Yapay Sinir Ağlarının Eğitimi için Salp Sürü Optimizasyonu Algoritmasının İyileştirilmesi

Basit Öğe Kaydı
dc.authorid0000-0002-8870-6109en_US
dc.contributor.advisorGülcü, Şaban
dc.contributor.authorAtlı, Furkan Durmuş
dc.date.accessioned2022-10-26T08:56:58Z
dc.date.available2022-10-26T08:56:58Z
dc.date.issued2022en_US
dc.departmentNEÜ, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalıen_US
dc.descriptionYüksek Lisans Tezien_US
dc.description.abstractSon yıllarda popülerlik kazanan meta sezgisel algoritmalardan birisi de salp sürü optimizasyon algoritmasıdır (SSA). Derin okyanuslarda yaşayan bu canlılar besin bulmak ve yer değiştirmek için gruplar halinde dolaşırlar. Salplar dairesel bir zincir şeklinde ilerleyerek daha hızlı besin arama ve koordineli yer değiştirme yeteneği ile SSA algoritmasına ilham olmuşturlar. Bu tez çalışmasında çok katmalı algılayıcıları (ÇKA) eğitmek için iyileştirilmiş salp sürü algoritması (İSSA) önerilmiştir. İSSA çalışmasında arama uzayının keşfi ve global en iyi değere en hızlı şekilde ulaşmak için trigonometrik fonksiyonlardan ve rassallıktan yararlanılmıştır. Aynı zamanda metasezgisel algoritmaların genel problemlerinden biri olan yerel optimuma takılma sorunundan kaçınmak için kaos haritalarından yararlanılmıştır. Önerilen İSSA algoritması yapay sinir ağları (YSA) eğitimlerinde ağırlık ve bias değerlerinin optimum noktaya getirilmesi için kullanılmıştır. ÇKA’ları eğitmek için kullanılan İSSA bu tez çalışmasında İSSA-ÇKA olarak adlandırılmıştır. İSSA-ÇKA algoritmasının başarısını ölçmek için literatürde en çok kullanılan beş farklı veri seti ele alınmış farklı ÇKA yapıları kullanılmış ve iki farklı optimizasyon algoritması ile kıyaslama yapılmıştır. Kullanılan veri setleri xor, balon, iris, meme kanseri ve kalp veri setidir. SSA tabanlı İSSA-ÇKA algoritması, SSA-ÇKA ve SMS algoritması tabanlı SMS ÇKA ile kıyaslanmaktadır. Kıyaslama sonucunda ortalama doğruluk oranlarında İSSA-ÇKA algoritmasının SMS-ÇKA algoritmasını üstün bir başarı ile geçtiği, SSA-ÇKA algoritmasını ise beş farklı veri setinden xor, balon, iris ve kalp veri setlerinde geçtiğini, meme kanseri veri setinde ise SSA-ÇKA algoritmasının İSSA-ÇKA algoritmasını geçtiği görüşmüştür. İSSA-ÇKA algoritmasının arama uzayını daha iyi keşfederek global en iyi noktasına ulaşmayı hedeflemiştir. İSSA-ÇKA algoritmasının global en iyi noktasına diğer algoritmalara göre düşük iterasyonlarda daha hızlı yakınsadığı yakınsama grafikleri ile ispatlanmıştır.en_US
dc.description.abstractOne of the meta-heuristic algorithms that have gained popularity in recent years is the salp swarm optimization algorithm (SSA). Living in deep oceans, these creatures roam in groups to find food and move places. Salps were inspired by the SSA algorithm with their ability to move in a circular chain, faster foraging, and coordinated displacement. In this thesis, an improved salp swarm algorithm (ISSA) is proposed to train multilayer perceptrons (MLP). In the ISSA study, trigonometric functions and randomness were used to maintain the balance of exploration and exploitation of the search space. At the same time, chaos maps are used to avoid the problem of getting stuck in the local optimum, which is one of the general problems of metaheuristic algorithms. The proposed ISSA algorithm is used to optimize the weight and bias values in artificial neural networks (ANN) training. ISSA used to train MLPs is named ISSA-MLP in this thesis. To measure the success of the ISSA-MLP algorithm, five different datasets most commonly used in the literature were handled, different MLP structures were used, and a comparison was made with two different optimization algorithms. The datasets used are xor, balloon, iris, breast cancer, and heart dataset. The SSA-based SSA-MLP algorithm is compared with the SSA-MLP and the SMS algorithm-based SMS-MLP. As a result of the comparison, in average accuracy rates, the ISSA-MLP algorithm passed the SMS-MLP algorithm with superior success, the SSA-MLP algorithm passed the xor, balloon, iris, and heart datasets from five different datasets, and the SSA-MLP algorithm in the breast cancer dataset was found to be ISSA-MLP algorithm. It was discussed that he passed the MLP algorithm. It aimed to reach the global best point by better exploring the search space of the ISSA MLP algorithm. It is shown in the line graphs that the ISSA-MLP algorithm converges to the global best point faster with a slightly less number of iterations compared to other algorithms.en_US
dc.identifier.citationAtlı, D. F. (2022). Yapay sinir ağlarının eğitimi için salp sürü optimizasyonu algoritmasının iyileştirilmesi. (Yayımlanmamış yüksek lisans tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Konya.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12452/8689
dc.language.isotren_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectÇok katmanlı algılayıcılaren_US
dc.subjectKaosen_US
dc.subjectSalp sürü optimizasyon algoritmasıen_US
dc.subjectMeta sezgiselen_US
dc.subjectYapay sinir ağlarıen_US
dc.subjectYapay sinir ağları eğitimien_US
dc.subjectArtificial neural networksen_US
dc.subjectSalp swarm optimization algorithmen_US
dc.subjectChaosen_US
dc.subjectMetaheuristicen_US
dc.subjectMultilayer perceptronen_US
dc.subjectTraining artificial neural networksen_US
dc.titleYapay Sinir Ağlarının Eğitimi için Salp Sürü Optimizasyonu Algoritmasının İyileştirilmesien_US
dc.title.alternativeImprovement of Salp Swarm Optimization Algorithm for Training of Artificial Neural Networksen_US
dc.typeMaster Thesisen_US

Dosyalar

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

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleskiyonu