Öngörü problemi için eşik değerli tek çarpımsal nöron modelli yapay sinir ağları

Tek çarpımsal nöron model yapay sinir ağları, zaman serileri öngörü problemlerinde sıklıkla kullanıldığından ve gizli tabaka birim sayısı problemi bulundurmadığından yapay sinir ağları literatüründe önemli bir yere sahiptir. Tek çarpımsal nöron model yapay sinir ağları ile ilgili yapılan çalışmalarda, eğitim sürecinden elde edilen model tek bir modeldir. Bu tez çalışmasında, literatürdeki diğer birçok yapay sinir ağı modelinden farklı olarak, tek çarpımsal nöron model yapay sinir ağlarının çıktısını elde etmek için bir eşik değer belirlenmiştir. Elde edilen eşik değer ile ağın çıktısının hesaplanmasında hangi ağırlıkların ve yan değerlerin kullanıldığı belirlenmektedir. Sistemin optimal ağırlıklarını ve yan değerlerini belirlemek için kullanılan eşik değere dayalı tek çarpımsal nöron modelinin eğitimi için, armoni arama algoritması ve parçacık sürüsü optimizasyonu yöntemleri kullanılmıştır. Önerilen yöntemin performansını değerlendirmek için üç farklı gerçek hayat zaman serisi analiz edilmiş ve hem bu tez çalışmasında önerilen yöntemlerden elde edilen sonuçlar hem de literatürdeki popüler birçok yapay sinir ağı yönteminden elde edilen sonuçlar karşılaştırılmıştır.