Yayın: Genetik algoritmalar ile radyal temelli fonksiyon ağlarının optimizasyonu
| dc.contributor.advisor | Prof. Dr. Tülay Yıldırım | |
| dc.contributor.author | Yazıcı, Gül | |
| dc.date.accessioned | 2018-07-25T10:30:00Z | |
| dc.date.accessioned | 2026-06-21T05:11:10Z | |
| dc.date.available | 2018-07-25T10:30:00Z | |
| dc.date.issued | 2006 | |
| 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.identifier.uri | https://hdl.handle.net/20.500.14981/8099 | |
| 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 | masterThesis | |
| dspace.entity.type | Publication |
Dosyalar
Orijinal paket
1 - 1 of 1