A hybrid approach for data classification based on mathematical modelling and improved online learning algorithm for general fuzzy min-max neural network
Genel bulanık min-maks sinir ağları için gelişmiş çevrimiçi öğrenme algoritmasına ve matematiksel modellemeye dayalı veri sınıflandırması için hibrit bir yaklaşım
- Tez No: 787671
- Danışmanlar: DOÇ. DR. EREN ÖZCEYLAN
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Makine öğrenmesi, Matematiksel programlama, Sinir ağları, Veri madenciliği, Çevrimiçi öğrenme, Machine learning, Mathematical programming, Nerve net, Data mining, Online learning
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bulanık Min-Maks Sinir Ağı (BMMS), sınıflandırma ve kümeleme görevleri için hiper kutular kullanan bir makine öğrenimi algoritmasıdır. Bulanık verilerin temsiline izin veren hiper-kutu bulanık kümeleri kullanılarak oluşturulmuştur. Bu, BMMS'yi özellikle belirsiz ve kesin olmayan verilerin işlenmesinde etkili kılar. BMMS sınıflandırması ve kümelemesinin her ikisi de bu konsepte dayalıdır ve bu da onu çeşitli uygulamalar için güçlü bir araç haline getirir. Karma tamsayılı programlama modelleri, diğer yöntemlere kıyasla gelişmiş performans ve genel optimallik sunabilir, ancak ikili değişkenlerin varlığından dolayı büyük veri kümelerini işleme yetenekleri sınırlıdır ve optimal olarak çözülmesi zor olabilir. Bu tezde, iyi bilinen bir yayın tarafından önerilen KTDP modelini bir başlangıç çözümü sağlayarak geliştirmeyi amaçlıyoruz. Bu tez, karma tamsayılı doğrusal programlamayı (KTDP) ve genel bulanık min-maks sinir ağları için geliştirilmiş bir çevrimiçi öğrenme algoritmasını (GÇÖ_GBMM) birleştiren yeni bir hibrit yaklaşım sunar. GÇÖ_GBMM yöntemi, KTDP modelinin verimliliğini artırmak amacıyla başlangıç kutularını oluşturmak için kullanılır. Yeni hibrit yaklaşım hem gerçek hem de yapay veri kümeleri üzerinde test edildi ve verimli olduğu gösterildi. Yeni hibrit yaklaşım, eğitim süresini 76 kata kadar hızlandırır ve yanlış sınıflandırılan verilerin sayısını 17 kata kadar azaltır.
Özet (Çeviri)
The Fuzzy Min-Max Neural Network (FMNN) is a machine learning algorithm that utilizes hyper-boxes for classification and clustering tasks. It is built using hyper-box fuzzy sets, which allow for the representation of fuzzy data. This makes FMNN particularly effective for handling uncertain and imprecise data. Both the FMNN classification and clustering are based on this concept, making it a powerful tool for a variety of applications. Mixed integer programming models can offer improved performance and global optimality compared to other methods, but they are limited in their ability to handle large datasets because of the presence of binary variables and can be difficult to solve optimally. In this thesis, we aim to enhance the MILP model proposed by a well-known publication by providing an initial solution. This thesis presents a new hybrid approach that integrates mixed integer linear programming (MILP) and an improved online learning algorithm for general FMNN (IOL_GFMM). The IOL_GFMM method is employed to generate initial hyper-boxes to enhance the efficiency of the MILP model. The new hybrid approach is tested on both real and artificial datasets and has been shown to be efficient. The new hybrid approach significantly speeds up training time by up to 76 times and reduces the number of misclassified data by up to 17 times.
Benzer Tezler
- Türkiye'de kurulu güç dağılımı dengelemesiyle rüzgardan enerji üretiminin üniformlaştırılması
Uniformizing energy production from wind through installed capacity balancing in Turkey
CANSU ŞİMAL BAĞLI
Yüksek Lisans
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. BURAK BARUTÇU
- Lojistik sistemlerin yapay sinir ağları ile modellenmesi, gerçeklenmesi ve kontrolü
Modeling, implementation and control of logistics systems using artificial neural networks
MURAT ERMİŞ
Doktora
Türkçe
2005
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF.DR. FÜSUN ÜLENGİL
- ARA integral dönüşümü yöntemi ile hiperbolik denklemlerin çözümü
Solution of hyperbolic equations via ARA integral transform method
AYŞİN ÇOLAK BALCI
- İmalat sistemlerinin tasarlanması ve öncelik kurallarının belirlenmesinde yapay sinir ağlarının kullanılması
<the use of neural networks in determination of the manufacturing systems design and dispatching rules
TARIK ÇAKAR
Doktora
Türkçe
1997
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. AYHAN TORAMAN
- Konut projelerinde ön tasarım aşamasında kaba inşaat maliyetlerinin yapay sinir ağları ile tahmin edilmesi
Estimation of rough construction costs in the preliminary design phase of residential projects using artificial neural networks
BOĞAÇHAN ŞERBETCİOĞLU
Yüksek Lisans
Türkçe
2026
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. FATMA PINAR ÇAKMAK