Time-series prediction using chained variational autoencoders in spatial environments
Uzamsal ortamlarda zincirleme varyasyonel otokodlayıcılar kullanarak zaman serisi tahmini
- Tez No: 917239
- Danışmanlar: PROF. DR. ING. HABİL, PROF. DR. ALOİS CHRİSTİAN KNOLL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Technısche Unıversıtat Munchen
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Otokodlayıcıların makine öğreniminde güçlü bir yöntem olduğu kanıtlanmıştır. Otokodlayıcılar tarafından sağlanan kısa ve öz latent uzay temsili, çok sayıda amaç için kullanılabilmektedir. Tekrarlayan sinir ağlarıyla birlikte uzay-zamansal ortamlarda kullanımları ümit verici sonuçlar vermiştir. Bilgi açısından zengin latent özellikler, tekrarlayan sinir ağlarını hafif bir şekilde kullanmak için gerekli hazırlığı sağlayabilmektedir. Genel olarak, bu tür mimarilerin büyük çoğunluğu denetimli öğrenme bakış açısı ile ele alınmıştır. Bu tez, otokodlayıcılar ile tekrarlayan sinir ağlarının ve Kalman filtrelerinin uçtan uca stokastisite ile denetimsiz öğrenme perspektifiyle kapsamlı bir kullanımını sunmaktadır. Tekniğimizi doğrulamak için trafik senaryosu veri setinden faydalanmış bulunmaktayız. Bu nedenle deneylerimizi otonom sürüş kapsamında gerçekleştirdik. Çabamız, yer değiştirme momentlerine göre uzay-zamansal ortamdaki değişiklikleri göz önünde bulundurarak altta yatan fiziği yakalama olasılığını göstermektir.
Özet (Çeviri)
Autoencoders have proven to be a powerful tool in machine learning. A succinct latent space representation provided by autoencoders can be used in numerous tasks. Together with recurrent neural networks, their use in spatio-temporal environments has shown promising results. Information-rich latent features make adequate preparation to utilize recurrent neural networks in a lightweight manner. In general, a great majority of such architectures have been investigated under the supervised learning setting. This thesis presents a comprehensive usage of autoencoders with recurrent neural networks and Kalman filters in an unsupervised manner with end-to-end stochasticity. In order to validate our technique, we benefited from a traffic scene dataset. Therefore, we run our experiments within the scope of autonomous driving. Our endeavor is to demonstrate the possibility of capturing underlying physics according to the changes in the given spatio-temporal environment with respect to the moments of displacement.
Benzer Tezler
- Çimentonun sertleşmesi üzerinde kimyasal komponentlerin etkisi
Başlık çevirisi yok
NACİYE TÜRKEL
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Ege bölgesi keçi liflerinin bazı önemli fiziksel, kimyasal özellikleri ve değerlendirme imkanları
Başlık çevirisi yok
NİLÜFER ERDEM
Doktora
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLSEREN YAZICIOĞLU
- Sanayi politikaları ve planlı dönemde imalat sanayine etkileri
Başlık çevirisi yok
AHMET CAFOĞLU
Yüksek Lisans
Türkçe
1986
EkonomiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. YALÇIN EROL
- Izgara ve altlık üstünde barındırılan ile de france X kıvırcık (Fl) ve merinos kuzularının entansif besideki performansları
Başlık çevirisi yok
ÜMRAN ŞAHAN
Yüksek Lisans
Türkçe
1987
Veteriner HekimliğiUludağ ÜniversitesiZootekni Ana Bilim Dalı
PROF. DR. ERDOĞAN TUNCEL