Davranışsal öğrenme bazlı bir yapay makine öğrenme yönteminin geliştirilmesi
Developing an artificial machine learning method based on behavioral learning
- Tez No: 412041
- Danışmanlar: DOÇ. DR. MEHMET EMİN TAĞLUK
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 144
Özet
Yapay makine öğrenmesi kapsamında birçok yöntem geliştirilmiş, veri analizi ve değerlendirilmesi için aktif olarak kullanılmaktadır. Bu yöntemlerden bazıları davranışsal öğrenme yöntemler olup, insanın öğrenme sürecini baz almaktadırlar. Davranışsal öğrenme yöntemleri ile elde edilen sonuçlar deneysel verilere dayandıkları halde birbiriyle çelişen taraflarının olduğunu ve hepsinin aynı şartları sağlamadığını literatürden anlamaktayız. Bu konuda daha genel ve kapsayıcı yöntemlerin geliştirilmesine ihtiyaç olduğunu literatürde var olan bilgilerden anlaşılmaktadır. Bu amaçla davranışçı kuramlardan Pavlov, Watson, Guthrie, Thorndike ve Skinner'ın koşullanma kuramları gibi popüler olanlar incelenmiş ve çelişkili kısımlarına yönelik hayvanlar üzerinde deneysel çalışmalar yapılarak bu çelişkilerin giderilmesine çalışılmıştır. Elde edilen veriler ışığında insan öğrenmesinde var olan öğrenme sürekliliği, unutma ve benzeri parametreler dikkate alarak daha genel bir davranışsal öğrenme yöntemi önerilmiş ve bu yöntem matematiksel olarak modellenmiştir. Genelleştirilmiş olan bu matematiksel modelin mevcut kuramların tüm özelliklerini sağladığına dair tezde çalışma yapılmış ve gösterilmiştir. Önerilen bu yöntem dinamik olarak öğrenme, unutma ve geriye yalım gibi kabiliyetlere de sahip olduğundan özellikle dinamik veri değerlendirmesinde tezde değinilen YSA ve kYK gibi diğer yöntemlere nazaran daha başarılı olduğu tespit edilmiştir. Ayrıca, önerilen bu modelin sınıflandırma ve regresyon gibi problemlerin çözümünde kullanılabileceğini göstermek için model güncel veri kümeleri ile test edilmiştir. Elde edilen sonuçlar önerilen modelin psikoloji (davranış kontrolü, fobi sönümleme, vb…), kontrol, robotik ve benzeri alanlarda rahatlıkla kullanılabileceğini göstermiştir.
Özet (Çeviri)
In the context of artificial machine learning many methods have been developed and actively used in analysis and evaluation of data. Some of these methods are the behavioral learning methods take human learning process as the bases for the method. Despite of that the results obtained with the behavioral learning methods depend on the experimental data, there are contradictory arguments between methods and they do not hold the same conditions, which can be understood from the literature. From the information available in the literature it is understood that more general methods in this concept are need to be developed. For this aim, among the popular behavioral learning theories like Pavlov, Watson, Guthrie, Thorndike and Skinner's conditioning theories were analyzed and animal based experimental studies were conducted toward the contradictory issues to remove these contradictions. In the light of the obtained experimental results, such parameters like continuously learning and forgetting, which hold in human learning, were taken into account and a more general behavioral learning method was proposed and the mathematical model for this method was developed. In this study it was demonstrated and shown that the developed generalized mathematical method is keeping on all of the properties of the available theories. Since the proposed method has dynamically learning, forgetting and back propagating talents, as was mentioned in the body of thesis, particularly it was proved that it is much successful in evaluating dynamical data compared to methods like ANN and kNN mentioned in the thesis. Furthermore, in order to show the usability of the developed method in solution of classification and regression problems, the model was tested on the update datasets. The obtained results showed that the developed model can be used in psychology (behavior control, phobia attenuation etc…), control, robotic and similar fields.
Benzer Tezler
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Investigation of embedding methods on gnn basedrecommender models
Çizge sinir ağı temelli öneri sistemleriüzerinde kullanılan gömme tipinin etkisinin araştırılması
MUSTAFA AKER
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- A conceptual approach for design and development of serious games in maritime domain
Denizcilik alanında eğitici oyun dizaynı ve geliştirilmesi için konseptsel bir yaklaşım
SÜLEYMAN CİHAN GÜRBÜZ
Doktora
İngilizce
2024
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. METİN ÇELİK
- 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
- Modeling of the marine diesel engines with comparative machine learning methodologies
Gemi dizel motorların karşılaştırmalı makine öğrenmesi yöntemleri ile modellenmesi
MEHMET İLTER ÖZMEN
Doktora
İngilizce
2024
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN AZMİ ÖZSOYSAL