Geri Dön

Sequential regression techniques with second order methods

İkinci dereceden yöntemler ile ardışık bağlanım teknikleri

  1. Tez No: 467632
  2. Yazar: BURAK CEVAT CİVEK
  3. Danışmanlar: DOÇ. DR. SÜLEYMAN SERDAR KOZAT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 81

Özet

Ardışık bağlanım problemi, makine öğrenmesi ve sinyal işleme literatürlerinde geniş ölçüde incelenmektedir. Gerçek hayat veri dizilerinin altında yatan yapıyı başarılı bir şekilde modelleyebilmek adına birçok bağlanım yöntemi doğrusal olmayan yaklaşımlar kullanmaktadır. Bu bağlamda, birinci bölümde, gerçek hayat uygulamaları için son derece verimli ardışık doğrusal olmayan bağlanım algoritmaları sunulmaktadır. Elde edilen veriler depolama ihtiyacı duyulmadan çevrimiçi olarak işlenmekedir. Doğrusal olmayan modelleme için, bağlanım uzayının uyarlanır olarak parçalandığı, karar ağacı kavramına dayalı hiyerarşik parçalı doğrusal bir yaklaşım kullanılmaktadır. Literatürde ilk defa, oldukça etkili ikinci dereceden Newton-Raphson yöntemleri ile, bölge sınırları ve her bir bölgedeki doğrusal modelleröğrenilmektedir. Parçalı doğrusal modellerin kullanılması ile, yaygın olarak karşılaşılan aşırı uyma sorunundan kaçınılmakta ve var olan algoritmalara kıyasla önemli ölçüde performans elde edilmektedir. İkinci bölümde, gerçek hayat büyük veri uygulamaları için ardışık kestirim problemi incelenmektedir. İkinci dereceden Newton-Raphson yöntemleri, birinci dereceden algoritmalara kıyasla“en iyi”kestirici performansını asimptotik olarak çok daha hızlı bir şekilde elde etmektedir. Fakat, oldukça yüksek hesaplama yükü sebebiyle bu yöntemlerin kullanımı büyük veri uygulamalarında kısıtlanmıştır. Bu durumda, ikinci dereceden yöntemlerin üstün performansından faydalanmak amacıyla, hesaplama karmaşıklığının karesel seviyeden doğrusal seviyeye indirgendiği bir uygulama sunulmaktadır. Her iki bölümde elde edilen kazanımlar iyi bilinen kıyaslama ve gerçek hayat veri setleri üzerinden gösterilmekte ve istatistiksel varsayımlar olmaksızın garantilenen performans sonuçları elde edilmektedir.

Özet (Çeviri)

Sequential regression problem is one of the widely investigated topics in the machine learning and the signal processing literatures. In order to adequately model the underlying structure of the real life data sequences, many regression methods employ nonlinear modeling approaches. In this context, in the first chapter, we introduce highly efficient sequential nonlinear regression algorithms that are suitable for real life applications. We process the data in a truly online manner such that no storage is needed. For nonlinear modeling we use a hierarchical piecewise linear approach based on the notion of decision trees where the space of the regressor vectors is adaptively partitioned. As the first time in the literature, we learn both the piecewise linear partitioning of the regressor space as well as the linear models in each region using highly effective second order methods, i.e., Newton-Raphson Methods. Hence, we avoid the well-known over fi tting issues by using piecewise linear models and achieve substantial performance compared to the state of the art. In the second chapter, we investigate the problem of sequential prediction for real life big data applications. The second order Newton-Raphson methods asymptotically achieve the performance of the“best”possible predictor much faster compared to the fi rst order algorithms. However, their usage in real life big data applications is prohibited because of the extremely high computational needs. To this end, in order to enjoy the outstanding performance of the second order methods, we introduce a highly efficient implementation where the computational complexity is reduced from quadratic to linear scale. For both chapters, we demonstrate our gains over the well-known benchmark and real life data sets and provide performance results in an individual sequence manner guaranteed to hold without any statistical assumptions.

Benzer Tezler

  1. A hybrid prediction approach using multiple linear regression and decision tree

    Çoklu doğrusal regresyon ve karar ağacı kullanarak hibrit tahmin yaklaşım

    MARYAM ARIF AZEEZ AZEEZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KAYHAN AYAR

  2. Purchase prediction and item prediction with RNN using different user-item interactions

    Farklı kullanıcı-ürün etkileşim türlerini kullanarak özyineli sinir ağları ile ürün ve satış tahminlemesi

    FULYA ÇELEBİ SARIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YUSUF YASLAN

  3. Müşteri odaklılığın satış performansına etkisi ve bir araştırma

    Impact of customer orientation on sales performance and a research

    SEZİN CANAY ACAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    İşletmeGalatasaray Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. VOLKAN DEMİR

  4. Talep tahmini için model topluluklarının kullanılması

    Using ensembles of classifiers for demand forecasting

    İREM İŞLEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ŞULE ÖĞÜDÜCÜ

  5. Çift gözlü kapların parçalı bastırıcı ile derin çekilmesinde en iyileme amaçlı bir algoritma geliştirilmesi

    Development of an optimization algorithm in deep drawing of the double bowl cups with segmented blank holder

    BORA ŞENER

    Doktora

    Türkçe

    Türkçe

    2017

    Makine MühendisliğiYıldız Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET EMİN YURCİ

    YRD. DOÇ. DR. MUHARREM ERDEM BOĞOÇLU