Sembolik regresyon için immün plazma algoritması tabanlı yeni bir programlama yaklaşımının geliştirilmesi
Development of a new programming approach based on immune plasma algorithm for symbolic regression
- Tez No: 800732
- Danışmanlar: DR. ÖĞR. ÜYESİ HASAN BADEM, DOÇ. DR. SELÇUK ASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 49
Özet
Bir sistemin giriş ve çıkış değerleri arasındaki matematik modelinin elde edilmesi gerçek dünya problemleri açısından oldukça önemlidir. Geleneksel istatistiksel yöntemler ile regresyon analizi gerçekleştirilerek matematik modeli bulunabilmektedir. Fakat, giriş ve çıkış verisi arasında, geleneksel yöntemlerin sınırlılıkları nedeniyle genellikle modelleme gerçekleştirilememektedir. Yapay zekâ temelli sembolik regresyon yöntemleri ile bu sınırlılığın üstesinden gelinebilmektedir. Sembolik regresyon problemlerinin çözümünde genellikle genetik programlama, karınca programlama, yapay bağışıklık sistemi programlama ve yapay arı koloni programlama gibi otomatik programlama yöntemleri kullanılmaktadır. Otomatik programlama yöntemleri, model oluştururken kullanılacak fonksiyonlar, terminaller ve algoritmaya özgü parametreleri giriş olarak almaktadır. Bu değerler ile üzerinde çalışılan problem için çözüm üretmeyi amaçlamaktadır. Bu tezde, immün plazma algoritmasına dayanan popülasyon tabanlı SIPP ve GIPP olmak üzere otomatik programlama yöntemleri geliştirilmiştir. Geliştirilen yöntemler çeşitli sembolik regresyon test problemleri üzerinde test edilmiştir. Buna ek olarak test sonuçları literatürde oldukça kullanılan genetik programlama ve yapay arı koloni programlama yöntemiyle karşılaştırılmıştır. Ayrıca, SIPP ve GIPP yöntemleri gerçek dünya problemi olan Box-Jenkins veri seti üzerinde çalıştırılmıştır. Çalışmalarda elde edilen bulgulara dayanarak sembolik regresyon problemlerinin modellenmesinde önerilen SIPP ve GIPP yöntemlerinin görece daha etkin aday çözüm bulabileceği öngörülmektedir.
Özet (Çeviri)
Obtaining the mathematical model between the input and output values of a system is very important for real world problems. A mathematical model can be found by performing regression analysis with conventional statistical methods. However, modeling between input and output data is generally not fit to actual model because of the limitations of conventional methods. This limitation can be overcome by using artificial intelligence-based symbolic regression methods. In the solution of symbolic regression problems, automatic programming methods such as genetic programming, ant programming, artificial immune system programming and artificial bee colony programming are used. Input the functions, terminals and algorithm-specific parameters is utilized in Automatic programming methods depends on the modeling. . This process is aimed to produce a alternative solution over the mentioned parameters. In this study, automatic programming methods have been developed, including SIPP and GIPP, based on the immune plasma algorithm. The developed methods have been tested on various symbolic regression test problems. In addition, the obtained results have been compared with the genetic programming and artificial bee colony programming method, which are widely used in the literature. Moreover, the proposed SIPP and GIPP methods are run on the Box-Jenkins dataset, which is a real world problem. Based on the findings obtained in the studies, it is predicted that the proposed SIPP and GIPP methods in modeling symbolic regression problems can find relatively more effective candidate solutions.
Benzer Tezler
- Yapay arı koloni programlama (ABCP) yöntemlerinin geliştirilmesi ve sembolik regresyon problemlerine uygulanması
Developing new artificial bee colony programming (ABCP) methods and symbolic regression applications
BEYZA GÖRKEMLİ
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DERVİŞ KARABOĞA
- Makine öğrenmesi uygulamalarında yapay arı koloni programlama temelli yeni yöntemlerin geliştirilmesi
Development of new methods based on artificial bee colony programming in machine learning applications
SİBEL ARSLAN
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CELAL ÖZTÜRK
- Solving automatic programming problems with firefly programming method
Ateşböceği programlama yöntemi ile otomatik programlama problemlerinin çözülmesi
MOHAMED ALIWI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERCAN DEMİRCİ
DOÇ. DR. SELÇUK ASLAN
- Reflectarray antenna design using artificial intelligence
Yapay zeka kullanılarak yansıtıcı dizi anten tasarımı
ALPER ÇALIŞKAN
Doktora
İngilizce
2019
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. FİLİZ GÜNEŞ
- Sembolik regresyon temelli öznitelik çıkarımı ile yüksek mertebeden sinir ağı tasarımı: Elektrik tüketim tahmini
High-order neural network design with symbolic regression based feature extraction: Electricity consumption forecasting
SENEM YILDIZ
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİzmir Demokrasi ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELAMİ BEYHAN