A comparative study on node classification methods for undirected social networks
Başlık çevirisi mevcut değil.
- Tez No: 811663
- Danışmanlar: DOÇ. DR. AYLA GÜLCÜ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 53
Özet
Geleneksel Sinir Ağları, görüntü ve metin sınıflandırması gibi normal 1 boyutlu ve 2 boyutlu Öklid verileriyle ilgili sorunları çözebilir. Bununla birlikte, gerçek hayattaki sorunların çoğu ilişkiye dayalıdır ve karşılık gelen gerçek dünya verileri Öklid dışı bir doğaya sahiptir. Bu makale, karmaşık ilişkilere sahip Öklid dışı verileri içeren gerçek yaşam problemlerini çözmek için Grafik Sinir Ağları (GNN'ler) ve geleneksel yaklaşımlar (K-En Yakın Komşu (KNN)) arasında karşılaştırmalı bir çalışma sunmaktadır. Sonuçlar, GNN modellerinin grafik yapılandırılmış verilerde düşük çalışma süresini korurken doğruluk açısından KNN'den daha iyi performans gösterdiğini göstermektedir. Çalışma, Graph Convolutional Networks (GCN'ler) ve GraphSAGE'ın güçlü yönlerini ve sınırlamalarını vurgulamakta, GraphSAGE esneklik ve ölçeklenebilirlik sunmakta ancak potansiyel olarak toplama yanlılığı getirmektedir. Devam eden deneyler, algoritmaların hiperparametre değerlerine duyarlılığının araştırılmasını içerir. Genel olarak, bu araştırma GNN metodolojilerinin çeşitli alanlarda anlaşılmasına ve pratik uygulanmasına katkıda bulunmaktadır.
Özet (Çeviri)
Traditional Neural Networks can solve problems with normal 1-dimensional and 2- dimensional Euclidean data such as image and text classification. However, most real- life problems are relationship-based and the corresponding real-world data has a non- Euclidean nature. This paper presents a comparative study between Graph Neural Networks (GNNs) and traditional approaches (K-Nearest Neighbour (KNN)) for solving real-life problems involving non-Euclidean data with complex relationships. The results demonstrate that GNN models outperform KNN in terms of accuracy while maintaining low runtime on graph structured data. The study highlights the strengths and limitations of Graph Convolutional Networks (GCNs) and GraphSAGE, with GraphSAGE offering flexibility and scalability but potentially introducing aggregation bias. Ongoing experiments include investigating the sensitivity of the algorithms to hyperparameter values. Overall, this research contributes to the understanding and practical application of GNN methodologies in various domains.
Benzer Tezler
- 3D mikro-bt görüntüleme yöntemi ile küçük hücreli dışı akciğer kanserinde metastatik ve nonmetastatik lenf nodlarının karşılaştırmalı değerlendirilmesi
Başlık çevirisi yok
SÜLEYMAN GÖKALP GÜNEŞ
Tıpta Uzmanlık
Türkçe
2021
Göğüs Kalp ve Damar CerrahisiAnkara ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
PROF. DR. AYTEN KAYI CANGIR
- Rektum kanserinde endorektal ultrasonografi ile yapılan evrelemenin, patolojik evreleme ile karşılaştırılması
Comparative study of pathologic staging and endorectal ultrasonographic staging in rectal cancer
OĞUZ OKUL
Tıpta Uzmanlık
Türkçe
2009
Genel CerrahiGATAGenel Cerrahi Ana Bilim Dalı
PROF. DR. M. LEVHİ AKIN
YRD. DOÇ. DR. İLKER SÜCÜLLÜ
- Gömülü sistemlerde sesli komut tanıma
Voice command recognation in embedded systems
CAN ÇETİN
Yüksek Lisans
Türkçe
2020
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- Yapay sinir ağları ve genetik algoritmalar kullanılarak EKG vurularının sınıflandırılması
Classification of ECG beats by using artifical neural networks and genetic algorithms
ZÜMRAY DOKUR
- Urban morphological study as a method of urban design assessment in the historic context of Iranian cities: A case study on Urmia
İran şehirlerinin tarihi bağlamında bir kentsel tasarım değerlendirme yöntemi olarak kentsel morfoloji: Urmiye üzerine bir örnek çalışma
MEYSAM SOLEIMANI
Doktora
İngilizce
2020
MimarlıkOrta Doğu Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. FATMA CÂNÂ BİLSEL