Geri Dön

Lojistik regresyon ve çarpımsal nöron modele dayalı yeni bir sınıflandırıcı

A new classifier based on logistic regression and multiplicative neuron model

  1. Tez No: 468189
  2. Yazar: ERDİNÇ KOLAY
  3. Danışmanlar: DOÇ. DR. TANER TUNÇ
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Ondokuz Mayıs Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: 79

Özet

Bu tez çalışmasında istatistiksel sınıflandırma problemlerinin çözümü için kullanılan ve istatistiksel bir teknik olan lojistik regresyon ile istatistiksel yöntemlere alternatif olarak geliştirilen yapay sinir ağı modellerinden biri olan çarpımsal nöron modelin birleştirilmesi ile yeni bir sınıflandırıcı modeli önerilmiştir. Önerilen yeni yapay sinir ağı sınıflandırıcısında, ağ eğitimi için evrimsel algoritmalardan bir tanesi olan Parçacık Sürü Optimizasyon algoritması yeniden uyarlanarak kullanılmıştır. Uyarlanmış Parçacık Sürü Optimizasyon algoritmasının performansının standart Parçacık Sürü Optimizasyon algoritmasından daha iyi performans gösterip göstermediği matematikte sıklıkla kullanılan karşılaştırma fonksiyonları yardımıyla test edilmiştir. Önerilen yeni yapay sinir ağı sınıflandırıcısının kestirim performansı, model seçim ölçütlerinden biri olan Çapraz Geçerlilik yönteminin gerçek hayat problemlerine uygulanması ile araştırılmıştır. Elde edilen sonuçlar literatürde sınıflandırma problemlerinin çözümü için sıklıkla kullanılan yapay sinir ağı modellerinden Çok Katmanlı Algılayıcı, Pi-Sigma Nöron Model ve Çarpımsal Nöron Model ile karşılaştırılmıştır. Elde edilen bulgular önerilen yeni yapay sinir ağı sınıflandırıcısının sınıflandırma problemlerinin çözümünde daha iyi kestirim performansı verdiğini göstermektedir.

Özet (Çeviri)

In this thesis a new hybrid classifier is proposed combining a statistical technique which is most commonly used for handling classification problems and multiplicative neuron model which is a type of Artificial Neural Network. For training the proposed neural network classifier, Particle Swarm Optimization is reorganized and applied. For testing performance of the adjusted Particle Swarm Optimization, benchmark functions which is commonly used for mathematical fields are used. For investigation of prediction performance of the proposed classifier, Cross Validation which is a criterion of the model selection is applied for real world datasets. Obtained results are compared with results of Multilayer Perceptron, Pi-Sigma Neural Network and Single Multiplicative Neuron Model which are used in classification problems in the literature. According to these results, the proposed neural network classifier has better prediction performance.

Benzer Tezler

  1. Akıllı ulaşım sistemleri unsurlarından otonom araçlarda trafik kaza faktörlerinin belirlenmesine ilişkin bir araştırma

    A research on the determination of traffic accident factors in autonomous vehicles within the scope of intelligent transportation systems

    HALİL ÇEVİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Ulaşımİstanbul Üniversitesi

    Akıllı Ulaşım Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERDEM ÖZKAN

  2. Real-time crash risk analysis using deep learning

    Derin öğrenmeyle gerçek zamanlı kaza risk analizi

    SAEID MORADI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ OSMAN ATAHAN

  3. Yöneylem araştırması ve istatistiğe dayalı çevresel faktörleri dikkate alan bir üretim dağıtım modeli geliştirilmesi

    Development of an operations research and statistics basedproduction-distribution model that takes into account environmental factors

    İHSAN YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    EkonometriSüleyman Demirel Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. SADIK ÇÖKELEZ

  4. Lojistik regresyon ve biyolojik alanlarda kullanımı

    Logistic regression and its using in biological fiels

    MUSTAFA ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    ZiraatKahramanmaraş Sütçü İmam Üniversitesi

    Zootekni Ana Bilim Dalı

    DOÇ. DR. ERCAN EFE

  5. Comparison of predictive performances of logistic regression and decision tree algorithms: An application of life satisfaction

    Lojistik regresyon ve karar ağacı algoritmalarının tahmin edici performanslarının karşılaştırılması: Yaşam memnuniyeti uygulaması

    ARZU YAVUZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    İstatistikDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ÖZGÜL VUPA ÇİLENGİROĞLU