Neural network topology optimization with genetic algorithms
Yapay sinir ağı yapılarının, genetik yordamlar ile en iyilenmesi
- Tez No: 50468
- Danışmanlar: DOÇ.DR. H. LEVENT AKIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Algoritmalar, Genetik algoritma tekniği, Yapay sinir ağları, Algorithms, Genetic algorithm technique, Artificial neural networks
- Yıl: 1996
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay sinir ağlarının boyutları ve karmaşıklığı performansını büyük ölçüde etkiler. Bir ağ için en uygun yapı, eğitim verisini öğrenirken deneme verisini de genelleyebilen bir yapıdır. Ne var ki, bu yapıyı bulmak oldukça zordur. Sinir ağlarının yapılarının bulunmasının otomatikleştirilmesi için teknikler geliştirilmesi son yıllarda büyük ilgi çekmektedir. Tekniklerin geliştirilmesinin yanı sıra, herhangi bir öğrenme yordamından bağımsız tekniklerin geliştirilmesi oldukça önemlidir. Genetik yordamların, sinir ağlarının yapılarını en iyilemesindeki basan, ağ içindeki yararlı bölümlerin korunmasına ve yararlı olmayan bölümlerin iyileştirilmesi esasına dayanır. Bir yapay sinir ağının yapışım betimlemek basit değildir. Bu çalışmada, genetik algoritmalar için uygun olan bir yapay sinir ağı yapısı gösterimi geliştirilmiştir. Uygun olan genetik algoritma işlemleri uygulanmış ve öğrenme yordamlarından bağımsız bir genetik yordam yazılımı kurulmuştur. Kurulan algoritmalar, dışlamalı-veya öğesi, sinüs fonksiyonu, düzensiz zaman serileri tahmini ve göğüs kanseri tahmini problemleri üzerinde denenmiştir. Bahsedilen problemler için kurulan algoritmaların hem basit, hem de uygun ve etkili sinir ağı yapılan bulduğu görülmüştür.
Özet (Çeviri)
IV ABSTRACT The size and the complexity of a neural network greatly influences its performance. The optimal topology of a network is the one with the smallest complexity which still allows the network to learn the training data and generalize. Such a topology however can be quite difficult to find. Devising techniques for automating the design of neural networks have been of interest recently. Not only devising techniques for design, but also devising techniques that are independent of training algorithms is important. The success of genetic algorithms for neural network topology optimization is based on the fact that, the useful parts of the neural networks are kept, and the useless parts are improved. Representing the structure of a neural network using genetic algorithms is not straightforward. In this study, a suitable neural network architecture representation for the genetic algorithms is devised. Suitable genetic algorithm operators are applied on them and a genetic algorithm tool, that is independent of training algorithms, together with a neural network training tool has been implemented. The success of the implemented genetic algorithm tool is tested on four problem sets: exclusive-OR problem, sine function, chaotic time series prediction problem and breast cancer prediction problem. For the mentioned problem sets, we observed that our genetic algorithm tool has found simple and efficient neural network topologies.
Benzer Tezler
- Hücresel yapay sinir ağları için iki öğrenme algoritması ve görüntü işleme uygulamaları
Two learning algorithms for cellular neural networks and their image processing applications
SİNAN KARAMAHMUT
Yüksek Lisans
Türkçe
1994
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ
- Hücresel imalat sistemlerinde maliyet ve sinir ağları tabanlı iki evreli bir kümelendirme yaklaşımı
Artificial neurat network x operation costs based twostage GT clusterning procedure
AFFAN NOMAK
Yüksek Lisans
Türkçe
1995
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. BÜLENT DURMUŞOĞLU
- F(x)-x bağlantılı bir kaotik hücresel yapay sinir ağının numerik olarak incelenmesi
Başlık çevirisi yok
FATİH KAVASLAR
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ
- CMOS (K-) winner(s)-take-all circuits of O(N) complexity
O(N) karmaşıklığında CMOS (K-)-kazanan-hepsini-alır devreleri
BARBAROS ŞEKERKIRAN
Doktora
İngilizce
1999
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. UĞUR ÇİLİNGİROĞLU
- Dallı dağıtım şebekesi yük akışı çözüm metodları
Başlık çevirisi yok
MUSTAFA ÇELENLİOĞLU
Yüksek Lisans
Türkçe
1997
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADNAN KAYPMAZ