Minmad regresyon problemine sinir ağları yaklaşımı
The Approach of nevral networks to minmad regression model
- Tez No: 83467
- Danışmanlar: DOÇ. DR. AYŞEN APAYDIN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1999
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Türkan ERBAY Ankara Üniversitesi Fen Bilimleri Enstitüsü İstatistik Anabilim Dalı Danışman : Doç. Dr. Ayşen APAYDIN Jüri : Doç. Dr. Meral SUCU Yrd. Doç. Dr. Y ılmaz AKDİ Doç. Dr. Ayşen APAYDIN Bu çalışmada, çoklu regresyon problemi doğrusal programlama problemi olarak modellenmiş, sonra çoklu regresyon modelinin bilinmeyen parametrelerinin tahmini için ortalama mutlak sapmaların en küçüklenmesi (MİNMAD ya da L, normu) kriteri kullanılmıştır. MİNMAD kriteri, uç noktalara bilinen en küçük kareler yönteminden daha duyarlı sonuçlar yermektedir. MİNMAD kriterinin kullanıldığı tahmin problemi doğrusal programlama problemi olarak formüle edilmiş ve sinir ağları ile çözümlenmiştir. Çalışmanın sonunda klasik regresyon metodu ile sinir ağları metodu sayısal örnekler ile karşılaştırılmıştır. 1999, 69 sayfa ANAHTAR KELİMELER : MİNMAD Regresyonu, çoklu regresyon, sinir ağları.
Özet (Çeviri)
Türkan ERBAY Ankara University Graduate School of Natural and Applied Science Department of Statistics Supervisor : Assoc. Prof. Dr. Ayşen APAYDIN Jury : Assoc. Prof. Dr. Meral SUCU Asst. Prof. Dr. Yılmaz AKDİ Assoc. Prof. Dr. Ayşen APAYDIN In this work, the multiple regression problem is modelled as a Linear Programming problem. Then the Minimum Mean Absolute Deviations (MİNMAD) (or L, norm) criterion for estimating the unknown parameters of a multivariate multiple regression model, is used. The MINMAD criterion is more sensitive to outliers than the popular least square procedure. Using the MİNMAD criterion the estimation problem is formulated as a Linear Programming and solved by Neural Network. At the end of this work, the classical regression medhot and neural network methot are compared using numerical examples. 1999, Page: 69 Key Words : Minimum Mean Absolute Deviations (MINMAD), Multiple Linear Regressions, Neural Networks. 11
Benzer Tezler
- Çok değişkenli çoklu regresyon modelinin bulanık MINMAD problemi olarak modellenmesi ve global kriter yöntemiyle çözümü
Global criteria method for solving multivariate multiple regression model modelled as fuzzy MINMAD problem
DEMET BAKIN
- Hedef programlama olarak modellenmiş MINMAD regresyon problemine genetik algoritma yaklaşımı
Başlık çevirisi yok
ÖZLEM MÜGE AYDIN
- Regresyon analizi ve matematiksel programlama arasındaki ilişki
On the relationship between regression analysis and mathematical programming
ESRA ERTAN
Yüksek Lisans
Türkçe
2008
Matematikİstanbul ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. İ. MÜFİT GİRESUNLU
- Jeodezik ağların dengelenmesinde hedef programlama tekniği
Goal programming technique in geodetic network adjustment
MUSTAFA ŞİMŞEK
Yüksek Lisans
Türkçe
2008
Jeodezi ve FotogrametriAnkara Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. FİKRİ ÖZTÜRK
- Matematiksel programlamanın istatistikte uygulamaları
The applications of mathematical programming in statistics
HÜLYA TOSUN
Yüksek Lisans
Türkçe
2002
MatematikÇukurova ÜniversitesiMatematik Ana Bilim Dalı
DOÇ. DR. SELAHATTİN KAÇIRANLAR