A modified autoencoder approach for feature selection
Öznitelik seçimi için modifiye edilmiş bir otokodlayıcı yaklaşımı
- Tez No: 733018
- Danışmanlar: DOÇ. DR. MUSTAFA ORAL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Makine Öğrenme, Derin Öğrenme, Öznitelik Seçimi, İlaç-hedef Etkileşimi, Otokodlayıcılar, Machine learning, Deep learning, feature selection, drug-target interaction, autoencoders
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 162
Özet
Teknoloji ilerledikçe, veri boyutları da büyümeye başladı. Bu da anlamlı bilginin çıkarılmasında çeşitli zorlukları beraberinde getirdi. Bunun sonucunda yeni veri analiz yöntemleri ortaya çıkmıştır. Veri toplama günlük hayatımızın her yerinde olduğu için, veriler de birçok gereksiz ve fazla kayıt içermektedir. Verilerin kullanışlı kısımlarını belirlemek için, öznitelik seçme algoritmaları uzun zamandır kullanılmaktadır. Ancak, bu algoritmalar büyük ölçekli verilerle başa çıkmak için daha da geliştirilmelidir. Bu tezde otomatik kodlayıcı tabanlı yeni bir öznitelik seçme algoritması geliştirdik. Otomatik kodlayıcının geleneksel kullanımından farklı olarak, bu çalışmada dönüştürülmüş veriler yerine eğitilmiş ağırlık değerleri kullanılmıştır. Bu önerdiğimiz yöntemin arkasındaki ana fikir, bir girdinin ortalama ağırlığının yüksek olması durumunda kullanışlı bir özellik olması gerektiğidir. Bu basit ama etkili yöntem 5 farklı veri seti üzerinde test edilmiştir. 3 tanesi Kaggle ve UCI depolarından alınan standart veri kümeleridir. Biri ise verilerin dengesiz doğası nedeniyle sınıflandırılması çok zor olan ilaç hedefi tahmin veri setidir. Önerilen yöntem, standart veri setleri üzerinde iyi sonuçlar verirken, sadece önerilen yöntem değil, aynı zamanda test edilen diğer tüm yöntemler de, veri setinin dengesiz doğası nedeniyle ilaç-hedef etkileşimi veri setinde çok düşük sonuçlar vermiştir.
Özet (Çeviri)
As the technology improves, data sizes have become huge. This also brought difficulties in extraction of meaningful information. As a result, new data analysis methods have emerged. Since data collection is everywhere in our daily life, data includes many redundant and unnecessary records and features. To identify useful part of data, feature selection algorithms have been used for a long time. However, those algorithms should be improved to deal with large scale data. In this thesis, we developed a new autoencoder based feature selection algorithm. Unlike traditional use of autoencoder, in this study, trained weight values are utilized instead of transformed data. The main idea behind the method is if the average weight of an input is high, it should be a useful feature. This simple but effective method was tested on 5 different datasets. 4 of them are standard datasets from Kaggle and UCI repositories. One of them is drug-target prediction dataset which is very difficult to classify due to imbalance nature of the data. While proposed method provided good results on standard datasets, not only proposed method but also all other tested methods provided very low results on drug-target interaction dataset due to the imbalanced nature of the dataset.
Benzer Tezler
- Deep convolutional neural networks for image inpainting
Derin evrişimsel sinir ağları ile resimlerde içboyama
UĞUR DEMİR
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL
- Hayvan seslerini ayrıştırmak için modifiye edilmiş bir otokodlayıcı mimarisi yaklaşımı
A modified autoencoder architecture approach for separating animal sounds
AHMET SİNAN ÖZBAYGIN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKTO Karatay ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN OKTAY ALTUN
- Modelling and control of cardiovascular systems diagnostics and prediction of their anomalies
Kardiyovasküler sistemlerin modellenmesi ve kontrolü ile anomalilerin teşhis ve tahmini
MEHMET İŞCAN
Doktora
İngilizce
2023
BiyomühendislikYıldız Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYDIN YEŞİLDİREK
DOÇ. DR. ABDURRAHMAN KAMURAN KADIPAŞAOĞLU
- Transfer learning based facial emotion recognition and action unit detection
Transfer öğrenme tabanlı yüz ifadesinden duygu tanıma ve eylem birimi tespiti
SÜLEYMAN ENGİN BAĞLAYİCİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- A Modified driver for salient pole permanent magnet synchrondus motors
Geliştirilmiş çıkıntı kutuplu sabit mıknatıslı senkron motor sürücüsü
MUSTAFA CAN ALTUNGÜNEŞ
Yüksek Lisans
İngilizce
1999
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ARİF ERTAŞ