Yapay sinir ağlarının eğitimi için kelebek optimizasyonu algoritmasının iyileştirilmesi
Improvement of butterfly optimization algorithm for training of artificial neural networks
- Tez No: 712064
- Danışmanlar: DR. ÖĞR. ÜYESİ ŞABAN GÜLCÜ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Kaos, Kelebek optimizasyonu algoritması, Yapay sinir ağları, Çok katmanlı ağlar, Chaos, Butterfly optimization algorithm, Artificial neural networks, Multilayer networks
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kelebek optimizasyonu algoritması (KOA) meta sezgisel bir algoritmadır ve global optimum sorununu çözmek için tasarlanmıştır. KOA, kelebeklerin koku, görme, tat, dokunma ve duyma duyularını kullanarak yiyecek ve çiftleşme eşini bulmalarını rol model alarak tasarlanan bir algoritmadır. Bu duyular ayrıca bir yerden bir yere göç etmek, yırtıcıdan kaçmak ve uygun yerlere yumurta koymak için de yararlıdır. KOA, hiper arama alanında optimumu bulmak için bu davranışı taklit eder. Bu çalışmada çok katmanlı algılayıcıları (ÇKA) eğitmek için iyileştirilmiş kelebek optimizasyonu algoritması (İKOA) önerilmiştir. Çalışmada İKOA algoritmasını geliştirmek için kaostan yararlanılmıştır. Yerel ve global arama denklemleri arasındaki dengeyi kuran p anahtarı kaotik haritalarla her iterasyonda güncellenmiştir. Önerilen İKOA algoritması 13 kıyaslama fonksiyonu üzerinde test edildi ve KOA'dan daha iyi performans gösterdi. Önerilen İKOA algoritması ağırlık ve bias değerlerini optimuma getirmek için kullanılmıştır. İKOA ile eğitilerek geliştirilen ÇKA'ya İKOA-ÇKA ismi verilmiştir. İKOA-ÇKA algoritmasının başarısının doğruluğu literatürde sıkça kullanılan iris, meme kanseri, kalp, balon ve xor veri seti olmak üzere 5 farklı veri seti üzerinde test edilmiştir. Her bir veri seti için farklı ÇKA yapıları kullanılmıştır. İKOA-ÇKA, literatürdeki ÇKA'yı eğitmek için geliştirilen kelebek optimizasyonu algoritması tabanlı KOA-ÇKA, yarasa optimizasyonu algoritması tabanlı BAT-ÇKA, maddenin halleri optimizasyonu algoritması tabanlı SMS-ÇKA ve geri yayılım (GY) olmak üzere dört farklı algoritma ile karşılaştırıldı. Karşılaştırma sonuçlarında İKOA-ÇKA algoritmasının BAT-ÇKA, SMS-ÇKA ve GY algoritmalarını geride bıraktığı, KOA-ÇKA algoritması ile başa baş rekabet ettiği hatta bazı durumlarda öne geçtiği gözlemlenmiştir. Bunun nedeni ise İKOA-ÇKA algoritmasının üstün arama stratejisine ve yerel optimumu atlamadaki üstün yeteneğe sahip olmasıdır.
Özet (Çeviri)
The butterfly optimization algorithm (BOA) is a meta heuristic algorithm and is designed to solve the problem of the global optimum. The BOA is an algorithm designed as a role model for butterflies to find food and mating mates using their senses of smell, sight, taste, touch and hearing. These senses are also useful for migrating from place to place, escaping from a predator, and laying eggs in suitable places. The BOA mimics this behavior to find the optimum in the hyper search domain. In this study, an improved butterfly optimization algorithm (IBOA) is proposed to train multilayer perceptron (MLP). In the study, chaos was used to develop the IBOA algorithm. The p key, which balances the local and global search equations, is updated at each iteration with chaotic maps. The proposed IBOA algorithm was tested on 13 benchmark functions and it showed better performance than the BOA. The proposed IBOA algorithm is used to optimize the weight and bias values of MLPs. The new algorithm, MLP trained by IBOA was named IBOA-MLP. The performance of the IBOA-MLP algorithm was tested on 5 different data sets, which are frequently used in the literature, namely iris, breast cancer, heart, balloon and xor datasets. The different MLP structures were used for each data set. The IBOA-MLP was compared with four different algorithms in the literature, namely BOA-MLP based on the butterfly optimization algorithm, BAT-MLP based on the bat optimization algorithm, SMS-MLP based on the states of matter search algorithm and back propagation (BP), which were developed to train MLP. In the comparison results, it has been observed that the IBOA-MLP algorithm surpasses the BAT-MLP, SMS-MLP and BP algorithms, and even competes with the BOA-MLP algorithm head-to-head and even gets ahead in some cases. The reason for this is that the IBOA-MLP algorithm has a superior search strategy and superior ability to bypass the local optimum.
Benzer Tezler
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF. DR. METİN TALİM
- Bir pamuk iplikhanesinde fiili çalışma metodlarının incelenmesi ve mevcut işlemlerin standart sürelerinin saptanması
Başlık çevirisi yok
MÜRŞİDE KESEROĞLU
Yüksek Lisans
Türkçe
1985
İşletmeEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA NAZMİ ERCAN
- Barajların hacim-verim ilişkisi üzerine bir araştırma
Başlık çevirisi yok
MEHMET KILIÇARSLAN
Yüksek Lisans
Türkçe
1987
İnşaat MühendisliğiÇukurova Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. TEFARUK HAKTANIR
- Çiğit ve ayçiçek yağlarının doğal antioksidan içerikleri ile bu yağların stabilitelerinin arttırılmaları üzerinde araştırmalar
Başlık çevirisi yok
ALİ KEMAL YALNIZ
Doktora
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. MAHİR ÇOLAKO¦LU
- Computer aided design of lumped and distributed broadband matching and filtering networks
Başlık çevirisi yok
ADNAN KÖKSAL
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NEVZAT YILDIRIM