Geri Dön

Sparse extreme learning machine for classification

Sınıflandırma için seyrek aşırı öğrenme makinesi

  1. Tez No: 621461
  2. Yazar: EMRAN ALCHIKH ALNAJAR
  3. Danışmanlar: DOÇ. DR. SEMA KAYHAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Gaziantep Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Sistemleri Bilim Dalı
  13. Sayfa Sayısı: 59

Özet

Aşırı Öğrenme Makinesi (AÖM), giriş ve gizli katman arasındaki bağlantıların ağırlıklarını ve eşik değerlerini rastgele seçen, tek gizli katmanlı ileri beslemeli bir sinir ağıdır. İki gizli katmanlı ve çoklu gizli katmanlı AÖM, yine rasgele seçilen ağırlık ve eşik değerlerini kullanarak, -aynı veri seti için- gizli katman sayısının artırılmasıyla iyileştirmeler sunmaktadır. Bu çalışmada, AÖM mimarisinde seyrek yaklaşımın avantajlarından faydalanmak için standart AÖM'ye kıyasla daha iyi sonuçlar veren, açgözlü bir AÖM algoritması önerilmiştir. Ayrıca, üç farklı standart AÖM algoritması ve açgözlü tek gizli katmanlı AÖM algoritması, üç ayrı veri kümesindeki sınıflandırma problemleri için uygulanmış ve algoritmaların test doğruluğu karşılaştırılmıştır. Yapılan deneylerin sonuçlarına dayanarak, açgözlü AÖM, diğer AÖM'lere göre hem daha hızlı hem de daha yüksek tahmin oranı ile daha yüksek doğrulukta kestirim yapabilmektedir.

Özet (Çeviri)

Extreme Learning Machine (ELM) is a single-hidden-layer feed forward neural network that randomly initiates the weights for the connections between input and hidden layer and the bias of the hidden layer. Two hidden layers and multiple hidden layers ELMs have added some enhancements – when used on the same data set - keeping the randomly initiated weights and biases and extending the number of hidden layers. A greedy algorithm is also proposed within the ELM architecture to penetrate sparse approaches and presented enhancement in compare with standard. This study presents three different standard ELM algorithms and a greedy single hidden layer ELM to detect classification problems on 3 datasets and compares the testing accuracy of these total 4 ELM algorithms. Based on the results of experiments conducted, greedy Extreme Learning Machine algorithm provide a good prediction accuracy with a high prediction rate.

Benzer Tezler

  1. Güç kalitesi olaylarının makine öğrenme teknikleri ile sınıflandırılması

    Classification of power quality events using machine learning methods

    FERHAT UÇAR

    Doktora

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FİKRET ATA

    PROF. DR. BEŞİR DANDIL

  2. Using artificial intelligence methods to improve the prediction rate and accuracy

    Başlık çevirisi yok

    NOOR HASAN MOHSIN SHUAIBT

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  3. Aşırı öğrenme makinelerinin seyrek geri çatma algoritmaları ile optimizasyonu

    Optimization of extreme learning machine with sparse recovery algorithms

    ÖMER FARUK ALÇİN

    Doktora

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MELİH CEVDET İNCE

    PROF. DR. ABDULKADİR ŞENGÜR

  4. Efficient machine learning models for cancer biology

    Kanser biyolojisi için etkin yapay öğrenme modelleri

    AYYÜCE BEGÜM BEKTAŞ

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiKoç Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET GÖNEN

  5. Learning in extreme conditions: Online and active learning with massive, imbalanced and noisy data

    Başlık çevirisi yok

    ŞEYDA ERTEKİN

    Doktora

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolThe Pennsylvania State University

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. C. LEE GILES