YTÜ DSpace Kurumsal Arşivi

Genetik algoritmalar ile radyal temelli fonksiyon ağlarının optimizasyonu

Basit öğe kaydını göster

dc.contributor.advisor Prof. Dr. Tülay Yıldırım
dc.contributor.author Yazıcı, Gül
dc.date.accessioned 2018-07-25T10:30:00Z
dc.date.available 2018-07-25T10:30:00Z
dc.date.issued 2006
dc.identifier.uri http://localhost:6060/xmlui/handle/1/8099
dc.description Tez (Yüksek Lisans) - Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2006
dc.description.abstract GENETİK ALGORİTMALAR İLE RADYAL TEMELLİ FONKSİYON AĞLARININOPTİMİZASYONUGül YAZICIElektronik ve Haberleşme Mühendisliği, Yüksek Lisans TeziYapay sinir ağları topolojisinin ağın performansına güçlü bir etkisi vardır, ancak optimalkonfigürasyonun bulunması önemli bir sorundur. Radyal Temelli Fonksiyon (RBF) ağlarındamerkezlerin yeri ve Gauss fonksiyonunun genişliği ağın performansı üzerinde kritik biröneme sahiptir. Merkezler ve saklı katman genişlikleri kromozamlara kodlanarak bu iki kritikparametrenin Genetik Algoritmalar (GA) ile optimizasyonu hedeflenmiştir.. Genetikalgoritma için uygunluk fonksiyonu test başarım oranıdır. Merkezlerin, veri kümesindeki satırdeğerleri olarak algılanması gereken bu yapıda optimize edilecek parametrelerin alabileceğimaksimum ve minimum değerler algoritmanın işlemesi sırasında belirtilmektedir. Algoritmaverilen sınır değerleri arasından en uygun çözümü bulmaya çalışmaktadır.Optimizasyon işlemi tiroid hastalığı, iris çiçeği, e.coli bakterisi, fetus gelişimi, cam (glass) velens veri kümeleri üzerinde denenmiştir. Çalışmanın en önemli avantajı, eğitme setinin küçükbir kısmı kullanılarak başarılı bir sonuç vermesidir. Her bir veri kümesinden az sayıda örnekalınarak ağlar eğitilmiş ve tüm veri kümesi ile test edilmiştir. Seçilen veri kümelerinin zorsınıflanan bir karakteristikte olmasına dikkat edilmiş, bu şekilde GA-RBF başarımı daha iyigözlenmiştir.Tüm simülasyonların Matlab 7 programıyla gerçekleştirildiği bu yaklaşımda, elde edilengrafikler ve karşılaştırmalı tablolar GA-RBF optimizasyonunun RBF yaklaşımından dahaüstün olduğunu ortaya koymuştur. GA algoritmasının çalışması uzun sürede gerçekleşse de,geniş ve zor sınıflanan veri kümeleri için daha cazip sonuçlar sunmaktadır. Simülasyonbölümünde ifade edilen sonuçlar ve karşılaştırmalar, önerilen yaklaşımın kabuledilebilirliğini açıkça ortaya koymaktadır.Anahtar kelimeler: Genetik Algoritmalar, Radyal Temelli Fonksiyon Ağları, MerkezSeçimi, Gauss Fonksiyon Genişliği
dc.subject genetik algoritmalar
dc.subject yapay sinir ağları
dc.subject GA-RBF simulasyonu
dc.title Genetik algoritmalar ile radyal temelli fonksiyon ağlarının optimizasyonu
dc.type Tez


Bu öğenin dosyaları

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster