Geri Dön

Hierarchical mixtures of experts in generative adversarial networks

Çekişmeli üretici ağlarda hiyerarşik üretici karışımları

PDF İndir

  1. Tez No: 604548
  2. Yazar: ALPER AHMETOĞLU
  3. Danışmanlar: PROF. DR. TUNGA GÜNGÖR
  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: 2019
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 88

Özet

Çekişmeli üretici ağlar (ÇÜA), karmaşık veri dağılımlarını modellemek için öne sürülmüş derin sinir ağlarıdır. Ayırıcı ağ veri dağılımının sınırlarını öğrenirken üretici ağ ayırıcı ağın hatasını yükseltmeye çalışarak örnekleme yapmayı öğrenir. Veri dağı-lımlarında genelde birden fazla tepe bulunduğu için, ÇÜA'lar veri dağılımının hepsini öğrenmekte zorlanırlar. Evrensel tek bir üretici öğrenmek yerine, her biri dağılımın yerel bir kısmından sorumlu olan birden fazla üretici öğrenen sürümler de bulunmaktadır. Bu tezde bunları inceleyerek yeni bir mimari öne sürdük: hiyerarşik üretici karışımları. Bu ağaç yapısı dağılımı hiyerarşik bir şekilde bölmeyi öğrenir; ağacın yapraklarında ise yerel üreticiler bulunmaktadır. Bu üreticiler esnek bir biçimde birleş-tirildiklerinden dolayı bütün model sürekli bir fonksiyondur ve türev bilgisine dayanan en iyileme yöntemleriyle eğitilebilir. Beş farklı veri kümesinde (MNIST, FashionMNIST, CelebA, UTZap50K ve Oxford Flowers) yaptığımız deneyler öne sürdüğümüz mimarinin yoğun katmanlı sinir ağları kadar başarılı olduğunu göstermiştir. Ayrıca öğrenilen hiyerarşik yapının veri dağılımı hakkında damıtılmış bir bilgi verdiğini de görüyoruz.

Özet (Çeviri)

Generative adversarial networks (GANs) are deep neural networks that are designed to model complex data distributions. The idea is to create a discriminator network that learns the borders of the data distribution and a generator network trained to maximize the discriminator's loss to learn to generate samples from the data distribution. Instead of learning a global generator, one variant trains multiple generators, each responsible from one local mode of the data distribution. In this thesis, we review such approaches and propose the hierarchical mixture of generators that learns a hierarchical division in a tree structure as well as local generators in the leaves. Since these generators are combined softly, the whole model is continuous and can be trained using gradient-based optimization. Our experiments on five image data sets, namely, MNIST, FashionMNIST, CelebA, UTZap50K, and Oxford Flowers, show that our proposed model is as successful as the fully connected neural network. The learned hierarchical structure also allows for knowledge extraction.

Benzer Tezler

  1. Tez No

    341281

    Okul öncesi eğitimine yönelik bilgisayar destekli öğretim tasarımı

    The design of computer aided training for pre-school education

    BURCU KÜÇÜKOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Eğitim ve ÖğretimBahçeşehir Üniversitesi

    Bilgi Teknolojileri Bilim Dalı

    DOÇ. DR. Tufan ADIGÜZEL

  2. Tez No

    482313

    Online nonlinear modeling for big data applications

    Büyük veri uygulamaları için onlıne non lineer olmayan modelleme

    FARHAN KHAN

    Doktora

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. SÜLEYMAN SERDAR KOZAT

  3. Tez No

    515888

    Helal gıda kapsamında yumuşak şekerlemelerde jelatin kökeninin tespitinde spektroskopik ve kromatografik yöntemlerin geliştirilmesi ve metot validasyonu

    Development of spectroscopic and chromatographic techniques and validation of methodologies for determination the source of gelatin in gummy candies in the scope of halal food

    NUR ÇEBİ

    Doktora

    Türkçe

    Türkçe

    2018

    Gıda MühendisliğiYıldız Teknik Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN SAĞDIÇ

    PROF. DR. MUHAMMET ARICI

  4. Tez No

    46360

    En uygun hayat sigortası poliçesi seçimini sağlayan bir karar modeli

    A Decision model for selecting the optimum insurance policy

    H.BÜLENT CERİT

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. RAMAZAN EVREN

  5. Tez No

    75556

    Katı atıkların geri kazanılması

    Başlık çevirisi yok

    DENİZ AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ATİLLA ALTAY

Geri Dön