Adaptive network selection technique in cascaded convolutional neural networks
Kademeli evrişimli sinir ağlarında uyarlanabilir ağ seçimi tekniği
- Tez No: 812877
- Danışmanlar: DR. ÖĞR. ÜYESİ ERHAN GÖKÇAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Atılım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dinamik sinir ağı, derin öğrenmede önemli bir araştırma alanıdır. Sunulan tez, statik modellerin verimliliğini ve uyarlanabilirliğini artırmak için iki veya daha fazla sinir ağını artan derinlikte bağlamak için bir yönlendirici kullanan kademeli sinir ağına odaklanmaktadır. Bu tezde, kademeli derin sinir ağlarında ağ seçimi için parametresiz bir teknik önerdik. Bu teknik, sığ ağların da birçok örneği doğru bir şekilde sınıflandırabilmesi gerçeğinden yararlanarak, eğitim ve çıkarım için gereken hesaplama süresini azaltmayı amaçlamaktadır. Kademeli sinir ağı, softmax marjı ve klasik LeNet modelinin kısa bir açıklamasını takiben, yeni bir kademeli sinir ağı algoritması tanıtılmaktadır. Önerilen model; MNIST, EMNIST ve Fashion-MNIST veri kümelerinde etkinlik ve performans açısından LeNet ile karşılaştırılmaktadır. Sayısal sonuçlar, önerilen teknikle referans modelinin verimliliğinin büyük ölçüde arttığını ve doğruluktan ödün vermeden geliştirildiğini göstermektedir.
Özet (Çeviri)
Dynamic neural network is an important research area in deep learning. The presented thesis focuses on cascaded neural network which is a sub-topic of dynamic neural network, that utilizes a router for connecting two or more neural networks with increasing depth in order to enhance the efficiency and adaptiveness of static models. In this thesis, we proposed a parameter-free technique for network selection in cascaded deep neural networks in order to reduce the computational time required for training and inference by taking advantage of the fact that shallow networks are also able to correctly classify many samples. Following a brief explanation of the cascaded neural network, softmax margin, and classical LeNet model; a novel cascaded neural network algorithm is introduced. The proposed model is compared to LeNet in terms of efficiency and performance on MNIST, EMNIST, and Fashion-MNIST datasets with various networks utilized as small modules of the cascaded model. Numerical results demonstrated that the proposed technique greatly improves the efficiency of the benchmark model without sacrificing accuracy.
Benzer Tezler
- Visible light communication techniques for future generation underwater networks
Başlık çevirisi yok
MOHAMMED ELAMASSIE
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiÖzyeğin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Prof. Dr. MURAT UYSAL
- Öznitelik seçimi özellik bileşimine dayanan uyarlamalı sinirsel-bulanık çıkarım sistemi üzerinden ağ saldırılarının tespiti
Detection of network intrusions through an adaptive neuro-fuzzy inference system based on feature fusion of attribute selection
CİHAN ÇINAR
Yüksek Lisans
Türkçe
2025
Mühendislik BilimleriGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ALPER DOĞRU
- Web-tabanlı akıllı eğitimde uyarlanır içerik sunumu sisteminin Bayesian ağı yaklaşımı ile tasarımı ve gerçekleştirilmesi
Design and implementation of an adaptive content presentation system with Bayesian network approach in web based intelligent tutoring
ESER ÖZMERT BÜĞRÜ
Yüksek Lisans
Türkçe
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ÜNAL YARIMAĞAN
- A GA/Heuristic based hybrid technique for routing and wavelength assignment in WDM networks
WDM ağlarda yol ve dalgaboyu atama için bir genetik algoritma/sezgisel yöntem melez tekniği
ÇAĞATAY TALAY
Yüksek Lisans
İngilizce
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. SEMA AKTUĞ
- Kolektif makine öğrenmesi tabanlı ağ saldırı tespiti
Collective machine learning based network intrusion detection
ŞURA EMANET
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖNDER DEMİR
DR. ÖĞR. ÜYESİ GÖZDE KARATAŞ BAYDOĞMUŞ