Çok katmanlı aşırı öğrenme makinelerinin regresyon problemlerindeki başarımlarının karşılaştırılması
Comparison of performance of multilayer extreme learning machines in regression problems
- Tez No: 853948
- Danışmanlar: PROF. DR. CİHAN KARAKUZU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay sinir ağları, Artificial neural networks
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bilecik Şeyh Edebali Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay zeka, günümüzdeki gelişmelerle birçok alanda yaygın olarak kullanılmaktadır. Yapay sinir ağları (YSA), büyük veri kümelerinin analizinde etkili olup, zaman ve çaba tasarrufu sağlayarak daha akıllı sistemlerin oluşturulmasına katkıda bulunur. Aşırı öğrenme makinesi (AÖM), YSA'ların eğitim sürecini basitleştirerek daha hızlı öğrenmelerini sağlar. Özellikle büyük veri kümeleri üzerinde çalışırken ortaya çıkan zorlukları aşmak için tasarlanmıştır. 2022'de Kale ve Karakuzu, çok katmanlı aşırı öğrenme makineleri üzerine iki önemli geliştirme yapmıştır. Araştırmacılar, bu ağların dinamik sistemlerdeki modelleme başarımını detaylı bir şekilde inceleyerek, önerilen sistemlerin üstün modelleme yeteneklerine sahip olduğunu belirlemiştir. Bulgular, çok katmanlı aşırı öğrenme makinelerinin sistem modelleme uygulamalarında etkili araçlar olduğunu net bir şekilde göstermektedir. Bu tez çalışmasında, yeni geliştirilen bu iki AÖM yapısının regresyon problemleri üzerindeki başarımları incelenmiştir. Bulgular, yeni geliştirilmiş modellerinin regresyon problemlerini çözmede etkili bir başarım sergilediğini ve orijinal ağ yapısına kıyasla daha başarılı sonuçlar verdiğini göstermektedir. Ancak, işlem yapma hızı açısından her durumda üstünlük sağlamadığı gözlemlenmiştir. Elde edilen sonuçlar, modellerin regresyon analizinde geniş bir uygulama potansiyeli olduğunu ve endüstriyel/bilimsel problemlerin çözümünde değerli bir araç olabileceğini işaret etmektedir.
Özet (Çeviri)
Artificial intelligence is widely used in many fields with today's developments. Artificial neural networks (ANN) are effective in analyzing large data sets and contribute to the creation of smarter systems by saving time and effort. Extreme learning machine (ELM) allows ANNs to learn faster by simplifying the training process. It is specifically designed to overcome the challenges that arise when working on large data sets. In 2022, Kale and Karakuzu made two important developments on multi-layer extreme learning machines. By examining in detail the modeling performance of these networks in dynamic systems, researchers have determined that the proposed systems have superior modeling capabilities. The findings clearly show that multilayer extreme learning machines are effective in system modeling applications. In this thesis study, the success of these two newly developed ELM structures on regression problems was examined. The findings show that the newly developed models are effective in solving regression problems and provide more successful results than the original network structure. However, it has been observed that it is not advantageous in all cases in terms of processing speed. The results obtained indicate that the models have a wide application potential in regression analysis and can be a valuable tool in solving industrial/scientific problems.
Benzer Tezler
- Çok katmanlı aşırı öğrenme makinelerinin geliştirilmesi ve sistem modellemedeki başarımlarının analizi
Improvement of multilayer extreme learning machines and their analysis of performance in system modeling
GİZEM ATAÇ KALE
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CİHAN KARAKUZU
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- A taxonomy of artificial neural networks
Yapay sinir ağlari'nin bir taksonomisi
ALP EREN YILMAZ
Yüksek Lisans
İngilizce
2020
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- Comparative study of federated learning for credit risk assessment and fairness evaluation
Federe öğrenmenin karşılaştırmalı çalışması: Kredi risk değerlendirmesi ve adalet ölçümü
MUSTAFA AKTAŞ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
DR. RUŞEN HALEPMOLLASI
- Context-aware remote sensing data processing for improvement of agricultural predictions
Bağlam farkındalıklı uzaktan algılama veri entegrasyonu ile tarımsal tahminlerin iyileştirilmesi
AYDA FITRIYE AKTAŞ
Doktora
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ