Elman Ağının Benzetilmiş Tavlama Algoritması Kullanarak Eğitilmesi

Date

2003-10-01

Author

Kalınlı, Adem

Metadata

Show full item record

Item Usage Stats

220
views

0
downloads

Yaygın olarak kullanılan geribeslemeli yapay sinir ağlarından birisi Elman ağıdır. Son yıllarda Elman ağı ve geliştirilmiş modelleri sistem kimliklendirme uygulamalarında sıkça kullanılmaktadır. Orijinal Elman ağı ve geliştirilmiş modelleri ileribesleme ve geribesleme bağlantılarına sahiptir. Ancak, bu ağlar temelde ileribeslemeli ağlar gibi standart geriyayılım algoritması ile eğitilmekte, geribesleme bağlantıları ise sabit kalmaktadır. Eğitme başarısı için, geribesleme bağlantılarının doğru değerde seçilmesi önemlidir. Bununla beraber, bu değerler uzunca bir deneme yanılma işlemiyle belirlenmektedir. Bu makalede benzetilmiş tavlama algoritmasının sistem kimliklendirme amacıyla Elman ağını eğitmede kullanılması tanımlanmıştır. Benzetilmiş Tavlama algoritması, ileribesleme ve geribesleme bağlantılarının her ikisi için optimal ağırlık değerlerini sağlayabilecek, etkili bir rasgele araştırma algoritmasıdır.

Subject Keywords

Geribeslemeli sinir ağları, Elman ağı, Benzetilmiş tavlama, Dinamik sistem kimliklendirme, Recurrent neural networks, Simulated annealing, Elman network, Dynamic system identification

URI

https://hdl.handle.net/11511/72401
https://dergipark.org.tr/en/download/article-file/236686

Journal

Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi

Collections

Other, Article

Suggestions

OpenMETU
Core

Elman ağının simulated annealing algoritması kullanarak sistem kimliklendirme için eğitilmesi Kalınlı, Adem (2002-04-01) Elman ağı geribeslemeli yapay sinir ağlarının özel bir türüdür. Elman ağının ileribesleme bağlantıları, ileribeslemeli ağlar gibi yalın geriyayılım algoritması ile eğitilmekte, geribesleme bağlantıları ise sabit kalmaktadır. Geribesleme bağlantılarının uygun değerlerde seçilmesi, eğitmenin başarısı için önemlidir. Ancak, bu değerlerin belirlenmesi uzunca bir deneme yanılma işlemiyle olabilmektedir. Bu çalışmada, Simulated annealing (SA) algoritmasının, dinamik sistemlerin kimliklendirilmesi amacıyla Elman a...
SWIM : a new multicast routing algorithm for wireless networks Akyürek, Alper Sinan; Uysal Bıyıkoğlu, Elif; Department of Electrical and Electronics Engineering (2011) In this work, a new multicast routing algorithm for wireless networks is presented. The algorithm, called SWIM (Source-initiated WIreless Multicast), is a depth-optimal multicast tree formation algorithm. SWIM is fully distributed and has an average computational complexity of O(N 2 ). SWIM forms a shared tree from the source(s) to destinations; yet, as a by-product, it creates a multicast mesh structure by maintaining alternative paths at every tree node. This makes SWIM suitable for both ad hoc networks a...
Attack Independent Perceptual Improvement of Adversarial Examples Karlı, Berat Tuna; Temizel, Alptekin; Department of Information Systems (2022-12-23) Deep Neural networks (DNNs) are used in a variety of domains with great success, however, it has been proven that these networks are vulnerable to additive non-arbitrary perturbations. Regarding this fact, several attack and defense mechanisms have been developed; nevertheless, adding crafted perturbations has a negative effect on the perceptual quality of images. This study aims to improve the perceptual quality of adversarial examples independent of attack type and the integration of two attack agnostic t...
Improving Perceptual Quality of Spatially Transformed Adversarial Examples Aydın, Ayberk; Temizel, Alptekin; Department of Modeling and Simulation (2022-8) Deep neural networks are known to be vulnerable to additive adversarial perturbations. The amount of these additive perturbations are generally quantified using Lp metrics over the difference between adversarial and benign examples. However, even when the measured perturbations are small, they tend to be noticeable by human observers since Lp distance metrics are not representative of human perception. Spatially transformed examples work by distorting pixel locations instead of applying an additive perturba...
Adaptive neuro fuzzy inference system applications in chemical processes Güner, Evren; Özgen, Canan; Leblebicioğlu, Kemal; Department of Chemical Engineering (2003) Neuro-Fuzzy systems are the systems that neural networks (NN) are incorporated in fuzzy systems, which can use knowledge automatically by learning algorithms of NNs. They can be viewed as a mixture of local experts. Adaptive Neuro-Fuzzy inference system (ANFIS) is one of the examples of Neuro Fuzzy systems in which a fuzzy system is implemented in the framework of adaptive networks. ANFIS constructs an input-output mapping based both on human knowledge (in the form of fuzzy rules) and on generated input-out...

Citation Formats

A. Kalınlı, “Elman Ağının Benzetilmiş Tavlama Algoritması Kullanarak Eğitilmesi,” Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, pp. 28–37, 2003, Accessed: 00, 2021. [Online]. Available: https://hdl.handle.net/11511/72401.