Comparing uncertainty estimation methods in deep neural networks
Derin sinir ağlarında kullanılan belirsizlik ölçümleme yöntemlerinin karşılaştırılması
- Tez No: 854092
- Danışmanlar: PROF. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 58
Özet
Evrişimsel Sinir Ağları görüntü işleme uygulamalarında en yaygın olarak kullanılan yöntemlerden biridir. Evrişimsel Sinir Ağları' nın tahminlerindeki belirsizliğin doğru bir şekilde ölçülmesi, bu yöntemin tıbbi görüntü sınıflandırması ve otonom sürüş gibi güvenlik açısından kiritik alanlar da dahil olmak üzere çeşitli uygulamalarda yaygın olarak kullanılması nedeniyle çok önemlidir. Buna rağmen, belirsizlik tahmini hala tam olarak çözülemeyen bir problem olarak kalmaya devam etmektedir. Bu yönde herhangi bir somut kanıt olmamasına rağmen softmax olasılıkları genellikle belirsizliği modellemek için kullanılmaktadır. Güncel araştırmalar belirsizlik ölçümleme problemini, Monte Carlo Dropout, Deep Ensembles ve Evidential Deep Learning (EDL) isimli üç farklı strateji kullanarak ele almıştır. Bu tez öncelikli olarak, belirtilen yaklaşımlar arasında en güncel ve hesaplama açısından en verimli olan EDL' ye odaklanmış olsa da, bu yöntemlerin her birinin belirsizlik ölçümlemedeki performansı ve tahminleme yetenekleri bu çalışmada CIFAR-10 ve CelebA veri setleri kullanılarak karşılaştırılmıştır. Son olarak, LFWA veri seti üzerinde EDL yönteminden yararlanılarak veri seti içerisinde yanlış etiketlenmiş örneklerin otomatik olarak tespit edilmesi için yeni bir yaklaşım sunulmaktadır.
Özet (Çeviri)
Convolutional Neural Networks (CNNs) is one of the mainstream paradigms in most computer vision tasks. Accurately quantifying the uncertainty in CNN's predictions is crucial as they are being used in various applications, including safety- critical domains such as medical image classification and autonomous driving. Yet, uncertainty prediction remains a challenge. Softmax probabilities are often used to model uncertainty with no solid support. Recent studies have tackled this challenge using three distinct methodologies, namely: Monte Carlo Dropout, Deep Ensembles, and Evidential Deep Learning (EDL). Although this thesis primarily focuses on EDL, the most up-to-date and computationally efficient among these approaches, each of these methods performance in uncertainty estimation along with their predictive capabilities are compared using CIFAR-10 and CelebA datasets in this work. Finally, leveraging the EDL method on the CelebA dataset, a novel approach is presented to automatically detect mislabeled samples within the dataset.
Benzer Tezler
- Hızlı moda sektöründe makine öğrenmesi yöntemleri ile satış miktarlarının tahmin edilmesi
Forecasting of sales quantities by machine learning methods in fast fashion sector
SİNEM ÖZTÜRK
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA UĞURLU
- Sıkı geçme operasyonu için ANFIS ve yapay sinir ağları modellemesinin matematiksel model ile karşılaştırılması
Comparison of ANFIS and ann modeling with mathematical model for press-fitting operation
OĞUZHAN ŞİMŞİR
Yüksek Lisans
Türkçe
2024
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ FUAT ERGENÇ
- Spare parts inventory management
Yedek parça envanter yönetimi
MERVE ŞAHİN
Doktora
İngilizce
2017
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FAHRETTİN ELDEMİR
- Yapay zeka yöntemleri ile yazılım projelerinde maliyet kestirimi
Effort estimation in software projects by using artificial intelligence methods
OKTAY ADALIER
Doktora
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. AYBARS UĞUR
- Identıfıcatıon, modellıng and optımısatıon of structures wıth passıve dampıng treatments
Pasif sönümlü yapilarin karakterizasyonu, modellenmesi ve optimizasyonu
HASAN KÖRÜK
Doktora
İngilizce
2013
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. KENAN YÜCE ŞANLITÜRK