Yapay sinir ağlarının eğitimi için salp sürü optimizasyonu algoritmasının iyileştirilmesi
Improvement of salp swarm optimization algorithm for training of artificial neural networks
- Tez No: 743583
- 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: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: 58
Özet
Son yıllarda popülerlik kazanan meta sezgisel algoritmalardan birisi de salp sürü optimizasyon algoritmasıdır (SSA). Derin okyanuslarda yaşayan bu canlılar besin bulmak ve yer değiştirmek için gruplar halinde dolaşırlar. Salplar dairesel bir zincir şeklinde ilerleyerek daha hızlı besin arama ve koordineli yer değiştirme yeteneği ile SSA algoritmasına ilham olmuşturlar. Bu tez çalışmasında çok katmalı algılayıcıları (ÇKA) eğitmek için iyileştirilmiş salp sürü algoritması (İSSA) önerilmiştir. İSSA çalışmasında arama uzayının keşfi ve global en iyi değere en hızlı şekilde ulaşmak için trigonometrik fonksiyonlardan ve rassallıktan yararlanılmıştır. Aynı zamanda metasezgisel algoritmaların genel problemlerinden biri olan yerel optimuma takılma sorunundan kaçınmak için kaos haritalarından yararlanılmıştır. Önerilen İSSA algoritması yapay sinir ağları (YSA) eğitimlerinde ağırlık ve bias değerlerinin optimum noktaya getirilmesi için kullanılmıştır. ÇKA'ları eğitmek için kullanılan İSSA bu tez çalışmasında İSSA-ÇKA olarak adlandırılmıştır. İSSA-ÇKA algoritmasının başarısını ölçmek için literatürde en çok kullanılan beş farklı veri seti ele alınmış farklı ÇKA yapıları kullanılmış ve iki farklı optimizasyon algoritması ile kıyaslama yapılmıştır. Kullanılan veri setleri xor, balon, iris, meme kanseri ve kalp veri setidir. SSA tabanlı İSSA-ÇKA algoritması, SSA-ÇKA ve SMS algoritması tabanlı SMS-ÇKA ile kıyaslanmaktadır. Kıyaslama sonucunda ortalama doğruluk oranlarında İSSA-ÇKA algoritmasının SMS-ÇKA algoritmasını üstün bir başarı ile geçtiği, SSA-ÇKA algoritmasını ise beş farklı veri setinden xor, balon, iris ve kalp veri setlerinde geçtiğini, meme kanseri veri setinde ise SSA-ÇKA algoritmasının İSSA-ÇKA algoritmasını geçtiği görüşmüştür. İSSA-ÇKA algoritmasının arama uzayını daha iyi keşfederek global en iyi noktasına ulaşmayı hedeflemiştir. İSSA-ÇKA algoritmasının global en iyi noktasına diğer algoritmalara göre düşük iterasyonlarda daha hızlı yakınsadığı yakınsama grafikleri ile ispatlanmıştır.
Özet (Çeviri)
One of the meta-heuristic algorithms that have gained popularity in recent years is the salp swarm optimization algorithm (SSA). Living in deep oceans, these creatures roam in groups to find food and move places. Salps were inspired by the SSA algorithm with their ability to move in a circular chain, faster foraging, and coordinated displacement. In this thesis, an improved salp swarm algorithm (ISSA) is proposed to train multilayer perceptrons (MLP). In the ISSA study, trigonometric functions and randomness were used to maintain the balance of exploration and exploitation of the search space. At the same time, chaos maps are used to avoid the problem of getting stuck in the local optimum, which is one of the general problems of metaheuristic algorithms. The proposed ISSA algorithm is used to optimize the weight and bias values in artificial neural networks (ANN) training. ISSA used to train MLPs is named ISSA-MLP in this thesis. To measure the success of the ISSA-MLP algorithm, five different datasets most commonly used in the literature were handled, different MLP structures were used, and a comparison was made with two different optimization algorithms. The datasets used are xor, balloon, iris, breast cancer, and heart dataset. The SSA-based SSA-MLP algorithm is compared with the SSA-MLP and the SMS algorithm-based SMS-MLP. As a result of the comparison, in average accuracy rates, the ISSA-MLP algorithm passed the SMS-MLP algorithm with superior success, the SSA-MLP algorithm passed the xor, balloon, iris, and heart datasets from five different datasets, and the SSA-MLP algorithm in the breast cancer dataset was found to be ISSA-MLP algorithm. It was discussed that he passed the MLP algorithm. It aimed to reach the global best point by better exploring the search space of the ISSA-MLP algorithm. It is shown in the line graphs that the ISSA-MLP algorithm converges to the global best point faster with a slightly less number of iterations compared to other algorithms.
Benzer Tezler
- Yapay sinir ağlarının eğitimi için kelebek optimizasyonu algoritmasının iyileştirilmesi
Improvement of butterfly optimization algorithm for training of artificial neural networks
BÜŞRA IRMAK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞABAN GÜLCÜ
- Yapay sinir ağı eğitimi için çoklu evren optimizasyonu ve tavlama benzetimi algoritması ile yeni bir melez meta-sezgisel model önerisi
A new hybrid meta-heuristic model proposal with multiverse optimization and simulated annealing algorithm for artificial neural network training
ÖMER YILMAZ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM ALPASLAN ALTUN
- Yapay sinir ağlarının yapay alg algoritması ile eğitimi
Artificial algae algori̇thm on training artificial neural networks
BAHAEDDİN TÜRKOĞLU
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERSİN KAYA
- Yapay sinir ağlarının girdap arama algoritmasıyla eğitilmesi
Training artificial neural networks with vortex search algorithm
ZAINAB ABDULLAH JALIL JALIL
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TAHİR SAĞ
- Pi-sigma yapay sinir ağlarının diferansiyel gelişim algoritması ile eğitimi
The training of pi-sigma artificial neural networks with differential evolution algorithm
OĞUZHAN YILMAZ