Narrowing the boundary region of rough sets using neural networks
Sinirsel ağlar kullanarak kaba kümelerin sınır bölgesinin daraltılması
- Tez No: 90714
- Danışmanlar: DOÇ. DR. AYDAN ERKMEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirsizlik, Kaba Küme Teorisi, Yapay Sinir Ağlan, Meme Kanseri, Görüntü Bölütleme. vı DOKÜMANTASYON MEBKEZİ, Uncertainty, Rough Set Theory, Artificial Neural Networks, Breast Cancer, Image Segmentation. IV
- Yıl: 1999
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 142
Özet
? ? oz SİNİRSEL AĞLAR KULLANARAK KABA KÜMELERİN SINIR BÖLGESİNİN DARALTILMASI Topallı, İhsan Yüksek Lisans, Elektrik ve Elektronik Mühendisliği Bölümü Tez Yöneticisi: Doç. Dr. Aydan M. Erkmen Aralık 1999, 128 sayfa Gerçel dünyadan çıkartılan bilgi genellikle eksik, karışık ve çoğunlukla tutarsız olup, dolayısı ile belirsizdir. Karar verme ve denetim gibi birçok mühendislik dizgelerinde, bu belirsizlik en iyi şekilde en aza indirgenmelidir. Bu çalışmanın esas noktası, belirsizliğin benzeklenmesi ve karar verme dizgelerinin bilgi gösterimindeki bu belirsizliğin en iyi şekilde azaltılmasıdır. Burada, belirsizlik benzeği olarak kaba küme kuramı kullanılmıştır. Kaba küme kuramında, ilgili kümeye ait oldukları kesinlikle bilinen ortam nesneleri, bu kümenin alt yaklaşımını oluşturur. Ayrıca, elemanlarının, kümenin içinde olup olmadıkları bilinemeyen bölgeye de sınır bölgesi, yani belirsizlik bölgesi adı verilir. Sınır bölgesinin daraltmak için, bu bölgenin elemanları içerisinden, kesin üyelerle benzer bilgi taşıyanların alt yaklaşıma geçirilmeleri gerekir. Böyle elemanları ayırtetmek için ise, alt yaklaşımın elemanları tarafından taşman bilginin uygun bir araç ile benzeklenmesi gerekir. Bu çalışmada, benzekleme aracı olarak yapay sinirsel ağlar kullanılarak bir yöntem geliştirilmiştir. Öğrenme algoritmaları olarak, starndart geri-yayıhm, momentum güncellemen" geri-yayılım, ağırlık azaltmalı geri-yayılım ve hem momentum güncellemeli hem ağırlık azaltmalı geri- yayılımdır. Geliştirilen algoritma, meme kanseri ve görüntü bölütleme verisi ile sulanmıştır. Sınıflandırma başanmımn en iyi %96,779 ve sınır büyüklüğünün, toplam veri sayışırım %2,49'i olduğu en iyi sonuç momentum güncellemeli geri- yayılım yöntemi ile elde edilmiştir.
Özet (Çeviri)
ABSTRACT NARROWING THE BOUNDARY REGION OF THE ROUGH SETS USING NEURAL NETWORKS Topallı, İhsan M. S., Department of Electrical and Electronics Engineering Supervisor: Assoc. Prof. Aydan M. Erkmen December 1999, 128 pages Knowledge extracted from the real world is generally incomplete, imprecise and possibly inconsistent; thus, uncertain. In engineering systems involving decision making and control, this uncertainty should generally be minimized in an optimum way. The main point of interest in this thesis is the modeling of uncertainty and the optimum reduction of this uncertainty in knowledge representation of decision making systems. Here, rough set theory is used as the uncertainty model. In rough set theory, the domain objects which are known with certainty to belong to the set of interest constitute the lower approximation of this set; and the region where the elements of that region is not known to be inside or outside the set is called the boundary region, i.e., the region of uncertainty. In order to make the boundary region narrower, among the elements of that region, the ones which carry similar 111information as the exact members should be moved to the lower approximation. To distinguish these elements, the information carried by the elements of the lower approximation should be modeled by using a suitable tool. In this thesis, an algorithm is developed using artificial neural networks as the modeling tool that learns the elements of the lower approximation. As learning algorithms, four methods based on standard backpropagation are used. These are standard backpropagation, backpropagation with momentum updating, backpropagation with weight decay and backpropagation with both momentum updating and weight decay. The developed algorithm is tested with the breast cancer and image segmentation data. The best result is obtained by backpropagation with momentum updating method for which the success of classification is 96.779% and the boundary size is the 2.49% of the total number of data.
Benzer Tezler
- Francis Türbinli Tesislerde Dönen Vorteks Çekirdeğinin geçici rejimlere etkisinin rolü
An Investigation on the influence of rotating vortex rope on transiet working conditions for Francis turbine power plants
METİN GÜLEÇ
- Küt cisimlerde sürüklenme kuvvetinin azaltılması için kilitlenmiş girdap oluşumlarının deneysel yöntemlerle araştırılması
Başlık çevirisi yok
ŞEREF ERKARA
Doktora
Türkçe
1997
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak Mühendisliği Ana Bilim Dalı
PROF. DR. M. ZEKİ ERİM
- Kemalpaşa-Dağkızılca (İzmir) bölgesinin jeolojisi
The Geology of the Kemalpaşa-Dağkızılca (İzmir) region
A.HALDUN OKUROĞULLARI
- Koroner arterlerde kan akışının çok fazlı etkilerinin deneysel ve sayısal incelenmesi
Experimental and numerical investigation of multiphase effects of blood flow in coronary arteries
ORHAN YILDIRIM
Doktora
Türkçe
2023
KardiyolojiAtatürk ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞENDOĞAN KARAGÖZ