Sezgisel algoritmalar yardımıyla sinir ağlarından kural çıkarımı
Neural network rule extraction using heuristic methods
- Tez No: 373750
- Danışmanlar: PROF. DR. ERDAL EMEL
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 124
Özet
Günümüz bilgi çağında, veri madenciliği olarak da bilinen büyük miktardaki ham veriden mantıklı ve anlaşılabilir sonuçlar çıkarabilmek, önemli bir rekabet üstünlüğü yaratmaktadır. Yapay sinir ağları veri madenciliğinin bir dalı olan sınıflandırma alanında hatasıza yakın sonuçlar verdiğinden, sıkça kullanılan tekniklerden biridir. Ancak yapay sinir ağlarının kara kutu özelliği, bu tekniğin veriden açık ve net sınıflandırma kuralları çıkarma konusunda yetersiz kalmasına sebep olmaktadır. Bu çalışma eğitilmiş yapay sinir ağlarından, ikili yapay arı kolonisi tabanlı olasılık eşik değerli (İYAKO) algoritması yardımıyla, verinin tümüne genellenebilen ve doğru kurallar çıkaran bir algoritma önermektedir. Yapay arı kolonisi algoritması bal arısı kolonilerinin akıllı besin arama davranışlarından esinlenerek geliştirilmiş sürü tabanlı meta-sezgisel yöntemlerdendir. Orijinal yapay arı kolonisi algoritması, ağırlıklı olarak sürekli optimizasyon problemleri için kullanılırken, İYAKO 0-1 tam sayılı programlama problemleri için geliştirilmiştir. Çok katmanlı yapay sinir ağı modeli, ikili girdi vektörlerine karşılık gelen çıktı vektörleri üzerinden eğitilmiş ve katmanlardaki ağırlıklar elde edilmiştir. Bu ağırlıklar kullanılarak çıkış katmanındaki transfer fonksiyonundan hesaplanan değer, daha sonra İYAKO algoritmasının amaç fonksiyonu olarak kullanılmıştır. Çıkarılan kurallar üzerinde kümeleme analizi uygulanarak kural sayısı azaltılmış ve veri sınıflarını temsil eden az sayıda anlamlı kurallar bulunmuştur. Elde edilen sonuçlar literatürdeki sınıflandırma karşılaştırma veri setleri üzerinde denenmiş, çeşitli makine-öğrenimi ve kural-tabanlı algoritmalar ile karşılaştırılmıştır. Önerilen algoritmanın gösterdiği performans, kural çıkarımı için alternatif bir çözüm yöntemi olduğunu göstermektedir.
Özet (Çeviri)
In today's information age, data mining, which is considered as a tool for drawing logical and understandable conclusions from large amounts of raw data, creates a significant competitive advantage. Artificial neural network classification, which is one of the commonly used techniques for data mining, gives close to flawless results in the field. However, black-box nature of artificial neural networks makes them insufficient when it comes to extracting clear and comprehensible rules from large databases. In this study a binary artificial bee colony based probability threshold (BABCP) algorithm is proposed to extract generalized accurate rules from artificial neural network weights that are trained on large databases. Artificial bee colony algorithm is a swarm-based meta-heuristic method, inspired by intelligent foraging behavior of honey bee colonies. The original artificial bee colony algorithm is mainly used for continuous optimization problems, whereas the proposed BABCP is for 0-1 integer programming problems. Network weights, obtained from trained artificial neural networks, are then used for maximizing the objective function value of the BABCP. The objective function used by the BABCP is the output activation function of the artificial neural network. A cluster analysis is applied to the rules extracted by the BABCP to reduce the number of rules and also to find more significant rules representing different classes of the data set. The results, obtained from applying the suggested algorithm on several classification data sets in the literature, are compared with various machine-learning and rule-based algorithms. The performance of the proposed algorithm shows that BABCP is an alternative solution method for rule extraction.
Benzer Tezler
- Lojistik sistemlerin yapay sinir ağları ile modellenmesi, gerçeklenmesi ve kontrolü
Modeling, implementation and control of logistics systems using artificial neural networks
MURAT ERMİŞ
Doktora
Türkçe
2005
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF.DR. FÜSUN ÜLENGİL
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Architectural form exploration by soft computing: The case of post-disaster shelter
Esnek hesaplama aracılığıyla mimari biçim arayışları: Afet sonrası barınak örneği
FÜSUN CEMRE KARAOĞLAN
Yüksek Lisans
İngilizce
2018
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEMA ALAÇAM
- Meta-sezgisel algoritmalar kullanılarak kaynak kısıtlı bilgi teknolojisi projelerinin çizelgelenmesi
Resource-constrained information technologies project scheduling using meta-heuristic algorithms
GÖKÇE ÇINAR
Yüksek Lisans
Türkçe
2011
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. CEYDA ŞEN
- Sınıflandırma problemlerinde yapay sinir ağı metotları kullanılarak performanslarının değerlendirilmesi
Evaluation of performance using artificial neural network methods in classification problems
ALİ YAŞAR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL SARITAŞ