Geleneksel regresyon analizi ile yapay sinir ağlarının farklı aktivasyon fonksiyonları kullanılarak karşılaştırılması
Comparison of artificial neural networks using different activation functions with conventional regression analysis
- Tez No: 728403
- Danışmanlar: DOÇ. DR. GÜLESEN ÜSTÜNDAĞ ŞİRAY
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 195
Özet
Yapay zekâ insan zekasını taklit eden, topladığı bilgileri anlamlandırıp çıkarımlar yaparak karar alan ve uygulamaya koyan sistemlerdir. Yapay sinir ağları (YSA) ise yapay zekânın bir alt dalıdır ve araştırmacılar tarafından yaygın olarak kullanılmaktadır. Her YSA'nın temelinde, ağın eğitiminde önemli bir rol oynayan aktivasyon fonksiyonu (AF) yatmaktadır. AF, nöronun girişi ile çıkışı arasında matematiksel bir ilişki oluşturur ve modele doğrusal olamama özelliği kazandırır. Bunların yanında ağın hızına ve doğru tahmin etme yeteneğine önemli oranda katkı sağlar. Bu tezin amacı, önceden tanımlanmış AF'lerin avantajlarını birleştiren ve onlardan daha iyi performans gösteren yeni AF'leri tanımlamaktır. Bu amaçla Sigmoid, ReLU, Swish ve cebirsel AF'lerden yararlanarak Gen-Swish, Mean-Swish, ReLU-Swish, TS-Swish, SiPA, TS-Sigmoid, Exp-Swish, Sinc-Sigmoid AF tanımlanmıştır. Önerilen yeni AF'ler farklı ağ mimarilerinde kullanılarak elde edilen sonuçlar ile geleneksel regresyon sonuçları karşılaştırılmış ve YSA modellerinin regresyona göre daha başarılı oldukları görülmüştür. Ayrıca kullanılan veri setlerine bağlı olarak ağ performansları değişse de önerilen bazı fonksiyonların sık kullanılan fonksiyonlara göre daha başarılı olduğu tespit edilmiştir.
Özet (Çeviri)
Artificial intelligence is a system that imitates human intelligence, takes decisions by making inferences and sense of the information it collects, and puts it into practice. Artificial Neural Networks (ANNs) are subfield of artificial intelligence and widely used by researchers. At the basis of every ANN lies an activation function (AF) which plays an important role in the success of training networks. AF creates a mathematical link between the input and output of the neuron and adds non-linearity to the model. In addition, it contributes significantly to the speed of the network and its ability to predict accurately. The aim of this thesis is to define new AFs that combine the advantages of predefined AFs and outperform them. For this purpose, Gen-Swish, Mean-Swish, ReLU-Swish, TS-Swish, SiPA, TS-Sigmoid, Exp-Swish, Sinc-Sigmoid AF were defined by using Sigmoid, ReLU, Swish and algebraic AFs. The results obtained using the proposed new AFs in different network architectures and conventional regression results were compared and it was seen that ANN models were more successful than regression. In addition, although the network performances vary depending on the data sets used, it has been determined that some of the suggested functions are more successful than the mostly used functions.
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
- Intelligent control system design and deployment for fuel cell air supply systems
Yakıt pili hava besleme sistemleri için akıllı kontrol sistemi tasarımı ve uygulamaya alınması
FATİH KENDİR
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. TUFAN KUMBASAR
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Design and deployment of deep learning based fuzzy logicsystems
Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması
AYKUT BEKE
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ