Kompleks değerli yapay sinir ağlarının veri sınıflandırma problemlerindeki başarım analizi

Abstract

Yapay sinir ağları veri işleme ve sınıflandırma çalışmalarında sıklıkla tercih edilen bir yöntemdir. Sinir hücrelerinin iletim modelinden esinlenerek oluşturulmuş bu yöntem, nöronların farklı dizilim ve bağlantılarla çıktı oluşturduğu matris cebir gösterimidir. Öğrenme aşamasında hedef çıktılara göre eğitilen yapay sinir ağları, farklı ağ modelleri ile geniş yelpazede veri desenine uygulanabilmektedir. Kompleks değerli sayı uzayıyla işlem yapan ağ modelleri de kompleks değerli yapay sinir ağları olarak isimlendirilmektedir. Bu çalışmada UCI veri deposunda erişime açık olarak bulunan medikal bir veri seti olan kardiotokogram veri seti ve görüntü işleme algoritmalarında kullanılan deri bölütleme veri seti kompleks değerli yapay sinir ağı modeli ile sınıflandırılmıştır. Modelin başarımı tahmin doğruluğu, duyarlılık ve özgüllük kriterleri kullanılarak incelenmiştir. Bu tez çalışmasında elde edilen sonuçlar kompleks değerli yapay sinir ağı modelinin kardiotokogram ve deri bölütleme veri setlerinin sınıflandırılmasında başarılı bir biçimde uygulanabileceğini göstermiştir.

Artificial neural network is frequently preferred method in data processing and classification studies. This method, which is inspired by the transmission model of nerve cells, is a matrix algebra representation that different sequence and connections of neurons generate output. Artificial neural network, which trained according to target output in training step, is applicable for wide range pattern of dataset with variant network topologies. Artificial neural network processing in complex valued geometry is called Complex Valued Neural Network In this study, medical cardiotocography dataset and image skin segmentation dataset for image processing applications, that are accessible in UCI data repository, are tried to be classified by complex valued neural network. Results of prediction accuracy, specificity and sensitivity are used as indicators of model performance over dataset. Outcomes of this thesis show that complex valued neural network model can be applied successfully for cardiotocogram dataset and skin segmentation dataset.