Time series classification using deep learning
Zaman serilerinin derin öğrenme ile sınıflandırılması
- Tez No: 442307
- Danışmanlar: DOÇ. DR. CEM İYİGÜN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Endüstri ve Endüstri Mühendisliği, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Industrial and Industrial Engineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İstatistiksel verilerin daha karmaşık ve soyut bir şekilde temsil edilme ihtiyacıyla birlikte derin öğrenme tekniği hızla gelişen ve ilgilenilen bir alan konumuna gelmiştir. İşlemci ve grafik işleme ünitesi alanlarındaki gelişmelerin derin öğrenmenin rağbet kazanmasına katkısı yadsınamaz. Bu çalışmanın asıl amacı gürbüz ve tam işlevsel zaman serileri sınıflandırma metodu geliştirmektir. Bu amaca ulaşmak için derin öğrenme tabanlı özgün metotlar önerilmiştir. Zaman serisi verileri karışık ve değişken yapıya sahip olduğundan basit yapıya sahip olan yöntemlerden ziyade doğrusal olmayan karışık işlem yeteneklerine sahip metotlar ile çalışmak daha anlamlı ve uygun olabilmektedir. Basit yapıya sahip yöntemler el ile ayarlanmış özniteliklere ve uzman bilgi birikimine ihtiyaç duyarken derin öğrenme tabanlı algoritmalar ham öznitelikler ile çalışabilme yeteneğine sahiptir. Çalışma kapsamında birçok araştırma alanından elde edilmiş veriler için hem derin anlama ağları hem de yığılı oto-kodlayıcı tabanlı mimariler kurulup eğitildi. Zaman serileri sınıflandırma çalışmalarında dinamik zaman bükme ve en yakın komşu temelli yöntemleri performans açısından yenmek zor olmasına rağmen farklı sınıflandırma yöntemleri ile yakın geçmişte çalışmalar yapılmıştır. Önerilen yöntemin performansını ölçümlemek için rağbet gören kıyaslama yöntemleri ile karşılaştırmalı analizler yapıldı. Daha yüksek başarım oranı elde edilmesine rağmen derin öğrenme tabanlı metot sonuçlarında çok üstün bir performans aşımı gözlemlenememiştir.
Özet (Çeviri)
Deep learning is a fast-growing and interesting field due to the need to represent statistical data in a more complex and abstract way. Development in the processors and graphics processing unit technology effects undeniably that the deep networks get that popularity. The main purpose of this work is to develop robust and full functional time series classification method. To achieve this intent a deep learning based novel methods are proposed. Because time series data can have complex and variable structure, it may be more suitable to use algorithms that can handle the nonlinear sophisticated operations rather than shallow-structured methods. While shallow structured methods need handcrafted features and expert knowledge about data, deep learning based algorithms are capable of working with raw features. Both deep belief network and stacked autoencoders based architectures are constructed and trained for the dataset gathered from different researches areas. In time series classification, even though dynamic time warping and nearest neighbor based methods are hard to beat, many classification methods have been studied recently. To examine the performance of proposed method comparative analysis is conducted with popular benchmark methods. Despite higher accuracy in the results, the deep learning based methods cannot outperform superiorly.
Benzer Tezler
- Sensor platform based on environmental sensing and data fusion
Çevresesel etmenleri algılayan sensör platformu ve verianalizi
MUHAMMAD ALI NAGARIA
Yüksek Lisans
İngilizce
2018
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Emotion recognition process analysis by using eye tracker, sensor and application log data
Göz izleme cihazı, sensör ve uygulama verileri ile insanlarda duygu tanıma analizi
MAHİYE ÖZTÜRK
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Derin öğrenme ile insan edimlerinin tanınması
Human action recognition using deep learning
TAYYİP ÖZCAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BAŞTÜRK
- Multi-year time series crop mapping
Çoklu-yıl zaman serisi ürün haritalama
MUSTAFA TEKE
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. YASEMİN YARDIMCI ÇETİN