Geri Dön

Geriye yayma tipindeki yapay sinir ağlarının stokastik veriyi işlemesinin çeşitli yönleri üzerine

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 47689
  2. Yazar: NİHAT YILDIZ
  3. Danışmanlar: PROF.DR. RAUF EMİROV
  4. Tez Türü: Doktora
  5. Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
  6. Anahtar Kelimeler: Artificial neural network, Standard Back Propagation Method, Extended Delta Bar Delta Method, Stochastic data, Correlation structure, Fitting (or transformation) ability, Asymptotic behaviour. IV
  7. Yıl: 1996
  8. Dil: Türkçe
  9. Üniversite: Cumhuriyet Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Fizik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 105

Özet

ÖZET Doktora Tezi GERİYE YAYMA TİPİNDEKİ YAPAY SİNİR A?LARININ STOKASTİK VERİYİ İŞLEMESİNİN ÇEŞİTLİ YÖNLERİ ÜZERİNE NİHAT YILDIZ Cumhuriyet Üniversitesi Fen Bilimleri Enstitüsü Fizik Ana Bilim Dalı Danışman: Prof. Dr. Rauf Emirov Bu çalışmada stokastik bir ortamdaki Geriye Yaymalı Yapay Sinir Ağlan (GYYSA) nın performansının aşağıdaki yönleri FORTRAN 77 programlama dilinde orijinal olarak yazılan programlar aracılığıyla gerçekleştirilen bilgisayar simülasyonlarıyla araştırıldı. (i) Çok Boyutlu Normal Dağılım (ÇBND) ve ÇBND'den farklı diğer bazı dağılımlardan üretilen verinin YSA tarafından asimptot altı (n:(gözlem sayısı)

Özet (Çeviri)

SUMMARY Ph.D. Thesis ON THE BACK PROPAGATION TYPE NEURAL NETWORK'S PROCESSING OF VARIOUS ASPECTS OF STOCHASTIC DATA NİHAT YILDIZ Cumhuriyet University Graduate School of Natural and Applied Sciences Department of Physics Supervisor: Professor Dr. Rauf AMIROV In this work the following aspects of the performance of Back Propagation Type Neural Network (BPNN) were investigated through computer simulations carried out by means of an original program written in the programming language FORTRAN 77. (i) At subasymptotic region (where n (number of observations)^ 100) and at asymptotic region (n=250) network's processing ability of data generated from Multivariated Normal Distribution (MVND) and that of generated from some other (different from MVND) distributions. (ii) Possible affection of the number of hidden layer neurons to the network's processing (fitting) ability. (iii) For a given correlation structure rxy (X:input and Y: target vectors) the relationship between rxy and the correlations of the components of final weight vectors which minimizes the error function of the (artificial) neural network (ANN). At subasymptotic region as we are analyzing a vast number of data matrices of a given txy in order to overcome the problem of standard BP's low convergence rate a less known BP algorithm Extended Delta Bar Delta Method (EDBDM) was employed. In ANN literature this work is the first which has ever used EDBDM in a stochastic context. It was analytically derived and experimentally proved that network's fitting ability of MNVD data definitely improves as rxy approaches from zero to one. Additionally, for all correlation structures employed it was observed that the error components of the ANN have been successfully converged to their theoretical limits. Furthermore, it has been another observation that the for data from some other (non-normal) distributions network's fitting ability is well in line with theoretical predictions. As a result of these observations and of the fact that no experimental study related to BP network's fitting ability in a random environment has appeared so far, it can be said that this work took a pioneering experimental step for the investigations of BP network's fitting capability in a stochastic medium. Some experimental results that support that there can be some similarities (in particular in Txy=1 and rxy^O cases) between for a given rxy (correlation structure) and the components of weights minimizing the error function have been obtained. It was also observed that the generalization ability of the network is sufficiently good in a stochastic medium.

Benzer Tezler

  1. Tez No

    161817

    İlköğretim matematik dersinde problem çözme stratejilerinin problem çözme başarısına etkisi

    Effect of problem solving strategies on problem solving achievement primary school mathematics

    SEMA SULAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    Eğitim ve ÖğretimSelçuk Üniversitesi

    İlköğretim Ana Bilim Dalı

    Y.DOÇ.DR. İSA KORKMAZ

  2. Tez No

    533331

    Gemilerde yalpa sönümleme sistemlerinin incelenmesi

    Investigation of ship anti-roll stabilizer systems

    CAN TARHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Gemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı

    PROF. DR. KADİR SARIÖZ

  3. Tez No

    128215

    Doğrusal ve kıvrımlı akarsulara yerleştirilen köprü ayakları etrafında meydana gelen oyulma derinliğinin yapay sinir ağları ile belirlenmesi

    Determination of scouring depth around bridge foundations located on straigth and curled streams with artificial neural networks

    MAHMUT FIRAT

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    İnşaat MühendisliğiPamukkale Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MAHMUD GÜNGÖR

  4. Tez No

    154328

    Yapay sinir ağları ile atölye çizelgelemede yeni bir yöntem geliştirilmesi ve bu yöntemin uygulanması

    Development and application of new method in job-shop scheduling using artificial neural networks

    GÖKAY AKKAYA

    Doktora

    Türkçe

    Türkçe

    2004

    Endüstri ve Endüstri MühendisliğiYıldız Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. TURAY GÖKÇEN

  5. Tez No

    178963

    Santrifüj pompalarda yapay sinir ağı uygulamaları

    Artificial neural network applications for pumps centrifugal

    ÖZGE HELVACI

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Makine MühendisliğiEskişehir Osmangazi Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. YAŞAR PANCAR

Geri Dön