Yapay sinir ağlarının yeni metasezgisel algoritmalar ile eğitimi ve veri madenciliğinde sınıflandırma alanında kullanımı
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, ENDÜSTRİ MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2016
Tezin Dili: Türkçe
Öğrenci: BURAK GÜLMEZ
Danışman: Sinem Kulluk
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Veri madenciliği günümüzde önemini gitgide artıran bir alandır ve veri madenciliği sayesinde birçok alanda kolaylık ve gelişmeler sağlanmaktadır. Bankacılıktan eğitime, sağlıktan askeriyeye kadar veri madenciliğinin çok yaygın bir kullanım alanı vardır. Sınıflandırma veri madenciliğinin önemli bir parçasıdır. Sınıflandırmada eldeki veriler, belirli kurallara göre belirli sınıflara atanırlar. Sınıflandırma alanında birçok yöntem ve algoritma geliştirilmiştir. Bu yöntemler arasında yapay sinir ağları elde ettikleri yüksek doğruluk değerleri ile en çok kullanılan yöntemlerden birisidir. Yapay sinir ağları insan beyninden esinlenerek insanda bulunan yeni bilgiler öğrenme, yeni çıkarımlar yapma gibi yetenekleri otomatik olarak gerçekleştiren bir yöntemdir ve doğrusal olmayan karmaşık problemleri çözmekte oldukça başarılıdır. Bu yüzden eğitimleri yavaş ve zordur. Yapay sinir ağlarının eğitiminde kullanılan geleneksel algoritmalar matematiksel hesaplamalara dayanmaktadır, yavaştır ve genellikle yerel optimum noktaya takılıp kalmaktadırlar. Bu dezavantajların üstesinden gelen metasezgisel algoritmalar literatürde yaygın olarak kullanılmaktadır. Genetik algoritmalar, yapay arı kolonisi algoritması gibi birçok metasezgisel algoritma yapay sinir ağlarının eğitiminde kullanılmış ve oldukça etkin sonuçlar elde edilmiştir. Bu çalışmada son yıllarda geliştirilen ve sürekli problemler üzerinde oldukça iyi sonuçlar veren iyon hareketi algoritması, sosyal örümcek algoritması ve stokastik fraktal arama algoritmalarının yapay sinir ağlarının eğitimindeki başarı düzeyleri değerlendirilmiştir. Algoritmaların performansı literatür verileri ve bir gerçek hayat verisi üzerinde değerlendirilmiş ve hem geleneksel hem de metasezgisel algoritmalarla karşılaştırılmıştır.