Veri setine uygun otomatik yapay sinir ağı modeli geliştirme aracı
Automatic artificial neural network model development tool for dataset
- Tez No: 880284
- Danışmanlar: DR. ÖĞR. ÜYESİ RABİA KORKMAZ TAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Tekirdağ Namık Kemal Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
Yapay sinir ağları, yapay zekâ alanında en önemli ve çığır açıcı makine öğrenmesi algoritmalarından biridir. Günümüzdeki birçok önemli ve popüler yapay zekâ uygulamalarının arkasında yapay sinir ağı modelleri çalışmaktadır. Ancak belirli bir veri seti üzerinde belirli bir görevi yerine getirebilecek bir yapay sinir ağı modelinin geliştirilmesi, bir insan uzmanın bilgi ve tecrübelerine göre gerçekleşmektedir. Literatürde insan eliyle gerçekleşen bu süreci otomatikleştirmek için farklı teknikler kullanan çeşitli çalışmalar mevcuttur. Bu tez çalışması ise herhangi bir veri setine uygun otomatik olarak yapay sinir ağı modelleri geliştiren bir yazılım aracının geliştirilmesini amaçlamaktadır. Bu amaç doğrultusunda Veri Setine Uygun Otomatik Yapay Sinir Ağı Modeli Geliştirme Aracı isimli, belirli bir veri seti için regresyon, sınıflandırma gibi görevleri yerine getirebilecek en iyi yapay sinir ağı modelini otomatik olarak geliştiren bir masaüstü uygulama yazılımı geliştirilmiştir. Bu yazılımın otomatik geliştirdiği yapay sinir ağı modellerin mimari yapısı, klasik yapay sinir ağı mimarisi olan çok katmanlı algılayıcılar şeklindedir. Bu yazılımın otomatik model geliştirme süreci ise genetik algoritmalar adı verilen bir optimizasyon algoritması tarafından gerçekleştirilmektedir. Genetik algoritmalar, sağladığı evrimsel genetik süreçlerle yapay sinir ağı modellerinin en uygun katman parametrelerinin ve en uygun hiperparametrelerinin belirlenmesini otomatik olarak sağlamaktadır. Bu yazılımı kullanan kullanıcılar, tüm bu süreçleri masaüstü uygulama arayüzü üzerinden kontrol edebilmekte ve geliştirme sonuçlarını görebilmektedirler. Hatta geliştirmenin en iyi sonucu olan modeli, tekrar çalıştırılabilir bir yazılımsal formatta dışarı aktarabilmektedirler.
Özet (Çeviri)
Artificial neural networks are one of the most important and groundbreaking machine learning algorithms in the field of artificial intelligence. Artificial neural network models work behind many important and popular artificial intelligence applications today. However, the development of an artificial neural network model that can perform a specific task on a specific data set is based on the knowledge and experience of a human expert. There are various studies in the literature that use different techniques to automate this human-made process. This thesis study aims to develop a software that automatically develops artificial neural network models. For this purpose, a desktop application software called Automatic Artificial Neural Network Model Development Tool for Dataset has been developed, which automatically develops the best artificial neural network model that can perform tasks such as regression and classification for a specific data set. The architectural structure of the artificial neural network models automatically developed by this software is in the form of multilayer perceptron, which is the classical artificial neural network architecture. The automatic model development process of this software is carried out by an optimization algorithm called genetic algorithms. Genetic algorithms automatically enable the determination of the most appropriate layer parameters and the most appropriate hyperparameters of artificial neural network models through the evolutionary genetic processes they provide. Users using this software can control all these processes through the desktop application interface and see the search results. They can even export the model that is the best result of the search in a re-executable software format.
Benzer Tezler
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- MODELLING AND ESTIMATION OF SHIP MOTIONS
GEMİ HAREKETLERİNİN MODELLENMESİ VE TAHMİNİ
ALPER ZİHNİOĞLU
Doktora
İngilizce
2023
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MELEK ERTOGAN
- Predicting software vulnerabilities and vulnerability inducing code changes using deep neural networks
Derin sinir ağlarını kullanarak yazılım güvenlik açıklarını ve güvenlik açığına sebep olan kod değişikliklerini tahmin etme
SEFA EREN ŞAHİN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA