Öngörü problemi için yeni derin geri beslemeli melez yapay sinir ağları
New deep recurrent hybrid neural networks for forecasting problem
- Tez No: 877120
- Danışmanlar: PROF. DR. EREN BAŞ
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Giresun Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Öngörü problemlerinin çözümünde hem klasik öngörü yöntemleri hem de makine öğrenmesi yöntemleri kullanılmaktadır. Makine öğrenmesi yöntemlerinden biri olan derin yapay sinir ağları bu problemlerin çözümünde yaygın olarak kullanılmaktadır. Derin yapay sinir ağlarının bir türü olan basit geri beslemeli yapay sinir ağları, kullandıkları parametre sayısının diğer geri beslemeli ağlara göre az olması nedeniyle öngörü problemlerinin çözümünde sıklıkla tercih edilmektedir. Diğer yandan klasik öngörü yöntemlerinden biri olan basit üstel düzleştirme yöntemi, öngörü problemlerinin çözümündeki başarısıyla dikkat çekmektedir. Bu çalışmada öngörü problemlerinde başarılı sonuçlar veren bu iki yöntemin bir arada kullanıldığı melez yaklaşımlar önerilmektedir. Önerilen yapay sinir ağlarının eğitiminde sinüs kosinüs optimizasyon ve parçacık sürü optimizasyon algoritmalarına dayalı yeni eğitim algoritmaları önerilmektedir. Bu eğitim algoritmalarında aşırı uyum ve yerel optimum problemlerinin önüne geçmek amacıyla yeniden başlatma ve erken durdurma gibi iki farklı çözüm stratejisi kullanılmaktadır. Önerilen yöntemlerin öngörü performansı mevsimsel bileşen içeren ve içermeyen çeşitli zaman serileri kullanılarak analiz edilmiştir. Önerilen yöntemlerin hem sığ ve derin yapay sinir ağları hem de rastgele yürüyüş yönteminden daha iyi öngörü sonuçları üretebildiği görülmüştür.
Özet (Çeviri)
Both classical forecasting methods and machine learning methods are used to solve forecasting problems. Deep artificial neural networks, one of the machine learning methods, are widely used in solving these problems. Simple recurrent neural networks, which are a type of deep artificial neural networks, are frequently preferred in solving forecasting problems due to the small number of parameters they use compared to other recurrent networks. On the other hand, simple exponential smoothing method, which is one of the classical forecasting methods, draws attention with its success in solving forecasting problems. In this study, hybrid approaches are proposed in which these two methods, which give successful results in forecasting problems, are used together. New training algorithms based on sine cosine optimisation and particle swarm optimisation algorithms are proposed for training the proposed neural networks. In these training algorithms, two different solution strategies such as restart, and early stopping are used to avoid overfitting and local optimum problems. The forecasting performance of the proposed methods are analysed using various time series with and without seasonal component. It is observed that the proposed methods can produce better forecasting results than both shallow and deep artificial neural networks and random walk method.
Benzer Tezler
- Geçitli tekrarlayan birime dayalı yeni bir derin melez yapay sinir ağı
A new deep hybrid artificial neural network based on gated recurrent unit
EMİNE KÖLEMEN
Doktora
Türkçe
2024
İstatistikGiresun Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. EROL EĞRİOĞLU
PROF. DR. MUSTAFA TÜRKMEN
- Urban design in education: A flexible computational spatial model
Eğitimde kentsel tasarım: Esnek bir hesaplamalı uzamsal model
MİRAY BAŞ YILDIRIM
Doktora
İngilizce
2018
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. MİNE ÖZKAR KABAKÇIOĞLU
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Hybrid reciprocal recommendation with advanced feature representations
Gelişmiş özellik gösterimleri ile hibrit çift taraflı öneri sistemleri
EZGİ YILDIRIM
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- An efficient multi-neural network ensemble model for image classification
Görüntü sınıflandırması için verimli bir çoklu-sinir ağ topluluğu modeli
VELİ NAKÇİ
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ALTUN