Geri Dön

Çok amaçlı optimizasyon teknikleriyle dayanıklı otomatik CNN model tasarımı

Multi-objective optimization based robust automatic CNN model design

  1. Tez No: 907546
  2. Yazar: SEFA ARAS
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EYÜP GEDİKLİ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 119

Özet

Bu tezde, çok amaçlı optimizasyon teknikleriyle dayanıklı ve otomatik evrişimli sinir ağı (ESA) modellerinin tasarımı için yenilikçi bir yöntem geliştirilmiştir. Derin öğrenme modellerinin tasarımı, genellikle uzman bilgisi ve zaman alıcı manuel süreçler gerektirirken, önerilen Çok Amaçlı Evrişimli Sinir Ağları (ÇESA) yöntemi, bu süreci otomatikleştirerek modelin doğruluk oranını artırırken cevap süresini optimize etmeyi başarmıştır. Çalışma, farklı çok amaçlı optimizasyon algoritmalarını (örneğin NSGA-II, FDB-NSGA-II) kullanarak pareto optimal çözümler üretmiş, doğruluk ve hız arasındaki dengeyi başarılı bir şekilde sağlamıştır. Dört farklı veri seti üzerinde gerçekleştirilen deneyler, ÇESA yönteminin, mevcut ESA mimarilerine kıyasla %1.93 daha yüksek doğruluk ve %69.85 daha hızlı test süresi sağladığını göstermiştir. Özellikle düşük kapasiteli cihazlarda hafif ve hızlı modellerin üretilebilmesi, yöntemin mobil ve gömülü sistemlerde uygulanabilirliğini kanıtlamaktadır. Ayrıca, hiper-parametre optimizasyonunu tamamen otomatik hale getirerek, kullanıcıdan bağımsız bir şekilde esnek ve etkili modeller üretebilmesi, ÇESA'nın kullanım alanını genişletmektedir. Çalışma, ESA modellerinin tasarımında çok amaçlı optimizasyon yaklaşımlarının gücünü ortaya koyarak, hem akademik hem de endüstriyel uygulamalar için önemli bir rehber olma niteliği taşımaktadır.

Özet (Çeviri)

This dissertation presents an innovative method for the design of robust and automated convolutional neural network (CNN) models using multi-objective optimization techniques. While the design of deep learning models often requires expert knowledge and time-intensive manual processes, the proposed CESA method automates this process, optimizing both model accuracy and response time. The study leverages various multi-objective optimization algorithms (e.g., NSGA-II, FDB-NSGA-II) to generate Pareto-optimal solutions, achieving a successful balance between accuracy and speed. Experiments conducted on four different datasets demonstrate that the CESA method delivers 1.93% higher accuracy and 69.85% faster test times compared to existing CNN architectures. The ability to produce lightweight and fast models, particularly for low-capacity devices, validates the method's applicability to mobile and embedded systems. Furthermore, by fully automating hyper-parameter optimization, CESA enables the generation of flexible and effective models independent of user intervention, broadening its range of applications. This study highlights the power of multi-objective optimization approaches in CNN model design, serving as a significant guide for both academic research and industrial applications.

Benzer Tezler

  1. Tez No

    847173

    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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  2. Tez No

    101121

    Effect of wellbore conditions on the performance of underground gas-storage reservoirs

    Yeraltı gaz depolama rezervuarlarının performansında kuyu koşullarının etkisi

    ÖMER İNANÇ TÜREYEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2000

    Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. ABDURRAHMAN SATMAN

  3. Tez No

    768762

    Development of application specific transport triggered processors for post-quantum cryptography algorithms

    Post-kuantum kriptografi algoritmaları için uygulamaya özel taşıma tetiklemeli işlemcilerin geliştirilmesi

    LATİF AKÇAY

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. SIDDIKA BERNA ÖRS YALÇIN

  4. Tez No

    904286

    Graphene conductive inks for an effective textile based respiratory sensor system

    Tekstil esaslı solunum sensör sistemi için grafen iletken mürekkepler

    KIVANÇ ÖZIŞIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜLYA CEBECİ

  5. Tez No

    496467

    Hipersezgisel yöntemlerle lojistik ağ tasarımı ve optimizasyon

    Logistic network design and optimization using hyperheuristic methods

    VURAL EROL

    Doktora

    Türkçe

    Türkçe

    2017

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT BASKAK

    PROF. DR. GÜLGÜN KAYAKUTLU

Geri Dön