Training of artificial neural network using modified shuffled frog leaping algorithm
Geliştirilmiş kurbağa sıçrama algoritması kullanılarak yapay sinir ağlarının eğitilmesi
- Tez No: 485105
- Danışmanlar: YRD. DOÇ. DR. ÖMER KAAN BAYKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Yirminci yüzyılın ortalarında benimsenmesinden bu yana, Yapay Sinir Ağlarının (YSA-ANN), desen tanıma veya veri sınıflandırması gibi çeşitli alanlarda faydalı olduğunu kanıtlamıştır. Çeşitli teknoloji alanlarındaki büyük talebe ayak uydurabilmek için şimdiye kadar çok sayıda öğrenme algoritması ANN performansını artırmak için benimsenmiştir. Metasezgisel algoritmalar popüler öğrenme algoritmaları arasında yer alan algoritmalardır. Bu algoritmalar doğa hayatından esinlenmiştir ve ANN için en uygun ağırlık veya yapıyı seçmek için sezgisel arama tekniklerine sahiptirler. Bu tez çalışmasında, Yapay Sinir Ağının sınıflandırma doğruluğunu arttırmak için ANN ile kurbağa sıçraması algoritmasının kullanımı (SFLA) açıklanmıştır. Yapay Sinir Ağının sınıflandırma doğruluğu, iyi tasarlanmış ANN modeline bağlıdır. İyi tasarlanmış ANN modeli ANN düğümleri için kullanılan yapı, aktivasyon fonksiyonu ve her düğüm için doğru ağırlığı tespit etmek için kullanılan eğitim algoritmasına dayalıdır. Bu tez çalışmasında, ANN modeline ait sinaptik ağırlıkların tespit edilmesinde SFLA algoritmasının kullanımına yoğunlaşılmıştır. Ardından algoritmaya, yeni lokal arama parametresi, atalet ağırlığı ve sınırlandırma faktörleri ekleyerek orijinal algoritma geliştirilmiştir. İki adet geliştirilmiş model MSFLA-ANN1 ve MSFLA-ANN2 oluşturulmuştur. Geliştirilen algoritmaların performansını incelemek için UCI makine öğrenme havuzundan iyi bilinen on adet veri kümesi kullanılmıştır. Sınıflandırma doğruluğuna göre, önerilen algoritmaların performansı geri yayılım eğitim algoritması ve kurbağa sıçrama algoritması ile karşılaştırılmıştır. Sonuçlar, önerilen MFSA-ANN1 algoritmanın genel olarak daha iyi performans gösterdiğini ortaya koymuştur.
Özet (Çeviri)
Since their adoption in the middle of twentieth century, Artificial Neural Networks (ANNs) have proven beneficial in various fields such as pattern recognition or data classification, etc. To preserve the pace with its great demand in variety technology fields, numerous learning algorithms have been adopted so far to enhance the performance of ANN. One of the most popular learning algorithms of ANNs are metaheurstic algorithms. These algorithms inspired from nature life and they have heuristic search techniques in order to select the optimal weights or structure for ANN. Shuffled frog leaping algorithm (SFLA) with ANN has been clarified in this research for enhancing classification accuracy of ANN. Classification accuracy of ANN depends on the well-designed ANN model. Well-designed ANN model based on the structure, activation function that are utilized for ANN nodes, and the training algorithm which are used to detect the correct weight for each node. In our research we are concentrated on enhancing the set of synaptic weights by utilizing SFLA algorithm that are detect the optimal weight for each neuron in ANN model. Then, we modified the original algorithm by adding a new local search parameter, inertia weight and contraction factors to the algorithm. We adopted two new models which are MSFLA-ANN1 and MSFLA-ANN2. We utilized ten well known datasets from UCI machine learning repository in order to examine the performance of the modified algorithms. Then we compared the proposed algorithms with back propagation training algorithm and SFLA algorithm that is chosen from the literature in terms of classification accuracy. The results showed that the proposed algorithm MSFLA-ANN1 performed better performance in generally.
Benzer Tezler
- Elektrokardiyogram verilerinin iyileştirilmiş yapay arı kolonisi (MABC) algoritması ile analizi
Analysis of electrocardiogram data by using modified artificial bee colony (MABC) algorithm
SELİM DİLMAÇ
Doktora
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Konvolüsyonel sinir ağlarında ağ eğitiminin iyileştirilmesi
Improving the network training in convolutional neural networks
KÜBRA UYAR
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Karaçomak Barajı havzasında bazı su kalitesi parametrelerine yapay sinir ağı (YSA) tekniklerinin uygulanması
Implementation of artificial neural network (ann) techniques in some water quality parameters in Karacomak Dam basin
IDRIS B.IMNEIST SAAD
Doktora
Türkçe
2018
Ormancılık ve Orman MühendisliğiKastamonu ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MİRAÇ AYDIN
- A Modified kohonen neural network coupled to A kalman filter for short term load forecasting
Kısa dönem yük tahmini için kalman filtre ile izlenen ve değişikliğe uğratılmış bir kohonen sinirsel gözeli ağlar uygulanması
H.VOLKAN ÖZSÖKMEN
Yüksek Lisans
İngilizce
1994
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMET ERKMEN
- Kontrol sistemlerinde yapay sinir ağı uygulamaları
Başlık çevirisi yok
SERTAÇ CANARAN
Yüksek Lisans
Türkçe
1996
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiPROF.DR. LEYLA GÖREN