Non-linear neuron modeling using padé approximants with applications to single image super-resolution and image compression
Pade yaklaşımlarını kullanarak doğrusal olmayan nöron modelleme ile tek görüntü süper çözünürlük ve görüntü sıkıştırma uygulamaları
- Tez No: 941900
- Danışmanlar: PROF. DR. AHMET MURAT TEKALP
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 129
Özet
Yapay sinir ağlarının aşırı popülerlik kazanması oldukça yenidir. Ancak yapay sinir ağlarının yapı taşları olan perseptronlar seksen yıldan uzun süredir varlığını sürdürmektedir ve evrişim işlemi ağlarda otuz yıldan uzun süredir kullanılmaktadır. Sinir ağlarının popülerliği yalnızca uygulandıkları her problemi çözmedeki başarılarından değil, aynı zamanda belirli koşullar altında çözümlere kuramsal olarak güvenceli yakınsamalarından da kaynaklanmaktadır. Evrensel yaklaşım yasası, istenen herhangi bir doğrulukla gerekli herhangi bir eşleme için, yeterli gizli birimlere sahip olduğu sürece bunu başaran bir sinir ağı olduğunu söyler. Bu ifade bir varoluş yasasıdır; ağ hakkında hiçbir özellik belirtmez. Bu nedenle, araştırmacılar yasanın öngörülerini yerine getirmek için doğrusal olmayan yüzlerce etkinleştirme fonksiyonu geliştirmek ve daha gelişmiş nöron modelleri önermek gibi farklı izlemler geliştirmiştir. Bu tezde, Pade yaklaşıklık nöronu veya kısaca Paon adı verilen yeni, daha güçlü ve doğası gereği doğrusal olmayan bir nöron modeli öneriyoruz. Adından da anlaşılacağı gibi Paon, giriş özelliklerinin öğrenilen konumlarında oransal fonksiyon yaklaşımını hesaplamak için Pade yaklaşımını kullanır ve ağın gösterim ile öğrenme özgücüyle birlikte doğrusal olmayan gücünü ve alım alanını artırır. Dahası, oransal yaklaşımın olası tekillik sorunu için iki farklı çözümle gelen Paonlar, daha önce önerilen nöron modellerinin yerini alabilir ve çeşitli yapılandırmalarda uyarlanabilirlik sunan bir süper küme oluşturabilir. Tek görüntü süper çözünürlük ve görüntü sıkıştırma sorunları üzerindeki deneyler, Paonların değişken sayısı açısından eşit koşullarda karşılaştırıldığında rakiplerini geride bıraktığını ve doğrudan değiştirme ile katman sayısında azaltma gibi durumlar söz konusu olduğunda bile başarım artışı sağlayabildiğini göstermektedir.
Özet (Çeviri)
It is fairly recent for artificial neural networks to gain extreme popularity. However, the building blocks of artificial neural networks, the perceptrons, have been in existence for more than eight decades, and convolution operation has been used in networks for more than thirty years. The popularity of neural networks comes not only from their success in solving many problems they are applied to, but also from their theoretically guaranteed convergence to the solutions under certain conditions. The universal approximation theorem tells that for any required mapping with any desired accuracy, there is a neural network that achieves it, provided with sufficient hidden units. This statement is an existence theorem; it does not specify any feature about the network. Therefore, the research community developed different strategies to fulfill the predictions of the theorem such as developing hundreds of non-linear activation functions and proposing more advanced neuron models. In this thesis, we propose a novel, more powerful and inherently non-linear neuron model, called Padé approximant neuron, or Paon in short. As the name implies, Paon uses the Padé approximant to calculate the rational function approximation on the learned locations of the input features, increasing the representation and learning capacity of the network as well as its non-linear power and receptive field. Moreover, coming in two variants as solutions for the possible singularity problem of rational approximation, Paons are able to replace, and are a super set of, previously proposed neuron models, offering adaptability in various configurations. Experiments on the single image super-resolution and image compression problems demonstrate that Paons surpass their competitors when compared in equal conditions in terms of number of parameters, and are able to bring performance increase even when direct replacement and reduction in number of layers are the cases in point.
Benzer Tezler
- Ankara ili doğal gaz tüketiminin yapay sinir ağları ile öngörüsü
Prediction of natural gas consumption in Ankara region using artifical neural networks
BURAK TAŞKINER
Yüksek Lisans
Türkçe
2018
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK BARUTÇU
- Korteks davranışının vuru üreten hücre modeli ile incelenmesi
Analysis of cortex behavior by a spiking neuron model
YUSUF KUYUMCU
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. NESLİHAN SERAP ŞENGÖR
- Mezo ölçek sayısal hava tahmin model sonuçlarının farklı yöntemlerle ölçek küçültme ve iyileştirme analizi
Downscaling and enhancement of mesoscale weather forecast model results by using different methods
NUR GÖKTEPE
Yüksek Lisans
Türkçe
2017
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ŞÜKRAN SİBEL MENTEŞ
YRD. DOÇ. DR. BURAK BARUTÇU
- Finansal yatırım piyasalarında fiyat tahminleme: Kripto para piyasasında yapay sinir ağları uygulaması
Price prediction in financial investment markets: Application of artificial neural networks in cryptocurrency market
EREN ULUCAN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
PROF. DR. AYBEN KOY
- Yapay sinir ağlarının geoteknik mühendisliğinde kullanımı
The use of neural networks in geotechnical engineering
YEŞİM TUSKAN
Yüksek Lisans
Türkçe
2012
İnşaat MühendisliğiCelal Bayar Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF ERZİN