Using convolutional neural networks to improve hyperparameter values for learning phrase categorization
Başlık çevirisi mevcut değil.
- Tez No: 770160
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Film incelemelerinde tek satır gibi kısaltılmış metinlerde yer alan bilgilerin sınırlı olması nedeniyle, cümle sınıflandırması zor olabilir. Bunu ele almak için, çok katmanlı bir evrişimli sinir ağı (CNN) mimarisi ve öbek sınıflandırmasını öğrenmek için gelişmiş hiper parametre değerleri geliştirdik. İşlem birimi zincirleme bir kelime gömmedir, ardından bir nihai özellik vektörü üretmek için özellikleri birleştiren bir maksimum havuzlama katmanı ve cümle düzeyindeki özellikleri öğrenmek için çeşitli filtre boyutlarına sahip bir evrişim katmanı izler. Son tam bağlı katmanın sınıfı, bir softmax sınıflandırıcı tarafından tahmin edilir. CNN'yi düzgün bir şekilde düzenlemek ve anlamlı özellikler elde etmek için bu nöronları zorlamak için ağın değişen bırakma oranlarına sahip değişken bir parti boyutunu barındırmasını sağlıyoruz. CNN'yi farklı filtre boyutlarıyla kullanarak“olağanüstü değil”gibi olumsuzlamalar gibi belirli özellikleri belirleyebiliriz. Ayrıca, kullanışlı sözdizimsel ve anlamsal düzenlilikleri kolayca yakalayabildiğini gösterdiğimiz kelime temsil dağılımını öğrenmek için word2vec [1] yaklaşımını kullanıyoruz.
Özet (Çeviri)
Due to the limited amount of information included in abbreviated texts like single lines in movie reviews, sentence categorization might be difficult. In order to address this, we developed a multilayer convolutional neural network (CNN) architecture and enhanced hyper parameter values for learning phrase classification. The processing unit is a chained word embedding, which is then followed by a max-pooling layer that concatenates features to produce a final feature vector and a convolution layer with various filter sizes for learning sentence-level features. The final fully connected layer's class is predicted by a softmax classifier. We enable the network to accommodate a variable batch size with varying dropout ratios in order to properly regularize the CNN and enforce those neurons in order to acquire meaningful features. We can identify certain traits, such as negations like“not outstanding,”by utilizing the CNN with different filter sizes. We also employ the word2vec [1] approach to learn word representation distribution, which we demonstrate can readily capture useful syntactic and semantic regularities.
Benzer Tezler
- Lightweight facial expression recognition systems for social robots
Sosyal robotlar için hafif ağırlıklı yüz ifadesi tanıma sistemleri
ERHAN BİÇER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Kablosuz haberleşme için uçtan uca otokodlayıcı tasarımı
End to end autoencoder design for wireless communication
MUSTAFA BAYRAM AYAZ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ERTUĞRUL ÇELEBİ
- Traffic signs classification with transfer learning of CNN based models and performance comprasion
CNN ağları kullanılarak trafik işaretlerinin tespiti ve performans karşılaştırması
MOHAMMED GHAZİ KHASSAF ALSHAMİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FEHİM KÖYLÜ
- İnfertilitede histerosalpingografinin raporlanmasında yapay zeka'nın yeri
The role of artificial intelligence in reporting hysterosalpingography for infertility
ÖMER DAVULCU
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpÇanakkale Onsekiz Mart ÜniversitesiRadyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞULE ÖZER
- Derin öğrenme ile pnömoni hastalığını tespit etme
Determining of pneumonia disease with deep learning
GAMZE AKPOLAT
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
ÖĞR. GÖR. HÜLYA YALÇIN