Öngörü problemi için eşik değerli tek çarpımsal nöron modelli yapay sinir ağları
Threshold single multiplicative neuron model artificial neural networks for forecasting problem
- Tez No: 610642
- Danışmanlar: DOÇ. DR. EREN BAŞ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Armoni arama algoritması, Parçacık sürü optimizasyonu, Yapay sinir ağları, Harmony search algorithm, Particle swarm optimization, Artificial neural networks
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Giresun Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tek çarpımsal nöron model yapay sinir ağları, zaman serileri öngörü problemlerinde sıklıkla kullanıldığından ve gizli tabaka birim sayısı problemi bulundurmadığından yapay sinir ağları literatüründe önemli bir yere sahiptir. Tek çarpımsal nöron model yapay sinir ağları ile ilgili yapılan çalışmalarda, eğitim sürecinden elde edilen model tek bir modeldir. Bu tez çalışmasında, literatürdeki diğer birçok yapay sinir ağı modelinden farklı olarak, tek çarpımsal nöron model yapay sinir ağlarının çıktısını elde etmek için bir eşik değer belirlenmiştir. Elde edilen eşik değer ile ağın çıktısının hesaplanmasında hangi ağırlıkların ve yan değerlerin kullanıldığı belirlenmektedir. Sistemin optimal ağırlıklarını ve yan değerlerini belirlemek için kullanılan eşik değere dayalı tek çarpımsal nöron modelinin eğitimi için, armoni arama algoritması ve parçacık sürüsü optimizasyonu yöntemleri kullanılmıştır. Önerilen yöntemin performansını değerlendirmek için üç farklı gerçek hayat zaman serisi analiz edilmiş ve hem bu tez çalışmasında önerilen yöntemlerden elde edilen sonuçlar hem de literatürdeki popüler birçok yapay sinir ağı yönteminden elde edilen sonuçlar karşılaştırılmıştır.
Özet (Çeviri)
Single multiplicative neuron models artificial neural networks, which are frequently used in time series forecasting problems and do not have any restriction on the number of hidden layer unit, have an important place in artificial neural networks literature. In the studies about single multiplicative neuron models artificial neural networks, the model obtained from training process is a single model. In this thesis, differently from many other artificial neural network models in the literature, a threshold value is determined to obtain the output of the system of single multiplicative neuron models artificial neural networks. According to obtained threshold value, it is determined which weights and biases are used for the calculation of the output of the network. It has been separately used harmony search algorithm and particle swarm optimization for training the single multiplicative neuron model based on a threshold value, which is used to determine the optimal weights and bias of the system. To evaluate the performance of the proposed method, three different real life time series were analysed and the results obtained from both the methods' proposed in this thesis and many popular artificial neural network methods in the literature were compared.
Benzer Tezler
- A metric learning based system for retail product recognition and novel class discovery
Metrik öğrenme tabanlı ürün tanıma ve yeni ürün keşfetme sistemi
İBRAHİM ŞAMİL YALÇINER
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- 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
- Stochastic bitstream-based vision and learning machines
Stokastik bit akışı tabanlı görü ve öğrenme makineleri
SERCAN AYGÜN
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Çeviri dersinde yapılaşma (uygulama sorunları-yöntem önerileri)
Strukturierung im übersetzungsunterricht (probleme der praxis-vorschlage zur methodik)
A. TURGAY KURULTAY
Doktora
Türkçe
1989
Eğitim ve Öğretimİstanbul ÜniversitesiAlman Dili ve Edebiyatı Bilim Dalı
PROF.DR. ŞARA SAYIN
- AI-enhanced dynamic preemptive resource allocation in next generation cellular networks
Yeni nesil hücresel ağlarda yapay zeka destekli dinamik öncelikli kaynak tahsisi
EGE ENGİN
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN