Geri Dön

Makine öğrenmesi uygulamalarında yapay arı koloni programlama temelli yeni yöntemlerin geliştirilmesi

Development of new methods based on artificial bee colony programming in machine learning applications

  1. Tez No: 596772
  2. Yazar: SİBEL ARSLAN
  3. Danışmanlar: DOÇ. DR. CELAL ÖZTÜRK
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Otomatik programlama, Genetik Programlama, Yapay Arı Koloni Programlama(ABCP), Dizi Sınıflandırma, Çok Kovanlı ABCP, ABCP-tanımlayıcı, Automatic programming, Genetic Programming, Artificial Bee Colony Programming (ABCP), Sequence Classification, Multi Hive ABCP, ABCP-descriptor
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 142

Özet

Otomatik programlama, bir sistemde girdi ve çıktı değişkenleri arasındaki ilişkiyi model üreterek açıklamaya çalışan bir makine öğrenmesi yaklaşımıdır. Genetik Programlama (GP), Genetik Algoritmanın (GA) uzantısı olarak geliştirilen ve günümüzde en çok kullanılan otomatik programlama yöntemidir. Yapay Arı Koloni Programlama (ABCP), bal arılarının yiyecek kaynağı arama davranışlarını simüle eden Yapay Arı Kolonisi (ABC) algoritmasına dayalı sembolik regresyon problemi için yeni geliştirilen yüksek seviyeli bir otomatik programlama yöntemidir. Bu tezde, ABCP algoritmasının farklı makine öğrenmesi uygulamalarındaki performansını araştırmaya yönelik çalışmalar yapılarak, sonuçlar GP ile kıyaslanmıştır. Ayrıca, ABCP algoritmasına dayalı Çok Kovanlı Yapay Arı Koloni Programlama (MHABCP) ve ABCP-tanımlayıcı ilk kez yeni yöntemler olarak önerilmiştir. MHABCP'de aday çözüm üretilirken standart ABCP'deki bilgi paylaşım mekanizmasının kullanılması ile birlikte Çok Genli Genetik Programlama'da kullanılan iki noktalı yüksek seviyeli çaprazlama operatörünün komşuluk araştırma işlemine adaptasyonundan esinlenilmiştir. MHABCP gürültü eklenmiş/eklenmemiş yüksek boyutlu sembolik regresyon problemlerinin çözümünde; ABCP-tanımlayıcı desen sınıflandırma problemlerinin çözümünde kullanılmıştır. ABCP-tanımlayıcı modelleri, her bir desen setinin sınıflandırılması için eğitim aşamasında rastgele seçtiği iki tane örnek üzerinde kayan pencereler ile çıkarmıştır. Yapılan çalışmada elde edilen sonuçlar, ABCP ve ABCP algoritmasına dayalı yöntemlerin literatürde yer alan birçok problemde kullanılabileceğini göstermektedir.

Özet (Çeviri)

Automatic programming is a machine learning approach that tries to explain the relationship between input and output variables in a system by extracting models. Genetic Programming (GP) is the most widely used automatic programming method developed as an extension of Genetic Algorithm (GA). Artificial Bee Colony Programming (ABCP) is a newly developed high-level automatic programming method for the symbolic regression problem based on the Artificial Bee Colony (ABC) algorithm, which simulates the food source search behavior of honeybees. In this thesis, works were conducted to investigate the performance of ABCP algorithm in machine learning applications and the results were compared with GP. Furthermore, Multi-Hive Artificial Bee Colony Programming (MHABCP) and ABCP-descriptor based on ABCP algorithm were proposed for the first time as new methods. The candidate solution was generated in MHABCP used the information sharing mechanism in the standard ABCP and the adaptation of two-point high-level crossover operator used in Multi-Gene Genetic Programming to the neighborhood research process. MHABCP was used to solve the solution of high dimensional symbolic regression problems with/without noise; ABCP-descriptor was used to solve the texture classification problems. ABCP-descriptor models were extracted by sliding windows on two samples randomly selected during the training phase for the classification of each texture set. The results of this work show that ABCP and ABCP algorithm based algorithms can be used in many problems in the literature.

Benzer Tezler

  1. Machine learning based network anomaly detection

    Makine öğrenmesi tabanlı ağ anomali tespiti

    HİLAL HACILAR

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BURCU GÜNGÖR

    PROF. DR. VEHBİ ÇAĞRI GÜNGÖR

  2. Network anomaly detection using optimized machine learning algorithm

    Optimize edilmiş makine öğrenmesi algoritmaları kullanarak ağ anomali tespiti

    TAHIRA KHORRAM

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NURDAN BAYKAN

  3. Yağmur suyu ızgaralarının hidrolik verimliliğinin makine öğrenmesi yöntemleriyle modellenmesi

    Modeling of hydraulic efficiency of storm water grate inlets by machine learning methods

    KAYHAN BAYHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ÖZGER

  4. Kötü amaçlı android tabanlı yazılım tespitinin güncel meta-sezgisel algoritmalar ile karşılaştırmalı analizi

    Comparative analysis of malicious android based software detection with recent metaheuristic algorithms

    MEHMET ŞİRİN BEŞTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZLEM BATUR DİNLER

  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