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, Elektrik ve Elektronik Mühendisliği, Endüstri ve Endüstri Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Industrial and Industrial 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: 139
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
- Time series classification using deep neural networks
Derin sinir ağları ile zaman serilerinin sınıflandırılması
SARMAD SAMI MOHAMMEDALI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKER TÜRKER
- Multi-channels deep convolution neural network for early classification of multivariate time series
Çok kanallı derin dönüşümerken sinir ağıçok değişkenli zaman sınıflandırmasıdiziler
AHMED MUAYAD QADER QADER
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYÇA KURNAZ TÜRKBEN
- 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
- Using deep learning for movement classification eeg/emg type time series
Eeg/emg türü zaman serileri kullanılarak hareket sınıflandırma için derin öğrenme kullanımı
HARUN GÜNEŞ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET ÇINAR
- 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