Bulanık dalgacık çekirdek tabanlı aşırı öğrenme makineleri yaklaşımı ile sınıflandırma analizi
Classification analysis with fuzzy wavelet kernel extreme learning machines approach
- Tez No: 836980
- Danışmanlar: DOÇ. DR. ÖZER ÖZDEMİR
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Teorisi Bilim Dalı
- Sayfa Sayısı: 86
Özet
Sınıflandırma problemleri, günlük hayatta farklı veri tiplerinde sıklıkla karşılaşılan problemlerden biridir. Son zamanlarda bu tarz problemlerin giderilmesi için çeşitli makine öğrenmesi algoritmaları önerilmiştir ve bu algoritmaların kendine özgü bazı avantajları bulunmaktadır. Dalgacıkların zaman-frekans yerelleştirme özellikleri, yapay sinir ağının öğrenme yetenekleri, bulanık çıkarım sisteminin yaklaşık muhakeme özelliği ve aşırı öğrenme makinesi algoritmasının son derece yüksek öğrenme hızında tek geçişli öğrenme ve iyi genelleme performansı gibi avantajları sınıflandırma problemlerinde etkili bir çözüm ortaya koyacak özellikleri sergileyebilmektedir. Bu bağlamda, bu tez çalışması bu avantajları birleştirerek bulanık dalgacık çekirdek tabanlı aşırı öğrenme makinesi (FWKELM) adı verilen yeni bir yapı sunmaktadır. FWKELM'nin ana hedefleri, doğrusal öğrenme parametrelerinin sayısını azaltarak ağ karmaşıklığını önemli ölçüde azaltmak ve kabul edilebilir doğruluk ve genelleme performansları korumaktır. Önerilen yapıda, her bulanık kural bir alt dalgacık sinir ağına karşılık gelmektedir ve farklı genişleme ve ötelemelere sahip dalgacıklardan oluşmaktadır. Çalışma kapsamında, öncelikle bir Mexican Hat dalgacığının kabul edilebilir bir aşırı öğrenme makinesi algoritması (ELM) çekirdeği olduğu gösterilmiş ve daha sonra bir bulanık model ile çekirdek tabanlı aşırı öğrenme makinesine eşdeğerliği kanıtlanmıştır. FWKELM'nin sınıflandırma doğruluğunu değerlendirmek için farklı tip sınıflandırma problemleri üzerinde çeşitli popüler yöntemler ile karşılaştırılmıştır. Simülasyon sonuçları, önerilen yaklaşımın daha robust yapıda olduğu ve dikkate değer verimliliğini göstermiştir.
Özet (Çeviri)
Classification problems are one of the problems frequently encountered in different data types in daily life. Recently, various machine learning algorithms have been proposed to solve such problems, and these algorithms have some unique advantages. The time-frequency localization properties of wavelets, the learning capabilities of the artificial neural network, the approximate reasoning feature of the fuzzy inference system, and the advantages of the extreme learning machine algorithm such as one-pass learning at an extremely high learning speed and good generalization performance can present an effective solution for classification problems. In this context, this thesis combines these advantages and presents a new structure called fuzzy wavelet kernel-based extreme learning machine (FWKELM). The main goals of FWKELM are to significantly reduce network complexity by reducing the number of linear learning parameters and maintain acceptable accuracy and generalization performances. In the proposed structure, each fuzzy rule corresponds to a sub-wavelet neural network and consists of wavelets with different dilation and translation. Within the scope of the study, firstly, it is shown that a Mexican Hat wavelet is an acceptable extreme learning machine algorithm kernel, and then its equivalence to a kernel extreme learning machine is proven with a fuzzy model. To evaluate the classification accuracy of FWKELM, it is compared with various popular methods on different type classification problems. The simulation results show that the proposed approach is more robust and has remarkable efficiency.
Benzer Tezler
- Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi
Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids
ALPER YILMAZ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- Hiperspektral görüntülerin eğiticisiz bölütlenmesi
Unsupervised segmentation of hyperspectral images
GÖKHAN BİLGİN
Doktora
Türkçe
2009
Bilim ve TeknolojiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SARP ERTÜRK
PROF. DR. TÜLAY YILDIRIM
- A new fuzzy wavelet neural network design for time series prediction
Zaman serisi kestirimi için yeni bir dalgacık bulanık ağ tasarımı
SEVCAN YILMAZ
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF OYSAL
- Kontrol ve sistem tanımlama uygulamaları için çok katmanlı dinamik bulanık ağ tasarımları
Multilayer dynamic fuzzy neural network design for control and system identification applications
SEVCAN YILMAZ
Doktora
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF OYSAL
- Dalgacık bulanık zaman serisi yöntemi ile aylık akım tahmini
Monthly river discharge prediction by wavelet fuzzy time series method
EYYUP ENSAR BAŞAKIN
Yüksek Lisans
Türkçe
2018
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ÖZGER