Yapay sinir ağları ile veriye dayalı modelleme için diferansiyel evrim tabanlı bir nöroevrim uygulaması
A neuroevolution application based on differential evolution for data driven modeling with artificial neural network
- Tez No: 875871
- Danışmanlar: DOÇ. BARIŞ BAYKANT ALAGÖZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 47
Özet
Yapay sinir ağları modellerinin eğitimi geriye yayılım yöntemi ile etkili bir şekilde yapılabilmektedir. Ancak, ağın öğrenme kalitesi ve uygulama başarısını artırabilmek için eğitim kümesi verilerine uygun optimal ağ mimarisinin belirlenmesi gerekmektedir. Yaygın olarak ağın mimari optimizasyonu manüel olarak bir uzman tecrübesine dayanarak yapılmaktadır ve bu bağımlılık otonom akıllı sistem uygulamaları için bir dezavantaj oluşturmaktadır. YSA ağ mimarisi, temelde veri kümesinden öğrenmek için kullanılan modelin karmaşıklığını belirlemektedir. Optimal mimariye sahip olmayan yapay sinir ağlarının eğitiminde aşırı öğrenme veya aşırı genelleme gibi eğitim sorunları görülebilmekte ve yapay sinir ağı modelinin uygulama performansını düşürebilmektedir. Nöroevrim alanı, yapay sinir ağının performansını iyileştiren yönde değişim ve evrim süreçlerini araştırır. Böylece optimal performansa sahip yapay sinir ağı modelini geliştirmeyi amaçlar. Bu tez çalışmasında diferansiyel evrim algoritması ile yapay sinir ağı mimarisini optimize eden bir nöroevrim uygulaması çalışılmış, ve ev enerji yükü tahmin probleminde bir uygulanması Matlab ortamında gerçekleştirilmiştir. Konutların ısıtma yükü tahmin probleminde yapay sinir ağı modelinin mimari optimizasyonu için ortalama mutlak hata tabanlı ve belirlilik katsayısı tabanlı amaç fonksiyonlarının performansları incelenmiştir ve önerilmiş bazı amaç fonksiyonlarının performansları ile karşılaştırılmıştır.
Özet (Çeviri)
Training of artificial neural network models can be performed effectively by using the back propagation method. However, in order to increase training quality and application success of the network, it is necessary to determine the optimal network architecture according to data in training set. The architectural optimization of neural networks is commonly carried out manually, this process needs expert experience, and this dependence becomes a disadvantage for autonomous intelligent system applications. ANN network architectures essentially determine the complexity of the model that is used to learn from the dataset. Training problems such as overfitting and overgeneralization may occur in case of the training of artificial neural networks that do not have an optimal architecture, and this may decrease the application performance of the artificial neural network model. The field of neuroevolution investigates the processes of changes and evolution of artificial neural networks on the way of improving their performance. Thus, it aims to develop an artificial neural network model that has optimal performance. In this thesis study, a neuroevolution application, which optimizes the artificial neural network architecture by using the differential evolution algorithm, has been studied, and an application to residential energy load estimation problem is carried out in Matlab programming environment. In residential heating load estimation problem, the performances of mean absolute error-based objective function and coefficient of determination based objective function were investigated for the architectural optimization of the artificial neural network model and compared with the performances of some proposed objective functions.
Benzer Tezler
- Gerçek zamanlı endüstriyel kontrol sistemleri için makine öğrenmesi temelli yaklaşımlar
Machine learning approaches for real-time industrial control systems
SÜLEYMAN MANTAR
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiBursa Uludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERSEN YILMAZ
- Yapay sinir ağları ve asm2 kullanılarak aktif çamur prosesinin kontrolü ve modellenmesi
Control and modelling of activated sludge process by using artificial neural networks and asm2
CUMHUR ÖZTÜRK
Doktora
Türkçe
2007
Çevre MühendisliğiHacettepe ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞENUR UĞURLU
- İçme suyu dağıtım şebekelerinde serbest bakiye klor konsantrasyonlarının deterministik ve veriye dayalı modelleme teknikleri kullanarak yönetimi
Management of free residual chlorine concentrations in water distribution networks using deterministic and data-driven modeling techniques
İBRAHİM ETHEM KARADİREK
Doktora
Türkçe
2014
Çevre MühendisliğiAkdeniz ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. HABİB MUHAMMETOĞLU
PROF. DR. SELÇUK SOYUPAK
- Hatay bölgesi rüzgar enerjisi potansiyelinin olasılık dağılımları ve yapay sinir ağları ile modellenmesi
Modeling wind energy potential of Hatay region using probability distributions and artificial neural networks
İLKER MERT
Doktora
Türkçe
2018
Makine Mühendisliğiİskenderun Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. CUMA KARAKUŞ
- Destek vektör regresyonu ile PID kontrolör tasarımı
Design of PID controller via support vector regression
KEMAL UÇAK
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLAY ÖKE