Genelleştirilmiş regresyon yapay sinir ağı örüntü katman büyüklüğünü azaltmak için kümeleme tabanlı bir yaklaşım
Genelleştirilmiş Regresyon Yapay Sinir Ağı (GRYSA) radyal tabanlı çalışan ve genellikle tahminleyici olarak kullanılan denetimli-öğrenimli bir yapay sinir ağı (YSA) modelidir. Kolay modellenebilmesinin yanında hızlı ve tutarlı sonuçlar üretmesi bu algoritmanın güçlü yanlarını oluşturmaktadır. Ancak...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Pamukkale University
2018-10-01
|
| Series: | Pamukkale University Journal of Engineering Sciences |
| Subjects: | |
| Online Access: | http://dergipark.org.tr/pajes/issue/39683/469423?publisher=pamukkale |
| _version_ | 1828019181864353792 |
|---|---|
| author | Mustafa Oral Serkan Kartal Buse Melis Özyıldırım |
| author_facet | Mustafa Oral Serkan Kartal Buse Melis Özyıldırım |
| author_sort | Mustafa Oral |
| collection | DOAJ |
| description | Genelleştirilmiş Regresyon Yapay Sinir Ağı
(GRYSA) radyal tabanlı çalışan ve genellikle tahminleyici olarak kullanılan
denetimli-öğrenimli bir yapay sinir ağı (YSA) modelidir. Kolay
modellenebilmesinin yanında hızlı ve tutarlı sonuçlar üretmesi bu algoritmanın
güçlü yanlarını oluşturmaktadır. Ancak GRYSA tahmin mekanizmasında, eğitim veri
setindeki her örnek veri için örüntü katmanında bir adet nöron tutulmaktadır.
Bu nedenle, eğitim veri setinin çok büyük olduğu çalışmalarda örüntü katman
yapısı örnek verilerinin sayısıyla aynı oranda büyümekte, yapılan işlem sayısı
ve bellek gereksinimi artmaktadır. Bu çalışmada, GRYSA algoritmasının işlem
sayısını azaltmaya yönelik olarak literatürde daha önce de denenmiş olan
k-ortalama kümeleme algoritması ön-işlemci olarak kullanılmış, literatürdeki
çalışmalardan farklı olarak, bu çalışmaların performansını negatif anlamda
etkileyen kümeler arasına düşen test verileri bulunarak aykırı veri oluşmasının
önüne geçilmiştir. Böylece, örüntü katmanındaki bellek ihtiyacı ve işlem sayısı
azaltılırken, kümeleme algoritmasının eklenmesi ile performansta ortaya çıkan
negatif etki büyük oranda giderilmiş ve yaklaşık %90 daha az eğitim verisi ile
neredeyse aynı tahmin sonuçları elde edilmiştir. |
| first_indexed | 2024-04-10T11:14:42Z |
| format | Article |
| id | doaj.art-a4693978c50f45abbfa2f74c3958c65d |
| institution | Directory Open Access Journal |
| issn | 1300-7009 2147-5881 |
| language | English |
| last_indexed | 2024-04-10T11:14:42Z |
| publishDate | 2018-10-01 |
| publisher | Pamukkale University |
| record_format | Article |
| series | Pamukkale University Journal of Engineering Sciences |
| spelling | doaj.art-a4693978c50f45abbfa2f74c3958c65d2023-02-15T16:18:54ZengPamukkale UniversityPamukkale University Journal of Engineering Sciences1300-70092147-58812018-10-01245857863218Genelleştirilmiş regresyon yapay sinir ağı örüntü katman büyüklüğünü azaltmak için kümeleme tabanlı bir yaklaşımMustafa OralSerkan KartalBuse Melis ÖzyıldırımGenelleştirilmiş Regresyon Yapay Sinir Ağı (GRYSA) radyal tabanlı çalışan ve genellikle tahminleyici olarak kullanılan denetimli-öğrenimli bir yapay sinir ağı (YSA) modelidir. Kolay modellenebilmesinin yanında hızlı ve tutarlı sonuçlar üretmesi bu algoritmanın güçlü yanlarını oluşturmaktadır. Ancak GRYSA tahmin mekanizmasında, eğitim veri setindeki her örnek veri için örüntü katmanında bir adet nöron tutulmaktadır. Bu nedenle, eğitim veri setinin çok büyük olduğu çalışmalarda örüntü katman yapısı örnek verilerinin sayısıyla aynı oranda büyümekte, yapılan işlem sayısı ve bellek gereksinimi artmaktadır. Bu çalışmada, GRYSA algoritmasının işlem sayısını azaltmaya yönelik olarak literatürde daha önce de denenmiş olan k-ortalama kümeleme algoritması ön-işlemci olarak kullanılmış, literatürdeki çalışmalardan farklı olarak, bu çalışmaların performansını negatif anlamda etkileyen kümeler arasına düşen test verileri bulunarak aykırı veri oluşmasının önüne geçilmiştir. Böylece, örüntü katmanındaki bellek ihtiyacı ve işlem sayısı azaltılırken, kümeleme algoritmasının eklenmesi ile performansta ortaya çıkan negatif etki büyük oranda giderilmiş ve yaklaşık %90 daha az eğitim verisi ile neredeyse aynı tahmin sonuçları elde edilmiştir.http://dergipark.org.tr/pajes/issue/39683/469423?publisher=pamukkaleGeneralized regression neural networkPrediction neural networkPattern reductionReduced datasetGenelleştirilmiş regresyon yapay sinir ağıTahminleyici yapay sinir ağıÖrüntü azaltmaAzaltılmış veri seti |
| spellingShingle | Mustafa Oral Serkan Kartal Buse Melis Özyıldırım Genelleştirilmiş regresyon yapay sinir ağı örüntü katman büyüklüğünü azaltmak için kümeleme tabanlı bir yaklaşım Pamukkale University Journal of Engineering Sciences Generalized regression neural network Prediction neural network Pattern reduction Reduced dataset Genelleştirilmiş regresyon yapay sinir ağı Tahminleyici yapay sinir ağı Örüntü azaltma Azaltılmış veri seti |
| title | Genelleştirilmiş regresyon yapay sinir ağı örüntü katman büyüklüğünü azaltmak için kümeleme tabanlı bir yaklaşım |
| title_full | Genelleştirilmiş regresyon yapay sinir ağı örüntü katman büyüklüğünü azaltmak için kümeleme tabanlı bir yaklaşım |
| title_fullStr | Genelleştirilmiş regresyon yapay sinir ağı örüntü katman büyüklüğünü azaltmak için kümeleme tabanlı bir yaklaşım |
| title_full_unstemmed | Genelleştirilmiş regresyon yapay sinir ağı örüntü katman büyüklüğünü azaltmak için kümeleme tabanlı bir yaklaşım |
| title_short | Genelleştirilmiş regresyon yapay sinir ağı örüntü katman büyüklüğünü azaltmak için kümeleme tabanlı bir yaklaşım |
| title_sort | genellestirilmis regresyon yapay sinir agi oruntu katman buyuklugunu azaltmak icin kumeleme tabanli bir yaklasim |
| topic | Generalized regression neural network Prediction neural network Pattern reduction Reduced dataset Genelleştirilmiş regresyon yapay sinir ağı Tahminleyici yapay sinir ağı Örüntü azaltma Azaltılmış veri seti |
| url | http://dergipark.org.tr/pajes/issue/39683/469423?publisher=pamukkale |
| work_keys_str_mv | AT mustafaoral genellestirilmisregresyonyapaysiniragıoruntukatmanbuyuklugunuazaltmakicinkumelemetabanlıbiryaklasım AT serkankartal genellestirilmisregresyonyapaysiniragıoruntukatmanbuyuklugunuazaltmakicinkumelemetabanlıbiryaklasım AT busemelisozyıldırım genellestirilmisregresyonyapaysiniragıoruntukatmanbuyuklugunuazaltmakicinkumelemetabanlıbiryaklasım |