Cyclic adversarial framework with implicit autoencoder and wasserstein loss (CAFIAWL)
Örtük otokodlayıcı ve wasserstein kaybı içeren döngüsel çekişmeli çerçeve (CAFIAWL)
- Tez No: 642077
- Danışmanlar: DOÇ. DR. KEMAL KILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Perceptronun icadından bu yana Yapay Sinir Ağları (NN) birçok araştırmacının ilgisini çekmektedir. Teknolojik gelişmeler özellikle son on yılda ilgiyi (dolayısıyla ilerlemeyi) daha da hızlandırmış olan yüksek hesaplama gücünün ve muazzam miktarda verinin önünü açtı. Bugün itibariyle NN'ler, farklı makine öğrenmesi uygulamasının ana motoru olarak merkezi bir rol oynamaktadır. Makine öğrenmesiyle bilgiye dayalı karar vermek değil, aynı zamanda daha önce hiç görülmemiş, yeni bir şey“yaratmak”da çok çekici bir araştırma alanıdır. Üretken (Generative) modeller, bu hedefe hitap edebilecek ve sonunda“hesaplamalı yaratıcılığa”yol açabilecek en umut verici modeller arasındadır. Son zamanlarda Varyasyonel Otomatik Kodlayıcılar (VAE) ve Generative Adversarial Networks (GAN), yüksek performanslarıyla ilgi çekmektedirler. Bununla birlikte, VAE'lerin geleneksel biçimleri, çıktıların kalitesi açısından sorunlar yaşarken, GAN'lar üretilen çıktıların çeşitliliğini sınırlayan bir sorun, yani mod çöküşü sorunu, açısından sıkıntılar yaşamaktadır. Her iki algoritmanın bu zayıf yönlerini ortadan kaldırmayı hedefleyen bir bakış açısı, bu algoritmaların güçlü yönlerini alırken zayıflıklarından kaçınacak hibrit modeller geliştirmektir. Bu araştırmada, yeni bir üretken model öneriyoruz. Önerilen model, dört adet çekişmeli (adversarial) ağdan oluşmaktadır. Çekişmeli ağlardan ikisi geleneksel GANs'a çok benzerken, diğer ikisi temelinde Wasserstein ölçütünün hesaplanmasının yer aldığı WGAN'dir. Bu dört adet çekişmeli ağın bir araya getirilme şekli, önerilen modele iki tane de örtük otomatik kodlayıcıyı dâhil ederek mod çöküşü sorununu da en aza indirecek şekilde döngüsel bir çerçeve sağlamaktadır. Önerilen modelin performansı MNIST verileri kullanılarak çeşitli yönlerden değerlendirilmiştir. Analiz, önerilen modelin iyi kalitede çıktı ürettiğini ve bu arada mod çöküşü sorununu ortadan kaldırdığını göstermektedir.
Özet (Çeviri)
Since the day that the Simple Perceptron was invented, Artificial Neural Networks (ANNs) attracted many researchers. Technological improvements in computers and the internet paved the way for unseen computational power and an immense amount of data that boosted the interest (therefore the advance), particularly in the last decade. As of today, NNs seem to take a vital role in all different types of machine learning research and the main engine of many applications. Not only learning from the data with machines in order to make informed decisions but also“creating”something new, unseen, novel with machines is also a very appealing area of research. The generative models are among the most promising models that can address this goal and eventually lead to“computational creativity”. Recently the Variational Autoencoders (VAE) and the Generative Adversarial Networks (GAN) have shown tremendous success in terms of their generative performance. However, the conventional forms of VAEs had problems in terms of the quality of the outputs and GANs suffered hard from a problem that limited the diversity of the generated outputs, i.e., the mode collapse problem. One line of research that targets to eliminate these weaknesses of both algorithms is developing hybrid models which capture the strengths of these algorithms but avoiding their weaknesses. In this research, we propose a novel generative model. The proposed model is composed of four adversarial networks. Two of the adversarial networks are very similar to conventional GANs and the remaining two are basically WGAN that is based on the Wasserstein loss function. The way that these adversarial networks are put together also incorporates two implicit autoencoders to the proposed model and provides a cyclic framework that addresses the mode collapse problem. The performance of the proposed model is evaluated in various aspects by using the MNIST data. The analysis suggests that the proposed model generates good quality output meanwhile avoids the mode collapse problem.
Benzer Tezler
- Generating action description text from skeleton key points sequence
İskelet anahtar noktaları sekansından eylem tanımlama metni üretilmesi
ALİ EMRE KESKİN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HACER YALIM KELEŞ
- Üretken çekişmeli ağlarda gizli unsur kodlayıcı ile çıktı imgesi arasındaki ilişkinin hesaplamalı modellenmesi
Computational modeling of the relationship between latent vector encoding and output image in generative adversarial networks
YAHYA DOĞAN
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HACER YALIM KELEŞ
- Bazı halkalarda devirli kodlar
Cyclic codes over some rings
BERK DALKILIÇ
Yüksek Lisans
Türkçe
2023
MatematikManisa Celal Bayar ÜniversitesiMatematik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TUGBA GÜROĞLU
DR. ÖĞR. ÜYESİ MUSTAFA ÖZKAN
- Cyclic-di-GMP based immune stimulatory formulations as vaccine adjuvants
Aşı adjuvantı olarak c-di-GMP kökenli immün uyarıcı formülasyonlar
SONER YILDIZ
Yüksek Lisans
İngilizce
2013
Allerji ve İmmünolojiOrta Doğu Teknik ÜniversitesiBiyoloji Ana Bilim Dalı
DOÇ. DR. MAYDA GÜRSEL
- Değişmeli olmayan halkalar üzerinde tanımlı devirli kodlar
Cyclic codes over noncommutative rings
FATMANUR GÜRSOY
Yüksek Lisans
Türkçe
2013
MatematikYıldız Teknik ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. İRFAN ŞİAP
DOÇ. DR. BAHATTİN YILDIZ