Geri Dön

Yapay zeka optimizasyon algoritmaları ile doğrusal olmayan regresyon modellerinde parametre tahmini

Parameter estimation of nonlinear regression models with artificial intelligence optimization algorithms

PDF İndir

  1. Tez No: 935937
  2. Yazar: MURAT AÇIKGÖZ
  3. Danışmanlar: PROF. DR. ÖZLEM TÜRKŞEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 119

Özet

Doğrusal olmayan regresyon modelleri, gerçek dünya problemlerinin modellenmesi konusunda birçok bilimsel alanda yaygın olarak kullanılmaktadır. Bu modellerde parametre tahmini, hata kareler toplamının minimizasyonuna dayalı bir optimizasyon probleminin çözümü olarak gerçekleştirilmektedir. Amaç fonksiyonunun türevlenebilir olmaması, yerel minimum tuzaklarına takılma, hesaplama süresinin uzaması gibi nedenlerden dolayı geleneksel yöntemlerle modelin optimizasyon süreci zorlaşmaktadır. Bu çalışmada, yapay zeka tabanlı optimizasyon algoritmaları ile doğrusal olmayan regresyon modellerinde parametre tahmini konusu ele alınmıştır. Çalışmada evrim tabanlı algoritmalar arasında Genetik Algoritma, Diferansiyel Evrim Algoritması ve Çiçek Tozlaşması Algoritması yer alırken, sürü tabanlı algoritmalar arasında Yapay Arı Koloni Algoritması, Karınca Koloni Optimizasyonu, Yarasa Algoritması, Guguk Kuşu Algoritması, Gri Kurt Optimizasyonu, Jaya Algoritması ve Parçacık Sürü Optimizasyonu bulunmaktadır. Ayrıca müzik esinli algoritmalardan Armoni Arama Algoritması, insan davranışından ilham alan Öğretme-Öğrenme Tabanlı Optimizasyonu olmak üzere on iki farklı yapay zeka optimizasyon algoritması kullanılarak literatürde tanımlı üç farklı doğrusal olmayan regresyon modeli üzerinde performans değerlendirmesi yapılmıştır. Algoritmaların performansları, hata metrikleri ve hesaplama süreleri gibi kriterlere dayalı olarak IDOCRIW yöntemiyle ağırlıklandırılarak, Çok Kriterli Karar Verme yöntemleri olan COPRAS, EDAS ve MABAC ile sıralanmış ve sonuçlar Copeland yöntemi ile bütünleştirilerek bir sonuç kararı elde edilmiştir. Yapay zeka tabanlı optimizasyon algoritmalarının doğrusal olmayan regresyon modellerinde parametre tahmini sürecine yönelik uygulamalarda elde edilen bulgulara göre Diferansiyel Evrim Algoritması, Parçacık Sürü Optimizasyonu ile Çiçek Tozlaşması Algoritması yöntemleri üstün performans gösteren yapay zeka tabanlı optimizasyon algoritması olarak belirlenmiştir.

Özet (Çeviri)

Nonlinear regression models are widely used across various scientific fields for modeling real-world problems. In these models, parameter estimation is carried out as a solution to an optimization problem based on the minimization of the sum of squared errors. However, challenges such as the non-differentiability of the objective function, susceptibility to local minima, and increased computational time complicate the optimization process using traditional methods. This study addresses parameter estimation in nonlinear regression models using artificial intelligence-based optimization algorithms. Among the evolutionary algorithms, Genetic Algorithm, Differential Evolution Algorithm, and Flower Pollination Algorithm were employed, while the swarm intelligence-based algorithms included Artificial Bee Colony, Ant Colony Optimization, Bat Algorithm, Cuckoo Search Algorithm, Grey Wolf Optimization, Jaya Algorithm, and Particle Swarm Optimization. Additionally, Harmony Search from music-inspired algorithms and Teaching-Learning-Based Optimization from human behavior-inspired methods were utilized, making a total of twelve different artificial intelligence optimization algorithms evaluated on three well-known nonlinear regression models from the literature. The performance of the algorithms was assessed based on criteria such as error metrics and computational time, and these were weighted using the IDOCRIW method. The algorithms were then ranked using multi-criteria decision-making methods including COPRAS, EDAS, and MABAC, and the final decision was synthesized using the Copeland method. According to the findings from the applications of artificial intelligence-based optimization algorithms in parameter estimation for nonlinear regression models, Differential Evolution, Particle Swarm Optimization, and Flower Pollination Algorithm were identified as the top-performing methods.

Benzer Tezler

  1. Tez No

    688973

    Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images

    Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı

    OZAN GÜLDALİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜL İNAN

  2. Tez No

    856275

    Design and deployment of deep learning based fuzzy logicsystems

    Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması

    AYKUT BEKE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

  3. Tez No

    847173

    Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  4. Tez No

    559931

    Determining parameters of rheological models by the method of least squares

    Enküçük kareler yöntemiyle reolojik modellerin parametrelerinin belirlenmesi

    JORES DONGMO NGUIMATSIA

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik Üniversitesi

    Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. GÜRŞAT ALTUN

  5. Tez No

    541861

    Application of kNN-GRNN algorithm for liquid holdup determination in two-phase flow

    İki fazlı akışta sıvı oranının belirlenmesi için kNN-GRNN algoritmasının kullanılması

    MEHMET SADIK PEKTAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik Üniversitesi

    Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT ÇINAR

Geri Dön