Geri Dön

Generative model based approaches to learning with incomplete supervision

Eksik gözetim ile öğrenmeye yönelik üretken modele dayalı yaklaşımlar

  1. Tez No: 840914
  2. Yazar: SİNAN GENÇOĞLU
  3. Danışmanlar: DOÇ. DR. RAMAZAN GÖKBERK CİNBİŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 62

Özet

Derin öğrenme alanındaki gelişmeler, çeşitli tanıma problemlerinde büyük ilerlemelere imkan tanımıştır. Bununla birlikte, ağırlıklı olarak en gelişmiş modeller büyük çaplı ve etiketli eğitim kümelerinin varlığına dayanmaktadır. Bu nedenle, son zamanlarda detaylı etiketlenmiş büyük eğitim kümelerinin yokluğunda ilgilenilen konseptleri modellemeye yönelik büyük ilgi ortaya çıkmıştır. Genellikle sınırlı denetimli öğrenme olarak adlandırılan bu yöntemler, tamamen denetimsiz öğrenmeden gürültülü etiketlerle model eğitimine kadar çeşitlilik göstermektedir. Bu tezde, az sayıda eğitim örneğine dayalı olarak yeni sınıfların modellerinin öğrenilmesi sorununa odaklanıyoruz, bu aynı zamanda az örnekli öğrenme olarak da bilinir. Bu probleme üretici bir perspektiften yaklaşıyoruz; ilk olarak üretken bir model öğrenmeyi hedefliyoruz ve ardından üretken modelin az örnekli sınıflandırma görevi üzerindeki etkisini araştırıyoruz. Bu çalışmanın ana odağı, difüzyon prensiplerine dayanan ve özniteliksel gösterimleri manipüle etmek için bir dönüştürücü içeren üretken bir model tabanında oluşmaktadır. Bu model, koşul girdisi olarak önceden eğitilmiş bir özellik çıkarıcıdan elde edilen görüntü özniteliklerini kullanarak çalışmaktadır. Bu metodolojinin benimsenmesinin bir sonucu olarak, üretken modelin birkaç örnekli bir öğrenme senaryosundaki etkinliğinin ampirik bir değerlendirmesini sunuyoruz.

Özet (Çeviri)

The developments in deep learning have led to great advances in a variety of recognition problems. However, predominantly the state-of-the-art models rely on the availability of large annotated training sets. Therefore, great attention has recently shifted to developing models that can incorporate concepts of interest in the absence of carefully annotated large training sets for them. Commonly referred to as learning with limited supervision, these methods vary from completely unsupervised learning to model training with noisy labels. In this thesis, we focus on the problem of learning classification models of novel classes based on a small number of training examples, also known as few-shot learning. We approach this problem from a generative perspective, where we first aim to learn a generative model and then we explore the effect of the generative model on a few-shot classification task. The primary focus of this study revolves around a generative model that is founded on diffusion principles and incorporates a transformer to manipulate latent patches. This model functions by utilizing image features acquired from a pre-trained feature extractor as its conditional input. As a result of adopting this methodology, we provide an empirical assessment of the generative model's efficacy within a few-shot learning scenario.

Benzer Tezler

  1. Hierarchical deep bidirectional self-attention model for recommendation

    Hiyerarşik çift yönlü öz dikkat tabanlı derin öğrenme tavsiye modeli

    İREM İŞLEK

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ

  2. Open-set object recognition

    Açık-set nesne tanıma

    SALMAN MOHAMMAD

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SHERVIN RAHIMZADEH ARASHLOO

  3. Gsm sektörü için müşteri merkezli bilgi yönetimi değerlendirme modeli tasarımı ve bir uygulama

    The design of customer centric knowledge mangement assessment model for gsm ındustry and an aplıcatıon

    ATİK KULAKLI

    Doktora

    Türkçe

    Türkçe

    2005

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. SEMRA BİRGÜN

  4. Exploring opinions of corporate instructional designers on their professional development and training needs

    Kurumsal öğretim tasarımcılarının mesleki gelişim ve eğitim ihtiyaçları konusundaki görüşlerinin araştırılması

    NAZLI GÖKALP

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Eğitim ve ÖğretimOrta Doğu Teknik Üniversitesi

    Eğitim Programları ve Öğretimi Ana Bilim Dalı

    DR. ELİF ÖZTÜRK

  5. Orthogonality based feature selection for ai applications

    Yapay zeka uygulamaları için ortogonalite tabanlı öznitelik seçimi

    MEHMET SELAHADDİN ŞENTOP

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BURAK BERK ÜSTÜNDAĞ