Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
5Activity
0 of .
Results for:
No results containing your search query
P. 1
Yalitim hesaplarında Yapay sinir agi

Yalitim hesaplarında Yapay sinir agi

Ratings: (0)|Views: 157 |Likes:
Published by Ugras SEVGEN

More info:

Published by: Ugras SEVGEN on Jan 12, 2009
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

05/10/2014

pdf

text

original

 
 58
 THE USING OF ARTIFICIAL NEURAL NETWORKS IN INSULATIONCOMPUTATIONSÖmer KELE
Ş
O
Ğ
LU
*
, Cevdet Emin EK 
İ
NC
İ
, Adem FIRAT
 F 
ı
rat Üniversitesi, Teknik E 
 ğ 
itim Fakültesi, Yap
ı
 ğ 
itimi Bölümü, ELAZI 
Ğ
 
Geli
ş
/Received: 10.12.2004 Kabul/Accepted: 08.07.2005ABSTRACT
In this study, the thickness of the insulation material has been fixed by being used a multi-layer feed-forwardartificial neural network. A back propagation training algorithm has been used in training of the network. A brick wall for the structural component has considered and whether or not this wall needed insulation has beenanalyzed and min thickness of this material has been determined by ANN. The results obtained from thenetwork has been determined compared with the numerical results and it was seen the results sensitiveenough.
Keywords:
Artificial neural network, Back backpropagation algorithm, Insulation, Mineral wood.
YALITIM HESAPLARINDA YAPAY S
İ
N
İ
R A
Ğ
LARININ KULLANIMIÖZET
Bu çal
ı
ş
mada, çok katmanl
ı
ileri beslemeli bir yapay sinir a
ğ
ı
kullan
ı
larak yal
ı
t
ı
m malzemesinin kal
ı
nl
ı
ğ
ı
 tespit edilmi
ş
tir. A
ğ
ı
n e
ğ
itiminde ise geriye yay
ı
lma algoritmas
ı
kullan
ı
lm
ı
ş
t
ı
r. Yap
ı
eleman
ı
olarak tu
ğ
laduvar ele al
ı
nm
ı
ş
ve bu duvar 
ı
n yal
ı
t
ı
ma ihtiyac
ı
olup olmad
ı
ğ
ı
analiz edilmi
ş
ve yal
ı
t
ı
ma ihtiyaç duydu
ğ
uanla
ş
ı
lm
ı
ş
t
ı
r. Yal
ı
t
ı
m malzemesi olarak mineral yün tercih edilmi
ş
ve bu malzemenin minimum kal
ı
nl
ı
ğ
ı
YSAile belirlenmi
ş
tir. A
ğ
dan elde edilen ç
ı
ı
ş
lar say
ı
sal sonuçlarla kar 
ş
ı
la
ş
t
ı
ı
lm
ı
ş
ve sonuçlar 
ı
n yeterlihassasiyette oldu
ğ
u görülmü
ş
tür.
Anahtar Sözcükler:
Yapay sinir a
ğ
ı
, Geriye yay
ı
lma algoritmas
ı
, Yal
ı
t
ı
m, Mineral yün.
1. G
İ
İŞ
 
Enerji tasarrufu ve onun çok önemli bir arac
ı
olan “yal
ı
t
ı
m”; aile bütçesi, ulusal kaynaklar veçevre aç
ı
s
ı
ndan günümüzde en öncelikli gündem maddesi ve bir uygarl
ı
k ölçütüdür. Yal
ı
t
ı
mlasa
ğ
lanacak olan enerji tasarrufunun toplumun belirli katmanlar 
ı
taraf 
ı
ndan payla
ş
ı
lmas
ı
giderek önem kazanmaktad
ı
r.Ülkemizde gerçekle
ş
tirilmi
ş
veya gerçekle
ş
tirilmekte olan konut binalar 
ı
ele al
ı
nd
ı
ğ
ı
nda bunlar 
ı
n büyük bir k 
ı
sm
ı
n
ı
n konvansiyonel yap
ı
m sistemli iskelet ta
ş
ı
y
ı
c
ı
, bo
ş
luklu kil veyagözenekli beton blok d
ı
ş
duvarlar ile oturtma kiremit çat
ı
lardan olu
ş
tu
ğ
u görülmektedir. D
ı
ş
 kabu
ğ
un farkl
ı
yal
ı
t
ı
m özelliklerinin yetersiz kald
ı
ğ
ı
ve böylece enerji ve performans kay
ı
 plar 
ı
n
ı
nortaya ç
ı
kt
ı
ğ
ı
, dolay
ı
s
ı
yla çevrenin zarar gördü
ğ
ü tart
ı
ş
ı
lmaz bir gerçektir.
*
 
Sorumlu Yazar/Corresponding Autor: e-posta: okelesoglu@firat.edu.tr, tel: (0424) 270 00 00 / 4265
Sigma
2005/3
Journal of Engineering and Natural SciencesMühendislik ve Fen Bilimleri Dergisi
 
 59
Tüm dünyada oldu
ğ
u gibi ülkemizde de sürekli artmakta olan enerji maliyetleriözellikle
ı
s
ı
yal
ı
t
ı
m
ı
n
ı
en ekonomik çözümlerden biri k 
ı
lm
ı
ş
t
ı
r. Yal
ı
t
ı
m uygulama düzeyi ise,ülkelerin geli
ş
mi
ş
lik düzeyi ile yak 
ı
ndan ilgili olup, sadece konut sahibi olabilme, ya
ş
amstandard
ı
n
ı
n yükselmesiyle birlikte konforlu bir konut sahibi olabilme yönünde geli
ş
meye ba
ş
lam
ı
ş
t
ı
r. Yap
ı
da kullan
ı
lacak malzemenin karakteristiklerinin ara
ş
t
ı
ı
lmas
ı
, incelenmesi veanaliz bulgular 
ı
n
ı
n irdelenmesi, deneysel ve gözlemsel bulgularla sa
ğ
lanabilmektedir. Kaynaklar 
ı
 son derece k 
ı
t olan ülkemiz, bir Avrupa ülkesine göre 6 kat daha fazla yak 
ı
t
ı
 
ı
s
ı
nmak amac
ı
ylaharcamaktad
ı
r. Tüketilen fazla yak 
ı
t ayn
ı
oranda da ekonomiye ve do
ğ
al çevreye zarar vermektedir [1].Yapay zekâ olarak bilinen ve yapay sinir a
ğ
lar 
ı
; fuzzy küme teorisi, genetik algoritmalar, uzman sistemler gibi çe
ş
itli dallar 
ı
olan bu teknik geçen bir kaç y
ı
l içinde in
ş
aatmühendisli
ğ
i problemlerinde s
ı
kça kullan
ı
lmaya ba
ş
lanm
ı
ş
t
ı
r. Geçen zaman içinde yapay sinir a
ğ
lar 
ı
ve di
ğ
er mant
ı
ksal programlama tekniklerinin ispatlanm
ı
ş
teorilerinin ortaya ç
ı
kart
ı
lmas
ı
 nedeniyle konu pek çok teorisyenin ilgisini çekmi
ş
tir [2].
İ
n
ş
aat mühendisli
ğ
inde kullan
ı
lm
ı
ş
baz
ı
yapay sinir a
ğ
ı
uygulamalar 
ı
ve sonuçlar 
ı
 
ş
unlard
ı
r. Kang ve Yoon, basit bir kafes sistemi yapay sinir a
ğ
lar 
ı
yakla
ş
ı
m
ı
yla çözmü
ş
di
ğ
er yöntemlerle kar 
ş
ı
la
ş
t
ı
ı
ld
ı
ğ
ı
nda oldukça iyi sonuçlar elde etmi
ş
lerdir [3]. Yapay sinir a
ğ
lar 
ı
 tekni
ğ
i betonarme elemanlardaki zamana ba
ğ
l
ı
etkilerin analizine ba
ş
ar 
ı
yla uygulanm
ı
ş
eldeedilen sonuçlar çe
ş
itli yazarlar taraf 
ı
ndan verilen teorik ve deneysel sonuçlara çok yak 
ı
n ç
ı
km
ı
ş
t
ı
[4]. Betonun farkl
ı
yüklemeler alt
ı
ndaki gerilme-
ş
ekil de
ğ
i
ş
tirme ba
ğ
ı
nt
ı
lar 
ı
n
ı
n belirlenmesine ba
ş
ar 
ı
yla uygulanm
ı
ş
ve çal
ı
ş
mada malzeme davran
ı
ş
ı
ile ilgili herhangi bir kabul yap
ı
lmam
ı
ş
t
ı
[5]. Yapay sinir a
ğ
lar 
ı
boyutland
ı
rma problemlerine ba
ş
ar 
ı
yla uygulanm
ı
ş
, elde edilen sonuçlar 
ı
nklasik optimizasyon teknikleri kullan
ı
larak elde edilen sonuçlardan daha elveri
ş
li oldu
ğ
ugösterilmi
ş
tir [6].Bu çal
ı
ş
mada, yapay sinir a
ğ
lar 
ı
kullan
ı
larak tu
ğ
la bir duvardaki
ı
s
ı
geçirgenlik katsay
ı
lar 
ı
analiz edilmi
ş
ve yal
ı
t
ı
m gerekti
ğ
i takdirde kullan
ı
lacak yal
ı
t
ı
m malzemesinin kal
ı
nl
ı
ğ
ı
 yine yapay sinir a
ğ
ı
kullan
ı
larak bulunmu
ş
tur.
2.
 
YAPAY S
İ
N
İ
R A
Ğ
LARI
Yapay sinir a
ğ
lar 
ı
, insan beyninin çal
ı
ş
ma mekanizmas
ı
n
ı
taklit ederek geli
ş
tirilen ve biyolojik olarak insan beyninin yapt
ı
ğ
ı
temel i
ş
lemleri belirli bir yaz
ı
l
ı
mla gerçekle
ş
tirmeyi amaçlayan bir mant
ı
ksal programlama tekni
ğ
idir. Bilgisayar ortam
ı
nda, beynin yapt
ı
ğ
ı
i
ş
lemleri yapabilen, karar veren, sonuç ç
ı
karan, yetersiz veri durumunda var olan mevcut bilgiden yola ç
ı
karak sonucaula
ş
an, sürekli olarak veri giri
ş
ini kabul eden, ö
ğ
renen, hat
ı
rlayan bir algoritmad
ı
r [7].YSA, biyolojik sinir a
ğ
lar 
ı
ndan esinlenerek modellenen, fakat onlardan daha basit bir yap
ı
ya sahip olan bir sistemdir. Bu sistemlerin ba
ş
l
ı
ca özellikleri tamam
ı
yla paralel,uyarlanabilen, ö
ğ
renebilen ve paralel da
ğ
ı
t
ı
lm
ı
ş
bir haf 
ı
zaya sahip olmalar 
ı
d
ı
r [8].Yapay sinir a
ğ
lar 
ı
ndaki i
ş
leme elemanlar 
ı
biyolojik olarak insan beynindeki nöronlarakar 
ş
ı
l
ı
k gelmektedir (
Ş
ekil 1). Dendrit olarak adland
ı
ı
lan yap
ı
, di
ğ
er hücrelerden bilgiyi alannöron giri
ş
leri olarak görev yapar. Di
ğ
er hücrelere bilgiyi transfer eden eleman aksonlard
ı
r.Dolay
ı
s
ı
yla aksonlar nöron ç
ı
ı
ş
lar 
ı
olarak görev yaparlar. Akson ile dendrit aras
ı
ndaki ba
ğ
lant
ı
 ise sinapslar taraf 
ı
ndan gerçekle
ş
tirilir [9].Yapay sinir a
ğ
ı
nda hesaplama algoritmik programlamaya bir seçenek olu
ş
turan, temelolarak yeni ve farkl
ı
bir bilgi i
ş
leme tekni
ğ
idir. Programda ad
ı
m ad
ı
m yürütülen bir yönteminverilmesi yerine sinirsel a
ğ
ili
ş
kilendirmeyi yapan iç kurallar 
ı
n
ı
kendi üretir ve bu kurallar 
ı
,sonuçlar 
ı
örneklerle kar 
ş
ı
la
ş
t
ı
rarak düzenler [10].YSA, olaylar 
ı
n örneklerine bakmakta, ilgili olay hakk 
ı
nda genellemeler yapmakta, bilgiler toplamakta ve daha sonra hiç görmedi
ğ
i örnekler ile kar 
ş
ı
la
ş
ı
nca ö
ğ
rendi
ğ
i bilgilerikullanarak o örnekler hakk 
ı
nda karar verebilmektedir.
 
The Using of Artificial Neural Networks in… 
 
 60
 
Ş
ekil 1.
Biyolojik nöron modeli
2.1. Yapay Sinir A
ğ
lar
ı
n
ı
n E
ğ
itilmesi
Yapay sinir a
ğ
lar 
ı
insanlar gibi örneklerle e
ğ
itilirler. Yapay sinir a
ğ
lar 
ı
n
ı
n ö
ğ
renmesi bir çocu
ğ
unö
ğ
renmesi gibidir. S
ı
cak bir nesneye dokunmamas
ı
gerekti
ğ
ini deneyerek ö
ğ
renen çocuklar zamanla daha az s
ı
cak olan bir cisme dokunabilme cesaretini gösterirler ve s
ı
cak süt dolu barda
ğ
ı
 elleriyle tutarlar. Yani çocuk s
ı
cakl
ı
k bilgisini ö
ğ
renmi
ş
olmaktad
ı
r. Yapay nöronlar da benzer olarak; mevcut örnek kümesi üzerinde girdi ve ç
ı
kt
ı
aras
ı
ndaki ba
ğ
ı
nt
ı
y
ı
a
ğ
ı
rl
ı
klar 
ı
nde
ğ
i
ş
tirilmesiyle ö
ğ
renirler [11].Yapay sinir a
ğ
lar 
ı
n
ı
n ö
ğ
renme sürecinde, d
ı
ş
ortamdan gözle veya vücudun di
ğ
er organlar 
ı
yla uyar 
ı
lar 
ı
n al
ı
nmas
ı
gibi d
ı
ş
ortamdan giri
ş
ler al
ı
n
ı
r, bu giri
ş
lerin beyin merkezineiletilerek burada de
ğ
erlendirilip tepki verilmesi gibi yapay sinir a
ğ
ı
nda da aktivasyonfonksiyonundan geçirilerek bir tepki ç
ı
ı
ş
ı
üretilir. Bu ç
ı
ı
ş
yine tecrübeyle verilen ç
ı
ı
ş
lakar 
ş
ı
la
ş
t
ı
ı
larak hata bulunur. Çe
ş
itli ö
ğ
renme algoritmalar 
ı
yla hata azalt
ı
l
ı
 p gerçek ç
ı
ı
ş
ayakla
ş
ı
lmaya çal
ı
ş
ı
l
ı
r. Bu çal
ı
ş
ma süresince yenilenen yapay sinir a
ğ
ı
n
ı
n a
ğ
ı
rl
ı
klar 
ı
d
ı
r. A
ğ
ı
rl
ı
klar her bir çevrimde yenilerek amaca ula
ş
ı
lmaya çal
ı
ş
ı
l
ı
r. Amaca ula
ş
man
ı
n veya yakla
ş
man
ı
n ölçüsüde yine d
ı
ş
ar 
ı
dan verilen bir de
ğ
erdir. E
ğ
er yapay sinir a
ğ
lar 
ı
verilen giri
ş
ı
ı
ş
çiftleriyle amacaula
ş
m
ı
ş
ise a
ğ
ı
rl
ı
k de
ğ
erleri saklan
ı
r. A
ğ
ı
rl
ı
klar 
ı
n sürekli yenilenip istenilen sonuca ula
ş
ana kadar geçen zamana ö
ğ
renme ad
ı
verilir.
2.2. Geri Yay
ı
l
ı
m Algoritmas
ı
 
Geri yay
ı
l
ı
m algoritmas
ı
(Backpropagation), birçok uygulamada kullan
ı
lm
ı
ş
en yayg
ı
n ö
ğ
retmealgoritmas
ı
d
ı
r. Anla
ş
ı
lmas
ı
kolay ve matematiksel olarak ispatlanabilir olmas
ı
ndan dolay
ı
en çok tercih edilen ö
ğ
retme algoritmas
ı
d
ı
r. Bu algoritma, hatalar 
ı
geriye do
ğ
ru ç
ı
ı
ş
tan giri
ş
e azaltmayaçal
ı
ş
mas
ı
ndan dolay
ı
geri yay
ı
l
ı
m ismini alm
ı
ş
t
ı
r. Geri yay
ı
lmal
ı
ö
ğ
renme kural
ı
a
ğ
ç
ı
ı
ş
ı
ndakimevcut hata düzeyine göre her bir tabakadaki a
ğ
ı
rl
ı
klar 
ı
yeniden hesaplamak içinkullan
ı
lmaktad
ı
r. Bir geri yay
ı
l
ı
ml
ı
a
ğ
modelinde giri
ş
, gizli ve ç
ı
ı
ş
olmak üzere 3 katman bulunmakla birlikte, problemin özelliklerine göre gizli katman say
ı
s
ı
n
ı
art
ı
rabilmek mümkündür (
Ş
ekil 2).
Ö. Kele
 ş
o
 ğ 
lu, C. E. Ekinci, A. F 
ı
rat Sigma 2005/3

Activity (5)

You've already reviewed this. Edit your review.
1 hundred reads
1 thousand reads
Emrah Turan liked this
Arif Ulu liked this

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->