SavedAdd your journal

Journals / Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi / 2012 / Cilt: 0 - Sayı: 40

The effect of statistical normalization techniques on the performance of artificial neural network

İstatiksel normalizasyon tekniklerinin yapay sinir ağın performansına etkisi

Muhammet DEVECİ
Selahattin YAVUZ
Pages
167–187
Publication Date
2022-10-18
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

As a conclusion, it has been shown that artificial neural networks can be used successfullyto estimation future by using data normalization and learning techniques.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:In recent years, artificial neural networks have been applied in many areas and it is one ofthe most commonly researched methods.
📊
Key Findings & Data:Artificial Neural Network (ANN) techniques are effective for the complex and non-linear models.
💡
Conclusion & Impact:As a conclusion, it has been shown that artificial neural networks can be used successfullyto estimation future by using data normalization and learning techniques.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Domain Parameters

Abstract

In recent years, artificial neural networks have been applied in many areas and it is one ofthe most commonly researched methods. Artificial Neural Network (ANN) techniques are effective for the complex and non-linear models. ANN research techniques are applied to variousfields such as classification, optimization, forecasting, recognition, modeling and learning. Thispaper introduces basic structure and working architecture of artificial neural networks. Weathertemperature has been estimated for Adana city with artificial neural networks for the applicationpart. The various statistical normalization techniques used with by combination of learning techniques. As a conclusion, it has been shown that artificial neural networks can be used successfullyto estimation future by using data normalization and learning techniques.

Özet

Son yıllarda, yapay sinir ağları pek çok alanda uygulanan ve üzerinde en çok araştırma yapılan yöntemlerden birisidir. Yapay sinir ağ teknikleri karmaşık ve doğrusal olmayan modellerdeetkilidir. YSA araştırmaları; sınıflandırma, optimizasyon, tahmin, şekil tanıma, modelleme veöğrenme gibi birçok alanda kullanılmaktadır. Bu çalışmada yapay sinir ağlarının genel yapısı veçalışma mimarisi tanıtılmıştır. Uygulama kısmında yapay sinir ağları ile Adana ili için hava sıcaklık tahmini yapılmıştır. Çeşitli istatiksel normalizasyon teknikleri öğrenme yöntemleri ile birliktekullanılmıştır. Sonuç olarak; yapay sinir ağlarının öğrenme ve veri normalizasyon teknikleri ilegeleceği tahmin etmede başarıyla kullanılabileceği ortaya konulmuştur.

🔖

Cite This Article

DEVECİ, M., YAVUZ, S. (2022). The effect of statistical normalization techniques on the performance of artificial neural network. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt: 0 - Sayı: 40, 167–187. https://ajindex.com/articles/503557

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (11)

  1. ALLAHVERDİ, Novruz; (2003),
  2. Yapay Sinir Ağları, Yayınlanmamış Ders Notları, Konya: Selçuk Üniversitesi.
  3. ASİLKAN, Özcan ve Sezgin IRMAK; (2009), “İkinci El Otomobillerin Gelecekteki Fiyatlarının Yapay Sinir Agları İle Tahmin Edilmesi’’, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(2), ss. 375-391.
  4. BAYIR, Fırat; (2006), “Yapay Sinir Ağları ve Tahmin Modellemesi Üzerine Bir Uygulama”, Yayınlanmamış Yüksek Lisans Tezi, İstanbul: İstanbul Üniversitesi Sosyal Bilimler Enstitüsü. ÇUHADAR, Murat; İbrahim GÜNGÖR ve Ali GÖKSU; (2009), “Turizm Talebinin Yapay Sinir Ağları İle Tahmini ve Zaman Serisi Yöntemleri İle Karsılaştırmalı Analizi: Antalya İline Yönelik Bir Uygulama’’, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(1), ss. 99-114.
  5. DEDE, Gülin; (2008), “Yapay Sinir Ağları İle Konuşma Tanıma’’, Yayınlanmamış Yüksek Lisans Tezi, Ankara: Ankara Üniversitesi Fen Bilimleri Enstitüsü. DEVECİ, Muhammet; (2012), “Yapay Sinir Ağları ve Bekleme Süresinin Tahmininde Kullanılması”, Yayınlanmamış Yüksek Lisans Tezi, Ankara: Gazi Üniversitesi Sosyal Bilimleri Enstitüsü. DOĞAN, Emrah; Sebahattin IŞIK ve Mehmet SANDALCI; (2007), “ Günlük Buharlaşmanın Yapay Sinir Ağları Kullanarak Tahmin Edilmesi’’, İMO Teknik Dergi, ss. 4119 -4131. ELMAS, Çetin; (2003),
  6. Yapay Sinir Ağları, Birinci Baskı, Ankara:
  7. Seçkin Yayıncılık. HAMZAÇEBİ, Coşkun ve Fevzi KUTAY; (2004), “Yapay Sinir Ağları İle Türkiye Elektrik Enerjisi Tüketiminin 2010 Yılına Kadar Tahmini’’, Gazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi, 19(3), ss. 227-233.
  8. HAYKİN, Simon; (1994), Neural Networks: A Comprehensive Foundation, First Edition, New York: MacMillan College Publishing Company. HWANG, Gene and Adam DİNG; (1997), “Prediction İntervals for Artifical Neural Networks Journal of the American Statistical Association’’, Journal of the American Statistical Association, 92, pp. 748-757, Internet Address: http://www.math.neu.edu/~ding/paper/jasa97/jasa97.pdf, Date of Access: 01.03.2012.
  9. JAYALAKSHMİ, T. and A. SANTHAKUMARAN; (2011), “Statistical Normalization and Back Propagation for Classification’’, International Journal of Computer Theory and Engineering, 3(1), pp. 1793-8201.
  10. KARAALİ, F. Çağla ve Füsun ÜLENGİN; (2008), “Yapay Sinir Ağları ve Bilişsel Haritalar Kullanılarak İşsizlik Oranı Öngörü Çalışması”, İstanbul Teknik Üniversitesi Mühendislik Fakültesi Dergisi, 7(3), ss. 15-26.
  11. KARLIK, Bekir; (1994), “Çok Fonksiyonlu Protezler İçin Yapay Si