Application of defuzzification-free hierarchical fuzzy inference rule generation method to software fault prediction problems and fuzzy rule discussion
Durulaştırmasız hiyerarşik bulanık çıkarsama kural üretme yönteminin yazılım hata kestirimi problemlerine uygulanması ve bulanık kural tartışması
- Tez No: 639308
- Danışmanlar: PROF. DR. EBRU AKÇAPINAR SEZER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 108
Özet
Yapay zekanın bir alt dalı olan bulanık çıkarım sistemleri, bulanık küme teorisine dayanan karar destek sistemleridir. Bilgi bu sistemlere dilsel bulanık kurallarla iletilir. Genel olarak, kural tabanı uzman görüşü ile belirlenir. Ancak, problem alanı karmaşık hale geldiğinde ve uzman bilgisi yetersiz olduğunda kurallar otomatik kural üretme yöntemleriyle üretilir. Şimdiye kadar yapılan çalışmalarda, otomatik kural üretme yöntemleri ile üretilen kurallarda kullanılan veri seti ayrıntılı bir şekilde analiz edilmemiştir. Veri seti modeli yanlış yönlendirebilir ve projeden elde edilen kural kümesi her zaman en iyi kural kümesi olmayabilir. En doğru ve genellenebilir kural kümesi başka bir projeden üretilebilir. Böylece, kurallar aynı problem alanı için başka bir uygulamaya aktarılabilir. Bu çalışmanın amacı, veri seti değiştirildiğinde kuralları yeniden oluşturmak zorunda kalmadan farklı bir projenin kural kümesini kullanarak yeni sorunları daha etkili ve daha hızlı bir şekilde çözmektir. Bu nedenle, veri odaklı yaklaşımların aksine, bilgi, mevcut projede öngörücü bir model oluşturmak için kaynak alandan hedef alanına aktarılır. Kuralların taşınabilirliği, kuralları Yazılım Arıza Tahmin problemi için beş farklı projeden üreterek araştırıldı. Kural kümeleri, Wang-Mendel, Ayarlama ve Kural Seçimi ile Aralıklı Değerli Bulanık Muhakeme yöntemi ve Durulaştırmasız Hiyerarşik Bulanık Çıkarsama Sistemi'nin kural üretim yaklaşımı olan üç otomatik kural üretme yöntemi ile üretildi. Ayrıca, modelin başarısını karşılaştırmak için otomatik kural üretme yöntemleri, veri odaklı bir makine öğrenme yöntemi olan Yapay Sinir Ağları ile karşılaştırıldı. Deney sonuçları, bir projenin kendi veri kümesi yerine daha tutarlı veri setlerinden oluşturulan kuralların, mevcut bulanık çıkarım sistemlerinin performansını önemli ölçüde geliştirdiğini göstermektedir.
Özet (Çeviri)
Fuzzy inference systems, a sub-branch of artificial intelligence, are decision support systems based on fuzzy set theory. The knowledge is transmitted to these systems through linguistic fuzzy rules. In general, the rule base is determined by expert opinion. However, the rules are generated by automatic rule generation methods when the problem domain becomes complex and expert knowledge is insufficient. In the studies conducted so far, the dataset used to produce the rules with automatic rule generation methods has not been analyzed in detail. The dataset may mislead the model and the ruleset obtained from the project may not always be the most accurate one. The most accurate and generalizable ruleset may be produced from another project. Thus, the rules can be transferred to another application for the same problem domain. The goal of this study is to solve new problems more effectively and faster way by using the ruleset of a different project without having to re-generate the rules when the dataset is changed. Therefore, unlike the data-driven approaches, the knowledge is transferred from the source project to the target project to make a predictive model in the current project. We investigate the portability of the rules by generating them from five different projects for Software Fault Prediction problem. The rulesets are generated by three automatic rule generation methods, namely“Wang-Mendel”,“Interval-Valued Fuzzy Reasoning Method with Tuning and Rule Selection”and rule production approach of“Defuzzification-free Hierarchical Fuzzy System”. In addition, automatic rule generation methods were compared with Artificial Neural Networks, which is a data-driven machine learning method to compare the success of the model. The results of the experiments indicate that the rules generated from more consistent datasets instead of own dataset of a project significantly improves the performance of existing fuzzy inference systems.
Benzer Tezler
- Sezgisel bulanık sayılar ile reel opsiyon değerlemesi ve güneş enerjisi yatırımı uygulaması
Real option valuation with intuitionistic fuzzy numbers and its application to solar energy investment
HÜSEYİN YİĞİT ERSEN
Doktora
Türkçe
2019
Enerjiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. OKTAY TAŞ
- Bulanık PID kontrolörleri için birleştirme operatörüne dayalı yeni bir öz-ayarlama yöntemi tasarımı
A novel self-tuning method based on aggregation operator for fuzzy PID controllers
ÇAĞRI GÜZAY
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ENGİN YEŞİL
- Ulaştırma mühendisliğinde bulanık modelleme ile menfez tasarımı
Fuzzy modeling approach to culvert design in transportation engineering
ÖZAY USLU
Doktora
Türkçe
2024
Ulaşımİstanbul Medipol Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ZEKAİ ŞEN
- Echo state network ile sistemlerin modellenmesi
System modeling using echo state network
SELİN YAMAN
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ENGİN YEŞİL
- A modified anfis system for aerial vehicles control
Hava araçları kontrolü için değiştirilmiş anfıs sistemi
MUHAMMET ÖZTÜRK
Doktora
İngilizce
2022
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM OZKOL