Öngörü problemi için yeni bir geri beslemeli dikenli pi sigma yapay sinir ağı
A new recurrent spiking pi sigma artificial neural network for the forecasting problem
- Tez No: 957491
- Danışmanlar: PROF. DR. EROL EĞRİOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Giresun Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Yapay sinir ağları esnek model yapıları ve doğrusal olmayan modellemedeki başarıları nedeniyle öngörü probleminin çözümüne de iyi alternatifler ortaya koyulmasına olanak sağlamaktadır. Farklı yapay nöron modellerinin öngörü performansına pozitif etki edebildiği ve yeni yapay sinir ağı modellerinin oluşturulmasına zemin hazırladığı görülmektedir. Bu çalışmada öngörü probleminin çözümü çarpımsal ve toplamsal nöron modellere dayalı, üstel düzleştirme yöntemlerindeki geri besleme mantığını kullanarak oluşturulan mimariye sahip yeni bir yapay sinir ağı ortaya koyulmuştur. Önerilen yapay sinir ağının parçacık sürü optimizasyonuna dayalı eğitim algoritması, son gözlemlere daha fazla ağırlık veren dinamik bir uygunluk fonksiyonu kullanılarak parçacık sürü optimizasyonuna dayalı olarak ortaya koyulmuştur. Önerilen yeni yapay sinir ağının performansı Nasdaq borsası zaman serileri üzerinden literatürdeki diğer yöntemler ile karşılaştırılarak istatistiksel hipotez testleri yardımıyla araştırılmıştır. Tez çalışması sonucunda önerilen yapay sinir ağının başarılı bir öngörü performansına sahip olduğu deneysel olarak gözlemlenmiştir.
Özet (Çeviri)
Due to their flexible model structures and their success in nonlinear modeling, artificial neural networks provide good alternatives for solving the forecasting problem. It is seen that different artificial neuron models can positively affect the forecasting performance and pave the way for the creation of new artificial neural network models. In this study, a new artificial neural network with an architecture based on multiplicative and additive neuron models and using the feedback logic in exponential smoothing methods is presented. The training algorithm of the proposed neural network is based on particle swarm optimization using a dynamic fitness function that gives more weight to recent observations. The performance of the proposed new neural network is investigated with the help of statistical hypothesis tests by comparing it with other methods in the literature on Nasdaq stock exchange time series. As a result of the thesis, it is empirically observed that the proposed neural network has a successful forecasting performance.
Benzer Tezler
- Öngörü problemi için yeni derin geri beslemeli melez yapay sinir ağları
New deep recurrent hybrid neural networks for forecasting problem
ÖZLEM KARAHASAN
- 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
- Control of time-delayed systems with experimental applications
Zaman gecikmeli sistemlerin deneysel uygulamalarla kontrolü
NECDET SİNAN ÖZBEK
Doktora
İngilizce
2018
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLYAS EKER
- Yapay sinir ağlarında öğrenme algoritmalarının analizi
Analysis of learning algorithms in neural networks
SEVİNÇ BAKLAVACI
Yüksek Lisans
Türkçe
1994
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. LEYLA GÖREN
- Genelleştirilmiş öngörülü kontrol algoritmaları
Generalized predictive control algorithms
TANER ARSAN
Doktora
Türkçe
1999
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiPROF.DR. ATİLLA BİR