Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/962
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorTürkşen, İsmail-
dc.contributor.authorDilden, Elif Burcu-
dc.date.accessioned2019-04-28T09:11:53Z
dc.date.available2019-04-28T09:11:53Z
dc.date.issued2014
dc.identifier.citationDiden, E.(2014).Bulanık sistem modelleme .Ankara:TOBB ETÜ Fen Bilimleri Enstitüsü.[Yayınlanmamış Yüksek Lisans Tezi]tr_TR
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/tezSorguSonucYeni.jsp-
dc.identifier.urihttps://hdl.handle.net/20.500.11851/962-
dc.description.abstractBir sistemin yapısını incelemek, girdi/çıktı arasındaki ilişkiyi belirlemek ve tahmin modelleri oluşturabilmek oldukça önemlidir. Aristo mantığı ile yapılan sistem modellemelerinde, katı sınırlar vardır. Çalışmamızda katı sınırlar, bulanık (dereceli) mantık kullanılarak esnekleştirilmiş sistem modellemesi yapılmıştır. Bulanık fonksiyonlar (BF) [4] yaklaşımı temel alınarak, bulanık c- ortalamalar (BCO) algoritması ile üyelik değerleri elde edilmiş ve bulanık regresyon modelleri kurulmuştur. Türkşen tarafından sezgisel olarak öne sürülen bulanık fonksiyonlar (BF) yaklaşımının çıkarsaması yapılarak, Bulanık Normal Denklemler (BND) tanımlanmıştır. Bulanık normal denklem sistemiyle üyelikler ve üyeliklerin farklı dönüşümlerinin girdi matrisi içerisine eklenmesinin analitik çözümü gösterilmiştir. Apple şirketi hisse kapanış fiyatları temel alınarak, ertesi gün kapanış fiyatları bulanık fonksiyonlar yaklaşımı ile tahmin edilmiştir. Aynı veri kümesi için bulanık normal denklemler tanımlanmıştır. İkinci bir veri kümesi, Beton Basınç Sertliği, üzerinde aynı bulanık normal denklem sistemi tanımlanmış ve bulanık regresyon modelleri oluşturulmuştur. BF yaklaşımı ile kurulan farklı bulanık regresyon modellerinin sonuçları belirlenen performans ölçütleri olan yapay sinir ağları (YSA) ve adaptif ağ yapısına dayalı bulanık çıkarım sistemi (ANFIS) ile karşılaştırılmıştır.tr_TR
dc.description.abstractWhile constructing a system model to find out input/ output relation, fuzzy functions (FF) method use Fuzzy c- means (FCM) algorithm to determine membership values. Instead of determining fuzzy rule bases (FRB) for each cluster, by using FF method each cluster is explained by functions. Proposed FF approach says that membership values and their user defined transformations should be add into the input matrices as independent variable with the real inputs. This suggestion is heuristic. In this study, we defined Fuzzy Normal Equations (FNE). Our proposed fuzzy normal equations explain the detail of how to add various transformations of membership values into the input matrices in fuzzy functions approach. We have modelled two real life data sets. One of them is Concrete Compressive Strength and the other one is Apple's Closing Stock Price data set. Fuzzy model performances compared with two benchmark strategies: Artificial neural networks (ANN) and adaptive neuro fuzzy systems (ANFIS).en_US
dc.language.isotren_US
dc.publisherTOBB Ekonomi ve Teknoloji Üniversitesi Fen Bilimleri Enstitüsütr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectEndüstri ve Endüstri Mühendisliğitr_TR
dc.subjectIndustrial and Industrial Engineeringen_US
dc.titleBulanık sistem modellemeen_US
dc.title.alternativeFuzzy system modelingen_US
dc.typeMaster Thesisen_US
dcterms.rightsYazarına aittir / Belongs to author
dc.departmentInstitutes, Graduate School of Engineering and Scienceen_US
dc.departmentEnstitüler, Fen Bilimleri Enstitüsütr_TR
dc.relation.publicationcategoryTezen_US
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.grantfulltextopen-
item.fulltextWith Fulltext-
item.openairetypeMaster Thesis-
item.cerifentitytypePublications-
item.languageiso639-1tr-
Appears in Collections:Endüstri Mühendisliği Yüksek Lisans Tezleri / Industrial Engineering Master Theses
Files in This Item:
File Description SizeFormat 
371091.pdfElif Burcu Dilden_tez1.93 MBAdobe PDFThumbnail
View/Open
Show simple item record



CORE Recommender

Page view(s)

26
checked on Mar 25, 2024

Download(s)

24
checked on Mar 25, 2024

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.