Yapay sinir ağlarının duyarlılığı
Başlık çevirisi mevcut değil.
- Tez No: 57492
- Danışmanlar: PROF. DR. TAHİR ŞİŞMAN
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Yapay sinir ağları, Artificial neural networks
- Yıl: 1996
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Ill Özet Bu tezde; ileri beslemeli yapay sinir ağlarının, ağırlık hatası karşısındaki duyarlılıkları analiz edilmiştir. Ağ modeli olarak çok katmanlı algıyıcılar ve eğitim algoritması olarakta geriye yayılım algoritması kullanılmıştır Çok katmanlı algılayıcılarda ağırlık vektörü giriş-çıkış dönüşümünü belirlemektedir. Dolayısıyla bu ağırlıklardaki her hangi bir değişiklik giriş-çıkış dönüşümümüzü etkilemektedir. Yapay sinir ağımızın duyarlılığını hesaplamak için arıtımsal ağırlık perturbasyon metodunu kullanıyoruz. Amacımız, artımsal bir ağırlık perturbasyonu karşısında karar hatası olasılığının hesaplanmasıdır. Bu amaçla iki tane yakınsama formülü geliştirdik: binormal yakınsama ve karekök yakınsaması. Bunlardan binormal yakınsamanın doğruluk oranı çok yüksek olmasına rağmen; çok işlem gerektirdiğinden hesaplamalar için bilgisayara ihtiyaç duyuluyor ve ayrıca yakınsama, her katmandaki düğüm sayısına bağımlıdır. Fakat katmandaki işlem elemanlarının sayışım arttırarak, hata probabilitesi bir sayıya ulaştırılırsa yakınsamanın katmandaki işlem elemanından bağımsız olduğu görülür. Karekök yakınsamasının sonucu binormal yakınsamasının sonucu kadar gerçek değere yakın değildir. Fakat çok daha kolay hesaplanabilir ve katmanda çok fazla işlem elemanı varsa; binormal yakınsamaya oldukça yakın sonuçlar verir.
Özet (Çeviri)
IV ABSTRACT The sensitivity of feedforward neural networks to weight errors is analyzed in this thesis. The network model used is the Multi Layer Perceptron (MLP) and the neural network is trained using Backpropagation algorithm. The weight vector determines the input-output map of MLP. A slight change in the direction of the weight vector can alter this map. Here, we use the method of additive weight perturbation to calculate sensitivity of our networks. Our goal is calculating probability of decision error. For this porpuse, two approximations were derived which predict the probability of error for a single output of the network as a function of the percentage error in the weights: Binomial approximation and square root approximation. The binomial approximation is the most accurate but requires evaluation by computer and depends on the network size. The square root approximation is much easier to evaluate and is independent of the number of nodes. If there is enough nodes on the layer, the probability of error as predicted by the binomial approximation approaches the probability of error predicted by the square root approximation. }
Benzer Tezler
- Girdap akımlarının ve deri etkisinin modellenmesi
Modelling of eddy currents and skin effect
SERKAN ÖZÇETİN
Yüksek Lisans
Türkçe
2001
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. NURDAN GÜZELBEYOĞLU
- Çok katmanlı algılayıcının optimizasyonu ve ağırlıklara bağlı duyarlığı
Başlık çevirisi yok
LALE BAŞTÜRK
Yüksek Lisans
Türkçe
1993
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET GÜRGEN
- Mesleksel kümülatif travmaların çalışanlarda oluşturduğu el fonksiyon bozuklukları ve bu bozuklukların meydana getirdiği sorunlar ile alınacak önlemler
Occupational cumulative traumas leading hand disfunction and disabilities; appropriate precauitons
SALİME YILMAZ
Yüksek Lisans
Türkçe
1999
Halk Sağlığıİstanbul ÜniversitesiHalk Sağlığı Ana Bilim Dalı
PROF. DR. H. HİLMİ SABUNCU
