Çekişmeli üretici ağlar (ÇÜA) ile sentetik veri üretme
Synthetic data generation with competitive generative adversarial networks (GAN)
- Tez No: 714779
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT CANAYAZ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Van Yüzüncü Yıl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Çekişmeli üretici ağlar olarak adlandırılan üretici modeller, klasik derin ağ mimarilerinden farklı olarak, üretici ağlar (Ü) ve ayırt edici ağlar (A) olmak üzere iki farklı derin ağa sahiptir. Bu iki ağın çekişmesi ile öğrenme işlemi gerçekleştirilmektedir. ÇÜA modelleri, sentetik görüntülerin ve metinlerin oluşturulmasında büyük olanaklar sağlamıştır. Son birkaç yılda, geleneksel istatistiksel tekniklerin aksine veri dağılımlarını modelledikleri, büyük esneklik sundukları ve tablo halinde veri ürettikleri için ÇÜA'lar kullanılmaya başlanmıştır. Bu çalışmada tablo verilerinin modellenmesiyle ilgili olarak, TGAN, CTGAN ve CopulaGAN gibi çeşitli modellerini kullanılmaktadır. ÇÜA'lar sentetik veri üretimi için klasik yöntemlerden daha iyi sonuçlar göstermiştir. Spesifik olarak, modeller, bu yöntemin ihtiyaç duyduğu sınırlamalar ve gereksinimler göz önünde bulundurularak deprem veri setinin ÇÜA modelleri üzerinden eğitilmektedir. Üretilen sentetik veriler görsel, istatistiksel ve makine öğrenimi tabanlı olarak değerlendirilmektedir.
Özet (Çeviri)
Generator models, called contentious generator networks, have two different deep networks, namely generator networks (G) and distinctive networks (D), unlike classical deep network architectures. It performs the learning process by the contention of these two networks. GAN models have opened up great possibilities in the creation of synthetic images and text. In the last few years, GANs have started to be used because they model data distributions, offer great flexibility, and produce tabular data, unlike traditional statistical techniques. In this study, various algorithms such as TGAN, CTGAN and CopulaGAN are used for modeling tabular data. GANs showed better results than classical methods for synthetic data generation. Specifically, the models are trained on the GAN models of the earthquake dataset, taking into account the limitations and requirements of this method. The synthetic data produced are evaluated visually, statistically and based on machine learning.
Benzer Tezler
- A new and efficient method for synthetic data generation with generative adversarial networks
Çekişmeli üretici ağ kullanilarak sentetik data üretmede yeni ve verimli bir metod
OKAN DÜZYEL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KUNTALP
- Çekişmeli üretken ağlarla medikal görüntülerin üretimi ve analizi
Use of generative adversarial networks in medical image synthesis and segmentation
SARA ALTUN GÜVEN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMED FATİH TALU
- Improving classification performance of endoscopic images with generative data augmentation
Üretken veri çoğaltma ile endoskopi görüntülerinde sınıflandırma başarımının iyileştirilmesi
ÜMİT MERT ÇAĞLAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiModelleme ve Simülasyon Ana Bilim Dalı
PROF. DR. ALPTEKİN TEMİZEL
- Yapay zeka ve mimarlık etkileşimi üzerine bir çalışma:Üretken çekişmeli ağ algoritması ile otonom mimari plan üretimi ve değerlendirmesi
A study on interaction of artificial intelligence and architecture: Production and evaluation of architectural plans with generative adversarial networks
CAN UZUN
Doktora
Türkçe
2020
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. MERYEM BİRGÜL ÇOLAKOĞLU
- Style synthesizing conditional generative adversarial networks
Stil sentezleyici koşullu çekişmeli üretici ağlar
YARKIN DENİZ ÇETİN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİM AKSOY
DR. ÖĞR. ÜYESİ RAMAZAN GÖKBERK CİNBİŞ