Yarasa algoritması kullanarak yapay sinir ağlarının eğitilmesi
Yükleniyor...
Tarih
2018-05-07
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Son zamanlarda araştırmacılar tarafından doğadan ilham alınan birçok meta-sezgisel algoritmalar geliştirilmektedir. Bu meta-sezgisel algoritmalardan birisi sürü zekasına dayalı ve popülasyon tabanlı olan Yarasa algoritmasıdır. Yarasa algoritması birçok alanda kullanılmaktadır. Bu tez çalışmasında Yarasa algoritması yapay sinir ağlarının eğitimi için kullanılmıştır. Yapay sinir ağlarının sınıflandırma başarısını etkileyen birden fazla faktör bulunmaktadır. Bunlardan en önemlisi yapay sinir ağlarının ağırlıklarının belirlenmesidir. Bu tez çalışmasında yarasa algoritması yapay sinir ağlarının ağırlıklarının güncellenmesinde kullanılmıştır. Önerilen yöntemin performansını değerlendirmek için UCI veri ambarından alınan 10 adet veri kümesi üzerinde testler yapılmıştır. Aynı zamanda yarasa algoritmasının parametrelerinden ses şiddeti, sinyal yayma oranı ve yarasa sayısı parametrelerinin analizi yapılmıştır. En iyi sınıflandırma doğruluğunu veren parametre değerleri tespit edilmiştir. Elde edilen sonuçlar literatürde yapılan çalışmalarla karşılaştırılmıştır. Deneysel sonuçlara göre önerilen sınıflandırma yöntemi 6 adet veri kümesinde en iyi sınıflandırma doğruluğuna ulaşmıştır, 4 adet veri kümesinde ise makul sınıflandırma doğruluğuna ulaşmıştır.
Recently, many meta-heuristic algorithms that are inspired by the nature have been developed by researchers. One of these meta-heuristic algorithms is the Bat algorithm, which is based on swarm intelligence and population. The bat algorithm has been used in many areas. In this thesis study, Bat algorithm is used for the training of artificial neural networks. There are many factors that affect the classification success of artificial neural networks. The most important of them is the determination of the weights of artificial neural networks. In this thesis study, the bat algorithm was used to update the weights of artificial neural networks. In order to evaluate the performance of the proposed method, tests were performed on 10 data sets taken from the UCI data warehouse. At the same time, the parameters of the bat algorithm were analyzed for loudness, signal emission rate and number of bats parameters. Parameter values giving the best classification accuracy have been determined. The results obtained are compared with the literature studies. According to the experimental results, the proposed classification method has reached the best classification accuracy in 6 data sets and the reasonable classification accuracy in 4 data sets.
Recently, many meta-heuristic algorithms that are inspired by the nature have been developed by researchers. One of these meta-heuristic algorithms is the Bat algorithm, which is based on swarm intelligence and population. The bat algorithm has been used in many areas. In this thesis study, Bat algorithm is used for the training of artificial neural networks. There are many factors that affect the classification success of artificial neural networks. The most important of them is the determination of the weights of artificial neural networks. In this thesis study, the bat algorithm was used to update the weights of artificial neural networks. In order to evaluate the performance of the proposed method, tests were performed on 10 data sets taken from the UCI data warehouse. At the same time, the parameters of the bat algorithm were analyzed for loudness, signal emission rate and number of bats parameters. Parameter values giving the best classification accuracy have been determined. The results obtained are compared with the literature studies. According to the experimental results, the proposed classification method has reached the best classification accuracy in 6 data sets and the reasonable classification accuracy in 4 data sets.
Açıklama
Anahtar Kelimeler
Sınıflandırma, Yarasa algoritması, Meta-sezgisel algoritmalar, Optimizasyon, Yapay sinir ağları, Bat algorithm, Meta-heuristic algorithms, Optimization, Artificial neural network, Classification
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Kamal, L. L. K. (2018). Yarasa algoritması kullanarak yapay sinir ağlarının eğitilmesi. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.
