Yapay sinir ağlarının dalgacık dönüşümlü aktivasyon fonksiyonları ile iyileştirilmesi
Improvement of artificial neural networks with wavelet transform activation functions
- Tez No: 922398
- Danışmanlar: DOÇ. DR. MESUT KARABACAK
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Yapay sinir ağları, Dalga dönüşümlü aktivasyon fonksiyonları, Aktivasyon fonksiyonları, Artificial neural networks, Wave transform activation functions, Activation Functions
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Amaç: Bu çalışmada YSA nın çözümlerinde kullanılan standart aktivasyon fonksiyonlarını dalgacık dönüşümlü aktivasyon fonksiyonları ile değiştirerek sonuçlar üzerine bir karşılaştırma yapılması amaçlanmıştır. Yöntem: Bu çalışmada iki farklı örnek problem ele alınarak YSA ile çözümlemeleri yapılmıştır. Bu örneklerin ilk kısmında gizli katmanda standart bilinen aktivasyon fonksiyonları kullanılarak çözümlenmiştir. İkinci kısmında ise gizli katmanda kullanılan aktivasyon fonksiyonlarından ilkini dalgacık dönüşümlü aktivasyon fonksiyonları ile değiştirerek yeniden çözümleme yapılarak sonuçlar karşılaştırılmıştır. Dalgacık aktivasyon fonksiyonlarının avantajlı ve dezavantajlı durumları incelenmiştir. Bulgular: Çözümleme sonucunda elde edilen sonuçlar karşılaştırıldığında kullanılan aktivasyon fonksiyonlarının değişimi YSA üzerinde etkileri şöyledir. Dalgacık dönüşümlü aktivasyon fonksiyonları ile çözüm yapılması YSA nın yerel özellikleri yakalama konusunda daha duyarlı olduğunu göstermiştir. Karmaşık modeller ve veri setlerinde aktivasyon fonksiyonu olarak dalgacık dönüşümlü aktivasyon fonksiyonlarının kullanılması daha avantajlıdır. Sonuç: YSA modellerinde sinyal işleme, görüntü tanıma, hastalık veri analizi, kişisel öneri sistemleri, kişisel veri güvenlik sistemleri gibi karmaşık veri setleri üzerinde yapılacak çözümlemelerde dalgacık dönüşümlü aktivasyon fonksiyonlarının kullanılması daha hassas ve doğru sonuçlar elde etmemizi sağlar.
Özet (Çeviri)
Purpose: In this study, it is aimed to make a comparison on the results by replacing the standard activation functions used in ANN solutions with wavelet transformed activation functions. Method: In this study, two different sample problems were taken and analyzed with ANN. In the first part of these examples, they were solved using standard known activation functions in the hidden layer. In the second part, the results were compared by re-analysis by replacing the first of the activation functions used in the hidden layer with wavelet transform activation functions. Advantages and disadvantages of wavelet activation functions were examined. Findings: When the results obtained as a result of the analysis are compared, the effects of the changes in the activation functions used on the ANN are as follows. Solving with wavelet transformed activation functions showed that ANN is more sensitive in capturing local features. It is more advantageous to use wavelet transformed activation functions as activation functions in complex models and data sets. Results: Using wavelet transform activation functions in analysis of complex data sets such as signal processing, image recognition, disease data analysis, personal recommendation systems, personal data security systems in ANN models allows us to obtain more sensitive and accurate results.
Benzer Tezler
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Deep wavelet neural network for spatio-temporal data fusion
Uzamsal-zamansal veri füzyonu içinderin dalgacık sinir ağları
AJLA KULAGLIC
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Dalgacık dönüşümü kullanılarak hisse senedi fiyat tahmini üzerine bir uygulama
An application on stock price prediction with neural network by using wavelet transform
HASAN AYKUT KARABOĞA
Yüksek Lisans
Türkçe
2015
EkonometriYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. İBRAHİM DEMİR
- Self-supervised pansharpening: Guided colorization of panchromatic images using generative adversarial networks
Öz-denetimli pankeskinleştirme: Çekişmeli üretken ağlar ile pankromatik görüntülerin güdümlü renklendirilmesi
FURKAN ÖZÇELİK
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL
- Portfolio optimization with wavelet analysis and neural fuzzy networks
Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu
ÖMER ZEKİ GÜRSOY