Geri Dön

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

  1. Tez No: 728403
  2. Yazar: YILMAZ KOÇAK
  3. Danışmanlar: DOÇ. DR. GÜLESEN ÜSTÜNDAĞ ŞİRAY
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  2. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. TUFAN KUMBASAR

  3. 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

  4. Design and deployment of deep learning based fuzzy logicsystems

    Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması

    AYKUT BEKE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

  5. Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ