Sürekli optimizasyon problemleri için değişken komşuluk arama tekniklerinin geliştirilmesi

Basit Öğe Kaydı
dc.authorid0000-0002-7061-8784en_US
dc.contributor.advisorArıkan, Hüseyin
dc.contributor.authorUzun, Yusuf
dc.date.accessioned2021-06-02T09:51:20Z
dc.date.available2021-06-02T09:51:20Z
dc.date.issued2017en_US
dc.departmentNEÜ, Fen Bilimleri Enstitüsü, Makine Mühendisliği Anabilim Dalıen_US
dc.descriptionDoktora Tezien_US
dc.description.abstractMetasezgisel yöntemlerden biri olan Değişken Komşuluk Arama (DKA) algoritması, ayrık optimizasyon problemlerine uygulanmak amacıyla geliştirilmiş bir metottur. Literatürde, sürekli optimizasyon problemleri için DKA'nın diğer metasezgisel algoritmalar ile birlikte kullanıldığı hibrit yapılar mevcuttur. Ayrıca, literatürde DKA'nın yapay zeka yöntemleri ile birlikte kullanıldığı çalışma sayısı azdır ve kural çıkarımına yönelik her hangi bir çalışmaya rastlanılmamıştır. Bu tez çalışmasında sınıflandırma problemleri için, eğitilmiş yapay sinir ağlarından (EYSA) bilgi kazanımına yönelik (sınıflandırma kuralları şeklinde) bir algoritma geliştirilmiştir. Geliştirilen algoritma, YSA' daki bağlantı ağırlıklarında bulunan gizli bilgiyi keşfetmek için eğitilmiş yapay sinir ağları üzerinde çalıştırılmıştır. DKA metasezgisel algoritması iki adımlı hiyerarşik bir yapıya sahiptir. İlk adımda çok katmanlı bir sinir ağı eğitilmekte ve ağırlıkları çıkarılmaktadır. İkinci adımda, elde edilen ağırlıklar DKA algoritması ile sınıflandırma kurallarının üretimi için kullanılmaktadır. Önerilen algoritma iki farklı veri kümesi (Echo ve WBC) üzerinde deneysel olarak değerlendirilmiş ve literatürde yer alan diğer yöntemler ile karşılaştırılmıştır. Veri kümeleri üzerinde yapılan analizler, geliştirilen algoritmanın doğru ve etkin sınıflandırma kuralları üretebildiğini göstermektedir.en_US
dc.description.abstractVariable Neighborhood Search (VNS) algorithm, one of metaheuristic methods, is a method developed to be applied to discrete optimization problems. In literature, are available hybrid structures using the VNS method along with different algorithm for continuous optimization problems. Additionally, have been observed that the small number of studies using the VNS method along with artificial intelligence methods in the literature and hasn't been found a study for rule extraction. This thesis study presented a method of extraction correct and intelligible rules from trained artificial neural networks (TANN) using variable neighborhood search (VNS) metaheuristic method. The developed method, were run on trained artificial neural networks to discover of confidential information contained in ANN connection weight. VNS metaheuristic algorithm has a two-step hierarchical structure. In the first step, a multi-layer neural network has been trained and weights are removed. In the second step, the weights obtained are used for the production of classification rules. The suggested algorithm was assessed experientially on two different data group (Echo and WBC) and was compared with other methods in the current literature. The analyses on the test data sets show the fact that the developed algorithm can produce accurate and effective classification rules.en_US
dc.identifier.citationUzun, Y. (2017). Sürekli optimizasyon problemleri için değişken komşuluk arama tekniklerinin geliştirilmesi. (Yayımlanmamış doktora tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Makine Mühendisliği Anabilim Dalı, Konya.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12452/7403
dc.language.isotren_US
dc.publisherNecmettin Erbakan Üniversitesi Fen Bilimleri Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectDeğişken Komşuluk Aramaen_US
dc.subjectYapay Sinir Ağıen_US
dc.subjectKural Çıkarımıen_US
dc.subjectOptimizasyonen_US
dc.subjectVariable Neighborhood Searchen_US
dc.subjectArtificial Neural Networken_US
dc.subjectRule Extractionen_US
dc.subjectOptimizationen_US
dc.titleSürekli optimizasyon problemleri için değişken komşuluk arama tekniklerinin geliştirilmesien_US
dc.title.alternativeDeveloping variable neighborhood search techniques for continuous optimization problemsen_US
dc.typeDoctoral Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
459328.pdf
Boyut:
2.62 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Doktora Tezi
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleskiyonu