Sinir ağlarının yapılarının en iyi bir şekilde, herhangi bir öğrenme yordamından bağımsız olarak bulunmasının otomatikleştirilmesi, son yıllarda oldukça ilgi çekmektedir. Bu çalışmada, genetik algoritmalar için uygun bir yapay sinir ağı yapısı gösterimi geliştirilmiştir. Ağlar üzerinde uygun genetik algoritma işlemleri yapılmış ve bir genetik yordam yazılımıyla birlikte bir sinir ağı eğitim yordamı kurulmuştur. Kurulan sinir ağı eğitim yordamında hatayı geriye yayma ve eşlenik gradyanlar yordamları birlikte kullanılarak melez bir yordam geliştirilmiştir. Geliştirilen genetik yordam yazılımı dışlamalı-veya öğesi, sinüs fonksiyonu, düzensiz zaman serileri tahmini ve göğüs kanseri tahmini problemleri üzerinde denenmiştir. Bu problemler için, kurulan genetik yordam yazılımının hem basit, hem de uygun ve etkili sinir ağı yapıları bulduğu görülmüştür.

Devising techniques for automating the design of neural networks that are independent of training algorithms and optimal have been of interest recently. In this study, a suitable neural network architecture representation for the genetic algorithms is devised. Suitable genetic algorithm operators are applied on them, and a genetic algorithm tool together with a neural network training tool which uses a specially developed hybrid algorithm consisting of backpropagation and the conjugate gradient algorithms has been implemented. The implemented genetic algorithm tool is tested on four problem sets: XOR problem, sine function, chaotic time series prediction problem and breast cancer prediction problem. For these problem sets, we observed that our genetic algorithm tool has found both simple and efficient neural network topologies.