Evrişimsel sinir ağları ile kapsül ağının sınıflandırma performanslarının karşılaştırılması
Compare the classification performances of convolutional neural networks and capsule networks on the coswara dataset
- Tez No: 812844
- Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMET ALİ ARSERİM, DR. ÖĞR. ÜYESİ ÖMER TÜRK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Bilim Dalı
- 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
- Route generation algorithms for public transit network design
Toplu taşıma ağı tasarımı için rota üretim algoritmaları
FATİH KILIÇ
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA GÖK
- Tamoxifen ve trastuzumab'a duyarlı meme kanseri hücrelerinde tamoxifen ve trastuzumab'a cevap veren mikroRNA (miRNA) profillerinin araştırılması
The investigation of tamoxifen and trasuzumab responsive mirnas in tamoxifen and trastuzumab sensitive breast cancer cell lines
SENEM NOYAN
Yüksek Lisans
Türkçe
2015
BiyoteknolojiAnkara ÜniversitesiTemel Biyoteknoloji Ana Bilim Dalı
YRD. DOÇ. DR. BALA GÜR DEDEOĞLU
- Türkiye kayalık sansarı Martes foina'nın filogenisi ve genetik yapısı
Phylogeny and genetic structure of the stone marten Martes foina in Turkey
YAĞMUR ASLAN
Yüksek Lisans
Türkçe
2015
BiyolojiOndokuz Mayıs ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. İSLAM GÜNDÜZ
- Protoiurus kraepelini (Scorpiones: Iurıdae) zehrinin peptidomik karakterizasyonu ve biyoaktivite taraması
Peptidomic characterization and bioactivity screening of protoiurus kraepelini (Scorpiones: Iuridae) venom
TUĞBA DOĞAN
Doktora
Türkçe
2015
BiyokimyaHacettepe ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. AFİFE İZBIRAK
DOÇ. DR. CAN ÖZEN