Fiziksel ilkeler ve yapay sinir ağları

Abstract

ÖZET Yüksek Lisans Tezi FİZİKSEL İLKELER VE YAPAY SİNİR AĞLARI Rukiye ŞAHİN Cumhuriyet Üniversitesi Fen Bilimleri Enstitüsü Fizik Anabilim Dalı Danışman: Yrd. Doç. Dr. Nihat YILDIZ Bu tezde aralarında gerek deterministik gerekse istatistik fonksiyonel bağıntı bulunan bağımlı ve bağımsız fiziksel değişkenler için fonksiyon üretme problemi teorik olarak ele alınmıştır. Bu fonksiyonel ilişkinin çoğu durumda non-lineer yapısı ve elde edilmesi güç olan parametreler içermesi problemi analitik olarak zorlaştırmaktadır. Ancak burada hatayı geriye yaymalı yapay sinir ağı (GYYSA) aracılığıyla bu fonksiyon parametreleri saptama daha kolay bir süreç olduğu teorik olarak gösterilmiştir. Teorik sonuçlar deneysel fizik literatüründen alınan sonuçlar ile karşılaştırılmış ve teorinin öngürülerinin doğru olduğu gözlenmiştir. Burada GYYSA ve deneysel fizik arasında olumlu etkileşmeler olabileceği düşünülmektedir. Anahtar Sözcükler: Geriye yaymalı yapay sinir ağı, deneysel fizik, deterministik ilişki, rasgele ilişki, non-lineer bağıntı.

SUMMARY Master Thesis PHYSCAL PRINCIPLES and ARTIFICIAL NEURAL NETWORKS Rukiye ŞAHİN Cumhuriyet University Graduate School of Natural and Applied Sciences Department of Physics Supervisor: Assistant Professor Dr. Nihat YILDIZ In this thesis, the problem of constructing a functional relationship between dependent and independent physical variables has been treated for both deterministic and statisticial relationships. The fact that the functional rebtianship, in many cases, is highly non-linear and involves parameters which are difficult to determine makes the problem analytically difficult one. However, here it has been theoretically shwon that wsing a back- propagation neural network (BPNN), determinotion of the functional rebtionship aş well as obtaining the parameters is an easier process. The theoretical considerations have been compared with the results taken from the literature, and it has been observed that the literature results support the teoretical treatments. Therefore, it may be argued that the BPNN has something to offer the experimental physics. Key words: Back-propagation neural network, experimental physics, deterministic relationship, randam relationship, non-linear rebtionship. rv