Bulanık Kümeleme ve Destek Vektörleri ile Sinir Ağı Güçlendirme Uygulamaları

Vuran, Nisa | Acı, Mehmet | Korucu, Gizen Mutlu | Acı, Çiğdem

Bu çalışmada, sinir ağlarının kullanımında Regülerize Edilmiş Bulanık Kümeleme Sinir Ağı’nın (RFCNN) gürültülü ve uyumsuz veriler karşısında dayanıklılığının arttırılması amaçlanmıştır. Geleneksel sinir ağları, gürültülü verilerle çalışırken performans düşüşleri yaşamaktadır. Bu sorunu ele almak için, destek vektör tabanlı (Support Vector, SV) tabanlı Hiyerarşik Bulanık C-Ortalamalar (Hierarchical Fuzzy C-Means, HFCM) ve Bulanık C-Ortalamalar (Fuzzy C-Me-ans, FCM) kümeleme tekniklerini L2-norm düzenleme ile birleştirerek daha da-yanıklı bir model geliştirilmesi hedeflenmiştir. Çalışmada, SV tabanlı kümeleme tekniklerinin aykırı değerlerin etkilerini azaltarak modelin performansını iyileştiği gösterilmiştir. L2-norm düzenlemesi, modelin aşırı uyumunu önlemek ve varyans-önyargı dengesini sağ...

Çevrimiçi Aktif Öğrenme ile Geliştirilen Bulanık Sinirsel Sınıflandırıcı Analizi

Vuran, Nisa | Acı, Mehmet | Korucu, Gizen Mutlu | Acı, Çiğdem