Atıf Sayısı
2
Görüntüleme
17
İndirme
2
Örneklere bağlı olarak dinamik öğrenme yetenekleri sayesinde, doğrusal ve doğrusal olmayan ilişkileri çözümleyerek başarılı sonuçlar üreten yapay sinir ağları birçok alanda karşımıza çıkmaktadır. Yapay sinir ağlarında istenen düzeyde performansın sağlanması birçok parametreye bağlı olmakla birlikte, kullanılan ağ modeli ve bu ağın eğitiminde kullanılan algoritmalar üzerinde yapılan çalışmalar giderek artmaktadır. Bu çalışmada, arıların doğada yiyecek arama davranışlarından esinlenilerek geliştirilen yapay arı koloni (Artificial Bee Colony, ABC) algoritması ile eğitilmiş tekrarlayıcı sinir ağlarının (Recurrent Neural Network, RNN) robot navigasyonunda kullanımına yönelik yeni bir tasarım önerilmiştir. Robotun kontrol stratejisi için üzerine yerleştirilen 24 adet ultrasonik sensörden elde edilen veriler kullanılmıştır. Literatürdeki benzer çalışmalarla karşılaştırmak için ortalama karesel hatanın karekökü ve simetrik oransal ortalama mutlak hata ölçüm metrikleri kullanılmıştır. Elde edilen sonuçlar, önerilen tasarım modelinin robotun hareket yönünün tayininde etkin bir şekilde kullanılabileceğini göstermiştir. Özellikle çok sayıda sensör kullanıldığında önerilen modelin performansı diğer modellere nazaran çok daha iyi olmuştur.
Thanks to the dynamic learning abilities based on examples, artificial nerve networks that produce successful results by solving linear and non-linear relationships appear to us in many areas. While the achievement of the desired level of performance in artificial nerve networks depends on many parameters, the work on the network model used and the algorithms used in the training of this network is increasing. In this study, a new design was proposed for the use of recurrent neural networks (RNN) trained by the artificial bee colony (ABC) algorithm, which was developed by bee’s behavior of food search in nature, in robotic navigation. Data obtained from 24 ultrasonic sensors placed on for the control strategy of the robot has been used. For comparison with similar studies in literature, the square corner of the average square error and the symmetrical proportional average absolute error measurement metric have been used. The results showed that the proposed design model could be effectively used in determining the direction of the robot’s movement. Especially when a lot of sensors were used, the recommended model’s performance was much better than the other models.
Artificial neural networks, which produce successful results by establishing linear and nonlinear relations by their dynamic learning abilities, are used in a wide range of fields. Even if the desired performance of networks depends on too many parameters, the number of researches on networks models and learning algorithms are gradually increasing. In this paper a new recurrent neural network (RNN) trained with artificial bee colony (ABC) algorithm was proposed for robot navigation problem. The RNN network trained with sample dataset, obtained from 24 sensors, was used for control strategy in robot movements. Root mean square error (RMS) and symmetric mean absolute percentage error (SMAPE) evalutian metrics were used to compare the proposed method against state of the art algorithms. The results showed that, the performance of the proposed method in determination of robots motion is good and especially, when a large number of sensors used, the proposed model as better performance than the other models.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
