Geri Dön

Makine öğrenmesinde gradyan inişi optimizasyon algoritmaları üzerine

On gradient descent optimization algoritms in machine learning

  1. Tez No: 720071
  2. Yazar: DOĞAN ÇAKAR
  3. Danışmanlar: DOÇ. DR. GAMZE YÜKSEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Matematik, Mathematics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Muğla Sıtkı Koçman Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 77

Özet

Bu çalışmada, makine öğrenmesinde önemli bir yere sahip olan gradyan tabanlı optimizasyon algoritmalarının yapısı, çeşitleri, avantaj ve dezavantajlarına yer verilmiştir. Bu amaçla 1. dereceden optimizasyon algoritmalarından literatürde en çok kullanılan; Stokastik Gradyan İniş, Momentum, Nesterov Momentum, AdaGrad, Adadelta, RMSProp, Adam ve Nadam algoritmaları ile 2. Dereceden optimizasyon algoritmalarından Newton, BFGS ve L-BFGS algoritmaları ele alınmıştır. Algoritmaların matematiksel yapıları incelenmiş ve karşılaştırmaları için üç farklı gerçek hayat problemi ele alınmıştır. Bu problemlerin yapay zeka modelleri ile çözümlerinde ResNet50, VGG19 ve lojistik regresyon modelleri kullanılmıştır. Elde edilen sonuçlar çizelge ve şekiller üzerinden değerlendirilmiştir. Algoritmaların performansları metriklerle ölçülerek, algoritmaların hem birbirlerine karşı performansları hem de modellerde ki başarımları tespit edilmiş ve sonuçları yorumlanmıştır.

Özet (Çeviri)

In this study, the structure, types, advantages, and disadvantages of the gradient-based optimization algorithms which have an important place in machine learning are represented. For this purpose, the most known 1st order optimization algorithms in the literature; Stochastic Gradient Descent, Momentum, Nesterov Momentum, AdaGrad, Adadelta, RMSProp, Adam and Nadam algorithms and Newton, BFGS and L-BFGS algorithms from 2nd order optimization algorithms are handled. The mathematical structures of these algorithms are examined and three different real-life problems are discussed for the comparison of the algorithms. ResNet50, VGG19, and logistic regression models are applied to solve these problems with artificial intelligence models. The results are evaluated through tables and figures. By measuring the performances of the algorithms with metrics, both the performances of the algorithms against each other and the performances in the models are determined and the results are interpreted.

Benzer Tezler

  1. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  2. Meme kanseri tahmininde makine öğrenmesi algoritmaları ve AutoML

    Breast cancer diagnosis with machine learning algorithms and AutoML

    ARSLAN KARAKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SEZAİ TOKAT

  3. Machine learning-based energy consumption forecastingfor stores in a shopping center - A case study

    Alışveriş merkezindeki dükkânların enerji tüketimininmakine öğrenmesiyle tahmini - Vaka çalışması

    NADIA AHBAB

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    ÖĞR. GÖR. MUSTAFA BERKER YURTSEVEN

  4. A novel artificial intelligence based energy management system for microgrids

    Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi

    NECATİ AKSOY

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ

  5. BOTAŞ doğal gaz iletim hatları ana çıkış noktalarında kapasite rezervasyon maliyetinin gradyan iniş algoritması ile optimizasyonu

    Optimization of capacity reservation cost at main exit points of BOTAŞ natural gas transmission lines by applying gradient descent algorithm

    SELİM ÇELİKTEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    EkonometriAnkara Hacı Bayram Veli Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. FURKAN EMİRMAHMUTOĞLU