Geri Dön

Yapay sinir ağlarında en iyi mimari seçimi için kullanılan kriterlerin incelenmesi

Investigation of criteria for the best architecture selection of artificial neural networks

  1. Tez No: 498523
  2. Yazar: ÇAĞATAY BAL
  3. Danışmanlar: DOÇ. DR. SERDAR DEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Muğla Sıtkı Koçman Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 138

Özet

Yapay sinir ağları zaman serisi analizi için kullanıldığında mimari seçimi işlemi, en iyi öngörüleri üretecek yapay sinir ağları modelinin belirlenmesidir. Modelin ürettiği öngörü değerleriyle sinir ağının hedef değerleri olan gerçek gözlemler arasındaki hatayı minimum yapan mimari, en iyi öngörüyü dolayısıyla en uygun modeli temsil etmektedir. Bu işlemi gerçekleştirebilmek için literatürde birçok kriter kullanılmaktadır. Bunların yanı sıra, bu kriterlerin bir araya getirilmesiyle oluşturulan ve ağırlıklı kriterler olarak adlandırılan çeşitli kriterler de mevcuttur. Bu tez çalışmasında, literatürdeki mevcut kriterler incelenmekte, performansları karşılaştırılmakta ve gerçek verilere uygulamaları gerçekleştirilmektedir. Performans karşılaştırmaları için 3 farklı döviz paritesini içeren zaman serisiyle birlikte farklı özelliklere sahip 4 zaman serisi simüle edilmiş ayrıca literatürde bilinen 3 farklı gerçek hayat verisi kullanılmıştır. Yapay sinir ağları modellemesinin en önemli adımlardan biri olan en iyi mimarinin seçilmesine ilişkin literatürdeki yaklaşımların böyle bir çalışmada bir arada karşılaştırmalı olarak incelenmesinin, farklı bilim alanlarında çalışan araştırmacıların ilgisini çekeceği ve modelleme uygulamalarında yararlı bir kaynak olacağı düşünülmektedir.

Özet (Çeviri)

The architecture selection in artificial neural networks means that the neural network model to be used for prediction in the time series is the model that will give the most apropriate results. The architecture that minimizes the error between the target values of the neural network which are the real observations and the predicted values generated by the model represents the best forecasts namely the most apropriate model. There are many criteria that are used in the literature to accomplish this process. In addition to these, there are various criteria which are created by combining these criteria and called as weighted criteria. In this thesis study, the existing criteria in the literature are examined, their performances are compared by applying to both simulated and real world data sets. For performance comparisons, 3 different exchange rates time series, 4 simulated time series with different features and 3 well known real world data sets are obtained. As a comparative study on the selection of the best architecture which is on of the most important steps in the modelling of aritificial neural networks. It is hoped that it will be a useful and attracting resource for researchers working on modelling data in different fields of science.

Benzer Tezler

  1. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  2. Deep metric learning applied to crop classification from multi-spectral multi-temporal remote sensing data

    Derin metrik öğrenmenin çoklu-zamanlı ve çoklu-bantlı uzaktan algılanmış verilerden tarım ürünü sınıflandırmaya uygulanması

    MERVE BOZO

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE

  3. Stochastic bitstream-based vision and learning machines

    Stokastik bit akışı tabanlı görü ve öğrenme makineleri

    SERCAN AYGÜN

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ECE OLCAY GÜNEŞ

  4. Power allocation for cooperative NOMA systems based on adaptive-neuro fuzzy inference system

    Uyarlanabilir nöro bulanık çıkarım sistemine dayalı işbirlikli NOMA sistemleri için güç tahsisi

    MELİKE NUR ÜÇBAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN ALİ ÇIRPAN

  5. En iyi yapay sinir ağı modelinin belirlenmesinde istatistiksel yöntemlerin kullanılması

    Determining the best artificial neural network model using statistical methods

    ADİL KILIÇ

    Doktora

    Türkçe

    Türkçe

    2024

    İstatistikAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. BİRDAL ŞENOĞLU

    PROF. DR. ÇAĞDAŞ HAKAN ALADAĞ