Cellular automata integrated with deep learning methods for feature extraction
Derin öğrenme yöntemleriyle birleştirilmiş hücresel otomatlarla öznitelik oluşturma
- Tez No: 865619
- Danışmanlar: PROF. DR. EMİN ERKAN KORKMAZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Yeditepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 93
Özet
Yapay sinir ağları ve derin öğrenme modelleri, verilen girdi için bir tahmin yapabilen ve bunun için girdiyi temsil eden gömme ve öznitelikler öğrenen yöntemlerdir. Görüntü alanında, en yaygın öznitelik çıkarma yaklaşımı, Evrişimsel Sinir Ağları (ESA) tarafından kullanılan evrişimsel filtrelerdir. Ancak ESA yöntemi bu filtreleri öğrenmek için, etiketli veriye ihtiyaç duyan, bütün veri kümesi üzerinden defalarca geçen ve bu yüzden de hesaplama açısından oldukça maliyetli olan bir eğitim işlemi gerçekleştirir. Bu tezde evrişimsel filtreleri oluşturmak için, ESA'ların aksine etiketli veriye ya da veri kümesine defalarca erişmeye gerek duymayan Hücresel Otomata tabanlı gözetimsiz bir yaklaşım önerilmektedir. Önerilen yaklaşım sayesinde, ESA'larla benzer tahmin başarısı gösteren evrişimsel filtreler çok daha az işlem yükü ile oluşturabilmektedir. Önerilen yöntemin başarısı, görüntü sınıflandırma problemindeki farklı veri kümelerine uygulanarak test edilmiştir. Elde edilen sonuçlar, önerilen yöntemin tahmin başarısı ve işlem yükü açısından ESA'larla rekabetçi filtreler oluşturabildiğini göstermektedir. Ayrıca bu filtreler, iki farklı şekilde ESA ile entegre edilerek ESA'nın tahmin başarısı geliştirilmiştir.
Özet (Çeviri)
Neural networks and deep learning methods use feature extraction strategies to create embeddings and feature maps representing an input, which can be a word, signal, or image according to the problem domain. The most common feature extraction methodology in the image domain is convolutional filters, which are employed by Convolutional Neural Networks (CNN). However, a CNN learns those filters with a computationally expensive training process that requires several passes over the entire training dataset and the data utilized needs to be labeled. This thesis proposes an unsupervised Cellular Automata (CA) based framework to create the convolutional filters that extract features. The proposed framework accesses each data instance only twice, regardless of the number of layers in the model, and it requires no epoch-based training operation, unlike CNNs. Thus, the computational burden is significantly reduced compared to CNNs. Also, the model can enhance CNNs in terms of time and accuracy by initializing the parameters of CNN or by preprocessing the raw data. The proposed methodology is tested on different datasets in the image classification domain, and it obtains competitive results compared to CNNs regarding prediction success and computational complexity. Also, the results show that the performance of the CNN model can be improved by using the filters created by the proposed methodology.
Benzer Tezler
- Development of a Micro-fabrication process simulator for Micro-Electro-Mechanical Systems (MEMS)
Mikro-Elektro-Mekanik-Sistemler için bir Mikro-üretim simülatörünün geliştirilmesi
ALPER YILDIRIM
Yüksek Lisans
İngilizce
2005
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MELİK DÖLEN
- Geleneksel kent dokusunda çevresel verilerin sayısal araçlarla yorumu ve hesaplamalı bir tasarım modeli
An interpretation of environmental data with computational tools in a traditional city and a computational design model
PINAR ÇALIŞIR ADEM
- Uydu görüntüleri ile Kerkük ili ve çevresindeki kentsel yayılmanın izlenmesi
Monitoring the urban sprawl in Kirkuk city and its surrounding regions using satellite images
ABDULLAH FADHILTAWFEEQ ALALAWI
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriErciyes ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA KURBAN
- Hafızalı hücresel otomat sayısal tasarımı
Digital design of cellular automata with memory
EMRE GÖNCÜ
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜŞTAK ERHAN YALÇIN
- Design and implementation of a novel physically unclonable function with a new cellular automata model
Yeni bir hücesel otomat modeli kullanarak özgün bir fiziksel klonlanamayan fonksiyonun tasarımı ve gerçeklemesi
EMRE GÖNCÜ
Doktora
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN