Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, İktisat Fakültesi, Ekonometri Bölümü, Türkiye
Tezin Onay Tarihi: 2013
Tezin Dili: Türkçe
Öğrenci: VİLDAN GÜLPINAR
Danışman: DİLEK ALTAŞ
Özet:YAPAY SİNİR AĞLARI İŞLEYİŞİNİN SOSYAL AĞ ANALİZİ YARDIMI İLE ÇÖZÜMLENMESİ Sosyal Ağ Analizi (SAA) ve Yapay Sinir Ağları (YSA), ağ biliminin altında yer alan iki önemli tekniktir. Biyolojik ağ modellerinin öğrenme özelliklerini bilgisayarlara kazandırmaya çalışan YSA, mühendislik çalışmalarının yanı sıra son yıllarda sosyal bilimlerde de sıklıkla kullanılmaktadır. SAA ise özellikle son 10 yılda internet üzerindeki sosyal ağlara olan ilginin giderek artmasıyla da kullanım alanı genişleyen bir teknik olmuştur. YSA’nın doğrusal olmayan, çok boyutlu, gürültülü, karmaşık, kesin olmayan, eksik verilerinin olması ve problemin çözümü için özellikle bir matematiksel modelin ve algoritmanın bulunmaması hallerinde yaygın olarak kullanıldıkları görülmektedir. Ancak YSA ile ilgili tüm çalışmalar ağın davranışının açıklanamadığı bilgisini aktarmaktadır. “Kara kutu” olarak da ifade edilen -YSA ile bir probleme çözüm üretildiği zaman bunun nasıl ve neden üretildiği konusunda bir bilgi bulmak mümkün değildir- düşüncesi genel kabul görmektedir. Bu ise ağın sonucuna olan güveni azaltmaktadır. Tezin amacı, çalışma prensibi ağdaki bağlantıların yönü ve ağırlıkları ile açıklanabilen SAA’dan elde edilen sonuçlar ile YSA ağırlıklarının ve bağlantılarının ilişkili olup olmadığını incelemek ve bu yolla YSA çalışma sürecini anlamaya çalışmak ve açıklamaktır. Anahtar Kelimeler: Yapay Sinir Ağları, Sosyal Ağ Analizi, Çok Katmanlı Algılayıcılar, Merkezilik Ölçüleri, Ağırlıklar ve Bağlantılar ANALYZING THE PROCESS OF THE ARTIFICIAL NEURAL NETWORKS BY THE HELP OF THE SOCIAL NETWORK ANALYSIS ABSTRACT Social Network Analysis (SNA) and Artificial Neural Networks (ANN) are two important techniques within the network science. Attempting to bring the learning features of the biological network models to the computers, the ANN has recently been frequently used not only in the engineering studies but also in the social sciences. The SNA has become a technique gaining widespread use especially by the increasing interest in the social networks over the internet in the last 10 years. It seems that the ANN is widely used when there is non-linear, multi-dimensional, noisy, complicated, indefinite and missing data and especially when there is no mathematical model and algorithm for the solution of the problem. However, all studies on the ANN reveal that the network behavior is not explainable. It is generally accepted that -When a solution is generated for a problem through the ANN, it is not possible to find any information to understand how and why this solution is generated-which is also called “black box”. This reduces the reliance on the result of the network. This thesis is intended to analyze whether the results from the SNA, the working principle of which is explainable by the direction and weights of the connections in the network, are associated with the weights and connections of the ANN and, in this way, try to understand and explain the working process of the ANN. Keywords: Artificial Neural Networks, Social Network Analysis, Multilayer Perceptrons, Measure of Centrality, Weights and Connections