Pi-sigma yapay sinir ağlarının diferansiyel gelişim algoritması ile eğitimi

Literatürde öngörü problemi üzerine çalışmalar temelde klasik öngörü modelleri ile başlamış olup son yıllarda yapay sinir ağları ile başarılı bir şekilde devam etmektedir. Literatürde çok katmanlı ileri beslemeli yapay sinir ağları, çarpımsal nöron modelli yapay sinir ağları, Pi-Sigma yapay sinir ağları gibi birçok yapay sinir ağının öngörü problemi için kullanımında oldukça başarılı sonuçlar verdiği bilinmektedir. Bu yapay sinir ağlarından Pi-Sigma yapay sinir ağları hem toplamsal hem de çarpımsal birleştirme fonksiyonuna sahip olması ve yüksek dereceli bir yapay sinir ağı türü olması nedeni ile diğer sinir ağlarından farklılık göstermektedir. Literatürde, öngörü amacı ile kullanılan Pi-Sigma yapay sinir ağlarının eğitimi için genetik algoritma, parçacık sürü optimizasyonu gibi sezgisel optimizasyon algoritmaları kullanılmasına rağmen henüz diferansiyel gelişim algoritması kullanılmamıştır. Bu tez kapsamında Pi-Sigma yapay sinir ağlarının eğitimi ilk kez diferansiyel gelişim algoritması ile gerçekleştirilmektedir. Önerilen yöntemin performansının değerlendirilmesi için literatürde sıklıkla kullanılan iki farklı gerçek hayat zaman serisi çözümlenmiş ve önerilen yöntemin performansı diğer bazı yapay sinir ağı türleriyle karşılaştırılmıştır.