Performance analysis of convolutional spiking neural networks compared with ordinary convolutional neural networks
CNN ile evrişimsel iğnecikli sinir ağlarının karşılaştırılması ve performans analizi
- Tez No: 842280
- Danışmanlar: DR. ÖĞR. ÜYESİ BARBAROS PREVEZE
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 45
Özet
Son on yılda, Yapay Sinir Ağı (YSA) modelleri, beyin dinamiklerini kopyalayarak karmaşık sınıflandırma ve örüntü tanıma problemlerini çözmedeki etkinlikleri nedeniyle giderek daha popüler hale geldi. En güçlü örüntü tanıma teknikleri arasında, ikinci nesil yapay ağları temsil eden Konvolüsyonel Sinir Ağları bulunmaktadır. Zamanla, Spiking Neural Networks (SNN'ler) dahil olmak üzere yapay sinir ağlarının daha verimli ve biyolojik olarak benzer versiyonları geliştirilmiştir. SNN'ler, bilginin biyolojik nöronlarda ani yükselmelerin kesin zamanlaması yoluyla aktarılma şeklini yansıtmak için son yıllarda geliştirilen sivri uçlu nöronlardan oluşur. Bu ağlarda öğrenmeyi hızlandırmak için yeni öğrenme yöntemleri de oluşturulmuştur. SNN'ler, insan sinir ağlarının nasıl çalıştığına dair yeni bir bakış açısı sunar ve yerleşik dinamik temsilleri nedeniyle daha karmaşık sinir ağlarının güçlü temsillerine yol açabilir. Zamana bağlı verilerle çalışmak için büyük potansiyele sahiptirler. Üçüncü nesil sinir ağları olarak derin öğrenme modellerinin etkinliğini ve sınırlamalarını değerlendirmek için bu tez çalışması, SNN'lerin CNN'lerle birleştirildiğinde yapay nöronların performansını incelemektedir. Daha fazla yönü kapsayacak şekilde, adil bir analiz sağlamak için aynı parametrelere ve ölçümlere sahip sıradan CNN'lerin yanı sıra hem zamana bağlı hem de statik veri kümelerinde Evrişimli Artan Sinir Ağları (CSNN'ler) kullanılmıştır. Literatürdeki diğer sınıflandırma projelerine kıyasla hala kabul edilebilir olan bazı dinamik veri kümeleri dışında hem eğitim hem de test kümeleri için yaklaşık %90'lık (%96'ya varan) doğruluk oranlarıyla her bir veri kümesi için umut verici sonuçlara ulaşılmıştır.
Özet (Çeviri)
Over the past decade, Artificial Neural Network (ANN) models have become increasingly popular due to their effectiveness in solving complex classification and pattern recognition problems by replicating brain dynamics. Convolutional Neural Networks (CNNs) are a powerful pattern recognition tool that represents the second generation of artificial networks. Over time, more efficient and biologically similar versions of ANNs have been developed, including Spiking Neural Networks (SNNs). SNNs consist of spiking neurons that simulate biological neurons by transmitting information through the exact timing. There have been recent advancements in learning methods designed to accelerate learning processes within these networks. The SNNs offer a fresh perspective on how human neural networks function and may lead to powerful representations of more complex neural networks due to their built-in dynamic representation. They have great potential for working with time-dependent data. To evaluate the performance of spiking neurons and SNNs combined with CNNs, this thesis examines the effectiveness and limitations of deep learning models as the third generation of neural networks. To cover more aspects, Convolutional Spiking Neural Networks (CSNNs) have been used on both time-dependent and static datasets, along with ordinary CNNs with the same parameters and metrics to ensure a fair analysis. Promising results have been achieved for each dataset, with accuracy rates of around 90% (reaching up to 96% accuracy rate) for both training and test sets, except for some dynamic datasets, which is still acceptable compared to other classification projects in the literature.
Benzer Tezler
- Kablosuz iletişimde kullanılan katlamalı kodlama tekniklerinin karşılaştırmalı başarım analizi
Comparative performance analysis of convolutional coding techniques for wireless communications
ALİ ÇALHAN
Yüksek Lisans
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
Y.DOÇ.DR. CELAL ÇEKEN
- Telemetre almaç sistemlerinin başarım analizi
Performance analysis of telemetry receiver applications
SABİT BURAK SAĞLAM
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. AYSEL ŞAFAK
- Çok genlikli minimum kaydırmalı anahtarlama için kafes kodlar
Trellis codes for multi-amplitud minimum shift keying modulation
İLKNUR AKKAYA
Yüksek Lisans
Türkçe
1994
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. H. ÜMİT AYGÖLÜ
- Correlation attacks on stream ciphers
Dizi şifreleme algoritmalarında ilişkiye bağışıklık metodları
ZERNİŞAN EMİRLEROĞLU ARSLAN
Yüksek Lisans
İngilizce
2001
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AKİF EYLER
- Beyond 2D and more: Interpreting remote sensing image classification methods via explainable artificial intelligence
2 boyuttan daha fazlası: Açıklanabilir yapay zeka aracılığıyla uzaktan algılama görüntü sınıflandırma yöntemlerinin yorumlanması
DEREN EGE TURAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERCHAN APTOULA