Variations on structured sparsity for machine learning
Makine öğrenimi için yapısal seyreklik üzerine çeşitlemeler
- Tez No: 642817
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET TÜRKAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: İzmir Ekonomi Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 147
Özet
Seyrek ve bol gösterimler için sözlük öğrenimi genelde bir öznitelik öğrenimi yöntemidir. Bu yöntem yapıcı sinyal işleme uygulamalarında sıkça kullanılır. Öğrenilen öznitelikler, makine öğrenimi için sınıflandırma ve kümeleme yöntemlerine de girdi olarak verilebilir. Kalıp seyreklik kullanarak, seyreklik sistemi bir kümeleme problemine çevrilebilir. Olağan durumda, aynı alt uzaydaki iki sınıfın ayırt edilememesinden dolayı, doğrusal olarak ayrılmayan durumların öğrenimi olası değildir. Bire toplam ve eksi olamama koşulları ile kalıp seyreklik birlikte kullanıldığında, k-flats, k-simplexes, k-polytopes olarak adlandırılacak çeşitli k-means üstproblemlerine ulaşılır. Polytope aynı boyut sayısına sahip simplekslerden oluşan bütün bir cisimi belirtir. K-polytopes deneysel olarak k-means toplulukları kadar iyi ve çekirdek k-means'ten daha iyi sonuçlar verir. Bütünsellik bırakıldığı ve boyutsal heterojenlik olduğu takdirde, k-polytopes bir tek sınıf öğrenim yöntemi olan simpleksel öğrenim ile genelleştirilebilir. Kombinasyonel doğası gereği, çözüm için evrimsel yöntem seçilmiştir. Bu çeşit bir uyarlama doğrusal ayrılmayan durumları kolayca öğrenebilmekte ve de güvenilir bir yöntem olarak görünmektedir. Boyutların birbirine dik olduğu varsayıldığı için hala eksiklikler vardır. Evrişim diklik sorununa pratik bir çözüm sağlar. Evrişimli durum kullanılarak, kaydırmaya değişimsiz k-means problemi sunulmuş ve evrişimli sözlük öğreniminin denetimsiz öznitelik öğrenimi başarımı değerlendirilmiştir. Bu eklentiler ve değerlendirmeler sonucunda, seyrek ve bol gösterimler sistemi çok önemli bir makine öğrenimi yöntemi olarak karşımıza çıkmaktadır.
Özet (Çeviri)
Dictionary learning is conventionally utilized as a feature learning method. Such framework is commonly used in reconstructive signal processing tasks. Learnt features can also be used as inputs to further classification and clustering schemes. Using block-sparsity, sparse framework can be cast as a clustering problem directly. In its conventional form, learning of linearly non-separable cases is not possible, due to inability of distinguishing two classes within the same subspace. With sum-to-one and non-negativity constraints on the sparse codes and still assuming block-sparsity, one can arrive at superproblems of k-means, called k-flats, k-simplexes, and k-polytopes. A polytope is defined to be an intact object composed of many same dimensional simplexes. K-polytopes experimentally reaches the capacity of ensemble k-means and surpasses the capacity of kernel k-means. K-polytopes is futher generalized through the concept of simplicial learning cast as a one-class learning method, in which intactness is dropped and heterogeneous dimensionality is allowed. Due to combinatorial nature of the problem, an evolutionary approach is taken. Such adaptation solves linearly non-separable cases easily and appears to be a reliable method. Still an important shortcoming remains due to assuming orthogonality of dimensions. Convolution is a practical solution to the problem of orthogonality presented. Using convolutional case, a shift-invariant k-means version is formulated and unsupervised feature learning performance of convolutional dictionary learning is evaluated. With these new modifications and considerations, sparse and redundant representations framework appears to be a crucial tool for machine learning.
Benzer Tezler
- Enhancing cross-market recommendation system using graph isomorphism networks
Çizge izomorfizm ağları kullanarak çapraz pazar tavsiye sistemi geliştirme
SÜMEYYE ÖZTÜRK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
DR. RESUL TUGAY
- Energy efficient approaches for spectrum sensing and channel estimation
Spektrum algılama ve kanal kestirimi için enerji verimli yaklaşımlar
MEHMET BAŞARAN
Doktora
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
DOÇ. DR. SERHAT ERKÜÇÜK
- Directional regularization based variational models for image recovery
Görüntü onarımı için yön güdümlü düzenlemeye dayalı varyasyonel modeller
EZGİ DEMİRCAN TÜREYEN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Speckle reduction in SAR images using non-local means filter and variational framework
Yerel olmayan ortalama filtre ve değişimsel metodlar kullanarak SAR görüntülerinde benek gürültüsü azaltma
ŞAHIM GİRAY KIVANÇ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHA ŞEN
- Optical characterization of nanoscale dielectric films on curved surfaces using near field diffraction method
Yakın alan difraksiyon yöntemi kullanılarak eğimli yüzeylerdeki nano boyutlu yalıtkan filmlerin optik karakterizasyonu
ENES ATAÇ
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SALİH DİNLEYİCİ