Geri Dön

Neural network topology optimization with genetic algorithms

Yapay sinir ağı yapılarının, genetik yordamlar ile en iyilenmesi

  1. Tez No: 50468
  2. Yazar: BANU BAYRAKTAR
  3. Danışmanlar: DOÇ.DR. H. LEVENT AKIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1996
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 95

Özet

Yapay sinir ağlarının boyutları ve karmaşıklığı performansını büyük ölçüde etkiler. Bir ağ için en uygun yapı, eğitim verisini öğrenirken deneme verisini de genelleyebilen bir yapıdır. Ne var ki, bu yapıyı bulmak oldukça zordur. Sinir ağlarının yapılarının bulunmasının otomatikleştirilmesi için teknikler geliştirilmesi son yıllarda büyük ilgi çekmektedir. Tekniklerin geliştirilmesinin yanı sıra, herhangi bir öğrenme yordamından bağımsız tekniklerin geliştirilmesi oldukça önemlidir. Genetik yordamların, sinir ağlarının yapılarını en iyilemesindeki basan, ağ içindeki yararlı bölümlerin korunmasına ve yararlı olmayan bölümlerin iyileştirilmesi esasına dayanır. Bir yapay sinir ağının yapışım betimlemek basit değildir. Bu çalışmada, genetik algoritmalar için uygun olan bir yapay sinir ağı yapısı gösterimi geliştirilmiştir. Uygun olan genetik algoritma işlemleri uygulanmış ve öğrenme yordamlarından bağımsız bir genetik yordam yazılımı kurulmuştur. Kurulan algoritmalar, dışlamalı-veya öğesi, sinüs fonksiyonu, düzensiz zaman serileri tahmini ve göğüs kanseri tahmini problemleri üzerinde denenmiştir. Bahsedilen problemler için kurulan algoritmaların hem basit, hem de uygun ve etkili sinir ağı yapılan bulduğu görülmüştür.

Özet (Çeviri)

IV ABSTRACT The size and the complexity of a neural network greatly influences its performance. The optimal topology of a network is the one with the smallest complexity which still allows the network to learn the training data and generalize. Such a topology however can be quite difficult to find. Devising techniques for automating the design of neural networks have been of interest recently. Not only devising techniques for design, but also devising techniques that are independent of training algorithms is important. The success of genetic algorithms for neural network topology optimization is based on the fact that, the useful parts of the neural networks are kept, and the useless parts are improved. Representing the structure of a neural network using genetic algorithms is not straightforward. In this study, a suitable neural network architecture representation for the genetic algorithms is devised. Suitable genetic algorithm operators are applied on them and a genetic algorithm tool, that is independent of training algorithms, together with a neural network training tool has been implemented. The success of the implemented genetic algorithm tool is tested on four problem sets: exclusive-OR problem, sine function, chaotic time series prediction problem and breast cancer prediction problem. For the mentioned problem sets, we observed that our genetic algorithm tool has found simple and efficient neural network topologies.

Benzer Tezler

  1. Neural network topology optimization with genetic algorithms using indirect encoding

    Yapay sinir ağları yapılarının genetik algoritmalarla dolaylı kodlanarak eniyilenmesi

    ERKAN BULUT

    Yüksek Lisans

    İngilizce

    İngilizce

    2001

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. H. LEVENT AKIN

  2. Neural network topology optimization using estimation of distribution algorithms

    Dağılım tahmini algoritmaları kullanarak en uygun yapay sinir ağı yapısının bulunması

    BUĞRA BAŞARAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. LEVENT AKIN

  3. Genetik algoritmalar ile radyal temelli fonksiyon ağlarının optimizasyonu

    Optimization of radial basis function networks by genetic algorithms

    GÜL YAZICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜLAY YILDIRIM

  4. Maksimum güç noktası izleyicili ve UVM inverterli fotovoltaik sistemin yapay sinir ağları tabanlı kontrolü

    ANN-based control of a PV system with maximum power point tracker and SVM inverter

    AHMET AFŞİN KULAKSIZ

    Doktora

    Türkçe

    Türkçe

    2007

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. RAMAZAN AKKAYA

  5. Dynamic security enhancement of power systems via population based optimization methods integrated with artificial neural networks

    Yapay sinir ağlarının entegre edildiği popülasyon tabanlı optimizasyon yöntemleriyle güç sistemlerinin dinamik güvenliğinin iyileştirilmesi

    CAVİT FATİH KÜÇÜKTEZCAN

    Doktora

    İngilizce

    İngilizce

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. VEYSEL MURAT İSTEMİHAN GENÇ