Stochastic recurrent networks and their usage on time series
Olasılıklı yinelenen ağlar ve zaman serileri üzerinde kullanımları
- Tez No: 47369
- Danışmanlar: DOÇ.DR. MARİFİ GÜLER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay Sinir Ağlan, Zaman Serileri Tahmini, Gizli Markov Modelleme iv, Neural Networks, Stochastic Processes, Hidden Markov Modelling, Time Series Prediction m
- Yıl: 1995
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 81
Özet
oz OLASILIKLI YİNELENEN A?LAR VE ZAMAN SERİLERİ ÜZERİNDE KULLANIMLARI Cemiloğlu, Semih Yüksek Lisans, Bilgisayar Mühendisliği Bölümü Tez Yöneticisi: Doç. Dr. Marifi Güler Eylül 1995, 81 sayfa Bu çalışmada olasılıklı yinelenen ağ yapıları (OYA), adaptasyon algoritmaları ve zaman seri leri üzerindeki uygulamaları incelenmiştir. Her bir zaman adımında, OYA'nm her bir elemanı bir önceki zaman aralığında komşu elemanların durumlarına bağlıolan bir olasılıkla yeni bir konuma geçmektedir. OYA özellikle zaman serilerinin modellenmesi, sınıflandırılması ve tahmin edilmesi işlemlerinde kullanılabilir. OYA'nm teorik alt yapısını oluşturan Gizli Markov Modelleme (GMM) adaptasyon algoritmaları ve ispatlarıyla ayrıntılı olarak ince lenmiştir. Olasılıklı kontrol teorisi ve GMM yardımıyla, OYA'nm özellikleri ispatlarıyla in celenmiş ve tartışılmıştır. OYA'nm Boltzmann makinası ve diğer disiplinlerle olan yakınlığı araştırılmıştır. Zaman serilerinin modellemesi, sınıflandırılması ve tahmin edilmesi biçimsel olarak ortaya konmuş ve bunlarla ilgili OYA adaptasyon algoritmaları incelenmiş, gerçek sorunlar ve veriler üzerinde bu algoritmalar temel alınarak uygulamalar geliştirilmiş, sonuçlar tartışılmıştır. Ayrıca OYA ve GMM metodları karşılaştırılmıştır.
Özet (Çeviri)
ABSTRACT STOCHASTIC RECURRENT NETWORKS AND THEIR USAGE ON TIME SERIES Cemiloğlu, Semih M.Sc, Department of Computer Engineering Supervisor: Assoc. Prof. Dr. Marifı Güler September 1995, 81 pages In this thesis, Stochastic Recurrent Networks, which are collections of interconnected finite state stochastic units, their application areas and implementation issues are pursued. At every discrete time step, each unit of the SRN goes into a new state, following a probability law that is conditional on the state of neighboring units at the previous time step. A network of this type can learn a stochastic process (time series), where“learning”means maximiz ing the probability Likelihood function of the model. Hidden Markov Modelling which is theoretical origin of the SRNs, is extensively covered. With the help of Stochastic Control and Hidden Markov Modelling theory, representational properties of SRNs are analyzed and presented. Relationships with Boltzmann machine and other disciplines are surveyed. Maximum A Posteriori Classification, Maximum Likelihood Prediction algorithm and Local Backward-Forward algorithm are discussed and implemented as models of finite-alphabet time series classification, prediction, and modelling respectively. Some real applications are presented, and implementation issues are addressed. In addition, HMM and SRNs are compared, difficulties on implementing SRNs as a software are described.
Benzer Tezler
- Çimento endüstrisindeki harmanlama projesinin değişik tipte yapay sinir ağları ile tanılanması ve kıyaslanması
The Identification and comparison of the blending process in cement industry with various type of neural networks
GÜVEN EMRE
Yüksek Lisans
Türkçe
2003
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CAN ÖZSOY
- RS-DSINet: Tavsiye sistemleri derecelendirme problemi için geliştirilmiş yeni bir derin öğrenme modeli
RS-DSINet: A new deep learning model developed for the rating problem of recommendation systems
VEYSEL TÜRK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM BERKAN AYDİLEK
- Deep learning based dynamic turkish sign language recognition with leap motion
Derin öğrenme tabanlı leap motıon ile dinamik türk işaret dili tanıma
BURÇAK DEMİRCİOĞLU KAM
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE KÖSE
- Derin öğrenmede tekrarlayan sinir ağları yaklaşımı ile hisse senedi fiyat tahmini
Stock price prediction with recurrent neural networks approach in deep learning
GÜLDENİZ CANATAN
Yüksek Lisans
Türkçe
2023
İstatistikÇukurova Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. GÜZİN YÜKSEL
- Stochastic action and scene estimation system for multi robot teleoperation environments
Çok robotlu teleoperasyon ortamları için stokastik eylem ve sahne tahmin sistemi
ABDULLAH AKAY
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF SİNAN AKGÜL