Geri Dön

Performance analysis of convolutional spiking neural networks compared with ordinary convolutional neural networks

CNN ile evrişimsel iğnecikli sinir ağlarının karşılaştırılması ve performans analizi

  1. Tez No: 842280
  2. Yazar: SİNAN ÇOLAK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BARBAROS PREVEZE
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Çankaya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Kablosuz iletişimde kullanılan katlamalı kodlama tekniklerinin karşılaştırmalı başarım analizi

    Comparative performance analysis of convolutional coding techniques for wireless communications

    ALİ ÇALHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    Y.DOÇ.DR. CELAL ÇEKEN

  2. Telemetre almaç sistemlerinin başarım analizi

    Performance analysis of telemetry receiver applications

    SABİT BURAK SAĞLAM

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Elektrik ve Elektronik MühendisliğiBaşkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. AYSEL ŞAFAK

  3. Çok genlikli minimum kaydırmalı anahtarlama için kafes kodlar

    Trellis codes for multi-amplitud minimum shift keying modulation

    İLKNUR AKKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    1994

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. H. ÜMİT AYGÖLÜ

  4. Correlation attacks on stream ciphers

    Dizi şifreleme algoritmalarında ilişkiye bağışıklık metodları

    ZERNİŞAN EMİRLEROĞLU ARSLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2001

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AKİF EYLER

  5. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERCHAN APTOULA