Classification using neural networks trained by swarm intelligence

Hasan Makas; Nejat Yumusak

Makale detayları

Classification using neural networks trained by swarm intelligence

Yazarlar:

Hasan Makas | Nejat Yumusak

Yayıncı:

Fevzullah TEMURTAŞ

Dergi:

Electronic Letters on Science and Engineering 2015 Vol.11 Issue 1, pp.6-23

Belge Tipi:

Makale

Yayın Tarihi:

3/2015

Belge Dili:

Türkçe

Document ID (Org No.):

2000407307

pISSN:

1305-8614

Özet:

 

The metaheuristics are the algorithms that are designed to solve many optimization problems without
 needing knowledge about the corresponding problems in detail. Similar to other metaheuristics, the Migrating Birds
 Optimization (MBO) algorithm which is introduced recently is a nature inspired neighbourhood search method. It
 simulates migrating birds’ V flight formation which is an effective flight shape for them to save the energy. In this
 paper, 20 different data sets were used for classification. Firstly, the MBO algorithm was employed to train neural
 networks which were designed for classification. Then, the same networks were trained by using other well-known
 powerful metaheuristic algorithms. These are the Artificial Bee Colony (ABC) algorithm, the Particle Swarm
 Optimization (PSO) algorithm, the Differential Evolution (DE) algorithm and the Genetic Algorithm (GA). Finally,
 the Levenberq-Marquardt (LM) algorithm, a classical gradient based training method, was added to implementations
 so that clear comparisons could be done among algorithm performances. Results show that the MBO algorithm has
 better performance than the others’ performances. It gets the highest accuracies in tests and reaches to the lowest
 mean squared errors in trainings for most of the experiments.

 

Meta-sezgisel algoritmalar ilgili problem hakkında detaylı bilgiye ihtiyaç duymaksızın pek çok optimizasyon
 problemini çözebilecek şekilde tasarlanmış algoritmalardır. Yeni bir algoritma olan Göçmen Kuşlar Optimizasyon
 (GKO) algoritması diğer meta-sezgisellere benzer şekilde doğadan esinlenilerek oluşturulmuş sistematik bir
 komşuluk araştırma yöntemidir. Algoritma, harcanan enerjiyi minimize etmek için göçmen kuşların kullandıkları
 efektif bir uçuş şekli olan V uçuş biçimini simüle eder. Bu makalede 20 farklı veri seti kullanılarak ilgili
 sınıflandırma problemlerine çözümler aranmıştır. İlk olarak, ilgili sınıflandırma problemleri için tasarlanan Yapay
 Sinir Ağlarının (YSA) eğitimlerinde GKO algoritması kullanılmıştır. Daha sonra, aynı YSA’lar diğer güçlü ve
 yaygın meta-sezgisel algoritmalar kullanılarak eğitilmişlerdir. Bu algoritmalar yapay arı koloni algoritması, parçacık
 sürü optimizasyon algoritması, fark gelişim algoritması ve genetik algoritmadır. Son olarak, algoritmalar arasında
 net mukayeseler yapılabilmesi için eğim tabanlı klasik bir eğitim yöntemi olan Levenberq-Marquardt algoritması
 çalışmaya ilave edilmiştir. Sonuçlar, GKO algoritmasının YSA eğitimindeki performansının diğerlerininkine
 nazaran daha iyi olduğunu göstermiştir. GKO algoritması deneylerin çoğunda en yüksek doğruluk ve en düşük
 ortalama karesel hata değerlerine ulaşmıştır.

Makale detayları

Classification using neural networks trained by swarm intelligence

Yazarlar: Hasan Makas | Nejat Yumusak

Yayıncı: Fevzullah TEMURTAŞ

Dergi: Electronic Letters on Science and Engineering 2015 Vol.11 Issue 1, pp.6-23

Belge Tipi: Makale

Yayın Tarihi: 3/2015

Belge Dili: Türkçe

Document ID (Org No.): 2000407307

pISSN: 1305-8614

Sayı

Yazarlar:

Hasan Makas | Nejat Yumusak

Yayıncı:

Fevzullah TEMURTAŞ

Dergi:

Electronic Letters on Science and Engineering 2015 Vol.11 Issue 1, pp.6-23

Belge Tipi:

Makale

Yayın Tarihi:

3/2015

Belge Dili:

Türkçe

Document ID (Org No.):

2000407307

pISSN:

1305-8614