Hybrid Artificial Intelligence Models: Methods, Optimization, and Applications
Özet
Bu kitap, hibrit yapay zekâ modellerinin yöntemlerini, optimizasyon tekniklerini ve uygulama alanlarını kapsamaktadır. ANFIS yapısının gri kurt optimizasyon algoritması (GWO) kullanılarak performansının artırılması, başlangıç parametrelerinin optimize edilmesiyle tahmin doğruluğunun ve model stabilitesinin yükseltilmesi üzerine detaylı deneysel çalışmalar sunulmaktadır. GWO-ANFIS yapısının klasik ANFIS modellerine kıyasla istatistiksel olarak anlamlı performans artışı sağladığı gösterilmiştir. Yapay zekâ tabanlı bitki yaprağı hastalık tespiti için yarı denetimli generatif adversarial ağlar (SSGAN) kullanılarak, az sayıda etiketli veri ile etkili sınıflandırma yapılması sağlanmıştır. EEG sinyallerinin düzensiz yapısına uygun olarak, graf tabanlı derin öğrenme yöntemlerinin EEG yorumlama ve beyin bağlantı modellemede üstünlükleri tartışılmıştır. Yapay sinir ağları ve bulanık mantık tabanlı ANFIS modelleri ve GWO, GA, PSO gibi meta-sezgisel optimizasyon algoritmalarının entegrasyonu incelenmiştir. Ayrıca, medikal görüntülerin sınırlı veri problemi için derin öğrenme tabanlı sentetik görüntü üretim teknikleri ve bu sentezlenen verilerin etik, teknik ve performans değerlendirme kriterleriyle ilgili zorluklar ele alınmıştır. Kitap, yapay zekâ ile biyomedikal, tarım ve enerji alanlarında uygulamalı çözümler geliştirmek isteyen araştırmacılar için kapsamlı bir kaynak sunmaktadır.
This book provides a comprehensive overview of hybrid artificial intelligence models, focusing on methods, optimization algorithms, and practical applications. It details the enhancement of ANFIS (Adaptive Network-Based Fuzzy Inference System) performance through Grey Wolf Optimization (GWO), demonstrating statistically significant improvements in prediction accuracy and model stability compared to classical ANFIS models. The integration of semi-supervised generative adversarial networks (SSGAN) addresses plant leaf disease detection using limited labeled data, achieving balanced classification with reduced data annotation effort. The book explores graph-based deep learning approaches to interpret irregular EEG signal structures and brain connectivity, emphasizing the advantages of graph neural networks over traditional CNNs and RNNs for EEG analysis in neuroscience. It also covers metaheuristic algorithms like GA, PSO in optimizing AI models. Furthermore, it discusses synthetic biomedical image generation with deep learning models such as Autoencoders, GANs, and Diffusion Models, including performance metrics and ethical challenges related to data privacy and clinical integration. Overall, this publication serves as an essential reference for researchers aiming to develop optimized, hybrid AI models across healthcare, agriculture, and energy sectors.
Kitap Bölümleri
5 bölüm · Mevcut sayfa ve DOI kayıtlarıAtıf bilgisi
Pınar Özen. (2025). Hybrid Artificial Intelligence Models: Methods, Optimization, and Applications. Bidge Yayınları. DOI: 10.70269/8LPHWJMU3FPR
