Öngörü problemi için yeni bir geri beslemeli dikenli pi sigma yapay sinir ağı
A new recurrent spiking pi sigma artificial neural network for the forecasting problem
- Tez No: 957491
- Danışmanlar: PROF. DR. EROL EĞRİOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Yapay sinir ağları, Zaman serileri, Artificial neural networks, Time series
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Giresun Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay sinir ağları esnek model yapıları ve doğrusal olmayan modellemedeki başarıları nedeniyle öngörü probleminin çözümüne de iyi alternatifler ortaya koyulmasına olanak sağlamaktadır. Farklı yapay nöron modellerinin öngörü performansına pozitif etki edebildiği ve yeni yapay sinir ağı modellerinin oluşturulmasına zemin hazırladığı görülmektedir. Bu çalışmada öngörü probleminin çözümü çarpımsal ve toplamsal nöron modellere dayalı, üstel düzleştirme yöntemlerindeki geri besleme mantığını kullanarak oluşturulan mimariye sahip yeni bir yapay sinir ağı ortaya koyulmuştur. Önerilen yapay sinir ağının parçacık sürü optimizasyonuna dayalı eğitim algoritması, son gözlemlere daha fazla ağırlık veren dinamik bir uygunluk fonksiyonu kullanılarak parçacık sürü optimizasyonuna dayalı olarak ortaya koyulmuştur. Önerilen yeni yapay sinir ağının performansı Nasdaq borsası zaman serileri üzerinden literatürdeki diğer yöntemler ile karşılaştırılarak istatistiksel hipotez testleri yardımıyla araştırılmıştır. Tez çalışması sonucunda önerilen yapay sinir ağının başarılı bir öngörü performansına sahip olduğu deneysel olarak gözlemlenmiştir.
Özet (Çeviri)
Due to their flexible model structures and their success in nonlinear modeling, artificial neural networks provide good alternatives for solving the forecasting problem. It is seen that different artificial neuron models can positively affect the forecasting performance and pave the way for the creation of new artificial neural network models. In this study, a new artificial neural network with an architecture based on multiplicative and additive neuron models and using the feedback logic in exponential smoothing methods is presented. The training algorithm of the proposed neural network is based on particle swarm optimization using a dynamic fitness function that gives more weight to recent observations. The performance of the proposed new neural network is investigated with the help of statistical hypothesis tests by comparing it with other methods in the literature on Nasdaq stock exchange time series. As a result of the thesis, it is empirically observed that the proposed neural network has a successful forecasting performance.
Benzer Tezler
- Neutral atoms transport in a finite thickness plasma slab
Başlık çevirisi yok
MOHAMED NAZİH RHİMİ
Yüksek Lisans
İngilizce
1987
Fizik ve Fizik MühendisliğiOrta Doğu Teknik ÜniversitesiDOÇ. DR. SİNAN BİLİKMEN
- Procyon, güneş ve arcturusda karbon, azot, oksijen bollukları ve evrim parametreleriyle ilişkileri
Başlık çevirisi yok
LEVENT ALTAŞ
- HF propagation studies using PC's
Başlık çevirisi yok
EROL HEPSAYDIR
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiPROF. DR. TUNCAY BİRAND
- Termik santrallarda ısıl güç çevriminin tasarımı, simülasyonu ve optimizasyonu ile ilgili bilgisayar programı geliştirilmesi
Development of computer program for design, simulation and optimization of thermal power plants
MUSTAFA ATA ÇETİNELLİ
Yüksek Lisans
Türkçe
1988
Makine MühendisliğiGazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ DURMAZ