A new fuzzy wavelet neural network design for time series prediction

Abstract

Bu tezde, işlem birimlerinde dalgacık fonksiyonu kullanan iki farklı bulanık sinir ağı modeli zaman serisi kestirimi ve sistem tanımlaması problemleri için önerilmiştir. Bu modellerin yapısı, bilinmeyen bir fonksiyonun giriş-çıkış verisinden bulanık kural tabanını elde etmek için kullanılan adaptif sinirsel bulanık çıkarım sistemi (ASBÇS) fikrinden gelmektedir. Bu tezde adaptif dalgacık ağ (ADA) olarak adlandırılan birinci modelde dalgacık fonksiyonları kuralların koşul kısmında üyelik fonksiyonu olarak kullanılmaktadır. ASBÇS’de ise genellikle Gaussian tipindeki üyelik fonksiyonları kullanılmaktadır. Bulanık dalgacık sinir ağı (BDSA) olarak adlandırılan ikinci modelde, dalgacık fonksiyonları kuralların sonuç kısımlarında ASBÇS’ deki sıfırıncı ya da birinci dereceden polinom yerine kullanılmıştır. Yaklaşık Newton yöntemine dayanan hızlı bir gradyan eğitim algoritması BDSA modellerinin bilinmeyen parametrelerinin optimal değerlerini bulmak için kullanılmıştır. ADA modelleri gradyan algoritmasını en küçük kareler yöntemiyle birleştiren bir hibrit algoritma kullanılarak eğitilmiştir. Literatürde ölçüt olarak kullanılan bazı benzetim örnekleri de modellerin etkisini göstermek için verilmiştir.