Bayes optimizasyon yöntemi kullanılarak evrişimsel sinir ağlarında hiper parametre optimizasyonu
Hyper parameter optimization in convolutional neural networks using Bayesian optimization method
- Tez No: 771648
- Danışmanlar: DOÇ. DR. MUZAFFER ATEŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Van Yüzüncü Yıl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka ve Robotik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Yapay sinir ağlarında farklı kullanım alanları için birçok ağ çeşidi geliştirilmiştir. Bunlardan bazıları, görüntü işleme, ses tanıma ve doğal dil işlemedir. Evrişimsel sinir ağları ise görüntü işleme ve bilgisayarlı görü alanlarını kapsar. Evrişimsel sinir ağları çok katmanlı yapısı sayesinde büyük miktarda verileri işleyebilmektedir. Bu ağların performansını evrişim katman sayısı, çekirdek sayısı, parti boyutu, çekirdeklerin boyutu ve öğrenme hızı gibi bir çok hiper parametre değerleri etkiler. Bu çalışmada, Evrişimsel Sinir Ağları üzerinde Bayes optimizasyonu, Rastgele ve Izgara arama yöntemlerini kullanarak hiper parametre optimizasyonunu geliştirdiğimiz sinir ağı modeli ile performans kıyaslaması yapmak için literatür incelemesi ve deneysel çalışma yapılacaktır. Bayes optimizasyonun Rastgele ve Izgara arama yöntemlerinden temel farkı ayarlama algoritmasının hiper parametre seçimini her turda bir önceki hiper parametre sonucuna göre optimize etmesidir. Bu yöntem ile optimum sonuca ulaşma hızı diğerlerine göre daha yüksek olduğu kıyaslamalı deneylerde ortaya konulmuştur. Çalışma kapsamında, arama yöntemlerini üç farklı veri seti kullanarak geliştirdiğimiz ESA modelinde karşılaştırılıp, sonuçlar sunulacaktır.
Özet (Çeviri)
Many types of networks have been developed for different usage areas in artificial neural networks. Some of these are image processing, voice recognition and natural language processing. Convolutional neural networks, on the other hand, cover the fields of image processing and computer vision. Convolutional neural networks can process large amounts of data thanks to their multi-layered structure. The performance of these networks is affected by many hyper parameter values such as the number of convolution layers, the number of cores, the batch size, the size of the cores and the learning rate. In this study, literature review and experimental work will be done to compare the performance with the neural network model, which we developed hyper parameter optimization using Bayesian optimization, Random and Grid search methods on Convolutional Neural Networks. The main difference of Bayesian optimization from Random and Grid search methods is that the tuning algorithm optimizes the hyperparameter selection in each round according to the previous hyperparameter result. It has been demonstrated in comparative experiments that the speed of reaching the optimum result with this method is higher than the others. Within the scope of the study, the search methods will be compared in the CNN model, which we developed using three different data sets, and the results will be presented.
Benzer Tezler
- Meme kanseri histopatolojik görüntülerinin derin öğrenme yöntemleriyle sınıflandırılması
Classification of breast cancer histopatological images using deep learning methods
KADİR CAN BURÇAK
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN UĞUZ
- Analyzing breast cancer using thermography and convolutional neural networks
Termografi ve evrişimsel sinir ağları ile meme kanseri analizi
HUSHANG JAWZAL
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. SAMİ EKİCİ
- Dinamik ortamlar için istatiksel metotlar kullanan çoklu evrimsel algoritmalar
Multiploid evolutionary algorithms with statistical methods for dynamic environments
EMRULLAH GAZİOĞLU
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE ŞİMA UYAR
- Microstructure design of magneto-dielectric materials via topology optimization
Manyetik-dielektrik malzeme mikroyapılarının topoloji optimizasyon yöntemi kullanılarak tasarlanması
YASSER EL-KAHLOUT
Doktora
İngilizce
2009
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLLÜ KIZILTAŞ ŞENDUR
- Mikrokanonikal optimizasyon algoritması ile konvolüsyonel sinir ağlarında hiper parametrelerin optimize edilmesi
Optimization of hyper parameters in convolutional neural networks by microcanonical optimization algorithm
ZEKİ KUŞ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYLA GÜLCÜ