Solving the Problem of Time Series Prediction Using Immune Plasma Programming


Arslan S.

Avrupa Bilim ve Teknoloji Dergisi, cilt.29, ss.219-224, 2021 (Hakemli Dergi)

  • Yayın Türü: Makale / Tam Makale
  • Cilt numarası: 29
  • Basım Tarihi: 2021
  • Doi Numarası: 10.31590/ejosat.1010078
  • Dergi Adı: Avrupa Bilim ve Teknoloji Dergisi
  • Derginin Tarandığı İndeksler: TR DİZİN (ULAKBİM)
  • Sayfa Sayıları: ss.219-224
  • Sivas Cumhuriyet Üniversitesi Adresli: Evet

Özet

Otomatik programlama, bir sistemde girdi ve çıktı değişkenleri arasındaki ilişkiyi model çıkararak açıklamaya çalışan bir makine öğrenmesi yaklaşımıdır. Zaman içerisinde sembolik regresyon, kümeleme, sınıflandırma, görüntü işleme, devre tasarımı, yol planlama, tahmin gibi birçok mühendislik problemlerini çözmeyi amaçlayan otomatik programlama yöntemleri geliştirilmiştir. Otomatik programlama yöntemlerinden birçoğu doğadan esinlenmektedir. Hızlı yayılan yeni Coronavirüs (COVID-19) salgınıyla mücadele edebilmek için farklı tedavi yöntemleri denenmektedir. İmmün plazma tedavisi, geçmişte birçok farklı salgında ve son olarak COVID-19’da etkili olduğu gösterilmiş tıbbi bir tedavi yöntemidir. İmmün plazma tedavi yaklaşımının uygulama aşamalarına dayanan İmmün Plazma Algoritması (Immune Plasma Algorithm, IPA) kısa süre önce önerilmiş bir meta-sezgisel algoritmadır. IPA, 2020 yılında tanıtılmış yeni bir algoritma olmasına rağmen farklı problemleri çözmek için çeşitli alanlarda uygulanmıştır. Bu çalışmada, IPA algoritmasını temel alan İmmün Plazma Programlama (Immune Plasma Programming, IPP) bir otomatik programlama yöntemi olarak tanıtılmıştır. IPP algoritmasının genel işleyişi IPA’nın aşamalarına benzerdir. Çözümlerin temsili ve iyileştirme mekanizması IPP’nin temel farklarıdır. IPA çözümleri sabit boyutlu diziler şeklinde ifade ederken, IPP çözümleri farklı derinliklere sahip olabilen parçalı ağaçlar olarak ifade eder. Ağaçların en küçük birimi düğümlerle temsil edilir. Düğümler, problemler için özel tanımlanan terminal kümesinden (x, y gibi değişkenler ve sabitler) ve fonksiyon kümesinden (aritmetik operatörler, mantıksal fonksiyonlar, matematiksel fonksiyonlar) seçilirler. Bu düğümlerin birleşimi ile çözümleri temsil eden ağaçlar oluşturulur. Çözümlerin iyileştirme mekanizması olarak Yapay Arı Koloni Programlama’da (Artificial Bee Colony Programming, ABCP) kullanılan bilgi paylaşım mekanizması IPP’ye uyarlanmıştır. Önerilen algoritmanın performansı, literatürde yaygın olarak kullanılan Box-Jenkins zaman serisi kullanılarak incelenmiştir. Çıkarılan modeller, en çok kullanılan otomatik programlama yöntemi ABCP ve Yapay Sinir Ağı modelleri ile kıyaslanmıştır. Sonuçlar, IPP’nin zaman serileri tahmin problemlerinde başarıyla kullanabileceğini göstermiştir.