Search

Veri zarflama analizi (VZA) , çok büyük sayıda giriş ve çıkış değişkenleriyle etkinlikhesaplamada yaygın olarak kullanılan doğrusal programlama tabanlı bir tekniktir. Başka birifade ile VZA çoklu girişler ve çoklu çıkışlar ile işletmelerin göreli etkinliklerini ölçer.İşletmeler, karar verme birimleri olarak adlandırılır. Yöneylem araştırması modelleriniuygulamada temel bir gereklilik, optimize edilecek bir tek değişken yerine karar problemi ileilgili tüm değişkenleri bir araya getiren bir "fayda fonksiyonu" belirlenmesidir. Bir faydafonksiyonu kavramının altında yatan, fayda fonksiyonunun tüm karar vericiler ya da haricidayatmalar karşısında düzgün olarak dağıldığını kabul etmekten ziyade içerdiği değişkenleringöreceli etkinliğinin karar vericinin algılarını temsil ettiğidir. VZA mümkün olan en iyiverimi veren bir karar verme biriminin girişlerine ve çıkışlarına ağırlıkları atar. Böylece buözel karar verme birimi için onların üzerine yerleştirilmiş olan ağırlıkları yansıtan giriş veçıkış değişkenlerinin göreli etkinliklerinin bir ağırlığına ulaşır. VZA her zaman problem içindoğru bir araç değil ama bazı durumlarda uygundur. Bu nedenle, VZA işletmelerin kararverme birimlerinin göreli etkinliklerinin ölçülmesi gibi zor durumlarda yararlanılan güçlü birtekniktir. Bu çalışmada, bir eğitim kurumunun aynı şehirde faaliyet gösteren şubeleriningöreceli etkinliklerini değerlendirmek için VZA tekniği kullanılmaktadır. Eğitim kurumununaynı şehirdeki altı şubesinin göreceli etkinlikleri herbir şubesinden toplanan bir yıllık bilgilergöz önünde bulundurularak ölçülmektedir. Öncelikle, şubelere ait giriş ve çıkış olabilecekortak değişkenler tespit edilmiş ve bu değişkenler için bir yıllık sayısal veriler elde edilmiştir.Ardından, toplanan bilgiler her şubenin etkinlik puanını hesaplamak için bir doğrusalprogramlama modeli olarak ifade edilmiştir. Daha sonra, doğrusal programlama modelleriayrı ayrı çözülmüş ve etkinlik skorları ölçülmüştür. Sonuç olarak, her şube için etkinlikskorları test edilmiştir., Data Envelopment Analysis (DEA) is a linear programming based technique, which is widelyused in efficiency measurement with vast amount of input and output values. In other words,DEA measures the relative efficiencies of organizations with multiple inputs and multipleoutputs. The organizations are called the decision-making units, or DMUs. A fundamentalrequirement in applying operations research models is the identification of a "utility function"which combines all variables relevant to a decision problem instead of a single variable whichis to be optimized. Underlying the concept of a utility function is that it should represent thedecision-maker's perceptions of the relative efficiency of the variables involved rather thanbeing regarded as uniform across all decision-makers or externally imposed. DEA assignsweights to the inputs and outputs of a DMU that give it the best possible efficiency. It thusarrives at a weighting of the relative efficiency of the input and output variables that reflectsthe emphasis to have been placed on them for that particular DMU. DEA is not always theright tool for a problem but is appropriate in certain cases. Therefore, DEA is a powerfultechnique, which is benefited in such difficult cases as measuring the relative efficiencies of organizational decision making units. In this study, DEA is used to assess the relativeefficiency of different branches in the same city of the educational institution. Relativeefficiencies of six different branches of an educational institution located in one city aremeasured considering a yearlong data collected from each branch. Primarily, the commonvariables, which may be the input and output of a branch, were determined and the annualnumerical data for these variables were acquired. Then, the gathered information wereexpressed as a linear programming model to calculate the efficiency score of each branch.Later, the linear programming models were solved separately and efficiency scores weremeasured. As a result, efficiency scores for each branch have been tested.

Bilgi Çağı'' ve '"Bilgi Toplunıu'' gibi terinılerin sıklıkla kullanıldığı gününıüzde, bilginin önenıi daha açık bir şekilde ortaya çıknıaktadır. Bilginin önenıi arttığı oranda o bilgiye ulaşabilıneyi sağlayan sistenılerin de önenıi artnıaktadır. Bilgisayar teknolojisindeki büyük gelişnıeler sayesinde, dünyanın herhangi bir yerinde üretilen bilginin sayısal hale getirilerek saklannıası ve o bilgiye dünyanın herhangi bir yerinden çok kısa sürede erişinı nıünıkün olnıaktadır. Bununla birlikte prograınlaına dillerindeki büyük gelişıneler sayesinde bilgiyi işlenıek ve istenen bilgiye erişınek de kolaylaşnıaktadır. Bu çalışnıada. bilgiyi elde etnıek anıacıyla kullanılan Endüktif Öğrenıne teknikleri anlattlacak ve bu a 1and a ge1iştiril e n a1gor i t nı a1ar ka rşılaştırı Ia c akt ır.

A rapid development and growing use of database systems, and the importance of information stored in these systems raise the issue of how to make the best use of these systems. One of the leading area where the database systems are mostly used is 'medicine'. Today, all patients' laboratory results, patient history as well as x-ray images and more are kept in databases. These of the traditional database query and report methods to filter information and to present reports does not always provide the important hidden rules contained in the stored data. Therefore, the use of data mining techniques used for knowledge discovery in this area from databases is inevitable. In this study, the rules base is created thorough the knowledge discovery by employing REX-1 algorithm, a data mining technique, on the Wisconsin Breast Cancer, Ljubljana Breast Cancer, Dermatology, Hepatitis and Diabetes sample sets, which are real life data and commonly used in the medical field. In terms of the accuracy rate, the results of this study were compared to the results of the algorithms widely used in this field, such as C4.5, NavieBayes, PART, CN2, CORE, GA-SVM., Veri tabany sistemlerinin büyük bir hyzla geli?mesi, artan kullanymy ve bu sistemlerdeki bilgilerin önemi bu sistemlerden nasyl yararlanylaca?y problemini de beraberinde getirmi?tir. Bu sistemlerin en çok kullanyldy?y alanlaryn ba?ynda da 'typ' gelmektedir. Günümüzde hastalara ait tüm laboratuar sonuçlary, hastanyn hikâyesi gibi bilgilerin yany syra çekilen film ve röntgen görüntüleri dahi veri tabanlarynda tutulmaktadyr. Bu veri tabanlaryndan geleneksel sorgulama metotlaryyla bilgiyi süzmek ve bu bilgileri raporlar halinde sunmak bilgiler içerisinde sakly bulunan gizli-önemli kurallaryn ortaya çykmasyny sa?lamaz. Bundan dolayy veri tabanlaryndan bilgi ke?fi için bu alanda kullanylan veri madencili?i tekniklerinin kullanylmasyny kaçynylmaz yapmaktadyr. Bu çaly?mada veri madencili?i tekniklerinden REX-1 algoritmasy kullanylarak medikal alanda kullanylan ve gerçek hayattan alynan Wisconsin Breast Cancer, Ljubljana Breast Cancer, Dermatology, Hepatitis ve Diabetes örnek setleri üzerinde bilgi ke?fi yapylarak kural tabany olu?turulmu?tur. Elde edilen sonuçlar bu alanda yaygyn olarak kullanylan C4.5, NavieBayes, PART, CN2, CORE, GA-SVM gibi algoritmalarla do?ruluk oranlaryna göre test edilmi?tir.

In a job shop each job has a fixed route that is predetermined. In practice, it often occurs that the route of the job is immaterial and up to the scheduler to decide. When the routes of the jobs are open, the model is referred to as an open shop (Pinedo, 2008). Lots types of open shop scheduling problems are known to be NP-hard. Open shop scheduling problem has received much attention due to its practical importance and lots of studies are made in the literature. In this study a parallel greedy metaheuristic algorithm (also known an artificial intelligence method) is proposed. The benchmark open shop scheduling problem is solved by proposed parallel greedy algorithm and the best results are researched., Bir i? atölyesinde, her i?in önceden belirlenmi? bir rotasy vardyr. Pratikte, i?in gidi?atynyn önemsiz hale gelip karar vermenin programcyya kalmasy durumu ço?unlukla gerçekle?ir. Y?in gidi?aty açyk uçlu oldu?u zamanlarda model, bir açyk atölye çizelgeleme olarak adlandyrylyr (Pinedo, 2008). Açyk atölye çizelgeleme problemlerinin birçok türü, NP-Zor olarak bilinmektedir. Açyk atölye çizelgeleme modeli, birçok gerçek çizelgeleme çevresinde meydana gelmesi nedeniyle oldukça fazla ara?tyrma ilgisi toplamy? ve açyk atölyelerin seri olmayan çizelgelemeleri üzerinde birçok çaly?ma yapylmaktadyr. Bu çaly?mada, açyk atölye tipi çizelgeleme problemlerinin çözümü için metasezgisel yöntemlerden olan ve yapay zekâ tekniklerinden kabul edilen, paralel doyumsuz algoritma önerilmi?tir. Hazyrlanan program yardymy ile belirlenen açyk atölye tipi çizelgeleme problemi için optimale yakyn çözümler ara?tyrylmy?tyr.

In a permutation flow shop scheduling problem, n independent jobs have to be processed in the same order on m different machines. In this study, the permutation flow shop scheduling problem with earliness and tardiness penalties and common due date for jobs is considered. The permutation flow shop scheduling with earliness and tardiness penalties is known NP-hard problem. A scatter search which known a metaheuristic method is used to solve this permutation flow shop scheduling problem. A benchmark permutation flow shop scheduling with earliness and tardiness penalties and common due date problem is solved by proposed scatter search method., Aky? tipi çizelgeleme probleminde, n adet birbirinden ba?ymsyz i?, ayny syra ile birbirinden farkly m adet makinede i?lem görmektedir. Bu ara?tyrmada, erken ve geç cezaly, ortak teslim tarihi olan permütasyon aky? tipi çizelgeleme problemleri incelenmi?tir. Erken ve geç cezaly permütasyon aky? tipi çizelgeleme, NP-Zor problemler kapsamynda yer almaktadyr. Bu problemlerin çözümünde, yapay zekâ tekniklerinden olan da?ynyk arama metasezgiseli kullanylmy?tyr. Erken ve geç cezaly, ortak teslim tarihli permütasyon aky? tipi kyyaslama problemi, önerilen da?ynyk arama metodu ile çözülmü?tür.

ÖZET Anahtar Kelimeler : Bilgisayarla öğrenme, Endüktif öğrenme, Bilgi kazanımı, Entropi, Endüktif öğrenme algoritmaları. Bilgi, genel olarak bir uzmandan, konu ile ilgili kaynaklardan, arşiv bilgilerinden, gözlem veya deneylerden elde edilebilir. Bir uzmandan bilgi elde etme, karşılıklı görüşmeler gerektiren, uzun zaman alan, dikkat isteyen ve sistematik çalışmalar gerektiren bir işlemdir. Uzmanlar, uzmanlık bilgilerini günlük çalışmalarında rahatlıkla kullanabilmelerine rağmen, bunları özetleme ve bir uzman sistemde kullanılabilir hale getirmede aynı başarıyı gösteremeyebilirler. Bu bilgilerin değerlendirilmesi ve bir uzman sistem için bilgi tabam haline getirilmesi ayn bir uzmanlık ister. Bilgi tabanının bu yolla oluşturulması hem uzun zaman almakta hem de yüksek maliyet gerektirmektedir. Çünkü bu işlemleri yerine getirecek uzman kişilere ihtiyaç vardır. Bu elemanları bulmak çok zor ve istihdamı da yüksek maliyet gerektirmektedir. Araştırmacılar bilgi kazanımını, bir uzman sistemin geliştirilmesindeki en büyük darboğaz olarak kabul etmektedirler. Bütün bu ve benzeri zorluklar, araştırmacıları bu darboğazı aşmak için alternatif teknikler geliştirmeye sevk etmiştir. Bu konuda birçok başarılı teknikler geliştirilmiş ve geliştirilmeye devam edilmektedir. Yapılan çalışmalarda olumlu sonuçlar elde edilmiştir. Geliştirilen bu tekniklerin amacı bilgi kazanımını otomatik hale getirmektir. Bu çalışmada, otomatik bilgi kazanımını sağlamak amacıyla üç algoritma geliştirilmiştir: REX-1, REX-2 ve REX-3. Geliştirilen algoritmaların verimliliğini test etmek amacıyla dünyada bu alanda. kullanılan ve gerçek hayattan alman veri setleri kullanılmıştır. Bu veri setleri kullanılarak, günümüzün en çok kullanılan algoritmalarından olan ID3, C4.5, RULES-3, RULES 3 PLUS, RULES-4, İLA, ILA-2, PRISM, OC1, CN2, J-PRUNED, GDT-NR ve GDT-RS ile performans karşılaştırmaları yapılmıştır. Yapılan performans karşılaştırmalarında, algoritmalar tarafından elde edilen sonuçların iyi olduğu tespit edilmiştir. Algoritmaların büyük veri setleri için işlem yapması için DELPHI-6 programlama dili kullanılarak bir program hazırlanmıştır. XII NEW ALGORITHMS FOR KNOWLEDGE ACQUISITION IN INDUCTIVE LEARNING SUMMARY Keywords : Machine learning, Inductive learning, Knowledge acquisition, Entropy, Inductive learning algorithms. In general, knowledge can be gathered from an expert, from the resources related to the subject, from archives, or from observations and experiments. The process of knowledge gathering from an expert usually involves interviews, and thus is a time consuming method requiring careful and systematic examination. Although the experts can utilize their skills comfortably in their daily life, they may not demonstrate the same achievement in summarizing the knowledge, as well as making use of it within an expert system. To evaluate the available data and to translate it into an expert system database demands a different proficiency. The creation of the database through this route is time consuming and costly because of the need for the skilled human resources to accomplish the job which is a difficult task requiring higher costs. Therefore, researchers identify the knowledge acquisition as the most important element in the process of developing an expert system. Such difficulties have directed researchers to developing alternative techniques for going beyond this obstruction. Several successful procedures have been/are being developed on this subject and encouraging results have already been obtained. The aim of these newly developed techniques is to automatize the process of knowledge acquisition. In this study, three algorithms have been developed to make available the knowledge acquisition: REX-1, REX-2 and REX-3. In order to evaluate the performance of these algorithms, the database taken from real life and are employed in this field in the world have been used. Performance comparisons with today's mostly used algorithms, such as ID3, C4.5, RULES-3, RULES 3 PLUS, RULES-4, İLA, ILA-2, PRISM, OC1, CN2, J-PRUNED, GDT-NR and GDT-RS, have been carried out and the results from our algorithms were found to be acceptable. A program written in DELPHI-6 was also prepared in order to utilize these algorithms for larger databases. XIII 153