Sezgisel algoritmalar kullanarak derinöğrenme ağlarında performansiyileştirilmesi
Performance improvement in deep learning networks using intuitive algorithms
- Tez No: 663592
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİ NİZAM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Fatih Sultan Mehmet Vakıf Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 48
Özet
Conv NN ağlarını günümüzde çok popüler olan resim tanımlaada kullanılan Yapay Zeka ağıdır. Conv NN ağları tipik doğrusal bir ağdır. Bu doğrusal yapısından dolayı karmaşık resimlerde çıkabilecek sorunları çözmesi mümkün olmamaktadır. Conv NN ağların Conv işlemine kaldırılarak yerine ACO(Karınca Koloni Algoritması) getirilerek bu liner olamayan sezgisel yöntemlere dayanarak çözmek amaçlanmıştır. Yapay Sinir Ağlarında (Feedforward Neural Network, FFNN) kullanılan doğa esinli algoritmik yaklaşımların derin öğrenme ağlarına uyarlanması ile kesinlik ve hız konusunda performans iyileştirilmesi sağlanmasıdır.
Özet (Çeviri)
Conv is an Artificial Intelligence network used to describe NN networks, which is very popular today.Conv NN networks are typically a linear network Because of this linear structure, it is not possible to solve the problems that may arise in complex pictures. Conv NN networks are removed to the Conv process and replaced by ACO (Ant Colony Algorithm), and this is solved based on heuristic methods that cannot be linear. It is the adaptation of nature-inspired algorithmic approaches used in Artificial Neural Networks (Feedforward Neural Network, FFNN) to deep learning networks to improve performance in precision and speed.
Benzer Tezler
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Meta-sezgisel algoritmalar kullanılarak derin öğrenme ağlarında kalan faydalı ömür tahmini
Remaining useful life prediction using meta-heuristic algorithms and deep learning methods
BÜŞRA ÖZTÜRK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. SULTAN ZEYBEK
- Sepsis hastalığının derin öğrenme yöntemiyle tahmini
Sepsis disease prediction by deep learning
UMUT KAYA
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATINÇ YILMAZ
- Yeni fenomen algoritmalar: çekişmeli üretken ağların mimarlıktaki potansiyelleri üzerine bir araştırma
New phenomenon algorithms: a research based on potentials of generative adversarial networks in architecture
RUŞEN EROĞLU
Yüksek Lisans
Türkçe
2021
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. LEMAN FİGEN GÜL
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA