Using artificial intelligence methods to improve the prediction rate and accuracy
Başlık çevirisi mevcut değil.
- Tez No: 746412
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
Extreme Learning Machine (ELM), giriş ve gizli katman arasındaki bağlantıların ağırlıklarını ve ayrıca gizli katman önyargısını rastgele başlatan tek bir gizli katman ileri beslemeli sinir ağıdır. Birkaç gizli katman ve iki gizli katman vardır. Aynı veri kümesine uygulandığında, ELM'ler, rastgele oluşturulmuş ağırlıkları ve önyargıları korumak ve gizli katmanların sayısını artırmak gibi çeşitli iyileştirmeler içerir. ELM mimarisi içinde, seyrek yöntemlere nüfuz etmek için açgözlü bir algoritma da geliştirildi ve geleneksel yöntemlere göre bir iyileştirme sağlandı. Bu araştırma, dört ELM algoritmasının test doğruluğunu inceliyor: hepsi üç veri setindeki sınıflandırma hatalarını keşfetmek için kullanılan üç normal ELM algoritması ve açgözlü tek gizli katman ELM. Çalışmaların bulgularına göre açgözlü Extreme Learning Machine algoritması yüksek bir tahmin oranına ve iyi bir tahmin doğruluğuna sahiptir.
Özet (Çeviri)
The Extreme Learning Machine (ELM) is a single-hidden-layer feed forward neural network that starts the weights for the connections between the input and hidden layer, as well as the hidden layer bias, at random. There are several hidden layers and two secret layers. When applied to the same data set, ELMs have incorporated several improvements, such as preserving the randomly generated weights and biases and increasing the number of hidden layers. Within the ELM architecture, a greedy algorithm is also developed to penetrate sparse methods and provides an improvement over conventional. This research examines the testing accuracy of four ELM algorithms: three regular ELM algorithms and a greedy single hidden layer ELM, all of which are used to discover classification faults on three datasets. According to the findings of the studies, the greedy Extreme Learning Machine algorithm has a high prediction rate and a decent prediction accuracy.
Benzer Tezler
- Yapay sinir ağları kullanılarak kısa süreli güneş enerjisi tahmini
Short term solar energy prediction by using artifical neural networks
ELA NUR ORUÇ
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZTOPAL
- Enriching predictive models using graph embeddings
Tahminleme modellerinin çizge gömmeleri kullanılarak zenginleştirilmesi
YAREN YILMAZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Dizel makinanın makina öğrenmesi yöntemi kullanılarak modellenmesi ve karar-destek mekanizması oluşturulması
Machine learning method based marine diesel engine modelling and decision-support system setting
TOLGA ŞAHİN
Doktora
Türkçe
2022
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Otomotiv sektöründe bayi bazlı talep tahmin sistemi uygulaması
Dealer based demand forecasting application in automotive industry
ESRA SAVCI BAŞTUĞ
Yüksek Lisans
Türkçe
2017
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. DİLAY ÇELEBİ
- Development of a comprehensive simulation software for spacecraft missions
Uzay aracı görevleri için kapsamlı bir simülasyon yazılımı geliştirilmesi
EMİRHAN ESER GÜL
Yüksek Lisans
İngilizce
2023
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Bilim Dalı
PROF. DR. ALİM RÜSTEM ASLAN