Yapay sinir ağlarının farklı aktivasyon fonksiyonlarında uygulaması: Türkiye’de ördek popülasyonu öngörüsü

Şenol ÇELİK

Makale detayları

Yapay sinir ağlarının farklı aktivasyon fonksiyonlarında uygulaması: Türkiye’de ördek popülasyonu öngörüsü

Yazarlar:

Şenol ÇELİK

Yayıncı:

Osmaniye Korkut Ata Üniversitesi

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Osmaniye Korkut Ata University Journal of the Institute of Science and Technology 2022 Vol.5 Issue 2, pp.800-811

Belge Tipi:

Makale

Yayın Tarihi:

7/2022

Belge Dili:

Türkçe

Document ID (Org No.):

2000556789

Sıklık:

Üç Yıllık

pISSN:

2687-3729

Özet:

 

In this study, an Artificial Neural Network (ANN) model was developed to model and forecast the number of ducks in Turkey in different activation functions. In the development of the ANN model, years were used, which is a time variable, as the input parameter and the number of ducks as the output parameter. The research data consists of the number of ducks in Turkey for the period 1991-2020. 4 different activation functions such as semi-linear, sigmoid, bipolar sigmoid, and hyperbolic tangent were used in order to determine the most suitable model. Mean Squares Error (MSE) and Absolute Mean Error (MAE) statistics, which determine the efficiency of the model, were used to determine the most suitable activation function. When the performances of different activation functions were compared, the most suitable activation function was the hyperbolic tangent function. Because the smallest MSE and MAE values were achieved when the hyperbolic tangent function was used. The single hidden layer of the ANN model is in the form of a network architecture used as Levenberg-Marquardt backpropagation algorithm (trainlm), with 12 processing elements (1-12-1) and as a learning algorithm. With the ANN, the number of ducks was predicted between 2021 and 2025. According to the forecast results, the number of ducks in 2021-2025 is expected to be between 479.407-531.242.

 

Bu çalışmada farklı aktivasyon fonksiyonlarında Türkiye’de ördek sayısını modellemek ve tahmin edecek bir Yapay Sinir Ağı (YSA) modeli geliştirilmiştir. YSA modelinin geliştirilmesinde girdi parametresi olarak zaman değişkeni olan yıllar, çıkış parametresi ise ördek sayısı kullanılmıştır. Araştırma verileri Türkiye’de 1991-2020 dönemine ait ördek sayısından oluşmaktadır. En uygun modeli belirlemek için yarı doğrusal, sigmoid, bipolar sigmoid ve hiperbolik tanjant gibi 4 farklı aktivasyon fonksiyonları kullanıldı. En uygun aktivasyon fonksiyonunu belirlemek için modelin etkinliğini belirleyen Hata Kareler Ortalaması (MSE) ve Hatanın Mutlak Ortalaması (MAE) istatistikleri kullanılmıştır. Farklı aktivasyon fonksiyonların performansları karşılaştırıldığında en uygun aktivasyon fonksiyonu hiperbolik tanjant fonksiyonu olmuştur. Çünkü hiperbolik tanjant fonksiyonu kullanıldığında en küçük MSE ve MAE değerlerine ulaşılmıştır. YSA modeli tek gizli katmanlı, 12 işlem elemanlı (1-12-1) ve öğrenme algoritması olarak Levenberg–Marquardt geri yayılım algoritması (trainlm) olarak kullanılan bir ağ mimarisi şeklindedir. YSA ile ördek sayısının 2021-2025 yılları arası öngörüsü yapılmıştır. Öngörü sonuçlarına göre, 2021-2025 yılları arasında ördek sayısının 531 242-479 407 arasında olacağı beklenmektedir.

Makale detayları

Yapay sinir ağlarının farklı aktivasyon fonksiyonlarında uygulaması: Türkiye’de ördek popülasyonu öngörüsü

Yazarlar: Şenol ÇELİK

Yayıncı: Osmaniye Korkut Ata Üniversitesi

Ana Başlıklar: Veri işleme & bilgisayar bilimi

Dergi: Osmaniye Korkut Ata University Journal of the Institute of Science and Technology 2022 Vol.5 Issue 2, pp.800-811

Belge Tipi: Makale

Yayın Tarihi: 7/2022

Belge Dili: Türkçe

Document ID (Org No.): 2000556789

Sıklık: Üç Yıllık

pISSN: 2687-3729

Sayı

Yazarlar:

Şenol ÇELİK

Yayıncı:

Osmaniye Korkut Ata Üniversitesi

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Osmaniye Korkut Ata University Journal of the Institute of Science and Technology 2022 Vol.5 Issue 2, pp.800-811

Belge Tipi:

Makale

Yayın Tarihi:

7/2022

Belge Dili:

Türkçe

Document ID (Org No.):

2000556789

Sıklık:

Üç Yıllık

pISSN:

2687-3729