Yapay sinir ağları ile eğri belirleme

Abstract

ÖZET Anahtar Kelimeler: Regresyon ve Korelasyon analizi, yapay sinir ağları, geriye yayınım algoritması, regresyon ve korelasyon katsayısı testleri, ana kütle verileri, örnek kütle verileri YSA, sadece girdi ve çıktı değerlerine ulaşabilmenin mümkün olduğu, kara kutu olarak nitelendirilebilecek bir sistemin işlevini,davramşlarını, basitçe matematiksel fonksiyonunu ve özelliklerini belirleyebilen ve sistem parametreleri için değer türetebilen bir tekniktir. YSA'larda bilgi saklama verileri eğitme özelliğini kullanarak eğitme örnekleri ile yapılır. Nöral hesaplama algoritmik programlamaya bir seçenek oluşturan, temel olarak yeni ve farklı bir bilgi işleme olayıdır. Uygulama imkanının olduğu her yerde tamamen yeni bir bilgi işleme yetenekleri geliştirilebilir. Bu çalışmada YSA'nın yukarıda sayılan özellikleri ve optimizasyon ile model tanımadaki popülaritesi gözönüne alınarak bir veri setinin fonksiyon türünü belirleyebilen bir sistem geliştirilmiştir. Y = a + bx, Y = a + bx2, Y -a + b/x, Y = a + b/x2 gibi zaman serileri modelleri dikkate alınarak gözlem değerlerinin hangi fonksiyona daha iyi uyum gösterdiği araştırıldı. Sonuç olarak klasik programlama ile değil YSA ile yeni bir yaklaşım denenmiştir. Bu çalışmada kullanılan YSA, ÇKA olarak bilinir. Yukarıda anlatılan problemde ÇKA'nın başarıyla uygulanabileceği kanıtlanmıştır Bu çalışma şu adımlardan oluşmaktadır: 1.Örnek kütle verilerinin üretilmesi 2. Verilerin güvenilirlik testlerinin yapılması 3.YSA'na verilip eğitilmesi 4. YSA'nın test edilmesi 5. YSA davranışının ölçülmesi 6. YSA programı ile SPSS programı sonuçlarının karşılaştırılması Bu çalışmada kullanılan YSA, ÇKA olarak bilinir. Yukarıda anlatılan problemde ÇKA'nın başarıyla uygulanabileceği kanıtlanmıştır.

FUNCTIONS DETERMINATION BY NEURAL NETWORK SUMMARY Keywords : Regression and Correlation Analysis, Neural Networks, Back Propagation Algorithm, Regression and Correlation Coefficient Test, Main Mass Data, Sample Mass Data, Multilayer Perceptron LNN is a technique that can determine the function, behaviors, simple mathematical function and features and form values for parameters of a system that only the input and output values can be reached. Learning is made by samples.Neural calculation is a new and different knowledge processing that creates a new alternative for algorithmic programming. New knowledge processing abilities can be developed where possible. In this work a system that determines the function type of a data set is developed with the features of NN mentioned above and by considering the popularity of NN in model recognition with optimization. Besides, the investigation of the observation values' adaptation to functions is made. Finally, as an alternative to classic programming, a new approach with NN is experimented. The NN used in this work is known as Multilayer Perceptron. Is is proved that Multilayer perceptron can be used successfully in the problem mentioned above. This work consists of these steps: 1. Creation of sample mass data 2. Testing of data confidence. 3. Training of the NN 4. Testing of the NN 5. Measuring the behavior of the NN XI