Genetik Algoritma Kullanýlarak Ýleri Beslemeli Bir Sinir Aðýnda Etkinlik Fonksiyonlarýnýn Belirlenmesi

Bu çalýþmada çok katmanlý ileri besleneli bir sinir aðýnýn tüm katmanlarýndaki üyelik fonksiyonlarý genetik algoritma kullanarak belirlenmiþtir. Bir sinir aðýnýn etkinliðini gösteren temel ölçüt ayný sayýda düðüm ve baðlantý aðýrlýðý ile istenen sonuca daha iyi yaklaþabilmektir. Bu performansý belirleyen en önemli parametrelerden birisi uygun etkinlik fonksiyonlarýnýn seçilmesidir. Klasik sinir aðý tasarýmýnda genellikle bilinen etkinlik fonksiyonlarýndan birisi seçilerek að tasarýmý gerçekleþtirilmektedir. Bu çalýþmada etkinlik fonksiyonlarý için bir tablo oluþturulmuþ ve her bir düðüm için en uygun etkinlik fonksiyonu genetik algoritma ile bu tablodan seçilmiþtir. Klasik sabit yapýlý bir sinir aðý ile önerilen genetik tabanlý sinir aðýnýn performansýnýn karþýlaþtýrýlmasý için 2 boyutlu regresyon problem kümesi kullanýlmýþtýr. Test sonuçlarý ortaya konulan yöntemin oldukça yüksek bir yaklaþým kapasitesine sahip olduðunu göstermiþtir.

Determination of Activation Functions in A Feedforward Neural Network by using Genetic Algorithm

In this study, activation functions of all layers of the multilayered feedforward neural network have been determined by using genetic algorithm. The main criteria that show the efficiency of the neural network is to approximate to the desired output with the same number nodes and connection weights. One of the important parameter to determine this performance is to choose a proper activation function. In the classical neural network designing, a network is designed by choosing one of the generally known activation function. In the presented study, a table has been generated for the activation functions. The ideal activation function for each node has been chosen from this table by using the genetic algorithm. Two dimensional regression problem clusters has been used to compare the performance of the classical static neural network and the genetic algorithm based neural network. Test results reveal that the proposed method has a high level approximation capacity.