Geniş ölçekli veriler üzerinde sınıflandırma ve bölütleme amaçlı evrişimsel sinir ağı ve istatistiksel modellerin geliştirilmesi
Development of convolutional neural network and statistical models for classification and segmentation on large-scale data
- Tez No: 598613
- Danışmanlar: PROF. DR. LÜTFİYE DURAK ATA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Haberleşme Bilim Dalı
- Sayfa Sayısı: 117
Özet
Bilginin yapı taşını oluşturan veri, üretim kaynaklarının hacmi, çeşitliliği ve hızı nedeniyle devasa bir büyüklüğe ulaşmıştır. Meydana gelen bu nicelik içinden nitelikli faydanın elde edilmesi ise ayrı bir disiplin olarak ele alınması gereken bir yapıya dönüşmüştür. Bu sebeple yapay zeka, iletişim ağları, güvenlik, depolama ve gizlilik gibi birçok alt disiplini bünyesinde bütünleyen Büyük Veri olgusu doğmuştur. Veri biliminin ihtiyaç duyduğu tek çatı altında birleşme ile, bilgi birkez daha çeşitli sahalarda önemini perçinlemiştir. Büyük verilerin işlenmesi ile biyomedikal alanda doktorlar daha nesnel kararlar verebilirken, hastalara ait veriler daha sistematik bir şekilde planlanabilmektedir. Finans sektöründe yatırımlar sezgisel adımlar yerine, piyasaların duyarlılığının kesitirilmesi ile elde edilen veriler doğrultusunda yapılmaktadır. Endüstriyel uygulamalarda organizasyon planlamaları yine iş zekası çerçevesinde geliştirilmektedir. Bunlarla birlikte nesnelerin interneti ve bulut bilişim gibi teknolojiler, geniş-ölçek seviyesindeki veri akışını ve yönetimini mümkün kılarak büyük veri olgusunu geniş bir uygulama yelpazesine yaymaktadır. Büyük veri kavramı, bütünleşik veya dağıtık verinin saklanması ve organize edilmesinin yanı sıra analitik olarak işlenmesini de içermektedir. Veri madenciliği alanında geliştirilen geleneksel algoritmalar ve donanımlar, işlenmesi gereken örnek miktarının üssel olarak artması nedeniyle hesaplama yükü ve depolama ihtiyaçları bakımından yetersiz kalmaktadır. Yeni nesil geliştirilen yöntemlerin en temel özelliklerinden birinin ölçeklenebilir olması kaçınılmaz olmuştur. Bu bağlamda, öne sürülen algoritmaların paralel çalışma teknikleri veya grafik işlemcilerinin güçlü mimarileri üzerinden geliştirilmesiyle büyük veri analitiği etkin araçlara kavuşmuştur. Özellikle derin öğrenme temelinde üretilen modellerin çok fazla veri ile eğitilmesi ile sergiledikleri başarımlar, makine öğrenmesi ve büyük veri kombinasyonunun çığır açıcı etkilerini gözler önüne sermiştir. Eğiticili sınıflandırma problemlerinde sınıf başına düşen eğitim örneği ne kadar fazla ise modellerin veriyi betimleme kabiliyetleri o derece iyi olmaktadır. Bu çerçevede, geniş-ölçek veriler büyük bir fırsat sağlamaktadır. Diğer taraftan çok sınıflı (>1000) ve sınıf başına az örnek (
Özet (Çeviri)
The data that constitutes the building block of information has reached a huge size due to the volume, variety and speed of production resources. Obtaining qualified benefit from this quantity turned into a structure that should be considered as a separate discipline. For this reason, the concept of Big Data, which integrates many sub-disciplines such as artificial intelligence, communication networks, security, storage and privacy, has emerged. With the unification under the single roof that data science needs, information has once again reinforced its importance in various fields. With the processing of large data, doctors can make more objective decisions in the biomedical field, while patient data can be planned in a more systematic way. Investments in the financial sector are made in line with the data obtained by crossing the sensitivity of the markets instead of intuitive steps. Organizational planning in industrial applications is also developed within the framework of business intelligence. In addition, technologies such as the Internet of Things and Cloud Computing make it possible for large-scale data flow and management to spread large data phenomena across a wide range of applications. The concept of big data includes the storage and organization of integrated or distributed data as well as analytical processing. Traditional algorithms and equipment developed in the field of data mining are insufficient in terms of calculation load and storage requirements due to the exponential increase in the amount of sample to be processed. It is inevitable that one of the most basic features of the new generation developed methods would be scalable. In this context, large-scale data analytics have gained effective tools through the development of proposed algorithms over parallel operating techniques or powerful architectures of graphic processors. In particular, the performances of models produced on the basis of deep learning has demonstrated the groundbreaking effects of machine learning and big data combination. The more training examples per class in supervised classification problems, the better the ability of the models to describe the data. In this context, large-scale data provides a great opportunity. On the other hand, training of models using multi-class (>1000) and less sample per class (
Benzer Tezler
- Çok ölçekli raslantı alan modeli için görüntü bölütleme
Multiscale random field model for image segmentation
FEZA ÇAKIR
Yüksek Lisans
Türkçe
1997
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ERDAL PANAYIRCI
- Image segmentation based on multiscale random field models
Çok ölçekli rastlantı alan modelleri ile imge bölütleme
A. MÜFİT FERMAN
Yüksek Lisans
İngilizce
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ERDAL PANAYIRCI
- A knowledge discovery approach to urban analysis the Beyoğlu preservation area as a data mine
Kent analizinde bir bilgi keşfi yaklaşımı bir veri madeni olarak Beyoğlu kentsel koruma alanı
AHU SÖKMENOĞLU SOHTORİK
Doktora
İngilizce
2016
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
PROF. DR. İKBAL SEVİL SARIYILDIZ
- Uydu görüntüleri, meteorolojik veriler ve kamera fotoğrafları ile pamuk ve mısır bitkileri için rekolte tahmin modeli tasarımı: Şanlıurfa örneği
Crop yield estimation model design for cotton and maize crops using satellite imagery, meteorological data and camera photographs: Şanlıurfa case study
UĞUR ALGANCI
Doktora
Türkçe
2014
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. CANKUT ÖRMECİ