Sınıflandırma problemleri için immün plazma algoritması temelli yapay sinir ağı modelinin geliştirilmesi
Development of an artificial neural network model based on immune plasma algorithm for classification problems
- Tez No: 989340
- Danışmanlar: DOÇ. DR. SERCAN DEMİRCİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezin amacı, sınıflandırma problemlerinin çözümünde kullanılmak üzere, Yapay Sinir Ağı (Artificial Neural Network, ANN) ağırlıklarının optimize edilmesini sağlayacak yeni ve özgün bir metasezgisel algoritma geliştirmektir. Bu kapsamda, immün plazma tedavisinden esinlenilerek geliştirilen İmmün Plazma Algoritması (Immune Plasma Algorithm, IPA) temel alınarak, IPA-ANN modeli önerilmiştir. IPA-ANN modeli, popülasyonda bulunan en uygun bireyleri bağışçı havuzu, diğer bireyleri ise alıcı havuzu olarak belirlemektedir. Bu iki havuz arasındaki plazma transferi mekanizması aracılığıyla alıcı bireylerin uygunluk değerleri iyileştirilmiştir. Böylece, ANN ağırlık parametreleri daha hızlı ve daha etkin bir şekilde optimize edilmiştir. Önerilen modelin etkinliğini ortaya koymak amacıyla kapsamlı deneysel çalışmalar gerçekleştirilmiştir. Bu bağlamda, önerilen model toplam 14 farklı sınıflandırma veri kümesi üzerinde test edilmiş ve literatürde yaygın olarak kullanılan 18 farklı metasezgisel algoritma ile adil bir şekilde karşılaştırılmıştır. Performans değerlendirmeleri, modelin genelleme kabiliyetini değerlendirmek amacıyla hem tek kat hem de beş kat doğrulama yöntemleri kullanılarak gerçekleştirilmiştir. Performans değerlendirilmesinde temel metrikler olarak doğruluk ve F1-skoru kullanılmıştır. Modelin performansının görsel olarak değerlendirilmesi maksadıyla karışıklık matrisleri ve yakınsama grafikleri oluşturulmuştur. Elde edilen sonuçlar doğrultusunda, IPA-ANN modelinin test doğruluğu açısından birçok metasezgisel algoritmadan üstün olduğu görülmüştür. Geliştirilen model, tek kat doğrulama sonuçlarında öne çıkmıştır. Örneğin, Iris veri kümesinde ortalama doğruluk 0.9667, en iyi doğruluk 1.0000 ve F1-skoru 1.0000 olarak elde edilmiştir. Buna karşın, Hepatitis veri kümesinde ortalama doğruluk 0.8258, en iyi doğruluk 0.8710 ve F1-skoru 0.8605 olarak elde edilmiştir. Bu sonuçlar, karşılaştırılan algoritmalardan daha yüksek başarı değerleri ortaya koymaktadır. Tez çalışması, literatüre hem yeni bir metasezgisel tabanlı ANN optimizasyon yaklaşımı kazandırmakta hem de farklı algoritmaların karşılaştırılmasına dayanan deneysel bir altyapı sunmaktadır. Sonuç olarak, çalışma IPA-ANN modelinin sınıflandırma problemleri kapsamında sağladığı katkıları bilimsel bir şekilde ortaya koymaktadır.
Özet (Çeviri)
The aim of this thesis is to develop a novel and original metaheuristic algorithm that will optimize Artificial Neural Network (ANN) weights for use in solving classification problems. In this context, the IPA-ANN method is proposed, based on the Immune Plasma Algorithm (IPA), which was developed inspired by immune plasma therapy. The IPA-ANN method identifies the most suitable individuals in the population as the donor pool and the other individuals as the receiver pool. The suitability values of the receiver individuals are improved through the plasma transfer mechanism between these two pools. Thus, the ANN weight parameters are optimized more quickly and efficiently. Comprehensive experimental studies were conducted to demonstrate the effectiveness of the proposed method. In this context, the proposed model was tested on a total of 14 different classification datasets and fairly compared with 18 different metaheuristic algorithms commonly used in the literature. Performance evaluations were conducted using both single-fold and five-fold cross-validation methods to assess the method's generalization capability. Accuracy and F1-score were used as the primary metrics in the performance evaluation. Confusion matrices and convergence graphs were generated to assess the method's performance visually. Based on the results obtained, the IPA-ANN method has been found to be superior to many metaheuristic algorithms in terms of test accuracy. The developed method has excelled in single-layer validation results. For example, in the Iris dataset, the average accuracy was 0.9667, the best accuracy was 1.0000, and the F1-score was 1.0000. In contrast, in the Hepatitis dataset, the average accuracy was 0.8258, the best accuracy was 0.8710 and the F1-score was 0.8605. These results demonstrate higher success values than the compared algorithms. The thesis contributes to the literature by introducing a new metaheuristic-based ANN optimization approach and providing an experimental framework based on the comparison of different algorithms. In conclusion, the study scientifically demonstrates the contributions of the IPA-ANN method in the context of classification problems.
Benzer Tezler
- İmmün plazma programlama temelli yeni yöntemlerin geliştirilmesi ve mühendislik problemlerine uygulanması
Development of new methods based on immune plasma programming and application to engineering problems
BEGÜM YETİŞKİN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİBEL ARSLAN
- Destek vektör regresyonu ile PID kontrolör tasarımı
Design of PID controller via support vector regression
KEMAL UÇAK
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLAY ÖKE
- Sınıflandırma problemlerinde kural çıkarımı için yeni bir yöntem geliştirilmesi ve uygulamaları
Development and applications of a new method for rule extraction in classification problems
MURAT KÖKLÜ
Doktora
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NOVRUZ ALLAHVERDİ
- Yumuşak hesaplama yöntemlerinin geliştirilmesi ve elektriksel sürücülerdeki uygulamaları
The improvement of soft computing methods and its applications in electric drives
MEHMET KARAKÖSE
Doktora
Türkçe
2005
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ.DR. ERHAN AKIN
- Yapay bağışıklık sistemi tabanlı k-NN sınıflandırma algoritması ile protein örüntülerinin hücredeki yerleşim yerlerinin belirlenmesi
Predicting the cellular localization sites of protein patterns with k-NN classification algorithm based artificial immune system
ELİF DİDEM KAYMAZ
Yüksek Lisans
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. İBRAHİM TÜRKOĞLU