Optimization using artificial gradients
Başlık çevirisi mevcut değil.
- Tez No: 716785
- Danışmanlar: DOÇ. DR. ETHEM ÇANAKOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mühendislik Bilimleri, Mathematics, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- Sayfa Sayısı: 106
Özet
Bu çalışma gradyan inişi yöntemine dayanan metotlara yeni bir alternatif geliştirmeyi amaçlamaktadır. Gradyan inişine dayalı yöntemler sadece türevlenebilir amaç fonksiyonları ile kullanılabilmektedir. Ancak türevlenebilir fonksiyonlar, tüm fonksiyon türlerini içinde barındıran varsayımsal bir kümenin sadece bir bölümüdür. Türevlenemez fonksiyonlar için literatürde çeşitli geliştirmeler ve alternatifler mevcuttur. En çok bilinenlerden olan sonlu farklar yöntemi türevlenemez fonksiyonlar için kullanılabilir ancak hesaplamalar parametreler için tek tek yapılmalıdır. Bu durum çok zaman almaktadır. Birkaç tane ana optimizasyon problemi türü bulunmaktadır. Bunlardan bir tanesi pekiştirmeli öğrenmedir. Geliştirilmiş rastgele arama (ARS) metodu, pekiştirmeli öğrenme problemleri için kullanılan yöntemlerden biridir. ARS metodu, diğerleri arasında özel bir yere sahiptir, çünkü ana fikir olarak rastgele arama kullanır. Yani türevlenebilir yapılara ihtiyaç duymaz. Ancak, orjinal ARS yapısı basit bir yapıdır. Bu çalışmada, ARS ve gradyan inişi metotlarını birleştiren GDARS adında bir metot tanıtılmıştır ve sadece pekiştirmeli öğrenme değil, her türlü problem tipinde kullanılabilmektedir. Yapay gradyanlar oluşturur ve onları gerçek gradyanlar gibi kullanır. Bahsedilen bu metot henüz çok gençtir ve nihai haline ulaşmamıştır. Ancak, türevlenemez fonksiyonlar ile kullanılabilmesi sayesinde gradyan hasaplamaları ortadan kalkmıştır. Bu nedenle, gradyan inişi yöntemine dayanan metotlardan çok daha esnektir. Neredeyse tüm fikirlerin üzerinde denenmesine izin verir.
Özet (Çeviri)
This study aims to develop a new alternative to the gradient descent based methods. Gradient descent based methods can be used for derivable objective functions only. Derivable functions are just a part of a hypothetical function set which consists of all types of functions. For non-derivable functions, there are several alternatives or improvements in the literature. The well-known finite differences method can be used to optimize non-derivable functions, but all calculations should be done one by one, and this situation takes too much time as computer time. There are several main optimization problem types. One of them is reinforcement learning. One of the methods which are used to optimize reinforcement learning problems is Augmented Random Search (ARS). ARS is a special method among others because it uses random search method as the main idea. Therefore, it doesn't need any derivable function structure. However, the original ARS structure is a simple one. In this study, there is a method called GDARS, which merges the ARS and gradient descent method logic to be used in every type of problem, not just for reinforcement learning problems. It creates artificial gradients and uses them as real gradients. The method introduced is a young method and it is not in the final form yet. However, it can use non-derivable functions, there is no gradient calculations. Therefore, it is more flexible than the gradient based methods. It allows almost all ideas to try on it.
Benzer Tezler
- Yapay sinir ağları ile trafik yoğunluğu tahmini
Prediction of traffic congestion by artificial neural networks
MURAT NAS
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. NESLİHAN SERAP ŞENGÖR
- Derin pekiştirmeli öğrenme yöntemi ile görüntü hash kodlarını oluşturma
Generating image hash codes with deep reinforcement learning method
ELİF AKKAYA
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURHAN BARAKLI
- Recombinant production and characterization of aquaporin protein isolated from geobacillus thermoleovorans ARTR1 and virgibacillus sp. agtr strains
Vırgıbacıllus sp. agtr, geobacıllus thermoleovorans ARTR1 suşlarından izole edilen akuaporin proteininin rekombinant üretimi ve karakterizasyonu
ŞEVVAL UYSALCAN
Yüksek Lisans
İngilizce
2022
Biyoteknolojiİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı
PROF. DR. NEVİN GÜL KARAGÜLER
DR. ÖĞR. ÜYESİ NACİYE ESRA ATEŞ GENCELİ
- Optimizasyon teknikleri kullanılarak kuraklık hibrit tahmin modeli geliştirilmesi
Development of drought hybrid forecast model using optimization techniques
ALİ ALKAN
Doktora
Türkçe
2022
İnşaat MühendisliğiEskişehir Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TOMBUL
- Yapay arı koloni algoritmasıyla sayısal süzgeç tasarımı
Digital filter design by using artificial bee colony algorithm
MEHMET BAHADIR ÇETİNKAYA
Doktora
Türkçe
2010
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURHAN KARABOĞA