Geri Dön

Evrişimsel sinir ağları ile kapsül ağının sınıflandırma performanslarının karşılaştırılması

Compare the classification performances of convolutional neural networks and capsule networks on the coswara dataset

  1. Tez No: 812844
  2. Yazar: ABDULAZİZ MUHAMMAD
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMET ALİ ARSERİM, DR. ÖĞR. ÜYESİ ÖMER TÜRK
  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: Dicle Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Bilim Dalı
  13. Sayfa Sayısı: 56

Özet

Evrişimsel Sinir Ağları (ESA) ve Kapsül Ağları (KA), bilgisayar görüsü, doğal dil işleme, konuşma tanıma ve robotik dahil olmak üzere çeşitli alanlarda yaygın olarak kullanılan iki sinir ağı türüdür. Evrişimsel Sinir Ağları, bir dizi evrişimli katman kullanarak girdileri işlemek için tasarlanmış ileri beslemeli sinir ağlarıdır. Bu katmanlar, bir dizi özellik haritası oluşturan girdiden özellikleri çıkarmak için filtreler uygular. Özellik haritaları daha sonra verilerin uzamsal boyutsallığını azaltan havuzlama katmanları tarafından işlenir. Son olarak, bir veya daha fazla tamamen bağlı katman nihai çıktıyı oluşturur. Öte yandan, Kapsül Ağları, özellikler arasındaki uzamsal ilişkileri yönetememe gibi ESA'ların bazı sınırlamalarının üstesinden gelmeyi amaçlayan nispeten yeni bir sinir ağı türüdür. Kapsül Ağları, farklı nesne özelliklerini temsil eden nöron grupları olan kapsüllerin hiyerarşik yapısını kullanır. Bu kapsüller, özellikler arasındaki uzamsal ilişkileri öğrenmelerine izin verecek şekilde bağlanır ve öğrenilen uzamsal ilişkiler sayesinde daha kapsamlı bir nesne temsiline yol açar. Bu çalışmada hem sağlıklı bireyler hem de COVID-19'lu kişiler için ses örnekleri içeren ve çevrimiçi olarak erişilebilen Coswara veri setine hem Evrişimsel Sinir Ağları hem de Kapsül Ağları uygulanmıştır. İki ağın sınıflandırma performansı karşılaştırılmış, çapraz doğrulama, aşırı örnekleme ve normalizasyon gibi çeşitli tekniklerin sınıflandırma performansı üzerindeki etkileri değerlendirilmiştir. Elde edilen sonuçlardan, en iyi sınıflandırma performans başarımının Evrişimsel Sinir Ağından elde edildiği ve Kapsül Ağlarından daha hızlı olduğu görülmüştür. Ayrıca, ön işleme teknikleri uygulanmadığı zaman, Evrişimsel Sinir Ağının sınıflandırma performansının, Kapsül Ağlara göre daha az etkilendiği tespit edilmiştir.

Özet (Çeviri)

Convolutional Neural Networks (CNN) and Capsule Networks (CapsNet) are two commonly used types of neural networks in various fields, including computer vision, natural language processing, speech recognition, and robotics.CNNs are feedforward neural networks designed to process inputs using a sequence of convolutional layers. These layers apply filters to extract features from the input, which generates a set of feature maps. The feature maps are then processed by pooling layers that reduce the spatial dimensionality of the data. Finally, one or more fully connected layers generate the final output. On the other hand, Capsule Networks are a relatively new type of neural network that aims to overcome some of the limitations of CNN, such as their inability to handle spatial relationships between features. Capsule Networks use a hierarchical structure of capsules, which are groups of neurons that represent different object properties. These capsules are connected in a way that allows them to learn spatial relationships between features, leading to a more comprehensive object representation.In this study, we applied both Convolutional Neural Networks and Capsule Networks to the Coswara dataset, which contains audio samples for both healthy individuals and those with COVID-19, and is available online. We compared the classification performance of two networks were compared and the classification performance, such as cross-validation, oversampling, and normalization were evaluated. Our results were shown that the Convolutional Neural Network achieved the best results and was faster than the Capsule Network. Moreover, the CNN was less impacted when preprocessing techniques were not applied.

Benzer Tezler

  1. Hyperspectral data classification via capsule networks

    Kapsül ağları ile hiperspektral verilerin sınıflandırılması

    ELMAS TOKER

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖZDE BOZDAĞI AKAR

  2. Clothing image retrieval with triplet capsule networks

    Başlık çevirisi yok

    OSMAN FURKAN KINLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    YRD. DOÇ. DR. MUSTAFA FURKAN KIRAÇ

  3. Evrişimsel sinir ağları ile delikli bileşenlerde lehim kalitesinin sınıflandırılması

    Classification of solder quality in through hole devices with convolutional neural networks

    NESLİHAN SARIGÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜLAY YILDIRIM

  4. Evrişimsel sinir ağları ile toraks BT görüntülerinden akciğer kanseri tespiti

    Detection of lung cancer on thorax CT images with convolutional neural networks

    AYMEN SALMAN DAWOOD EZZAT

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAHİME CEYLAN

  5. Evrişimsel sinir ağları ile ortam tarifleme

    Environment description with convolutional neural networks

    ANIL ÇETİNSOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ