Derin öğrenme uygulamaları
Deep learning applications
- Tez No: 394502
- Danışmanlar: YRD. DOÇ. DR. TOLGA ENSARİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Derin Öğrenme (Deep Learning) ve Derin İnanç Ağları (Deep Belief Networks), makine öğrenmesinde ve örüntü tanıma alanlarında son yıllarda en çok ilgi duyulan konulardan biri olmuştur. Derin inanç ağları üst üste eklenmiş ve birbirine bağlı Kısıtlı Boltzmann Makinelerinden (Restricted Boltzmann Machine) meydana gelmektedir. Kısıtlı Boltzmann makineleri, enerji tabanlı olasılıksal yapay sinir ağlarıdır. Derin inanç ağları pek çok gizli katman içermektedir ve Autoencoder mimarisi kullanılarak ince ayar yapıldıktan sonra optimize edilmektedir. Autoencoder ise girdi uzayını yeni bir uzaya dönüştüren bir yapıdır. Bu tez çalışmasında, MNIST veri kümesi kullanılarak karakter tanıma işlemi yapılmıştır. Ardından, Autoencoder çıkışı görüntülerin kenar belirleme uygulamaları yapılmıştır. Kenar belirleme, hem makine öğrenmesi hem de bilgisayarla görü işlemlerinde önemli bir yere sahiptir. Kenar belirleme işlemlerinde Sobel, Prewitt ve Roberts kenar belirleme yöntemleri kullanılmıştır. Ayrıca, tez çalışmasında kenar belirleme konusu literatürde ilk defa derin öğrenme yapısı kullanılarak ele alınmıştır. Uygun derin inanç ağları kullanılarak, bazı saklı özellikler (feature) incelenmiştir.
Özet (Çeviri)
Deep learning and deep belief networks (DBNs) are two of the most used topics in machine learning and pattern recognition areas, in recent years. DBNs consist of stacked Restricted Boltzmann Machine (RBM) structure and these stacked RBMs are connected to each other. RBM is energy based stochastic neural network. DBNs have many hidden layers and they are optimized after fine-tuning process with Autoencoder (AE) architecture. AE transforms input space to a new space. In this thesis, character recognition is handled by using MNIST dataset. Then AE output images used in edge detection applications. Edge detection is also one of the important issues in machine learning and computer vision areas. Some of classical edge detection techniques such as Sobel, Prewitt and Roberts used in applications. In this thesis, we propose deep learning based edge detection method. Our proposal has not been discussed before in the literature related with DBNs. Some hidden features are examined with suitable DBNs architectures.
Benzer Tezler
- Visualization of deep networks trained for bipolar disorder classification by using fNIRS measurements
Bipolar hastalığı sınıflandırması için fNIRS ölçümleri kullanılarak eğitilmiş derin ağların görselleştirilmesi
OĞUZHAN BABACAN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLKAY ULUSOY
- Development of an optimum biometric hashing for deep learning applications
Derin öğrenme uygulamaları için optimum biyometrik hashing geliştirme
ABDULRAHIM MOHAMED IBRAHIM
Yüksek Lisans
İngilizce
2022
Bilim ve Teknolojiİstanbul Ticaret ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ALPER ÖZPINAR
- A common subexpression elimination-based compression method for the constant matrix multiplication
Sabit matris çarpımı için ortak alt ifade eleme tabanlı bir sıkıştırma yöntemi
EMRE BİLGİLİ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ARDA YURDAKUL
- Heart sounds classification using deep learning algorithms
Derin öğrenme algoritmaları kullanarak kalp sesleri sınıflandırması
MOHAMMED MANSUR ABUBAKAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANER TUNCER
- Derin öğrenme yöntemi ile diferansiyel mahremiyetli medikal görüntü sınıflandırma
Differential privacy medical image classification with deep learning method
ŞÜKRİYE AKKAYA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEREF SAĞIROĞLU