Yapay sinir ağlarındaki aktivasyon fonksiyonlarının doğrusal olmayan optimizasyon problemlerinin çözümüne etkileri
The effects of activation functions on artificial neural networks on the solution of nonlinear optimization problems
- Tez No: 771452
- Danışmanlar: DR. ÖĞR. ÜYESİ ARİF GÜRSOY
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Yapay Zeka, Yapay Sinir Ağı, Optimizasyon, Doğrusal Olmayan Optimizasyon, Aktivasyon Fonksiyonları, Yapay sinir ağları, Artificial Intelligence, Artificial Neural Network, Optimization, Nonlinear Optimization, Activation Functions, Non-linear optimization, Artificial neural networks, Artificial intelligence
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Optimizasyon, bir sistemde bulunan kaynakları en verimli şekilde kullanarak belirli amaçlara ulaşmamızı sağlayan bir işlemler bütünü olarak tanımlanır. Bir gerçek hayat problemini çözmek için bu problemi matematiksel olarak modelleyip en iyi şekilde çözmeye çalışırız. Problemler matematiksel olarak modellendiklerinde ortaya doğrusal veya doğrusal olmayan yapılar çıkar. Doğrusal optimizasyon problemlerin çözümü matematiksel yapısı gereği daha kolaydır ve literatürde geliştirilmiş birçok yöntem bulunmaktadır. Problemler modellendiklerinde amaç fonksiyonu veya kısıtlarının en az bir tanesi doğrusal değilse ilgili problem doğrusal olmayan optimizasyon problemi olarak isimlendirilir. Doğrusal olmayan optimizasyon problemlerinin çözümü doğrusal optimizasyon problemlerine göre daha zordur. Bu çalışmada, doğrusal olmayan optimizasyon problemlerinde, problemi çözmek için sezgisel yapı olarak yapay sinir ağı kullanılmıştır ve kullanılan yapay sinir ağında seçilen aktivasyon fonksiyonunun optimizasyon problemlerinin sonucunu nasıl etkilediği araştırılmıştır. Bu işlemler yapılırken doğrusal olmayan optimizasyon problemi için değişkenlerin tanımlı olduğu alanda bir veri kümesi oluşturularak sinir ağı eğitilmiştir. 3 farklı doğrusal olmayan optimizasyon probleminde 4 farklı aktivasyon fonksiyonu için sonuçlar analiz edilmiştir.
Özet (Çeviri)
Optimization is defined as a set of processes that allow us to achieve certain goals by using the resources available in a system in the most efficient way. In order to solve a real-life problem, we try to mathematically model this problem and solve it in the best way. When problems are modeled mathematically, linear or nonlinear structures arise. Linear optimization problems are easier to solve due to their mathematical structure, and there are many methods developed in the literature. When problems are modeled, if at least one of the objective function or constraints is not linear, the related problem is called a nonlinear optimization problem. Nonlinear optimization problems are more difficult to solve than linear optimization problems. In this study, artificial neural network was used as heuristic structure to solve the problem in nonlinear optimization problems and it was investigated how the selected activation function in the used artificial neural network affected the results of the optimization problems. While performing these operations, the neural network is trained by creating a dataset in the area where the variables are defined for the nonlinear optimization problem. The results were analyzed for 4 different activation functions in 3 different nonlinear optimization problems.
Benzer Tezler
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Low power application specific instruction set processor
Düşük güç tüketimli uygulamaya özel komut seti işlemcisi
ÇAĞLA IRMAK RUMELİLİ KÖKSAL
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN
DR. FATİH SAY
- Ferroresonance fault detection in electric power networks by artificial neural networks
Elektrik güç hatlarında ferrorezonans arızasının yapay sinir ağları ile belirlenmesi
GİZEM KULAKLI
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TAHİR ÇETİN AKINCI
- A deep neural network methods to predict aeroelastic responses of a shape memory alloy hysteretic springs based typical airfoil section
Şekil hafıza alaşımlı histeretik yay içeren tipik bir kanat kesitinin aeroelastik tepkilerinin tahmini için derin sinir ağı yöntemleri
OSMAN DAĞLI
Doktora
İngilizce
2025
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. METİN ORHAN KAYA
- Laktasyon süt verimi tahmini için yapay sinir ağlarında farklı aktivasyon fonksiyonlarının karşılaştırılması
Comparison of different activation functions in artificial neural networks for prediction of lactation milk yield
ELİF ÇETİN
