Çok değişkenli lineer olmayan modellerde genetik algoritma
| dc.contributor.advisor | Genç, Aşır | |
| dc.contributor.author | Karakoca, Aydın | |
| dc.date.accessioned | 2018-01-26T11:16:41Z | |
| dc.date.available | 2018-01-26T11:16:41Z | |
| dc.date.issued | 2009 | |
| dc.department | Enstitüler, Fen Bilimleri Enstitüsü, Matematik Ana Bilim Dalı | en_US |
| dc.description.abstract | Çok değişkenli lineer olmayan modeller birçok uygulamada bağımlı değişken(ler) ile bağımsız değişken(ler) arasındaki ilişkiyi modellemek amacıyla kullanılmaktadır. Lineer olmayan modellerin parametreleri En Küçük Kareler (EKK) yöntemiyle tahmin edilebilmektedir. EKK yönteminde parametre tahmini için en çok Gauss-Newton, Marquardt ve En Hızlı İniş algoritmaları kullanılmaktadır. Bu algoritmaların kullanılabilmesi için bağımsız değişken(ler)in tepki fonksiyonunun en az iki kez türevlenebilmesi şartı gerekmektedir. Ayrıca bu algoritmaların seçilecek başlangıç noktasına göre çözüme ulaşamama riski vardır. Bu çalışmada çok değişkenli lineer olmayan modellerde parametre tahmini için belirtilen algoritmalara alternatif olarak bir genetik algoritma önerilmiştir. Çok değişkenli lineer olmayan modelde önerilen genetik algoritma ve EKK yöntemiyle elde edilen parametre tahmin sonuçları karşılaştırılmıştır. | en_US |
| dc.description.abstract | Multivariate non-linear models have been used for modelling functional relationship between dependent and independent variable(s) in most of applications. Parameters of multivariate non-linear models can be estimated by least squares (LS) method. Gauss-Newton, Marquardt and Steepest Descent are most widely used algorithms in LS method. These algorithms requires the condition that the function of independent variables can be differentiable at least two times. Also these algorithms have a risk of unreachable solution which depends according to the chosen starting point. In this study as an alternative to these algorithms, genetic algorithms have recommended for parameter estimation in multivariate non-linear models. And then the parameter estimation results of multivariate nonlinear models that obtained by least squares method and genetic algorithm were compared. | en_US |
| dc.identifier.citation | Karakoca, A. (2009). Çok değişkenli lineer olmayan modellerde genetik algoritma. Selçuk Üniversitesi, Yayımlanmış doktora tezi, Konya. | en_US |
| dc.identifier.uri | https://hdl.handle.net/20.500.12395/8173 | |
| dc.language.iso | tr | en_US |
| dc.publisher | Selçuk Üniversitesi Fen Bilimleri Enstitüsü | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.selcuk | 20240510_oaig | en_US |
| dc.subject | Genetik algoritma | en_US |
| dc.subject | Parametre tahmini | en_US |
| dc.subject | Genetic algorithm | en_US |
| dc.subject | Parameter estimation | en_US |
| dc.title | Çok değişkenli lineer olmayan modellerde genetik algoritma | en_US |
| dc.title.alternative | Genetic algorithm in multivariate nonlinear models | en_US |
| dc.type | Doctoral Thesis | en_US |
