Geri Dön

İkili sınıflandırma problemlerinde çok katmanlı algılayıcı ve destek vektör makineleri sınıflandırıcılarının hiperparametrelerinin en iyilenmesi

Tuning the hyperparameters of multilayer perceptron and support vector machines classifiers in binary classification problems

  1. Tez No: 741948
  2. Yazar: WISAM SALEM ALI ZANBIL
  3. Danışmanlar: DOÇ. DR. KEMAL AKYOL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Kastamonu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 64

Özet

Makine öğreniminde genellikle sağlam çalışan ve doğru tahminler yapan bir model oluşturulması hedeflenir. Parametre değerlerinin en iyilenmesi bu amaç doğrultusunda iyi bir çözüm sunar. Bu tez çalışmasının amacı, Destek Vektör Makineleri ve Çok Katmanlı Algılayıcı makine öğrenmesi algoritmalarının ikili sınıflandırma problemlerindeki başarılarını arttırmak için parametre en iyilemesi gerçekleştirmektir. Bunun için Rastgele Arama, Bayesian Arama ve Optuna en iyileme yöntemlerinin bu sınıflandırıcılara katkıları ele alınmıştır. Bu çerçevede, üç veri seti üzerinde deneysel çalışmalar gerçekleştirilmiştir. Hem Destek Vektör Makineleri hem de Çok Katmanlı Algılayıcı için Rastgele Arama ve Bayesian Arama metotları çoğunlukla Optuna metodundan daha iyi performans sunmuşlardır. Dahası, deneysel çalışmalar ele alınan probleme bağlı olarak en iyileme yöntemlerinin bu sınıflandırıcılar üzerinde olumlu etkisinin olabileceğini bize göstermiştir. ANAHTAR KELİMELER: Destek vektör makineleri, çok katmanlı algılayıcı, ikili sınıflandırma, en iyileme, hiperparametre ayarlama. Haziran 2022, 55 Sayfa,

Özet (Çeviri)

In machine learning, it is generally aimed to create a model that works well and makes accurate predictions. Optimization of parameter values provides a good solution for this purpose. The aim of this thesis study is to perform parameter optimization to increase the success of Support Vector Machines and Multilayer Perceptron machine learning algorithms in binary classification problems. For this, the contributions of Random Search, Bayesian Search, and Optuna optimization methods to these classifiers were handled. In this context, experimental studies were carried out on three datasets. For both Support Vector Machines and Multilayer Perceptron, Random Search and Bayesian Search methods mostly outperformed the Optuna method. Moreover, experimental studies showed us that optimization methods can have a positive effect on these classifiers depending on the problem under consideration. KEYWORDS: Support vector machines, multi-layer perceptron, binary classification, optimization, hyperparameter tuning. June 2022, 55 Page,

Benzer Tezler

  1. Using ladder network for semi-supervised sentiment analysis

    Yarı-denetimli duygu analizi için basamaklı ağ yönteminin kullanılması

    DANIEH ALDAGHSTANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CEMAL OKAN ŞAKAR

  2. Pre-release forecasting of imdb movie ratings using multi-view data

    Gösterime girmemiş filmlerin ımdb puanının farklı özellik kümeleri kullanılarak tahmin edilmesi

    BEYZA ÇİZMECİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

  3. 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

  4. Karınca koloni optimizasyoni ile yapay sinir ağlarından kural çıkarımı

    Rule extraction from artificial neural networks by ant colony optimization

    SİNEM KULLUK

    Doktora

    Türkçe

    Türkçe

    2009

    Makine MühendisliğiErciyes Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN YAPICI

    YRD. DOÇ. DR. LALE ÖZBAKIR

  5. Deep learning based hybrid recommender system

    Derin öğrenme tabanlı öneri sistemi

    MUHAMMET ÇAKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ