KaydedilenlerDerginizi ekleyin

Dergiler / Aydın İktisat Fakültesi Dergisi / 2018 / Cilt: 3 - Sayı: 1

GENETİK ALGORİTMALAR İÇEREN İLERİ BESLEMELİ SİNİR AĞLARI REGRESYON ANALİZLERİ: İKTİSAT VE FİNANS ALANINDA UYGULAMALAR

FEED-FORWARD NEURAL NETWORKS REGRESSION ANALYSIS WITH GENETIC ALGORITHMS: APPLICATIONS IN ECONOMICS AND FINANCE

Eleftherios GİOVANİS
Sayfa
11–35
Yayın Tarihi
2018-06-14
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

MATLAB’da yapılan ampirik örnekler ve program yordamları çalışmada sunulmuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada ileri beslemeli sinir ağları, hata geriye yayma algoritması yerine öğrenme sürecinde genetik algoritmalar kullanılarak incelenmiştir.
📊
Temel Bulgular & Veri:İlave olarak, optimal ağırlıkları bulmada daha uygun olduğundan ikil kodlama yerine gerçek kodlamanın kullanımı tercih edilmiştir.
💡
Sonuç & Katkı:MATLAB’da yapılan ampirik örnekler ve program yordamları çalışmada sunulmuştur.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:İleri Beslemeli Sinir Ağları · Genetik Algoritmalar · Zaman Serileri

Özet

Bu çalışmada ileri beslemeli sinir ağları, hata geriye yayma algoritması yerine öğrenme sürecinde genetik algoritmalar kullanılarak incelenmiştir. İlave olarak, optimal ağırlıkları bulmada daha uygun olduğundan ikil kodlama yerine gerçek kodlamanın kullanımı tercih edilmiştir. Hata geriye yayma algoritmasında olduğu gibi ağırlıkların güncellenmesi için öğrenme ve momentum katsayıları kullanılmıştır. MATLAB’da yapılan ampirik örnekler ve program yordamları çalışmada sunulmuştur.

Abstract

In this paper feed-forward neural networks are examined using genetic algorithms in the training process instead of error backpropagation algorithm. Additionally, real encoding is preferred to binary encoding as it is more appropriate to find the optimum weights. Learning and momentum rates are used for the weight updating as in the case of the error backpropagation algorithm. Some empirical examples as well as the programming routines in MATLAB are provided in the paper.

🔖

Bu Makaleye Atıf Yap

GİOVANİS, E. (2018). GENETİK ALGORİTMALAR İÇEREN İLERİ BESLEMELİ SİNİR AĞLARI REGRESYON ANALİZLERİ: İKTİSAT VE FİNANS ALANINDA UYGULAMALAR. Aydın İktisat Fakültesi Dergisi, Cilt: 3 - Sayı: 1, 11–35. https://ajindex.com/articles/4527

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (3)

  1. Antonisse, J. (1989), “A new interpretation of schema notation that overturns the binary encoding constraint”, In J. D. Schaffer, ed., Proceedings of the Third International Conference on Genetic Algorithms, pp. 86-91,
  2. George Mason University, USA Bäck, T. (1996), Evolutionary Algorithms in Theory and Practice. Oxford University Press Janikow, C. Z. and Michalewicz, Z. (1991), “An experimental comparison of binary and floating point representations in genetic algorithms”, In R. K. Belew and L. B. Booker, eds., Proceedings of the Fourth International Conference on Genetic Algorithms, Morgan Kaufmann Publishers Mitchell, M. (1996), “An Introduction to Genetic Algorithms”, MIT Press Cambridge, Massachusetts, London, England. Nelson, D.B. (1991), “Conditional Heteroskedasticity In Asset Returns: A New Approach”, Econometrica, 59,(2): 347-370.
  3. Wright, A. H. (1991). Genetic algorithms for real parameter optimization. In G. Rawlins, ed., Foundations of Genetic Algorithms, Morgan Kaufmann Publishers