Geri Dön

Yapay sinir ağlarının modern sezgisel-üstü algoritmaları yoluyla eğitimi

Training of artificial neural networks via modern meta-huristic algorithms

PDF İndir

  1. Tez No: 637396
  2. Yazar: ERDAL EKER
  3. Danışmanlar: PROF. DR. MURAT KAYRİ, DOÇ. DR. SERDAR EKİNCİ
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Van Yüzüncü Yıl Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 155

Özet

Bu tezin amacı, doğrusal olmayan problemlerin optimizasyonunda kullanılan ve iyi bir sınıflandırma aracı olan Yapay Sinir Ağlarının (YSA) eğitimini sağlamaktır. Tezin amacına uygun olarak YSA mimarilerinden Çok Katmanlı Algılayıcı (Multilayer Perceptron -MLP) kullanılmıştır. MLP eğitiminde olasılıksal algoritma çeşidi olan modern sezgisel-üstü algoritmalar eğitmen olarak seçilmiştir. Algoritmaların genel performansını ölçmek ve performans üstünlüğünü karşılaştırmak için Ackley, Easom, Egg Crate, Griewank, Quartic, Rosenbrock, Schwefel, Sphere ve Step kriter fonksiyonları kullanılmıştır. MLP eğitimi için UCI veri bankasından XOR, İris, Meme Kanseri, Kalp Hastalıkları ve Balloon veri setleri alınmıştır. Tezde dört uygulama yapılmıştır. Uygulamalardan ilki Harris Şahinleri Optimizasyonu sezgisel-üstü algoritmasının (HHO) diğer algoritmalarla karşılaştırılması yapılarak üstünlükleri gösterilmiştir. İkinci uygulamada modern sezgisel-üstü algoritmaların global kısıtlı optimizasyon problemlerinin çözümü gösterilerek Atom Arama Optimizasyonu'nun (ASO) performans üstünlüğü istatistiki olarak ispat edilmiştir. Üçüncü uygulamada MLP eğitimi yapılarak Sinüs Kosinüs Algoritması (SCA) ve HHO algoritmaları karşılaştırılmıştır. Son uygulamada ise önerilen hibrid ASO-SA algoritması (hASO-SA) ile problem çözümündeki sezgisel-üstü algoritmaların dezavantajları ortadan kaldırılmıştır. Performans avantajı istatistiki olarak gösterilerek MLP eğitiminde üstün sınıflandırma becerisi, diğer sezgisel-üstü algoritmalarla karşılaştırılarak açıklanmıştır.

Özet (Çeviri)

The purpose of this thesis is to provide ANN training, which is a good classification tool used in optimization problems. In accordance with the purpose of the thesis, Multilayer Perceptron (MLP) is used from ANN architectures. Modern meta-heuristic algorithms which are probabilistic algorithm types in MLP training are selected as trainers. Ackley, Easom, Egg Crate, Griewank, Quartic, Rosenbrock, Schwefel, Sphere and Step bencmark functions are used to measure the overall performance of the algorithms and to compare performance advantage. XOR, Iris, Breast Cancer, Heart Diseases and Balloon datasets were taken from the UCI database to demonstrate the closeness of the classification rates to reality in MLP education. Four applications were made in the thesis. In the first application, the advantages of Harris Hawks Optimization algorithm (HHO) were compared with other algorithms. In the second application, the performance advantages of the Atom Search Algorithm (ASO) has been statistically demonstrated by showing the solution of the global constrained optimization problems of the modern meta-heuristic algorithms. In the third application, the Sine Cosine Algorithm (SCA) and HHO algorithms were compared by making MLP training. In the fourth aplication, through proposed hybrid ASO-SA algorithm (hASO-SA) has been to eliminated by the disadvantages of the meta-heuristic algorithms in the problem solution. By showing the performance advantage statistically, high classification skill in MLP education is explained by comparing with other meta-heuristic algorithms.

Benzer Tezler

  1. Tez No

    169767

    Yapay zeka tekniklerine dayanan yöntemlerle çok sayıda hedef izleme

    Multiple target tracking with the methods based on artificial intelligence techniques

    İLKE TÜRKMEN

    Doktora

    Türkçe

    Türkçe

    2005

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    PROF.DR. KERİM GÜNEY

  2. Tez No

    246115

    Karınca koloni optimizasyoni ile yapay sinir ağlarından kural çıkarımı

    Rule extraction from artificial neural networks by ant colony optimization

    SİNEM KULLUK

    Doktora

    Türkçe

    Türkçe

    2009

    Makine MühendisliğiErciyes Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN YAPICI

    YRD. DOÇ. DR. LALE ÖZBAKIR

  3. Tez No

    46191

    Hücresel imalat sistemlerinde maliyet ve sinir ağları tabanlı iki evreli bir kümelendirme yaklaşımı

    Artificial neurat network x operation costs based twostage GT clusterning procedure

    AFFAN NOMAK

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. BÜLENT DURMUŞOĞLU

  4. Tez No

    774244

    Hierarchical clustering attention for unsupervised object-centric representation learning

    Obje odaklı temsil öğrenimi için hiyerarşik kümeleyici dikkat yöntemleri

    CAN KÜÇÜKSÖZEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF. DR. YÜCEL YEMEZ

  5. Tez No

    237044

    Yapay sinir ağlarının, modellemesi yapılan termik santralde uygulanması

    An application of artificial neural networks to a modelled thermal power plant

    MURAT LÜY

    Doktora

    Türkçe

    Türkçe

    2009

    Elektrik ve Elektronik MühendisliğiKırıkkale Üniversitesi

    Makine Ana Bilim Dalı

    PROF. DR. İLHAN KOCAARSLAN

Geri Dön