Yazar "Erdemir, Erkan" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • Küçük Resim
    Öğe
    Çok Katmanlı Yapay Sinir Ağı Eğitimi için Yeni Bir Hibrit Meta Sezgisel Yaklaşım (Salp Sürü - Jaya Algoritması)
    (Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2022) Erdemir, Erkan; Altun, Adem Alpaslan
    Yapay sinir ağı (ANN), insan beyninin fizyolojik yapısında yer alan sinir hücrelerinin bağlantı yapısını taklit ederek öğrenebilen, öğrendiğini uygulayan, analiz edebilen ve analizin sonucunu sentezleyebilen akıllı cihaz sistemleridir. ANN’lerin kullanıldığı alanlarda etkili ve verimli olarak analizlerini gerçekleştirebilmeleri için birçok ANN mimari modeli oluşturulmuştur. Bu modellerden biri de çok katmanlı ANN’dir. Çok katmanlı ANN; girdi, bir adet/birden fazla gizli ve çıktı katmanından oluşmaktadır. Çok katmanlı ANN yapılarından biri olan ileri beslemeli sinir ağı (FNN) olarak çalışan çok katmanlı algılayıcılarda (MLP) veriler girdi katmanından bir veya birden fazla gizli katmandan geçerek çıktı katmanına doğru ilerler. Çıktı katmanında gerçek çıktıya en yakın sonuç beklenir. İstenilen sonucu elde edebilmek için katmanlar arası bağlantılara ait ağırlıkların başarılı bir şekilde hesaplanması gerekmektedir. Bunun için ise ağın iyi bir şekilde eğitilmesi gerekmektedir. Ağın eğitiminde kullanılan birçok yöntem olup bunlardan biri de optimizasyon problemlerinin çözümünde kullanılan doğadan esinlenen meta sezgisel algoritmalardır. Bu tez çalışmasında salp sürü algoritması (SSA) ve jaya algoritmasının (JAYA) hibritleştirilmesinden oluşan hibrit salp sürü jaya algoritması (HSSJAYA) kullanılarak çok katmanlı ANN eğitimi gerçekleştirilmiştir. Çalışmada çok katmanlı ANN modellerinden biri olan MLP kullanılmıştır. Hibrit algoritma ile eğitilen ANN; SSA, JAYA, guguk kuşu arama algoritması (CS) ve genetik algoritma (GA) ile eğitilen ANN’ler ile karşılaştırılmıştır. Bu analiz sürecinde çok bilinen 6 veri seti kullanılmıştır. Eğitimi tamamlanmış olan ANN’ler ile test işlemide gerçekleştirilmiştir. Algoritmalar ile eğitilen ANN’ler; farklı arama ajanı (10 (Grup1)/30 (Grup2)/50 (Grup 3)) ve aynı iterasyon (100) sayısınca 30 kez çalıştırılmıştır. Ortalama kare hata (MSE) ve karışıklık matrisi ölçütleri ile performansları ölçülen ANN’ler, wilcoxon sıra toplam testi ile de istatistiksel analizleri gerçekleştirilmiştir. HSSJAYA tabanlı ANN, Grup 1’de eğitim aşamasında 4 veri setinde test aşamasında 4 veri setinde; Grup 2’de eğitim aşamasında 6 veri setinde, test aşamasında 3 veri setinde; Grup 3’de eğitim aşamasında 6 veri setinde, test aşamasında 5 veri setinde; karşılaştırıldığı algoritmalara göre minimum MSE’yi elde etmiş ve istatistiksel olarakta anlamlı fark oluşmuştur. Ayrıca HSSJAYA tabanlı ANN’nin eğitim ve test aşamasında diğer algoritmalar ile eğitilen ANN’lere göre karışıklık matrisi ölçütleri sonuçlarında da başarılı sonuçlar elde etmiştir. Sonuç olarak HSSJAYA ile eğitilmiş ANN’nin, diğer algoritmalar ile eğitilmiş ANN’lere göre başarı ve performans olarak üstün olduğu sonuçlarda görülmektedir.