Linear algebraic methods for machine learning
Makine öğrenmesi için doğrusal cebirsel yöntemler
- Tez No: 606673
- Danışmanlar: PROF. DR. ATABEY KAYGUN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Matematik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 111
Özet
Bu tezde, makine öğreniminde yaygın olarak kullanılan doğrusal cebirsel yöntemlerin matematiksel temellerini araştırıyoruz: Temel Bileşen Analizi (PCA), Doğrusal Diskriminant Analizi (LDA) ve Destek Vektör Makineleri (SVM). Performanslarını Olivetti Faces veri kümesi, Fashion-MNIST veri kümesi ve MADELON veri kümesi üzerinde de gösteriyoruz. Yukarıda listelediğimiz doğrusal cebirsel yöntemleri kullanarak, bu veri kümelerinde zorlu yüz tanıma, moda görüntü tanıma ve ikili sınıflandırma problemleri üzerinde karşılaştırmalı bir çalışma sunuyoruz. Bu tezin katkısı, farklı veri kümeleri üzerinde geliştirilen 93 farklı modelin kapsamlı ve 2 yönlü istatistiksel karşılaştırmasını sunmasıdır. Karşılaştırmanın bir yönü aynı veri kümesi üzerinde geliştirilen farklı model performanslarını içerirken, diğer yönü ise geliştirilen modellerin farklı veri kümelerindeki performanslarını karşılaştırmasıdır. Ayrıca her bir veri kümesinde değişen parametre değerleri için modellerin performansları değerlendirilmiştir.
Özet (Çeviri)
In this thesis, we investigate mathematical foundations of commonly used linear algebraic methods in machine learning: Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), and Support Vector Machines (SVM). We also demonstrate their performances on the Olivetti Faces data set, Fashion-MNIST data set and MADELON data set. We present a comparative study on challenging face recognition, fashion image recognition and binary classification problems on different data sets using the linear algebraic methods we listed above. One of the contributions of this thesis is to present a comprehensive and 2-way statistical comparison of 93 different models on different data sets. In one direction, we used different types of models on the same data set for comparison purposes, while in the other direction we compared the performance of a chosen method on different data sets. We also evaluated the performances of the models by varying the chosen parameters on each data set.
Benzer Tezler
- Video görüntülerinden insan hareketlerinin genelleştirilmiş çoklu cezbedici hücresel otomatlar (GMACA) ile tanınması
Recognition of human actions from video images by generalized multiple attractor cellular automata (GMACA)
SERKAN PELDEK
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR BECERİKLİ
- Robust resgresyon ve makine öğrenmesi uygulamaları
Robust regression and machine learning applications
BETÜL YILDIRIM
Yüksek Lisans
Türkçe
2023
MatematikHaliç ÜniversitesiMatematik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN HALİT TALİ
- D.A. makinasının parametre kestirimli adaptif optimal kontrolu
Adaptive optimal control with parameter estimation of A.D.C. machine
CİHANGİR HAN SELEK
Yüksek Lisans
Türkçe
1992
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ. DR. FUAT GÜRLEYEN
- A unified framework for benchmarking sparse matrix-vector multiplication methods
Başlık çevirisi yok
ERDEM SARILI
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TANKUT BARIŞ AKTEMUR
- Platform and data-aware execution of sparse triangular solve on CPU-GPU heterogeneous systems
Başlık çevirisi yok
NAJEEB AHMAD
Doktora
İngilizce
2021
Mühendislik BilimleriKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DİDEM UNAT ERTEN