Predictive data mining with neural networks and genetic algorithms
Yapay sinir ağları ve genetik algoritmalar ile öngörü amaçlı veri madenciliği
- Tez No: 104220
- Danışmanlar: YRD. DOÇ. DR. ŞAKİR KOCABAŞ
- Tez Türü: Yüksek Lisans
- Konular: Savunma ve Savunma Teknolojileri, Defense and Defense Technologies
- Anahtar Kelimeler: Genetik algoritmalar, Veri madenciliği, Yapay sinir ağları, Öngörü, Genetic algorithms, Data mining, Artificial neural networks, Foresight
- Yıl: 2001
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
YAPAY SİNİR AĞLARI VE GENETİK ALGORİTMALAR İLE ÖNGÖRÜ AMAÇLI VERİ MADENCİLİĞİ ÖZET Veri madenciliği büyük miktarda veri içinden işe yarar bilginin elde edilmesidir. Öngörü, veri madenciliğinin en önemli hedeflerinden biridir, öngörü amaçlı veri madenciliği ise büyük miktarda veri içinden geleceğe ilişkin doğru tahminlerin yapılabilmesini sağlayacak güçlü örüntülerin aranmasıdır, öngörü problemleri, eldeki geçmiş verilerle bağıntılı olarak kullanım amaçlarına göre tanımlanır, öngörü problemleri, sınıflandırma ve bağıntılama olarak iki ana kısma ayrılırlar. Yapay sinir ağları, öngörü amaçlı veri madenciliğinde kullanılan en önemli teknolojilerden biridir. Yapay sinir ağlarının mimarilari, öngörü uygulamalarında gösterecekleri performans üzerinde çok büyük etki yapmaktadırlar. Burada yapay sinir ağı mimarisi ile kastedilen, ağın topolojik yapısı, ağ içindeki bağlantılar ve transfer fonksiyonudur. Optimal yapay sinir ağı mimarisini elde etmenin sistematik bir yolu yoktur. Uygulama da deneme-yanılma yolu ile en uygun yapay sinir ağı mimarisi aranır. Bu yöntem çokça zaman kaybına yol açmakla birlikte en elverişli mimari elde edilemeye de bilir. Yapay sinir ağları için optimal mimarinin bulunması problemi; her bir noktası bir yapay sinir ağı mimarisini gösteren bir uzayda en uygun mimarinin aranması olarak formüle edilebilir. Bu çalışmada genetik algoritmaların yapay sinir ağı mimarilerini nasıl ürettiği açıklanmaktadır. Bu çalışmada genetik algoritmalar tarafından üretilen yapay sinir ağlarının çıkışlarının, gene, yeni bir yaklaşım olarak genetik algoritmalar tarafından birleştirilmesi ile doğruluğun daha da arttığı gösterilmektedir. Son olarak, bu çalışmada göterilmektedir ki, genetik algoritmaların kullanımı ile yapay sinir ağlarının öngörü amaçlı uygulamalarındaki başarı seviyeleri kaydadeğer biçimde artmaktadır. vm
Özet (Çeviri)
SUMMARY Data mining is the efficient discovery of valuable, non-obvious information from a large collection of data. Prediction is the strongest goal of data mining. Predictive data mining is a search for very strong patterns in big data that can generalize to accurate future decisions. Prediction problems are described in terms of specific goals, which are related to past records with known answers. The two central types of prediction problems are classification and regression. Artificial neural networks are one of the key technologies used for predictive data mining. The architecture has a significant influence on the predictive performance of the artificial neural networks. The architecture of artificial neural network includes its topological structure, connectivity, and transfer function of each node in the network. There is no systematic way to design a near optimal architecture for a given problem. It is usual practice to use trial and error to find suitable network architecture. This method is not only time consuming also may not generate an optimal network. Design of the optimal architecture for artificial neural networks can be formulated as a search problem in the architecture space where each point of the space represents architecture of the artificial neural networks. In this study is explained how to use genetic algorithms to generate the architecture of artificial neural networks. In this study, it is shown how to increase accuracy of the solution combining the generated artificial neural networks' outputs by genetic algorithms using also genetic algorithms as a new ensemble method. Finally, in this thesis is shown that using genetic algorithms significantly increase the predictive capabilities of artificial neural networks. vu
Benzer Tezler
- İstanbul Metrosunda uygulanan derin kazı destek sisteminin bilgisayar modelinin araştırılması
Computer modelling of the deep excavation support system which was applied in istanbul subway construction
SİNE AVŞAR
Yüksek Lisans
Türkçe
1997
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. ERKİN NASUF
- Development of a model to product the heat balance and the cooling pequirements of underground deep mines
Derin yeraltı ocaklarında ısı dengesinin ve soğutma gereksiniminin belirlenmesi için bir model geliştirilmesi
ÜMİT YAŞAR ÖNDER
Doktora
İngilizce
1995
Maden Mühendisliği ve MadencilikOrta Doğu Teknik ÜniversitesiPROF.DR. TEVFİK GÜYAGÜLER
- Dolgu barajların tasarımında temel ilkeler ve İ.T.Ü. Göleti
Small earth fill dams and I.T.Ü. Dam
SERHAT BATMAZ
- Hidrokarbonların detonasyonu
Detonation hydrocarbons
SEHER ÖZKAN
Yüksek Lisans
Türkçe
1997
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. A. KORHAN BİNARK
- Comparison of cubic equations of state and mixing rules for phase behavior around critical region
Başlık çevirisi yok
MURAT KOCAALİOĞLU