Bulanık sinir ağları ve sinirsel bulanık ağları ile sistem çözümlenmesi ve simülasyonunun gerçekleştirilmesi

Bu tezde farklı sistemlerin Sinirsel-Bulanık ve Bulanık-Sinir ağları ile çözümlenmesi ve simülasyon programları oluşturularak daha anlaşılır çözümler elde edilmesi üzerinde çalışılmıştır. Bu çalışmada bulanık mantık ve sinirsel ağların birleşiminden oluşan bulanık-sinir ve sinirsel-bulanık ağlar incelenerek bu sistemlerin arasındaki farklılıklar belirlenmiş ve bu sistemlerin varolan farklı yapıları ve bu yapılar arasındaki temel farklılıklar da ana hatlarıyla ortaya konmuştur. Çeşitli sistem problemleri çözülürken bulanık-sinir ve sinirsel-bulanık ağların varolan farklı yapılarının en uygunu seçilerek sonuca ulaşılmıştır. Yapılan analizleri uygulamak amacıyla çalışmada birkaç örnek ele alınmıştır.Traktör güç kontrol probleminin çözümünde sinirsel bulanık ağ yapısı olan Mamdani yaklaşımı kullanılmıştır. Traktör güç kontrol probleminde devir giriş değerinin bulanıklaştırılmasının üç üyelik değere bölümlenmesi ve beş üyelik değere bölümlenmesi de bulanıklaştırıcı sinirsel bulanık ağ yaklaşımı ile yapılmıştır. Bir insanda kansızlık ve demir eksikliğini belirleme probleminde sinirsel bulanık ağ yapısı olan Mamdani yaklaşımı kullanılmıştır. Bu problemin çözümünde giriş değerleri bulanıklaştırıcı sinirsel bulanık ağ ile bulanıklaştırılarak sonuç değerleri Mamdani yaklaşımı sinirsel bulanık ağa uygulanmıştır. Bu uygulamalar, sonucu belirlemede kural tabanını oluşturma yöntemlerinin, eğitim hızı değerinin , sinirlerin iv ağırlık değerlerindeki değişimlerin sonuca hızlı ulaşmada ve en yaklaşık sonucu elde etmedeki önemlerinin çok büyük olduğunu göstermiştir.

In this thesis ,solutions of different systems with Neuro-Fuzzy and Fuzzy-Neural networks and obtaining simulation programmes for more comprehensible solutions are studied. For this purpose, analysed fuzzy-neuro and neuro-fuzzy network that are composite of fuzzy logic and neural networks for determine between differences, the existing different structures and differences between these structural models for determining main features. In analyzing the system problems,the result is achieved by choosing the best fits among existing different structeral models of fuzzy-neuro and neuro-fuzzy network. In this study, deal some examples for application existing analysis of fuzzy-neuro and neuro-fuzzy network. In the analysis of tractor force control problem, Mamdani model that has neuro-fuzzy network structure is used. In the tractor force control problem, neural fuzzifier that has neuro-fuzzy network is used for obtaining three fuzzy membership and five fuzzy membership of cycle input value. In determination of the human anemia and less ferritin problem, Mamdani model that has neuro-fuzzy network structere is used. In the analysis of these problem input values are fuzzied with neural fuzzifer and the result values are executed to Mamdani models of neuro- iv fuzzy network. Importance of the rule base forming method, learning constants value, chancing neural network weights value are realized for most rapid result and most approach result.