyapunov stability method. Stable online tuning of the neurocontroller parameters and a fast learning speed are the prominent characteristics of the proposed algorithm. Neural networks are very eective in implementing a mapping between the inputs and outputs of a system, but they have a black box nature. On the other hand, fuzzy logic systems are good at explaining how they reach their decisions but they require expert knowledge. If the knowledge is incomplete, wrong or contradictory, then the fuzzy system must be tuned. In the proposed fuzzy SNN (FSNN) structure, SNN is utilized to automate this process and substantially reduce development time and cost while improving performance. The update rules have been derived based on the VSS theory to avoid global stability problems. The developed algorithm has been successfully implemented for the wheel slip regulation of an Antilock Braking System (ABS) and trajectory control of a two-dof SCARA manipulator.
Benzer Tezler
- Echo state network ile sistemlerin modellenmesi
System modeling using echo state network
SELİN YAMAN
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ENGİN YEŞİL
- Proje planlamasında farklı ödünleşim optimizasyon problemlerinin çözümünde meta-sezgisel algoritmaların etkinliğini artırmaya yönelik yeni öğrenme yöntemlerinin geliştirilmesi
Development of new learning techniques to improve the efficiency of the meta-heuristic algorithms for solving distinct trade-off optimization problems in project scheduling
MUHAMMED AZİM İRGEŞ
Doktora
Türkçe
2024
İnşaat MühendisliğiKaradeniz Teknik Üniversitesiİnşaat Ana Bilim Dalı
PROF. DR. VEDAT TOĞAN
- Randomize olmayan klinik çalışmalarda en uygun eşleştirme analizi için makine öğrenme algoritmaları ile yeni propensity skor tahmin modellerinin geliştirilmesi
Development of new propensity score estimation models with machine learning algorithms for optimal matching analysis in non-randomized clinical trials
EMRE DEMİR
Doktora
Türkçe
2019
BiyoistatistikAnkara ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. SERDAL KENAN KÖSE
- Deep reinforcement learning off-policy algorithms for robotic manipulator control
Robotik manipülatör kontrolü için derin takviyeli öğrenme politikasız algoritmaları
ALTUN RZAYEV
Yüksek Lisans
İngilizce
2021
Mekatronik MühendisliğiBahçeşehir ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. VAHID TAVAKOL AGHAEI
- Büyük veride çizge teorisiyle temerrüt tahmini ve makine öğrenmesi modellerinin yorumlanması
Default prediction with graph theory in big data and interpretation of machine learning models
MUSTAFA YILDIRIM
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SUAT ÖZDEMİR