Darbeli yapay sinir ağları için yeni öğrenme algoritmalarının geliştirilmesi

Yapay sinir ağlarında (YSA) sıklıkla kullanılan gradyan tabanlı öğrenme algoritmalarının temel eksiklikleri, yavaş yakınsama hızları ve hata fonksiyonunun sadece yerel minimuma indirilmesinin garanti edilmesi olarak sıralanabilir. Değişken Yapılı Sistemler kuramının gürbüzlüğünü vurgulayan çalışmalar, YSA'nın eğitiminde kayma kipli denetim kuramı tabanlı öğrenme algoritmalarının kullanımını desteklemiştir. Bu tez çalışmasında, dinamik sistemlerin tanımlanmasında ve denetiminde kullanılmak üzere Darbeli Yapay Sinir Ağları (DYSA) için değişken sistemler kuramı temelli öğrenme algoritmalarının geliştirilmesi ele alınmıştır. Parametrelerin güncelleme kurallarının saptanmasında Lyapunov kararlılık yöntemi kullanılmıştır. DYSA'nın parametrelerinin kararlı ve hızlı bir şekilde uyarlanması önerilen algoritmanın en önemli iki özelliğidir. YSA, sistemin girişleri ile çıkışları arasında bir ilişki kurmakta oldukça başarılı olmalarına karşın kara kutu olarak düşünülebilirler. Öte yandan, bulanık mantık sistemleri herhangi bir çıktıya hangi girişleri nasıl kullanarak ulaştıklarını açıklamak konusunda oldukça iyi olmakla beraber, uzman bilgisi gerektirmektedirler. Eğer bu bilgi eksik, yanlış veya çelişkili ise bulanık sistemlerin uyarlanması gerekir. Önerilen bulanık DYSA yapısında, DYSA bu uyarlama işlemini otomatikleştirmek ve başarımı artırırken geliştirme zamanını ve maliyetini önemli ölçüde azaltmak için kullanılmışlardır. Uyarlama kuralları, evrensel kararlılık problemini ortadan kaldırmak için değişken yapılı sistemler kuramı kullanılarak belirlenmiştir. Geliştirilen algoritmalar kilitlenmeyen fren sisteminde (KFS) kayma değerinin kontrolünde ve 2 eksenli SCARA tipi robotun pozisyon kontrolünde başarıyla uygulanmıştır.