Gelişmiş Arama

Basit öğe kaydını göster

dc.contributor.authorÜnal, Zeynep
dc.contributor.authorİpekçi Çetin, Emre
dc.date.accessioned2023-09-19T08:01:35Z
dc.date.available2023-09-19T08:01:35Z
dc.date.issued28.02.2022en_US
dc.identifier.citationÜnal, Z. & İpekçi Çetin, E. (2022). Fuzzy Logic and Deep Learning Integration in Likert Type Data . Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi , 22 (1) , 112-125 . DOI: 10.35414/akufemubid.1019671en_US
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/2065862
dc.identifier.urihttps://doi.org/10.35414/akufemubid.1019671
dc.identifier.urihttps://hdl.handle.net/11630/11087
dc.description.abstractDeep learning networks have many modern applications and demonstrate a high-performance level. As the applications of deep learning networks to real-world problems continues to spread, the reason why they are effective remains unknown. However, it is possible to make some judgments by examining the behaviour of the network in experiments. The main aim of this study is to analyse the performance of deep learning techniques in the form of a 5-point Likert-type scale by converting the artificial data sets into a fuzzy form using triangular or trapezium fuzzy numbers. To test the performance of the proposed model, which is the integration of deep learning and fuzzy logic techniques, the satisfaction estimation problem was chosen. Data sets consisting of fuzzy numbers which reach at least three or four times more parameters than normal data sets. Thus, it decreases the possibility of falling into the local optimum trap in optimization studies with big data. In the analysis conducted with deep learning, in accordance with the fuzzification examples in the literature, the defuzzification was carried out with separate results for peak, maximum, and minimum values. In contrast to the literature, the performances of the deep learning model were investigated by suggesting that fuzzy numbers produce a single result series.en_US
dc.description.abstractDerin öğrenme ağları birçok modern uygulamaya sahip olup yüksek performans seviyesi göstermektedir. Derin öğrenme ağlarının gerçek dünyadaki sorunlara uygulamaları yayılmaya devam ederken bunların neden etkili olduğu bilinmemektedir. Ancak deneylerde ağların davranışını inceleyerek bazı yargılarda bulunmak mümkündür. Bu çalışmanın amacı 5 noktalı Likert tipi ölçeğiyle üretilen yapay veri setlerinin üçgensel ya da yamuk bulanık sayılar kullanılarak bulanık forma dönüştürülmesi ve bu yolla verilerin çoğalması durumunda derin öğrenme tekniklerinin performansının analiz edilmesidir. Derin öğrenme ve bulanık mantık tekniklerinin entegrasyonu sonucunda önerilen modelin performansının test edilmesi için memnuniyet tahmin problemi seçilmiştir Bulanık sayılarla oluşturulan veri setleri ile normal veri setinden en az 3 ya da 4 kat daha fazla parametre sayısına ulaşılmaktadır. Böylece büyük veri ile optimizasyon çalışmalarında yerel optimuma tuzağına düşme olasılığı azalmaktadır. Derin öğrenme ile yapılan analizlerde, literatürdeki bulanıklaştırma örneklerine uygun olarak, tepe, maksimum ve minimum değerler için ayrı sonuçlarla durulaştırma gerçekleştirilmiştir. Literatürden farklı olarak bulanık sayıların tek sonuç dizisi üretmesi önerilerek derin öğrenme modelinin performansları araştırılmıştır.en_US
dc.language.isoengen_US
dc.publisherAfyon Kocatepe Üniversitesien_US
dc.identifier.doi10.35414/akufemubid.1019671en_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectDeep Learningen_US
dc.subjectLogistic Regressionen_US
dc.subjectFuzzy Logicen_US
dc.subjectLikert Scaleen_US
dc.subjectDerin Öğrenmeen_US
dc.subjectLojistik Regresyonen_US
dc.subjectBulanık Mantıken_US
dc.subjectLikert Ölçeğien_US
dc.titleFuzzy logic and deep learning ıntegration in likert type dataen_US
dc.title.alternativeLikert tip veride bulanık mantık ve derin öğrenme entegrasyonuen_US
dc.typearticleen_US
dc.relation.journalAfyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisien_US
dc.departmentAfyon Kocatepe Üniversitesien_US
dc.authorid0000-0002-9954-1151en_US
dc.authorid0000-0002-8108-1919en_US
dc.identifier.volume22en_US
dc.identifier.startpage112en_US
dc.identifier.endpage125en_US
dc.identifier.issue1en_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Başka Kurum Yazarıen_US


Bu öğenin dosyaları:

Thumbnail

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster