Geri Dön

Explainable deep learning: A Study on understandinglearning process of convolutional neural networks withinformation theory

Başlık çevirisi mevcut değil.

  1. Tez No: 770985
  2. Yazar: YUSUF ASLAN
  3. Danışmanlar: Belirtilmemiş.
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Loughborough University
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 37

Özet

Özet yok.

Özet (Çeviri)

The goal of this thesis was to understand the learning process of convolutional neural networks with information theoretic concepts. Although the use of Deep Learning is booming in many real-world tasks, their internal processes of how they draw the results are still uncertain. In this paper, an information theoretic approach is used to reveal the typical learning patterns of a convolutional neural network. For this purpose, training samples, true labels, and estimated labels are considered to be random variables. The mutual information and conditional entropy between these variables are then studied using our proposed method. The results of the numerical experiments conducted reveal that information theory is an excellent tool with which to explain convolutional neural networks. The first outcome of the results is that each layer has a different effect on learning. The layers that need to be added to a neural network to gain desired learning level can be determined with the help of information theoretic quantities. Secondly, the optimum number of training epochs and other parameters can be determined with information theory. It is inferred from the results that show the information theoretic quantities graph is parallel to the training accuracy graph. Overall, the experimentations show that information theoretic approach can be utilised to explain convolutional neural networks. This study and related future studies can be considered the foundation for Explainable Machine Learning studies

Benzer Tezler

  1. Organizasyonel öğrenme, adımları ve uygulanması

    Organizational learning, steps and application

    UFUK SAKA

    Doktora

    Türkçe

    Türkçe

    2020

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CEMİL CEYLAN

  2. Transfer öğrenme tabanlı açıklanabilir derin öğrenme yöntemleri kullanılarak bitki hastalıklarının sınıflandırılması

    Classification of plant diseases using transfer learning-based explainable deep learning methods

    AHMET ENES KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT KARAKOYUN

  3. On real-world face super-resolution and face image synthesis evaluation

    Gerçek dünya yüz süper çözünürlüğü ve yüz görüntüsü sentezi değerlendirmesi üzerine

    ERDİ SARITAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAZIM KEMAL EKENEL

  4. Applications of deep reinforcement learning for advanced driving assistance systems

    İleri sürüş destek sistemleri için derin pekiştirmeli öğrenme uygulamaları

    MUHARREM UĞUR YAVAŞ

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

  5. Utilizing explainable artificial intelligence tools on food safety early warning model

    Gıda güvenliği erken uyarı modeli üzerinde açıklanabilir yapay zeka araçlarının uygulanması

    OKAN BÜYÜKTEPE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖRKEM KAR

    PROF. DR. ÇAĞATAY ÇATAL