Geri Dön

A Neurofuzzy network models for rule-based systems

Kural tabanlı sistemler için bulanık sinir ağları

  1. Tez No: 68696
  2. Yazar: ESİN BİLEN
  3. Danışmanlar: PROF. DR. FERDA ALPARSLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Neural Networks, Backpropagation Algorithm, Ten^oral k [ Information, Fuzzy Logic.IV
  7. Yıl: 1997
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 103

Özet

Bu tez kapsamında Kural Tabanlı Sistemler için Bulanık Sinir Ağlan (KTBA) modeli geliştirilmiştir. Sistem çok seviyeli ileridoğru sinir ağları yapısında oluşturulmuştur. Öğrenme algoritması olarak, bulanık kuralları içinde kapalı olarak bulunduran, yeniden revize edilmiş“backpropagation”algoritması kullanılmıştır. Bulanık çıkarım ve belirginleştirmeye dayalı bu yeni tasarım tekniği, bulanık kuralların ve üyelik fonksiyonlarının birleşiminden oluşan bir sistem olarak performansı, doğruluğu ve güvenirliği arttırırken, tasarım zamanım azaltır. Böyle bir network tipi herhangi bir doğrusal olmayan bulanıkgirdi-çıktı ilişkisini bulabilme yeteneğine sahiptir. KTBA baza doğrusal olmayan fonksiyonlar ve bir tıbbi teşhis sistemi (özel olarak, kalp hastalığı veritabanı) üzerinde denenmiştir. KTBA, öğrenme işleminden sonra, üyelik fonksiyonlarının temsil edildiği sinir hücrelerinin durumlarına bakılarak ve gereksiz olanlar çıkarılarak, tekrar öğrenmeye tabi tutulursa, kural sayısı ile ilgili iyileştirme yapabilme imkanı verir. Bu işlem sistem masrafım azaltır. Anahtar Kelimeler : Sinir Ağlan,“Backpropagation”Algoritması, Zamansal Bilgi, Bulanık Mantık. Vİ

Özet (Çeviri)

This thesis, reports the development of a Neurofuzzy Network Model for Rule- Based Systems (NFN). The system is implemented as a feedforward multilayered neural network. The learning algorithm which is based on the backpropagation algorithm is modified to generate fuzzy rules internally. Combination of learned fuzzy rules, membership functions and a new fuzzy design technique based on a new fuzzy inferencing and defuzzification, significantly improves performance, accuracy, reliability and reduces design time. A network of this type is capable of learning any non-linear fuzzy input- output relationship. The system is simulated on some non-linear functions and a medical diagnosis system, specifically heart disease database. NFN is mminimizes total system cost by optimizing the number of rules and membership functions by examining the membership functions of the output after training process, thereafter eliminating the unnecessary weights and refraining.

Benzer Tezler

  1. Tez No

    75812

    Hyperbox based neuro-fuzzy system for linguistic term extraction

    Dilbilimsel terimleri elde eden hyperbox tabanlı bulanık yapay sinir ağı modeli

    DİDEM DURMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. FERDA ALPASLAN

  2. Tez No

    496502

    Bulanık zincir model temelleri ve hidrograf tahminleri

    Fuzzy chain model fundamentals and hydrograph estimations

    YAVUZ SELİM GÜÇLÜ

    Doktora

    Türkçe

    Türkçe

    2017

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEKAİ ŞEN

  3. Tez No

    363710

    Echo state network ile sistemlerin modellenmesi

    System modeling using echo state network

    SELİN YAMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ENGİN YEŞİL

  4. Tez No

    373602

    Kontrol ve sistem tanımlama uygulamaları için çok katmanlı dinamik bulanık ağ tasarımları

    Multilayer dynamic fuzzy neural network design for control and system identification applications

    SEVCAN YILMAZ

    Doktora

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. YUSUF OYSAL

  5. Tez No

    246872

    A new fuzzy wavelet neural network design for time series prediction

    Zaman serisi kestirimi için yeni bir dalgacık bulanık ağ tasarımı

    SEVCAN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF OYSAL

Geri Dön