Using artificial intelligence methods to improve the prediction rate and accuracy
Başlık çevirisi mevcut değil.
- Tez No: 746412
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Makine öğrenmesi, Sınıflandırma, Yapay sinir ağları, Yapay zeka, Machine learning, Classification, Artificial neural networks, Artificial intelligence
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Extreme Learning Machine (ELM), giriş ve gizli katman arasındaki bağlantıların ağırlıklarını ve ayrıca gizli katman önyargısını rastgele başlatan tek bir gizli katman ileri beslemeli sinir ağıdır. Birkaç gizli katman ve iki gizli katman vardır. Aynı veri kümesine uygulandığında, ELM'ler, rastgele oluşturulmuş ağırlıkları ve önyargıları korumak ve gizli katmanların sayısını artırmak gibi çeşitli iyileştirmeler içerir. ELM mimarisi içinde, seyrek yöntemlere nüfuz etmek için açgözlü bir algoritma da geliştirildi ve geleneksel yöntemlere göre bir iyileştirme sağlandı. Bu araştırma, dört ELM algoritmasının test doğruluğunu inceliyor: hepsi üç veri setindeki sınıflandırma hatalarını keşfetmek için kullanılan üç normal ELM algoritması ve açgözlü tek gizli katman ELM. Çalışmaların bulgularına göre açgözlü Extreme Learning Machine algoritması yüksek bir tahmin oranına ve iyi bir tahmin doğruluğuna sahiptir.
Özet (Çeviri)
The Extreme Learning Machine (ELM) is a single-hidden-layer feed forward neural network that starts the weights for the connections between the input and hidden layer, as well as the hidden layer bias, at random. There are several hidden layers and two secret layers. When applied to the same data set, ELMs have incorporated several improvements, such as preserving the randomly generated weights and biases and increasing the number of hidden layers. Within the ELM architecture, a greedy algorithm is also developed to penetrate sparse methods and provides an improvement over conventional. This research examines the testing accuracy of four ELM algorithms: three regular ELM algorithms and a greedy single hidden layer ELM, all of which are used to discover classification faults on three datasets. According to the findings of the studies, the greedy Extreme Learning Machine algorithm has a high prediction rate and a decent prediction accuracy.
Benzer Tezler
- Yorumlanabilir (XAI) makine öğrenme yöntemleri ile fotovoltaik (PV) sistemlerin dahili etkileri kullanılarak verimlik tahmini
Efficiency prediction using the internal effects of photovoltaic (PV) systems with explainable (XAI) machine learning methods
İHSAN LEVENT
Yüksek Lisans
Türkçe
2026
EnerjiIğdır ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN IŞIK
- Forecasting electric energy consumption using: Artificial intelligence: Case study using a new set of house holds in Iraq
Elektrik enerjisi tüketimini tahmin etme: Yapay zekâ: Irak'ta yeni bir ev evi kullanarak vaka çalışması
YAHYA HAFEDH ABDULAMEER ALSABBAGH
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM
- Afet yönetimi odaklı hücresel ağ kapsama performansı için mekansal yapay zeka tabanlı model önerisi
Geospatial artificial intelligence (GeoAI) based model proposal for cellular network coverage performance with a focus on disaster management
GÜZİDE MİRAY PERİHANOĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HİMMET KARAMAN
- A comparative study for football analytics with data mining and artificial intelligence techniques
Veri madenciliği ve yapay zeka teknikleri ile karşılaştırmalı futbol analitiği
MUSTAFA AADEL MASHJAL AL-ASADI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Enriching predictive models using graph embeddings
Tahminleme modellerinin çizge gömmeleri kullanılarak zenginleştirilmesi
YAREN YILMAZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ