Bulanık sinir ağları tasarımında yeni kümeleme yöntemleri

Bu tezde, bulanık sinir ağlarının tasarımında eniyilenmiş parametreleri olan yeni kümeleme yöntemleri geliştirildi. Benzetilmiş Tavlama eniyileme (BT) yönteminin değiştirilmiş hali ile Çıkartımlı Kümeleme (ÇK) yöntemi bulanık sisteme uyarlanarak, eniyilenmiş bulanık kural tabanı, eniyilenmiş parametreler ve en önemli girişleri seçen bulanık sınıflandırıcı (BTÇKBS) türetildi. Farklı eniyileme senaryolarını göstermek amaçlı BTÇKBS-Tip1, Tip2, Tip3 ve Tip4 olmak üzere dört farklı sınıflandırıcı geliştirildi. Her bir BTÇKBS tip sınıflandırıcı bazı benzer özellikler taşımasına rağmen, Tip4 de melez bir özellik seçmede geliştirildiği için sınıflandırıcı daha iyi bir sınıflandırma performansına sahiptir. İki yeni Bulanık Sinir Ağı tabanlı Sınıflandırıcı (BSS), BSS1 ve BSS2 olarak ortaya konuldu. Her iki sınıflandırıcının ağ mimarilerinin kurulmasında Kaybedeni Cezalandırıcı Rekabetçi Öğrenme (KCRÖ) tabanlı kümeleme yöntemi kullanıldı. Yeni bir KCRÖ tabanlı hata geri yayılma öğrenme algoritması BSS2'nin parametrelerinin ayarlanması için geliştirildi. Kural uyum mekanizması BSS2'nin öğrenme sürecine dâhil edilerek hem parametrelerin hem de sınıflandırıcı yapısının öğrenme sürecinde dinamik olarak değiştirilmesi sağlandı. Bazı sınıflandırma problemlerinde test edilerek ortaya konan sınıflandırıcıların, yakın zamandaki çalışmalardaki benzer diğer sınıflandırıcılarla karşılaştırıldığında daha iyi bir sınıflandırma başarısına sahip olduğu bulundu