:::: MENU ::::
Bildiri İncelemeleri

Karides Sürüsü Algoritmasının Görüntü Sıkıştırmada Kullanılması

“Karides Sürüsü Algoritmasının Görüntü Sıkıştırmada Kullanılması” başlıklı çalışma Fatma HARMAN, ve İlker KILIÇ tarafından yapılmış olup 11-13 Mayıs 2016 günlerinde Tokat/TÜRKİYE’de düzenlenen EEB 2016 Elektrik-Elektronik ve Bilgisayar Sempozyumu’nda sunulmuştur.

Görüntü sıkıştırma bilginin fark edilebilir bir kaybı olmadan görüntünün iletimi ve depolanması için gerekli olan bit sayısının azalmasıyla ilgili bir tekniktir.

Kayıplı ve kayıpsız olmak üzere iki tip görüntü sıkıştırma tekniği vardır.

Kayıplı teknikte bilginin kaybı vardır ve belirli bir hata oranında orijinal görüntü elde edilir.

Kayıpsız sıkıştırmada ise bilginin kaybı yoktur ve orijinal görüntü düşük sıkıştırma oranında tekrar oluşturulur.

Çalışmayı indirmek için:

karides_surusu_algoritmasinin_goruntu_sikistirmada_kullanilmasi


Genetik Algoritmalarda Injection Yaklaşımı ile Genetik Çeşitliliğin Korunması

“Genetik Algoritmalarda “Injection” Yaklaşımı ile Genetik Çeşitliliğin Korunması” başlıklı çalışma Mustafa ORAL ve Serkan KARTAL tarafından hazırlanmış olup 11-13 Mayıs 2016 günlerinde Tokat/TÜRKİYE’de düzenlenen EEB 2016 Elektrik-Elektronik ve Bilgisayar Sempozyumu’nda sunulmuştur.

Popülasyon çeşitliliğinin kaybedilmesi ve zamanından önce yerel en iyi çözüme yakınsanması popülasyon tabanlı sürü zekası algoritmalarının en temel problemlerinden birini oluşturmaktadır.

Popülasyon tabanlı sürü zekası algoritmalarının çalışması süresince belirli aralıklarla, popülasyona farklı yöntemlerle elde edilmiş yeni bireylerin eklenmesi çeşitliliğe fayda sağlayabilmektedir. Amaç, algoritmanın yerel en iyi çözüme takılmasının önüne geçilerek, genel en iyi çözüme daha kolay bir şekilde ulaşmasını hedeflemektir.

Popülasyon tabanlı sürü zekası algoritmalarının performansını etkileyen en önemli iki faktör sırası ile başlangıç popülasyonun oluşturulması ve çeşitliliğin jenerasyonlar boyunca korunmasıdır.

Injection(Enjeksiyon) metodu nedir? Nasıl uygulanır?

Injection metodu ile, her jenerasyon sonunda, popülasyonda bulunan belirli bir oranda birey yok edilerek, yerine rastgele oluşturulmuş yeni bireyler popülasyona eklenmektedir. Böylece, hem var olan bireylerle daha iyiye doğru evrimleşme işlemi gerçekleşirken, hem de yeni bireylerin popülasyona eklenmesi ile genetik çeşitlilik korunmuş olmaktadır.

Crowding(Kalabalık) metodu nedir? Nasıl uygulanır?

Popülasyon çeşitliliğinin korunması için öne sürülen yaklaşımlardan birisi “crowding” tir. Bu yaklaşıma göre ilk olarak popülasyon alt popülasyonlara ayrılmakta ve oluşturulan yeni bireyler bu alt popülasyona eklenmektedir. Eklenme sırasında alt popülasyonda bulunan ve yeni eklenen bireye en çok benzeyen birey çıkarılmaktadır. Alt popülasyonun büyüklüğü “crowding factor” parametresi ile belirlenmektedir [DeJong, K. A., “An analysis of the behavior of a class of genetic adaptative systems”, Ph.D. dissertation, Univ. of Michigan, Ann Arbor, 1975.].

Hamming mesafesi ölçümü ile popülasyon çeşitliliğinin ölçülmesi ve benzer bireylerin yok edilmesi metodu nedir? Nasıl uygulanır?

Bir sonraki jenerasyon için popülasyon oluşturulurken, çocukların oluşturduğu yeni popülasyon ile anne-babaların oluşturduğu eski popülasyon harmanlanmaktadır. Bu işlem sırasında, her iki popülasyon birleştirilmekte, ancak birbirine benzer olan bireyler yok edilerek, yalnızca farklı bireylerin oluşturduğu yeni bir popülasyon elde edilmektedir. Bireylerin benzerlikleri Hamming mesafesi ile ölçülmektedir. Bu yöntemi kullanan çalışmalar;

1-SHIMODAIRA, H.,. “A Diversity Control Oriented Genetic Algorithm”, Second International Conference on Genetic Algorithms in Engineering Systems, 444-449, 1997.
2-Mauldin, M.. “Maintaining genetic diversity in genetic search”, National Conference on Artificial Intelligence, 247-250, 1984.

Hamming mesafesi bilgisayar bilimlerinde aynı uzunluktaki iki dizgi (string) arasında, birbirine dönüşmesi için gerekli olan yer değiştirme sayısını verir. Yani basitçe bir dizginin diğer dizgiden ne kadar farklı olduğunu gösterir.

Örneğin aşağıda bazı dizgiler arasındaki hamming mesafesi verilmiştir:

100011101 <-> 100101101 = 2
düğün <-> düşün = 1

Ranked Space(Sıralanmış Uzay) metodu nedir? Nasıl uygulanır?

Ranked Space(Sıralanmış Uzay) metodunda çeşitlilik seçilim işlemi sırasında bireylerin seçilim şansına etki ederek korumaktadır. Bu metod ile seçilim işlemi sırasında iki farklı sıra puanı (rank score) hesaplanmaktadır. Bunlardan birincisi uygunluk (fitness) değerine bağlı olarak verilen sıra puanı, ikincisi ise farklılığa bağlı olarak verilen sıra puanıdır. Her iki puanın toplamı ise bireylerin seçilim puanlarını oluşturmaktadır. Böylece farklılığı yüksek olan bireylerin de seçilim şansı arttırılarak, çeşitlilik korunmaya çalışılmaktadır.

Sharing metodu nedir? Nasıl uygulanır?

Aynı yapıya sahip olan bireylerin seçilim şansları benzer birey sayısına bölünmektedir. Bu işlem sonunda benzer bireylerin seçilim şansları azaltılarak tüm popülasyonun benzer bireylerden oluşmasının önüne geçilmektedir. Böylece farklı özelliklerdeki bireylerin seçilim şansı artmakta
ve çeşitlilik kısmen korunabilmektedir. İlgili çalışma: [P., Snijders, “Incorporating frequency dependent selection and sexual selection in genetic algorithms”, Master Thesis 33 pages, 2005.]

Çalışmayı indirmek için:

genetik_algoritmalarda_injection_yaklasimi_ile_genetik_cesitliligin_korunmasi


Kümeleme Tekniklerinin Temel Bilimlerde Kullanımı

“Kümeleme Tekniklerinin Temel Bilimlerde Kullanımı” başlıklı çalışma Oğuz Akpolat, Sinem Çağlar Odabaş, Gülçin Özevci, Nezahat İpteş tarafından yapılmış olup 23-25 Ocak 2013 tarihleri arasında Antalya’da yapılan Akdeniz Üniversitesi Akademik Bilişim 2013 konferansında sunulmuştur.

Verilerin kümelenmesinin amacı heterojen olan ana kütleyi homojen gruplara ayırmaktır.

Kümeleme yöntemleri, birim ya da değişkenleri uygun gruplara ayırırken grupları belirlemede izledikleri yaklaşımlara göre;
(1) Aşamalı Kümeleme Yöntemleri(Hierarchical Cluster Analysis Methods) ve
(2) Aşamalı Olmayan Kümeleme Yöntemleri(Nonhierarchical Cluster Analysis
Methods)
biçiminde iki temel gruba ayrılmaktadır.

Aşamalı Kümeleme Yöntemi olarak Öklit uzaklığının hesaplanmasını kullanan En Yakın Komşu yöntemi(Nearest Neighbor method) en basit yöntem olarak tek-bağ algoritmasında iki küme arasındaki uzaklık, her iki küme arasında yer alan kayıtlardan birbirlerine en yakın olanların uzaklığı olarak değerlendirilmektedir.

Kemometri, İstatistik ve matematikle birlikte bilgisayar kullanarak kimyasal verilerin işlenmesini sağlayan bir kimya disiplinidir. Kimyada deneysel verilerin değerlendirilmesi neden sonuç ilişkilerinin belirlenmesi açısından istatistiğin ilkelerine, veri gruplarının oluşturulması ve anlamlandırılması açısından veri madenciliği yöntemlerine, kabul edilebilir deney tasarımlarının gerçekleştirilebilmesi açısından modelleme ve optimizasyon tekniklerine ve tüm bu ilke, yöntem ve tekniklerin uygulanabilirliği açısından da bilgisayar donanımı, yazılımı, algoritma ve programlama ya da hazır olarak kullanılabilen paket programlarına ihtiyaç duyar.

Tek-bağ algoritmasında iki küme arasındaki uzaklık, her iki küme arasında yer alan kayıtlardan birbirlerine en yakın olanların uzaklığı olarak değerlendirilmektedir.
tek-bag

Çalışmayı indirmek için:

kumeleme_tekniklerinin_temel_bilimlerde_kullanimi


GEZGİN SATICI PROBLEMİ İÇİN SEZGİSEL METOTLARIN PERFORMANS ANALİZİ

“GEZGİN SATICI PROBLEMİ İÇİN SEZGİSEL METOTLARIN PERFORMANS ANALİZİ” başlıklı çalışma Mustafa GERŞİL ve Asil ALKAYA tarafından yapılmış ve XI. Üretim Araştırmaları Sempozyumunda 23-24 Haziran 2011’de sunulmuştur.

Çalışmada GSP; Evrimsel Algoritma, Benzetim Tavlaması ve Genetik Algoritma, Benzetim Tavlaması ve Rastgele Arama Algoritması çözülmüş, en iyi sonucu Evrimsel Algoritmanın verdiği belirlenmiştir.

Çalışmayı indirmek için:
gezgin-satici-problemi-icin-sezgisel-metotlarin-performans-analizi


Sayfalar:123