Genetik algoritma ile yapay sinir ağlarında yapı ve parametre optimizasyonu

Katmanlı yapay sinir ağları (YSA) herhangi bir doğrusal olmayan sürekli fonksiyonu arzu edilen doğrulukta yaklaştırma yeteneğine sahiptir. Bu özelliğinden dolayı YSA sistem modelleme, sinyal işleme ve tahmini, örüntü tanıma ve kontrol gibi uygulamalarda yaygın olarak kullanılmaktadır. Genellikle uygulamalarda sabit bir orta katman hücresine sahip ve katmanlar arasında tam bağlantıların yapıldığı ileri beslemeli katmanlı YSA kullanılır ve geriye yayılım algoritması ile eğitilir. Daha az hücre ve kısmi bağlantıya sahip olan küçük ağlar, sınırlı bilgi işleme kapasitesi nedeniyle iyi bir performans sağlamazken fazla hücre ve tam bağlantılı büyük ağlar gereksiz bağlantılara, işlem yoğunluğuna ve eğitim sürecinin yavaşlamasına neden olur. Ayrıca, YSA' nın parametre sayısı arttıkça eğitim sürecinde amaç fonksiyonunun yerel minimumlarına yakalanma olasılığı artar. Bu nedenlerle, yapay sinir ağlarının yapı ve parametre optimizasyonu önemli bir sorundur.Bu tez çalışmasında, yapay sinir ağlarının yapısının ve parametrelerinin genetik algoritma (GA) ile ayarlanması incelenmiştir. Bu amaçla, ileri beslemeli YSA' nın optimizasyonu için kullanılan GA da gerçek kodlama tekniği kullanılmış ve her bir kromozom, YSA' nın ağırlıklarını, polarmalarını ve bu ağırlık ve polarmaların bağlantı anahtarlarını ihtiva eden bir vektör olarak kodlanmıştır. Bu ağlar, genetik-yapay sinir ağı (GYSA) olarak söylenir ve bağlantı anahtarları ile GYSA' nın etkisiz ağırlıkları ve hücreleri elimine edilebilir. Bu tezde önerilen GYSA' nın sistem modelleme problemindeki performansları incelenmiştir. Doğrusal olmayan dinamik sistemlerin modellenmesinden elde edilen sonuçlar, optimize edilmiş GYSA' nın iyi bir modelleme performansına sahip olduğunu göstermiştir.Anahtar Kelimeler: Yapay Sinir Ağları, Genetik Algoritma, Sistem Modelleme, Optimizasyon