Geçitli tekrarlayan birime dayalı yeni bir derin melez yapay sinir ağı
A new deep hybrid artificial neural network based on gated recurrent unit
- Tez No: 877141
- Danışmanlar: PROF. DR. EROL EĞRİOĞLU, PROF. DR. MUSTAFA TÜRKMEN
- 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: 96
Özet
Öngörü problemlerinin çözümünde klasik öngörü yöntemlerinin yansıra yapay sinir ağları da kullanılmaya başlanmıştır. Yapay sinir ağlarının bir çeşidi olan derin yapay sinir ağları, son yıllarda öngörü probleminin çözümünde oldukça popüler hale gelmiştir. Geri beslemeli sinir ağları, diğer derin sinir ağı türlerine göre öngörü problemine daha uygun mimariler sunabilmektedir. Bu tez kapsamında geçitli geri beslemeli derin yapay sinir ağları ile üstel düzleştirme yöntemlerinin melez yaklaşımları önerilmiştir. Önerilen yaklaşımlar mevsimsel ve mevsimsel olmayan zaman serilerinin öngörü problemi için iki ayrı melez derin yapay sinir ağı yöntemidir. Önerilen mimari yapılarda geçitli geri beslemeli birim yapay sinir ağı ve üstel düzleştirme modellerinden esinlenilmiştir. Önerilen mimariye sahip yapay sinir ağlarının eğitiminde, diferansiyel gelişim algoritması ve parçacık sürü optimizasyon algoritmasını temel alan yeni eğitim algoritmaları önerilmiştir. Önerilen yöntemlerin performansları, sürdürülebilir su kaynaklarına ait sekiz farklı zaman serileri ve bu verilerin dışında dört farklı mevsimsel zaman serileri üzerinde, literatürdeki diğer önemli yapay sinir ağı modelleri ve klasik öngörü yöntemlerinin performansları ile karşılaştırılmıştır. Analizler sonucunda hem mevsimsel bileşen içermeyen hem de mevsimsel bileşen içeren zaman serileri için önerilen derin yapay sinir ağı yöntemlerinin tercih edilebilir olduğu görülmüştür.
Özet (Çeviri)
In addition to classical forecasting methods, artificial neural networks have also started to be used in the solution of forecasting problems. Deep artificial neural networks, a type of artificial neural networks, have become very popular in solving the forecasting problem in recent years. Recurrent neural networks can offer more suitable architectures for the forecasting problem than other types of deep neural networks. In this thesis, hybrid approaches of gated recurrent deep neural networks and exponential smoothing methods are proposed. The proposed approaches are two separate hybrid deep artificial neural network methods for seasonal and non-seasonal time series forecasting problem. The proposed architectures are inspired by gated recurrent unit neural network and exponential smoothing models. New training algorithms based on differential evolution algorithm and particle swarm optimisation algorithm are proposed for training neural networks with the proposed architecture. The performances of the proposed methods are compared with the performances of other important artificial neural network models and classical forecasting methods in the literature on eight different time series of sustainable water resources and four different seasonal time series out of these data. As a result of the analyses, it was found that the proposed deep neural network methods are preferable for both time series without seasonal component and time series with seasonal component.
Benzer Tezler
- Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids
Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi
FATHI FARAH FADOUL FATHI FARAH FADOUL
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR
- Makine öğrenmesi teknikleri ile sosyal medya kullanımı üzerine bir duygu analizi çalışması
A study on sentiment analysis on social media using machine learning techiques
MOHAMED GUMA IBRAHIM BODEA
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL YILDIZ
- Derin öğrenme yöntemleri ile lisans öğrencilerinin akademik performanslarına dayalı mezuniyet tahmini
Prediction of graduate students for bachelor's degree based on their academic performance using deep learning techniques
RUMEYSA ÇINAR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UĞUR GÜREL
- Uçtan uca türkçe konuşma tanıma için çıktı düzeltme metodu önerisi ve tekrarlayan sinir ağı tasarımı
Development of output correction methodology for turkish speech recognition and design of a recurrent neural network
RECEP SİNAN ARSLAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NECAATTİN BARIŞÇI
- Deep learning based sentiment analysis for cloud provider selection
Bulut sağlayıcı seçimi için derin öğrenmeye dayalı duyarlılık analizi
MUHAMMAD RAHEEL RAZA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN TANYILDIZI