Yapay Sinir Ağları ile Fonksiyon Belirleme

Yıl 2003, Cilt: 7 Sayı: 3, 233 - 240, 30.09.2003

Nevra Akbilek Semra Boran

Öz

İstatistik yöntemler, endüstriyel uygulamalarda oldukça yoğun bir şekilde kullanılırlar. Veriler arasındaki ilişki bilindiğinde, bir değişkenin değerine bakarak diğerini tahmin edebileceğimiz gibi etki eden faktörleri kontrol altına alabilirsek bizi ilgilendiren değişkenlerin değerini optimum düzeye getirebiliriz. Bu bakımdan gözlem değerlerinin ifade ettikleri ilişki ya da fonksiyon tipinin belirlenmesi daima bir ihtiyaçtır. Deney ve gözlemle elde edilen verilerin bütünü ele alındığında uygunluk gösterdiği fonksiyon bulunabilmektedir. Bu aşamada istatistiksel değerlendirmelere ihtiyaç duyulduğundan Regrasyon Korelasyon Analizinin bilinmesi gerekmektedir. YSA herhangi bir prosesin girdi ve çıktıları arasındaki ilişkiyi( doğrusal olsun veya olmasın) elde bulunan mevcut örneklerden genellemeler yaparak ortaya koymakta ve bu genelleme ile yeni oluşan veya ortaya çıkan daha önce hiç görülmemiş proses girdilerine karşılık gelecek çıktıyı önceki örneklerden çağrışım yaparak beJirlemektedirler. Bu çalışmada mevcut fonksiyon belirleme metotlarının htz, doğruluk ve yüksek performans açısından sundukları dezavantajlarm giderilmesi amaçlanmıştır.

Anahtar Kelimeler

Çok Katmanlı Algılayıcı, Regresyon Korelasyon Analizi, Yapay Sinir Ağı

Kaynakça

• [1]. Uysal, M., Roubi, M.S.,: "Artifıcial Neural Network versus Multiple Regression in Tourism Demand Analysis" Joumal ofTravel Research, Nov99, Vol.38
• [2]. ÖZALP,A., ANAGÜN,A.S.,: "Sektöre! Hisse Senedi Fiyat Tahmininde Yapay Sinir Ağı Yaklaşımı ve Klasik Tahminleme Yöntemleri ile Karşılaştırılması" Endüstri Mühendisliği Dergisi Cilt: 12 Sayı:3-4 Sayfa: (2-17)
• [3]. Aiken,M.: ''Using a Neural Network to Forecast İnflation" İndustrial Management &Data Systeıns 99/7 (1999] 296-301
• [4]. Kumar,L.R.: "Estimation of Simultaneous Econometric Equations Using Neural Networks" IEEE 1999.
• [5]. HİLL, T., O'CONNOR, M.,REMUS,W.,: ''Neural Network Models for Time Series Forecasts" Management Science, Vol.42, No.7, Jully 1996
• [6]. REFENES, A.N., ZAPRANİS, A.,FRANCİS, G., : "Stok Performance Modeling Using Neural Networks: A Comperative Study With Regression Models" Neural Networks, Vol. 7, No.2, pp.375-388, 1994.
• [7]. GÜLSEÇEN,S., "Yapay Sinir Ağları, İşletme Alanında Uygulanması ve Bir Örnek Çalışma", Doktora Tezi İ.Ü. İşletme Fak.,İstanbul,1993.
• [8]. CHAKRABORTY, K., MEHROTRA,K., MOHAN, C.K. and RANKA, S., :"Forecasting the behavior uı. Multivariate Time Series Using Neura Networks" Neural Networks,Vol.5,pp.961-970, 1992.
• [9]. Yoon,Y., Swales,G.,: "Predicting Stock Price Performance: A Neural Network Approach" Southwest Missouri State University Sprirıgfield,Missouri 65804- 0095
• [10]. ÖZTEMEL,E.: AYDIN,M.E.,: "Yapay Sinir Ağlan ile Taguchi Metodunun Karşılaştırılması "
• [11]. COTIREL,M., GİRARD, B., GİRARD, Y., MANGEAS, M., MULLER, C.,: "Neural Modeling for Time Series: A Statistical Stepwise Method for W eight Elimination" IEEE Transactions on Neural Networks, Vol.6, No.6, November 1995.
• [12]. HORN,D.,GİNZBERG,I.,:"Leraning The Rule ofa Time Series"international Journal of Neural Systems, Vol.3, No.2 (1992) 167-177.
• [13]. CHU,C-H.,: "Neural Network System for Forecasting Method Selection" Decision Support Systems, 12(1994) 13-24.
• [14]. LEE,K.C.,PARK,S.J.:"Decision Support in Time Series Modeling by Pattem Recognition" Decision Support Systems 4(1998) 199-207.
• [15]. ÖZTEMEL,E.,A YDIN,M.E.,:"Neural Network Based Experimental Design Method and an lndustrial Application" Tr.J.of Engineering and Environmental Sciences 20 (1996) 73-78.