Gelişmiş meta modelleme için yinelemeli denetimsiz öğrenme tabanlı özellik çıkarma
Iterative unsupervised learning-based feature extraction for enhanced meta-modeling
- Tez No: 938313
- Danışmanlar: PROF. DR. AYDIN ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Günümüzde denetimli öğrenme yöntemleri büyük başarılar elde etmesine rağmen, yeterli etiketli veriye erişimin sınırlı olduğu durumlarda model performansı ciddi şekilde etkilenmektedir. Bu durum, özellikle karmaşık veri yapılarında gizli kalıpların keşfedilmesini ve modelin genellenebilirliğini zorlaştırmaktadır. Bu tezde, bu probleme çözüm olarak, etiketlenmemiş verilerin bilgi potansiyelinden yararlanarak model doğruluğunu artırmayı amaçlayan yeni bir denetimsiz özellik çıkarım yaklaşımı sunulmaktadır. Önerilen yöntemde, değişken küme parametresine sahip denetimsiz öğrenme algoritmaları kullanılarak veri kümesi üzerinde farklı küme yapılandırmaları keşfedilmekte ve bu süreçten elde edilen çıktıların modele yeni özellikler olarak eklenmesi sağlanmaktadır. Bu yinelemeli entegrasyon, modelin başarımı belirli bir yakınsama noktasına ulaşana kadar sürdürülmekte ve her döngüde model yeniden eğitilmektedir. Yinelemeli özellik çıkarma tabanlı optimizasyon, hem veri içindeki gizli yapıları ortaya çıkarmakta hem de denetimsiz öğrenmenin model iyileştirmede aktif rol almasını sağlamaktadır. Diyabet ve Wisconsin Meme Kanseri Tespit veri setleri üzerinde gerçekleştirilen deneyler, önerilen yöntemin model doğruluğunu anlamlı düzeyde artırdığını ve farklı veri setlerine karşı yüksek uyarlanabilirlik gösterdiğini ortaya koymuştur. Bu tez, önerilen yaklaşımın yalnızca teorik olarak değil, aynı zamanda pratik uygulamalarda da etkili sonuçlar verdiğini ortaya koymakta; denetimsiz öğrenme alanında eğitim sonrası model optimizasyonuna yönelik yeni bir bakış açısı sunmaktadır.
Özet (Çeviri)
Although supervised learning methods have achieved significant success in recent years, the performance of such models can be severely limited in scenarios where access to labeled data is insufficient. This limitation poses challenges especially in identifying hidden patterns within complex data structures and in enhancing the generalizability of models. In response to this problem, this thesis proposes a novel unsupervised feature extraction approach that leverages the latent information in unlabeled data to improve model accuracy. The proposed method employs unsupervised learning algorithms with a variable clustering parameter to explore diverse cluster structures within the dataset. The resulting cluster outputs are iteratively added to the model as new features. This iterative integration continues until the model's performance reaches a convergence point, with the model being retrained at each cycle. The optimization process based on iterative feature extraction not only reveals latent structures in the data but also enables unsupervised learning to play an active role in model enhancement. The effectiveness of the proposed approach is demonstrated on the Diabetes and Wisconsin Breast Cancer Detection datasets, where empirical results show a significant improvement in model accuracy and high adaptability across different datasets. This thesis highlights that the proposed method provides not only theoretical contributions but also practical value, and offers a new perspective for post-training model optimization within the scope of unsupervised learning.
Benzer Tezler
- Exploring design based learning activities in 2nd grade science classrooms
2. sınıf bilim sınıflarında tasarım tabanlı öğrenme aktivitelerinin keşfedilmesi
ÖZLEM YAPRAK BOSTANCI
Yüksek Lisans
İngilizce
2024
Eğitim ve ÖğretimOrta Doğu Teknik ÜniversitesiEğitim Programları ve Öğretimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ELİF ÖZTÜRK
- Metaheuristic algorithms to enhance artificial neural network for medical data classification
Tıbbi veri sınıflandırması için yapay sinir ağını geliştirmek için meta-heuristik algoritmalar
IHSAN SALMAN JASIM AL GBURI
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiPROF. DR. OSMAN NURİ UÇAN
DOÇ. DR. KHALİD SHAKER
- Analysing the efficacy of feature elimination and adaptive sampling in meta-model based exploration of agent-based simulation models
Etmen-tabanlı benzetim modellerinin meta-modelleme yoluyla incelenmesinde değişkenseçimi ve uyarlanabilir örnekleme yöntemlerinin fayda analizi
ECEMNAZ YILDIZ
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖNENÇ YÜCEL
- STL ayrıştırması ile bileşen bazlı hisse senedi fiyat tahmini: Meta öğrenme tabanlı topluluk modeli
Component based stock price predicton with STL decomposition: A meta-learning based ensemble model
ONUR GÜNER
- Optimizing photovoltaic system diagnostics: integrating machine learning and DBFLA for advanced fault detection and classification
Fotovoltaik sistem tanılarının optimizasyonu: gelişmiş arıza tespiti ve sınıflandırma için makine öğrenimini ve DBFLA'yı entegre etme
OMAR MOHAMMED NSAIF AL-QARAGHULI
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIM
