Melez tek bir işlem birimli yapay sinir ağı hücresinin otomatik öğrenme veri tabanlarına uygulanması

Abstract

MELEZ TEK B R ŞLEM B R ML YAPAY S N R AĞI HÜCRES N NOTOMAT K ÖĞRENME VER TABANLARINA UYGULANMASIAli ÖZDEM RAnahtar Kelimeler: Otomatik Öğrenme; Çevrilmiş Çarpımsal şlem Birimi;McCulloch-Pitts şlem Birimi ModeliÖzet: Teknolojinin gelişmesi ile farklı alanlarda oluşturulan verilerin depolanmasıyanında bu verilerin analizi de büyük önem kazanmıştır. Verilerin işlenmesindefarklı otomatik öğrenme yöntemleri kullanılmaktadır. Bu tez çalışmasında yeni birikili sınıflama yöntemi ile bazı otomatik öğrenme veri tabanlarının sınıflandırılmasıamaçlanmıştır. Sınıflandırma için N-bit değer eşitliği temelli bir tek yapay sinir işlembirimi kullanılmıştır. N-bit değer eşitliği probleminde amaç; bitleri 1 olanlarınsayılarının tek ya da çift olması durumuna göre sonucun sırasıyla 1 ya da 0 olduğunubulmaktır. Bu problemi çözmek için kullanılan çevrilmiş çarpımsal işlem birimimodeli önerilen modellerin arasında en iyisidir. Bu model McCulloch-Pitts işlembirimi modelinden esinlenerek oluşturulmuştur. Bu tez çalışmasında sınıflandırılacakprobleme göre, bu iki işlem birimi modeli kullanarak melez bir işlem birimimodelinin oluşturulması amaçlanmıştır. Kullanılan çevrilmiş çarpımsal işlem birimimodelindeki parametre değerleri yine sınıflandırma problemine göre farklıseçilmiştir. Sonuç olarak, çeşitli otomatik öğrenme veri tabanları için ikilisınıflandırma işlemi yapılmıştır.

APPLICATION OF A SINGLE HYBRID ARTIFICIAL NEURON TOMACHINE LEARNING DATABASESAli ÖZDEM RKeywords: Machine Learning; Translated Multiplicative Neuron; McCulloch-PittsNeuron ModelAbstract: Analyzing and storing data that are consisted from different domainbecome important thing with development of technology. Different machine learningmethods are used to process these kinds of data. In this thesis, a new binaryclassification method is proposed for classification of some machine learningalgorithms. Only one artificial neuron based on N-bit parity rule is used for theclassification. The aim of N-bit parity problem is specified the result as 1 or 0,according to the number of 1?s bits that is odd or even. The translated multiplicativeneuron used to solve this problem is the best model which is recommended amongthe other studies. This model has been constructed by means of inspiring from theMcCulloch-Pitts neuron model. In this thesis, it is proposed to constitute a hybridmodel of these two models according to the problem that is classified. The parametervalues of translated multiplicative neuron model are chosen different according to theclassification problem. Finally, binary classification is realized for different machinelearning databases.