Akademik Veri Yönetim Sistemi
Tez Türü: Doktora
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, Türkiye
Tez Danışmanı: Celal Öztürk
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Özet:
Otomatik programlama, bir sistemde girdi ve çıktı değişkenleri arasındaki ilişkiyi model üreterek açıklamaya çalışan bir makine öğrenmesi yaklaşımıdır. Genetik Programlama (GP), Genetik Algoritmanın (GA) uzantısı olarak geliştirilen ve günümüzde en çok kullanılan otomatik programlama yöntemidir. Yapay Arı Koloni Programlama (ABCP), bal arılarının yiyecek kaynağı arama davranışlarını simüle eden Yapay Arı Kolonisi (ABC) algoritmasına dayalı sembolik regresyon problemi için yeni geliştirilen yüksek seviyeli bir otomatik programlama yöntemidir. Bu tezde, ABCP algoritmasının farklı makine öğrenmesi uygulamalarındaki performansını araştırmaya yönelik çalışmalar yapılarak, sonuçlar GP ile kıyaslanmıştır. Ayrıca, ABCP algoritmasına dayalı Çok Kovanlı Yapay Arı Koloni Programlama (MHABCP) ve ABCP-tanımlayıcı ilk kez yeni yöntemler olarak önerilmiştir. MHABCP'de aday çözüm üretilirken standart ABCP'deki bilgi paylaşım mekanizmasının kullanılması ile birlikte Çok Genli Genetik Programlama'da kullanılan iki noktalı yüksek seviyeli çaprazlama operatörünün komşuluk araştırma işlemine adaptasyonundan esinlenilmiştir. MHABCP gürültü eklenmiş/eklenmemiş yüksek boyutlu sembolik regresyon problemlerinin çözümünde; ABCP-tanımlayıcı desen sınıflandırma problemlerinin çözümünde kullanılmıştır. ABCP-tanımlayıcı modelleri, her bir desen setinin sınıflandırılması için eğitim aşamasında rastgele seçtiği iki tane örnek üzerinde kayan pencereler ile çıkarmıştır. Yapılan çalışmada elde edilen sonuçlar, ABCP ve ABCP algoritmasına dayalı yöntemlerin literatürde yer alan birçok problemde kullanılabileceğini göstermektedir. Anahtar Kelimeler: Otomatik programlama, Genetik Programlama, Yapay Arı Koloni Programlama(ABCP), Dizi Sınıflandırma, Çok Kovanlı ABCP, ABCP-tanımlayıcı.