Geri Dön

Convolutional auto encoders for sentence representation generation

Evrişimsel otomatik kodlayıcı ile cümle temsili oluşturulması

  1. Tez No: 514959
  2. Yazar: ALİ MERT CEYLAN
  3. Danışmanlar: DOÇ. DR. VECDİ AYTAÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 62

Özet

Bu tez kapsamında, cümle modelleme problemi için alternatif bir yaklaşım önerilmiştir. Anlamsal olarak ilgili sorular ve cevapların söz dizimsel olarak yakın olmaması yanıt seçiminin zorluğunu doğurmaktadır. Derin öğrenme ortamı yakın zamanda anlamsal analiz, makine çevirisi ve metin özeti konularında göze çarpan bir başarı elde etmiştir. Bu çalışmanın özü, insan ortografik işleme mekanizmasından esinlenerek önceden 2 boyutlu hale getirilmiş cümle temsillerinin çoklu evrişimsel filtreler kullanılarak, girdi boyutu veya çıktı boyutu ile ilgili kaygılar olmaksızın dilin temel özelliklerinin öğrenilmesidir. Bu nedenle, bu tez kapsamında cümle yapısındaki anlamsal ilişkilerin önce evrişimsel otomatik kodlayıcılar tarafından dağılımı öğrenilip, önerilen ara modeller ile otomatik kodlayıcılar tarafından öğrenilmiş soru ve yanıt uzayları arasında bağlantı kurması sağlanmıştır.

Özet (Çeviri)

In this thesis, we have proposed an alternative approach for sentence modeling problem. The difficulty of the choice of answer, the semantically related questions and the lack of syntactic closeness of the answers give rise to the difficulty of selecting the answer. The deep learning field has recently achieved a pivotal success in semantic analysis, machine translation and text summaries. The essence of this work, inspired by the human orthographic processing mechanism using multiple convolution filters are pre-rendered 2D representations of sentences, input or output size is to learn the basic features of the language without concerns. For this reason, the semantic relations in the sentence structure are learned by the convolutional variational auto-encoders first, and then the question and answer spaces learned by the auto-encoders are linked with proposed intermediate models.

Benzer Tezler

  1. Müzik türü sınıflandırma

    Music genre classification

    YUNUS ATAHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NİZAMETTİN AYDIN

    DR. AHMET ELBİR

  2. Convolutional ensemble learning for edge intelligence

    Kenar zeka için evrişimsel topluluk öğrenmesi

    İLKAY SIKDOKUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. ARDA YURDAKUL

    DR. ÖĞR. ÜYESİ İNCİ MELİHA BAYTAŞ

  3. Anomaly detection in network traffic using machine learning

    Makine öğrenmeyi kullanarak ağ trafiğinde anomali tespiti

    ROAA RAFIH MOHAMMED

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET FATİH AKAY

  4. Hybrid deep multi-criteria recommender system model

    Hibrit derin çok kriterli öneri sistemi modeli

    ABDULRAHMAN ALNAHHAS

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. YUSUF İLKER TOPCU

  5. Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids

    Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi

    FATHI FARAH FADOUL FATHI FARAH FADOUL

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAMAZAN ÇAĞLAR