Yapay sinir ağlarının duyarlılığı
Başlık çevirisi mevcut değil.
- Tez No: 57492
- Danışmanlar: PROF. DR. TAHİR ŞİŞMAN
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1996
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 35
Özet
Ill Özet Bu tezde; ileri beslemeli yapay sinir ağlarının, ağırlık hatası karşısındaki duyarlılıkları analiz edilmiştir. Ağ modeli olarak çok katmanlı algıyıcılar ve eğitim algoritması olarakta geriye yayılım algoritması kullanılmıştır Çok katmanlı algılayıcılarda ağırlık vektörü giriş-çıkış dönüşümünü belirlemektedir. Dolayısıyla bu ağırlıklardaki her hangi bir değişiklik giriş-çıkış dönüşümümüzü etkilemektedir. Yapay sinir ağımızın duyarlılığını hesaplamak için arıtımsal ağırlık perturbasyon metodunu kullanıyoruz. Amacımız, artımsal bir ağırlık perturbasyonu karşısında karar hatası olasılığının hesaplanmasıdır. Bu amaçla iki tane yakınsama formülü geliştirdik: binormal yakınsama ve karekök yakınsaması. Bunlardan binormal yakınsamanın doğruluk oranı çok yüksek olmasına rağmen; çok işlem gerektirdiğinden hesaplamalar için bilgisayara ihtiyaç duyuluyor ve ayrıca yakınsama, her katmandaki düğüm sayısına bağımlıdır. Fakat katmandaki işlem elemanlarının sayışım arttırarak, hata probabilitesi bir sayıya ulaştırılırsa yakınsamanın katmandaki işlem elemanından bağımsız olduğu görülür. Karekök yakınsamasının sonucu binormal yakınsamasının sonucu kadar gerçek değere yakın değildir. Fakat çok daha kolay hesaplanabilir ve katmanda çok fazla işlem elemanı varsa; binormal yakınsamaya oldukça yakın sonuçlar verir.
Özet (Çeviri)
IV ABSTRACT The sensitivity of feedforward neural networks to weight errors is analyzed in this thesis. The network model used is the Multi Layer Perceptron (MLP) and the neural network is trained using Backpropagation algorithm. The weight vector determines the input-output map of MLP. A slight change in the direction of the weight vector can alter this map. Here, we use the method of additive weight perturbation to calculate sensitivity of our networks. Our goal is calculating probability of decision error. For this porpuse, two approximations were derived which predict the probability of error for a single output of the network as a function of the percentage error in the weights: Binomial approximation and square root approximation. The binomial approximation is the most accurate but requires evaluation by computer and depends on the network size. The square root approximation is much easier to evaluate and is independent of the number of nodes. If there is enough nodes on the layer, the probability of error as predicted by the binomial approximation approaches the probability of error predicted by the square root approximation. }
Benzer Tezler
- Yapay sinir ağları ile yapısal sistemlerin analizi
Analyses of structural systems by artificial neural network
ADEM FIRAT
Yüksek Lisans
Türkçe
2006
İnşaat MühendisliğiFırat ÜniversitesiYapı Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. ÖMER KELEŞOĞLU
- Yapay sinir ağları ile heyelan duyarlılık haritalarının üretilmesinde farklı algoritmaların kullanımının araştırılması
Investigation of the utilization of different algorithms in landslide susceptibility mapping with artificial neural networks
ASLI CAN
Yüksek Lisans
Türkçe
2014
Jeoloji MühendisliğiHacettepe ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT ERCANOĞLU
- Artifical neural networks flood forecasting: Investigation of the contributions of data assimilation for applications to Cevennes rivers
Yapay sinir ağlarıyla taşkın tahmini: Uygulamalar için veri asimilasyonunun katkılarının değerlendirilmesi Cevennes rivers
ÇAĞRI ALPEREN İNAN
Doktora
İngilizce
2023
Jeoloji MühendisliğiMuğla Sıtkı Koçman ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. BEDRİ KURTULUŞ
PROF. DR. ANNE JOHANNET
- Coğrafi bilgi sistemleri tabanlı heyelan duyarlılık haritalarının oluşturulmasında istatistiksel yöntemlerin ve yapay sinir ağlarının kullanılması: Kumluca-Ulus (Bartın) bölgesi
Usage of statistical techniques and artificial neural networks in producing landslide susceptibility maps based on geographical information systems: Kumluca-Ulus (Bartın) region
NESLİHAN YÜKSEL
Doktora
Türkçe
2007
Jeoloji MühendisliğiHacettepe ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF.DR. HÜSNÜ AKSOY
- Predicting software vulnerabilities and vulnerability inducing code changes using deep neural networks
Derin sinir ağlarını kullanarak yazılım güvenlik açıklarını ve güvenlik açığına sebep olan kod değişikliklerini tahmin etme
SEFA EREN ŞAHİN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN