Geliştirilmiş kar erime optimizasyonu algoritması kullanılarak yapay sinir ağının eğitimi

Basit Öğe Kaydı
dc.authorid0000-0001-7803-7725
dc.contributor.advisorÖzkış, Ahmet
dc.contributor.authorÖzdemir, Feyza Nur
dc.date.accessioned2025-10-02T11:02:44Z
dc.date.available2025-10-02T11:02:44Z
dc.date.issued2024
dc.date.submitted2024
dc.departmentNEÜ, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı
dc.descriptionYüksek Lisans Tezi
dc.description.abstractBu çalışmada, yakın zamanda geliştirilen bir metasezgisel algoritma olan Kar Erime Optimizasyonu (SAO) algoritmasının Levy uçuşu yönteminden faydalanılarak performansı iyileştirilmiş ve LevySAO algoritması önerilmiştir. Önerilen algoritma yapay sinir ağları ile hibrit modellenerek YSA’nın eğitiminde kullanılmıştır. Önerilen algoritmanın Levy uçuşundan faydalanma olasılığını belirleyen LevyProb parametresi 0,1, 0,2, …, 0,9, 1,0 değerleri için test edilmiş ve en uygun sonucun LevyProb=0,9 olduğu görülmüştür. Önerilen YSA-LevySAO modeli, literatürde iyi bilinen 15 farklı veri seti-aggregation, aniso, balance, ecoli, glass, iris, iris2D, liver, mouse, pathbased, seeds, smiley, varied, vertebral3, wine – üzerinde çalıştırılmış ve dört farklı metrik – sensitivity, specificity, precision ve F1-score-için performans değerleri hesaplanmıştır. Elde edilen sonuçlar literatürde iyi bilinen 9 farklı algoritma – AAA, CS, DEA, GWO, HBA, MPA, RSA, SAO, SCA-ile oluşturulan hibrit YSA modelleri ile karşılaştırılarak ortalama başarı sıralamaları (OBS) hesaplanmıştır. Sonuçlar incelendiğinde, önerilen YSA LevySAO modelinin dört metriğin tamamında karşılaştırılan modellerden daha üstün bir performansa sahip olarak ilk sırada yer aldığı gözlemlenmiştir. Modellerin performansları galibiyet/mağlubiyet/beraberlik açısından bire bir karşılaştırıldığında önerilen modelin diğer modellerin tamamından daha fazla sayıda galibiyet elde ettiği görülmüştür. YSA-LevySAO modelinin elde ettiği sonuçların istatistiksel olarak anlamlı olup olmadığını belirlemek için Wilcoxon işaretli sıralar testi uygulanmıştır. İstatistik sonuçları, önerilen modelin veri setlerinin birçoğunda %95 güven aralığında anlamlı sonuçlar ürettiğini göstermektedir. Ayrıca modellerin eğitim aşamasındaki hata yakınsama performansları incelendiğinde önerilen modelin birçok veri setinde karşılaştırılan modellerden daha hızlı bir yakınsama performansına sahip olduğu görülmüştür.
dc.description.abstractIn this study, the performance of the recently developed metaheuristic algorithm, Snow Ablation Optimizer (SAO), was improved by utilizing the Levy flight method and the LevySAO algorithm was proposed. The proposed algorithm was used in the training of the ANN by hybrid modeling with artificial neural networks. The LevyProb parameter, which determines the possibility of benefiting from the Levy flight, was tested for values of 0,1, 0,2, …, 0,9, 1,0 and the most appropriate result was found to be LevyProb = 0,9. The proposed ANN-LevySAO model was run on 15 different data sets – aggregation, aniso, balance, ecoli, glass, iris, iris2D, liver, mouse, pathbased, seeds, smiley, varied, vertebral3, wine – well known in the literature, and performance values were calculated for four different metrics-sensitivity, specificity, precision and F1-score. Elde edilen sonuçlar literatürde iyi bilinen 9 farklı algoritma-AAA, CS, DEA, GWO, HBA, MPA, RSA, SAO, SCA-ile oluşturulan hibrit YSA modelleri ile karşılaştırılarak ortalama başarı sıralamaları (OBS) hesaplanmıştır. The results obtained were compared with hybrid ANN models created with 9 different algorithms well-known in the literature-AAA, CS, DEA, GWO, HBA, MPA, RSA, SAO, SCA-and average success rankings (ASR) were calculated. When the results were examined, it was observed that the proposed ANN-LevySAO model ranked first with a superior performance than the compared models in all four metrics. When the performances of the models were compared one-to-one in terms of win/lost/draw, it was seen that the proposed model achieved more wins than all other models. Wilcoxon’s signed-rank test was applied to determine whether the results obtained from the ANN-LevySAO model were statistically işaretificant. Statistical results show that the proposed model produces işaretificant results within a 95% confidence interval in most of the data sets. In addition, when the error convergence performances of the models during the training phase were examined, it was seen that the proposed model had a faster convergence performance than the models compared in many data sets.
dc.identifier.citationÖzdemir, F. N. (2024). Geliştirilmiş kar erime optimizasyonu algoritması kullanılarak yapay sinir ağının eğitimi. (Yayımlanmamış yüksek lisans tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı, Konya.
dc.identifier.urihttps://hdl.handle.net/20.500.12452/19825
dc.language.isotr
dc.publisherNecmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectÇok Katmanlı Algılayıcı (ÇKA)
dc.subjectKar Erime Optimizasyonu (SAO)
dc.subjectLevy Uçuşu
dc.subjectMetasezgisel Algoritma
dc.subjectSınıflandırma
dc.subjectYapay Sinir Ağları (YSA)
dc.subjectMulti Layer Perceptron (MLP)
dc.subjectSnow Ablation Optimizer (SAO)
dc.subjectLevy Flight
dc.subjectMetaheuristic Algorithm (MA)
dc.subjectClassification
dc.subjectArtificial Neural Network (ANN)
dc.titleGeliştirilmiş kar erime optimizasyonu algoritması kullanılarak yapay sinir ağının eğitimi
dc.title.alternativeTraining the artificial neural network using the improved snow ablation optimizer algorithm
dc.typeMaster Thesis

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
FeyzaNurÖzdemir_YL_2024.pdf
Boyut:
3.15 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Yüksek Lisans Tezi
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.17 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleskiyonu