Tüm sistemler için elde edilen sonuçlar değerlendirildiğinde, lineer olmayan sistemlerin kimliklendirilmesinde KOA tabanlı İB-YSA eğitim sürecinin etkili olduğu gözlemlenmiştir.
📌 3 Key Takeaways
🎯
Objective & Hypothesis:Bu çalışma, lineer olmayan sistemlerin kimliklendirilmesi için ileri beslemeli yapay sinir ağının (İB-YSA) eğitiminde kelebek optimizasyon algoritmasının (KOA) performansını değerlendirmektedir.
📊
Key Findings & Data:Bununla birlikte, İB-YSA’nın eğitiminde popülasyon büyüklüğü ve ağ yapısının etkisi detaylıca incelenmiştir.
💡
Conclusion & Impact:Tüm sistemler için elde edilen sonuçlar değerlendirildiğinde, lineer olmayan sistemlerin kimliklendirilmesinde KOA tabanlı İB-YSA eğitim sürecinin etkili olduğu gözlemlenmiştir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Kelebek optimizasyon algoritması · yapay sinir ağı · sistem kimliklendirme
Özet
Bu çalışma, lineer olmayan sistemlerin kimliklendirilmesi için ileri beslemeli yapay sinir ağının (İB-YSA) eğitiminde kelebek optimizasyon algoritmasının (KOA) performansını değerlendirmektedir. Bu kapsamda, yapay sinir ağının (YSA) ağırlıkları KOA ile belirlenmiştir. Bununla birlikte, İB-YSA’nın eğitiminde popülasyon büyüklüğü ve ağ yapısının etkisi detaylıca incelenmiştir. Algoritmanın çözüm kalitesi ve yakınsama hızı açısından performansı değerlendirilmiştir. Uygulamalarda lineer olmayan 4 sistem kullanılmıştır. Hata değeri olarak ortalama karesel hata seçilmiştir. Tüm sistemler için elde edilen sonuçlar değerlendirildiğinde, lineer olmayan sistemlerin kimliklendirilmesinde KOA tabanlı İB-YSA eğitim sürecinin etkili olduğu gözlemlenmiştir.
Abd Elaziz, M., Dahou, A., Abualigah, L., Yu, L., Alshinwan, M., Khasawneh, A. M., & Lu, S. (2021). Advanced metaheuristic optimization techniques in applications of deep neural networks: a review. Neural Computing and Applications, 33(21), 14079-14099.
Abiodun, O. I., Jantan, A., Omolara, A. E., Dada, K. V., Mohamed, N. A., & Arshad, H. (2018). State-of-the-art in artificial neural network applications: A survey. Heliyon, 4(11), e00938. Akay, B., Karaboga, D., & Akay, R. (2021). A comprehensive survey on optimizing deep learning models by metaheuristics. Artificial Intelligence Review, 1-66.
Alawode, B. O., Salman, U. T., & Khalid, M. (2021). A Flexible Operation and Sizing of Battery Energy Storage System Based on Butterfly Optimization Algorithm. Electronics, 11(1), 109. Arora, S., & Singh, S. (2017). Node localization in wireless sensor networks using butterfly optimization algorithm. Arabian Journal for Science and Engineering, 42(8), 3325-3335.
Arora, S., & Singh, S. (2019). Butterfly optimization algorithm: a novel approach for global optimization. Soft Computing, 23(3), 715-734.
Assiri, A. S. (2021). On the performance improvement of Butterfly Optimization approaches for global optimization and Feature Selection. PloS one, 16(1), e0242612. Blair, R. B., & Launer, A. E. (1997). Butterfly diversity and human land use: Species assemblages along an urban grandient. Biological conservation, 80(1), 113-125.
Hemeida, A. M., Hassan, S. A., Mohamed, A.-A. A., Alkhalaf, S., Mahmoud, M. M., Senjyu, T., & El-Din, A. B. (2020). Nature-inspired algorithms for feed-forward neural network classifiers: a survey of one decade of research. Ain Shams Engineering Journal, 11(3), 659-675.
Irmak, B., & Gülcü, Ş. Training of the Feed-Forward Artificial Neural Networks using Butterfly Optimization Algorithm. MANAS Journal of Engineering, 9(2), 160-168.
Karaboga, D., & Kaya, E. (2019). Training ANFIS by using an adaptive and hybrid artificial bee colony algorithm (aABC) for the identification of nonlinear static systems. Arabian Journal for Science and Engineering, 44(4), 3531-3547.
Kaya, E., & Kaya, C. B. (2021). A novel neural network training algorithm for the identification of nonlinear static systems: Artificial bee colony algorithm based on effective scout bee stage. Symmetry, 13(3), 419. Li, Y., Ghoreishi, S.-m., & Issakhov, A. (2021). Improving the Accuracy of Network Intrusion Detection System in Medical IoT Systems through Butterfly Optimization Algorithm. Wireles