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: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 118
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
- İmalat sistemlerinin tasarlanması ve öncelik kurallarının belirlenmesinde yapay sinir ağlarının kullanılması
Başlık çevirisi yok
TARIK ÇAKAR
Doktora
Türkçe
1997
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. AYHAN TORAMAN
- 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
- Sınıflandırma problemlerine destek vektör regresyon tabanlı doğrusal olmayan yeni bir yaklaşım
A new nonlinear approach based on support vector regression to classification problems
ESRA BETÜL KINACI
- Acil durumlarda yaya tahliyesi için grup davranışı içeren sosyal kuvvet modeli önerisi
Proposal of social force model including group behaviour for pedestrian evacuation in emergency situations
YAKUP TURGUT
Yüksek Lisans
Türkçe
2017
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. CAFER ERHAN BOZDAĞ
- Yumuşak hesaplama yöntemlerinin geliştirilmesi ve elektriksel sürücülerdeki uygulamaları
The improvement of soft computing methods and its applications in electric drives
MEHMET KARAKÖSE
Doktora
Türkçe
2005
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ.DR. ERHAN AKIN