Tez No	İndirme	Tez Künye	Durumu
143609	Bu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır. Yayınlanma izni olmayan tezlerin basılı kopyalarına Üniversite kütüphaneniz aracılığıyla (TÜBESS üzerinden) erişebilirsiniz.	A temporal neuro-fuzzy approach for time series analysis / Zaman serisi çözümlemede zamana dayalı bulanık sinir ağı yaklaşımı Yazar:NURAN ARZU ŞİŞMAN YILMAZ Danışman: DOÇ. DR. FERDA NUR ALPASLAN Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2003 214 s.
Tezin konusu zaman serileri için tasarlanmış bulanık bir sinir ağıdır. Bir sistem arayüzü kullanılarak birleştirilen iki farklı bölümden oluşur. Öncelikle Fuzzy MAR (Çok değişkenli kendiliğinden geri bağlanım) adında bir ku ral çıkarım yöntemi tasarlanmıştır. Yöntem herbir değişkenle tüm değişkenlerin geçmişteki değerleri arasında bulanık kurallar şeklinde zamana bağlı ilişkiler üretir. Bu kurallar bir bulanık uzman sistemin kural tabanını oluşturabilir. Ayrıca bulanık kuralları kullanmak, değişkenlerin arasındaki ilişkileri tut mak ve zaman serisinin gelecekteki davranışını tahmin etmek için AN- FIS-UnfoldedJnJime diye adlandırılmış olan zamana bağlı bir bulanık sinir ağı sistemi tasarlanmıştır. Kural tabanı TSK bulanık kuralları içerir. Öğretme aşamasında geri yayılım öğrenme yordamı kullanılmıştır. Sistem, Fuzzy MAR'm çıktısı olan çok değişkenli veriyi ve bir değişkeni tanımlamak için gereken gerideki an sayısını alır ve gelecekteki davranışı tahmin eder. Yapay veri, gerçek çok değişkenli veri ve bulanık sinir ağı sistemlerini karşılaştırmada kullanılan bir denektaşı sorunu (Gaz odası verisi) kullanılarak bilgisayar benzetimleri gerçeMeştirilmiştir. Testlerdeki amaç sistemin çok değişkenli zamana bağlı verileri ne düzeyde etkin modellediğini ve tahmin ettiğini göstermektir. Deneysel sonuçlar önerilen modelin zaman içinde sürekli gelen ve rileri çevrimiçi öğrenmeyi ve tahmin etmeyi başardığını gösterir. Sonuçlar ANFIS başta olmak üzere diğer bulanık sinir ağları ile karşılaştırılmıştır. Anahtar Kelimeler: bulanık sinir ağı sistemi, zamana yayma, bulanık doğrusal bağlanım, geri yayılım yordamı
The subject of this thesis is to develop a temporal neuro-fuzzy system for fore casting the future behavior of a multivariate time series data. The system has two components combined by means of a system interface. First, a rule extraction method is designed which is named Fuzzy MAR (Multivari ate Auto-regression). The method produces the temporal relationships between each of the variables and past values of all variables in the multivariate time series system in the form of fuzzy rules. These rules may constitute the rule-base in a fuzzy expert system. Second, a temporal neuro-fuzzy system which is named ANFIS-unfoldedJn-- time is designed in order to make the use of fuzzy rules, to provide an environment that keeps temporal relationships between the variables and to forecast the future behavior of data. The rule base of ANFIS-unfolded-irUAme contains temporal TSK(Takagi-Sugeno-Kang) fuzzy rules. In the training phase, Back-propagation learning algorithm is used. The system takes the multivariate data and the num ber of lags needed which are the output of Fuzzy MAR in order to describe a variable and predicts the future behavior. Computer simulations are performed by using synthetic and real multivariate data and a benchmark problem (Gas Furnace Data) used in comparing neuro- fuzzy systems. The tests are performed in order to show how the system efficiently model and forecast the multivariate temporal data. Experimental results show that the proposed model achieves online learning and prediction on temporal data. The results are compared by other neuro-fuzzy systems, specifically ANFIS. Keywords: neuro-fuzzy system, unfolding-in-time, fuzzy linear regression, back- propagation algorithm