You are here

YAPAY SİNİR AĞLARI VE ÇOKLU REGRESYON ANALİZİNİN KARŞILAŞTIRILMASI

THE COMPARISON OF ARTIFICIAL NEURAL NETWORKS AND REGRESSION ANALYSIS

Journal Name:

Publication Year:

Keywords (Original Language):

Abstract (2. Language): 
I nthi sstudy,ArtificialNeuralNetworks(ANN )istakenint oaccountasanestimatorandit s successonforecastingiscomparedwit hmultiplelinea rregressionanalysis.First,AN Nis comparedwit hLeastSquares(LS )Technique,whichisoneo fthebasictechniquesusedfor regressionanalysis.Asaconsequence,i tiscomparedbetweenAN NandHuber,Tukey,and Andrew'sM-Estimators,whicharetechniqueso fRobustregression,b yaddingoutlierst o data.MeanSquaresError(MSE )andICOM P(Informatio nComplexity)areusedas comparisoncritria.
Abstract (Original Language): 
Bu çalışmada Yapay Sinir Ağları (YSA) bir tahminleyici olarak ele alınmış ve tahminleme başarısı çoklu doğrusal regresyon analizi ile karşılaştırılmıştır. YSA öncelikle, Regresyon Analizi'nde kullanılan temel yöntemlerden olan En Küçük Kareler (EKK) tekniği ile, daha sonra verilerin aykırı değer içermesi durumu ele alınarak, Robust Regresyon Tekniklerinden Huber, Tukey ve Andrew'in M-Kestiricileri ile karşılaştırılmıştır. Karşılaştırma kriteri olarak Hata Kareler Ortalaması (HKO) ve model seçim kriterlerinden ICOMP (Information Complexity) Kriteri kullanılmıştır.
74-83

REFERENCES

References: 

Akaike,H. ,Anewlookatthestatistical
modelidentification,IEEE
TraAsactioAsOAAutomaticCoAtrol
19(6) :716-723,1974.
Bozdogan,H ,ICOMP :ANewModel-SelectionCriterion,I nClassification
82
andRelatedMethodso fData
Analysis,pp.599-608,1988.
Bozdogan,H ,Akaike'sInformation
CriterionandRecent
Developmentsi nInformation
Complexity,Journalo f
MathematicalPsychology44,62-91 ,
2000.
Chen,B. ,PinarM .Ç.,O nNewton's
MethodforHuber'sRobustM -EstimationProblemsinLinea r
Regression,Swets&Zeitlinger,Vol .
38No.4pp.674-684,1998.
Draper,N.R.,Smith,H. ,Applied
RegressionAnalysis,Wiley,1998.
Elmas,Ç.,Yapa ySinirAğları,Seçki n
Yayıncılık,2003.
Kohonen,T.,1987,StateO fTheAr tI n
NeuralComputing,IEE EFirst
Internationa lConferenceonNeural
Networks.
Kumar,U .A. ,Comparisono fNeural
NetworksandRegressionAnalysis:
ANewİnsight ,ExpertSystemswit h
Applications,29,424-430,2005.
Liu ,Y .X. ,Zhang,J,Schaeffer,L .R.,
Yang,R.Q.,Zhang,W.L.,Short
Communication:OptimalRandom
RegressiomModelsforMilk
ProductioninDairyCattle,
AmericanDairyScienceAssocation,
89:2233-2235,2006.
McCulloch,W.,Pitts,W.,1943,ALogical
CalculusoftheIdeasImmanen tin
NervousActivity,Bulletino f
MathematicalBiophysics,7:115-133.
M .MinskyandS.A .Papert,1969,
Perceptrons:A nIntroductionto
ComputationalGeometry,
Cambridge,MI TPress.
Newbold,Paul,2000,İşletm eveİktisa t
içi nİstatistik ,İstanbul ,Literatür.
Orhunbilge,Neyran,2002,Uygulamal ı
RegresyonveKorelasyonAnalizi,
İstanbul ,İ.Ü .İşletm eFakültesi .
Ortiz,M .C.,Sarabia,L .A.,Herrero,A.,A
UsefulAlternativefortheThe
DetectionofOutlierDatain
ChemicalAnalysis,Talanta,70,
499-512,2006.
Öztemel,E.,Yapa ySinirAğları,Papatya
Yayıncılık,2003.
Pan,Z.,Chen,Y. ,Kang,L. ,Zhang,Y. ,
ParameterEstimationByGenetic
AlgorithmsFo rNonlinear
Regression,Optimization
TechniquesandApplications,Proc.
o fICOPA'95 ,Vol.2,946-953,1995.
Saraç,T.,2004,Yapa ySinirAğları,
SeminerProjesi,GaziÜniversitesi
Endüstr iMühendisliğiAnabilim
Dalı.
Schwarz,G.,Estimatingthedimensionof
amodel,Annalso fStatistics6(2) :
461-464,1978.
Stern,H .S.,NeuralNetworksinApplied
Statistics,Technometrics,38,3,205¬
214,1996.
Walzack,S.,Terry,S.,AComparative
AnalysisofRegressionandNeural
NetworksforUniversity
Admission,Informatio nSciences,
119,1-20,1999.
Wang,YM. ,Elhag,T.M.S.,A
ComparisonofNeuralNetwork,
EvidentalReasoningandMultiple
RegressionAnalysisinModelling
BridgeRisks,ExpertSystemswit h
Applications,32,336-348,2007.

Thank you for copying data from http://www.arastirmax.com