Geri Dön

Derin öğrenmede kullanılan normalizasyon algoritmaları ve gerçeklenmesi

Normalization algorithms and implementations used in deep learning

PDF İndir

  1. Tez No: 804251
  2. Yazar: MERVE ZİREKGÜR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BARIŞ KARAKAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Devreler ve Sistemler Bilim Dalı
  13. Sayfa Sayısı: 74

Özet

Yapay zekâ uygulamalarının yüksek başarım sergileyebilmesi için veri setinin en efektif şekilde kullanması kritik bir öneme sahiptir. Normalizasyon algoritmaları, veri setlerini çeşitli yöntemlerle düzenleyerek aykırılıkları ortadan kaldırmayı ve ağın yüksek yanlılık göstermesini engellemeyi amaçlayan tekniklerdir. Bu çalışmada, var olan normalizasyon algoritmalarına ek, literatürde yeni bir yöntem olarak önerilmiş MVSR Normalizasyonu kullanılarak, akciğer radyografi görüntü veri seti ile eğitilmiş CNN modeli ile COVID-19 hastalığının teşhisinin gerçekleştirilmesi ve bu yöntemin model başarımını artırması amaçlanmıştır. COVID-19 Radyografi Veri Tabanı kullanılarak gerçekleştirilen bu çalışmada, Google Colab ortamında oluşturulan CNN modeli sırasıyla, normalizasyonsuz, Min-Max, MVSR, MVSR+Min-Max Normalizasyonları uygulanmış akciğer radyografi görüntü veri setleriyle beslenmiş, modeller Kria KV260 Vision AI Starter Kit ortamında gömülmek amacıyla kaydedilmiş ve modellerin her biri kit ortamında test edilerek performans metrikleri ile değerlendirilmiştir. MVSR Normalizasyonu Kria KV260 Vision AI Starter Kit ortamında, Min-Max Normalizasyonu ise Colab ortamında gerçekleştirilmiştir. Çalışmanın sonunda en yüksek başarıma sahip olan model, kitin kamerası kullanılarak tekrar test edilmiştir. Bu tez çalışmasında en yüksek başarım, MVSR+Min-Max Normalizasyonu ile %95 olarak elde edilmiştir.

Özet (Çeviri)

The most effective use of the data set has a critical structure in order for artificial intelligence applications to exhibit high performance. Normalization annotations are techniques that aim to eliminate outliers and prevent the network from displaying high bias by arranging datasets for various countries. Apart from this, in addition to the existing normalization measures, it is aimed to perform the COVID-19 inspection with the scanned radiography image dataset and the non-covered CNN model by using MVSR Normalization, which has been suggested as a new method in the literature, and to increase the performance of the model of this method. Eliminating this situation by using the COVID-19 Radiography Database, the CNN model in the Google Colab environment was fed with scan radiography image datasets without normalization, Min-Max, MVSR, MVSR+Min-Max Normalizations applied, respectively, the models were to be implemented in the Kria KV260 Vision AI Starter Kit environment and Each of the models was evaluated with performance metrics that were tested in the kit environment. MVSR Normalization was performed in Kria KV260 Vision AI Starter Kit environment, and Min-Max Normalization was performed in Colab environment. At the end of the study, the model with the highest success was tested again using the kit's camera. In this thesis, the highest performance was obtained with MVSR+Min-Max Normalization as 95%.

Benzer Tezler

  1. Tez No

    900860

    Uzun kısa süreli bellek (LSTM) kullanarak İstanbul ve civarı için deprem eğilimi tahmini

    Earthquake trend prediction for İstanbul and surroundings using long short term memory (LSTM)

    YASİN KARAKUŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VOLKAN ALTUNTAŞ

  2. Tez No

    496446

    Manipulation of visually recognized objects using deep learning

    Görsel tanınan nesnelerin derin öğrenme kullanarak hareket ettirilmesi

    ERTUĞRUL BAYRAKTAR

    Doktora

    İngilizce

    İngilizce

    2018

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PINAR BOYRAZ

  3. Tez No

    803912

    Deep image prior based high resolution isar imaging for missing data case

    Eksik veri için derin görüntü önceli tabanlı yüksek çözünürlüklü tyar görüntüleme

    NECMETTİN BAYAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. IŞIN ERER

  4. Tez No

    541786

    Deep convolutional neural network based unconstrained ear recognition

    Derin evrişimsel sinir ağı tabanlı kısıtsız kulak tanıma

    FEVZİYE İREM EYİOKUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAZIM KEMAL EKENEL

  5. Tez No

    574950

    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

Geri Dön