Geri Dön

Aktif öğrenme ile alan uyarlaması

Domain adaptation with active learning

PDF İndir

  1. Tez No: 826416
  2. Yazar: EREN DURGUNLU
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AYHAN KÜÇÜKMANİSA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Aktif Öğrenme, Alan Adaptasyonu, Derin Öğrenme, Sınıflandırma, Yarı Denetimli Öğrenme, Active Learning, Domain Adaptation, Deep Learning, Classification, Semi-Supervised Learning
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 76

Özet

Derin öğrenme tabanlı yaklaşımlar eğitim süreçlerinde yüksek sayıda düzgün etiketlenmiş veriye ihtiyaç duyar. Günlük sorunlarda yüksek sayıda veri bulmak ve verileri yeterli biçimde etiketlemek zaman ve insan gücü olarak yüksek maliyet teşkil etmektedir. Alan adaptasyonu önceden benzer bir problem için yüksek veri ile eğitilmiş makine öğrenimi modelini mevcut soruna uyarlamayı sağlar ve modelin genelleyebilme özelliğini arttırır. Örnek olarak kamera karakteristiği veya verilerin toplandığı çevresel değişimler sonucu ortaya çıkan farklılıklar modelin daha önce karşılaşmadığı koşulları oluşturacağından modelin zayıf, yetersiz tahmin yapmasına sebebiyet verebilir. Alan adaptasyonu ile kaynak veriden hedef veriye alan transferini gerçekleştirecek eğitim yapılır. Aktif öğrenme ise etiketlenecek veriler arasında bir seçim yapılması durumunda modelin eğitimine en çok katkıyı sağlayacak veriyi seçmeyi hedefler. Bu çalışmada farklı aktif öğrenme yöntemleri alan adaptasyonu eğitimine dahil edilmiş ve başarımlar gözlenmiştir. Aktif öğrenme ve alan adaptasyonu ile az sayıda veri ile yüksek başarım elde etmek amaçlanmıştır.

Özet (Çeviri)

Deep learning-based approaches require a large amount of well-labeled data in training process. Creating a large dataset and labeling them adequately in daily problems constitutes high costs in terms of time and human resources. Domain adaptation enables machine learning model trained with large dataset for a similar problem to adapt to the current problem and increases the model's generalization feature. As an example, the camera's characteristics can create different conditions that the model has not encountered in the previous problem due to the environmental changes in which the data is collected, resulting in weak and inadequate predictions of the model. With domain adaptation, a new training is aimed to eliminate the domain differences between the source and target data. Active learning, on the other hand, aims to select the data that will contribute the most to the model's training when choosing among the labeled data. In this study, different active learning methods were included in domain adaptation, and achievements were observed. The goal is to achieve high performance with a limited amount of data using active learning and domain adaptation.

Benzer Tezler

  1. Tez No

    826670

    Domain adaptation for crowd counting

    Kalabalık sayımı için etki alanı uyarlaması

    CENGİZHAN HALDIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HASARİ ÇELEBİ

    DOÇ. DR. ERCHAN APTOULA

  2. Tez No

    861773

    Kaynaştırma uygulamasına devam eden özel gereksinimli öğrenci velilerinin algılanan stres düzeyi ve yaşam doyumu arasındaki ilişki: (İstanbul Pendik ilçesi örneği)

    Investigating the relation between perceived stress level and life satisfaction of parents of students continuing in inclusive education: (Case of İstanbul, Pendik district)

    EZGİ KARAARSLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Eğitim ve ÖğretimSakarya Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. ÖMER FARUK TUTKUN

  3. Tez No

    437055

    Bilişsel işlevlerin Uygulanması Ölçeği'nin geçerlik-güvenirlik çalışması ve 48-66 aylık çocukların bilişsel işlevlerinin gelişiminin incelenmesi

    Reliability and validity study of application of cognitive functions scale and analysis od cognitive functions of 48-66 months-old children

    EZGİ AKŞİN YAVUZ

    Doktora

    Türkçe

    Türkçe

    2016

    Eğitim ve ÖğretimMarmara Üniversitesi

    İlköğretim Ana Bilim Dalı

    PROF. DR. RENGİN ZEMBAT

  4. Tez No

    451166

    Argüman temelli sorgulayıcı araştırma uygulamalarının fen bilgisi öğretmen adaylarının üstbilişsel farkındalık düzeyine ve yazma becerilerine olan etkisinin incelenmesi

    The effect of argument driven inquiry (adi) method on pre-service science teachers' metacognitive awareness and scientific writing skills

    SÜMEYYE ERENLER

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Eğitim ve ÖğretimAbant İzzet Baysal Üniversitesi

    İlköğretim Ana Bilim Dalı

    DOÇ. DR. PINAR SEDA ÇETİN

  5. Tez No

    819318

    Okul öncesi öğretmenlerinin çokkültürlülüğe ilişkin tutumlarının ve çokkültürlü oyuna ilişkin algılarının metaforik olarak belirlenmesi

    Preschool teachers' attitudes towards multiculturalism and metaphorical determination of their perceptions of multicultural play

    SABİHA KURŞUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Eğitim ve Öğretimİstanbul Aydın Üniversitesi

    Temel Eğitim Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TRINGA SHPENDI ŞİRİN

Geri Dön