Cellular automata integrated with deep learning methods for feature extraction
Derin öğrenme yöntemleriyle birleştirilmiş hücresel otomatlarla öznitelik oluşturma
- Tez No: 865619
- Danışmanlar: PROF. DR. EMİN ERKAN KORKMAZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Hücresel otomasyon, Öznitelik, Cellular automata, Feature extraction
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Yeditepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay sinir ağları ve derin öğrenme modelleri, verilen girdi için bir tahmin yapabilen ve bunun için girdiyi temsil eden gömme ve öznitelikler öğrenen yöntemlerdir. Görüntü alanında, en yaygın öznitelik çıkarma yaklaşımı, Evrişimsel Sinir Ağları (ESA) tarafından kullanılan evrişimsel filtrelerdir. Ancak ESA yöntemi bu filtreleri öğrenmek için, etiketli veriye ihtiyaç duyan, bütün veri kümesi üzerinden defalarca geçen ve bu yüzden de hesaplama açısından oldukça maliyetli olan bir eğitim işlemi gerçekleştirir. Bu tezde evrişimsel filtreleri oluşturmak için, ESA'ların aksine etiketli veriye ya da veri kümesine defalarca erişmeye gerek duymayan Hücresel Otomata tabanlı gözetimsiz bir yaklaşım önerilmektedir. Önerilen yaklaşım sayesinde, ESA'larla benzer tahmin başarısı gösteren evrişimsel filtreler çok daha az işlem yükü ile oluşturabilmektedir. Önerilen yöntemin başarısı, görüntü sınıflandırma problemindeki farklı veri kümelerine uygulanarak test edilmiştir. Elde edilen sonuçlar, önerilen yöntemin tahmin başarısı ve işlem yükü açısından ESA'larla rekabetçi filtreler oluşturabildiğini göstermektedir. Ayrıca bu filtreler, iki farklı şekilde ESA ile entegre edilerek ESA'nın tahmin başarısı geliştirilmiştir.
Özet (Çeviri)
Neural networks and deep learning methods use feature extraction strategies to create embeddings and feature maps representing an input, which can be a word, signal, or image according to the problem domain. The most common feature extraction methodology in the image domain is convolutional filters, which are employed by Convolutional Neural Networks (CNN). However, a CNN learns those filters with a computationally expensive training process that requires several passes over the entire training dataset and the data utilized needs to be labeled. This thesis proposes an unsupervised Cellular Automata (CA) based framework to create the convolutional filters that extract features. The proposed framework accesses each data instance only twice, regardless of the number of layers in the model, and it requires no epoch-based training operation, unlike CNNs. Thus, the computational burden is significantly reduced compared to CNNs. Also, the model can enhance CNNs in terms of time and accuracy by initializing the parameters of CNN or by preprocessing the raw data. The proposed methodology is tested on different datasets in the image classification domain, and it obtains competitive results compared to CNNs regarding prediction success and computational complexity. Also, the results show that the performance of the CNN model can be improved by using the filters created by the proposed methodology.
Benzer Tezler
- Uzaktan algılama ve derin öğrenme teknikleri ile kentsel büyüme tahmini
Urban growth prediction using remote sensing and deep learning techniques
SAİD ABDURRAHMAN KOYUNOĞLU
Yüksek Lisans
Türkçe
2025
MimarlıkMimar Sinan Güzel Sanatlar ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. SEHER BAŞLIK
- Development of a Micro-fabrication process simulator for Micro-Electro-Mechanical Systems (MEMS)
Mikro-Elektro-Mekanik-Sistemler için bir Mikro-üretim simülatörünün geliştirilmesi
ALPER YILDIRIM
Yüksek Lisans
İngilizce
2005
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MELİK DÖLEN
- Design and implementation of a novel physically unclonable function with a new cellular automata model
Yeni bir hücesel otomat modeli kullanarak özgün bir fiziksel klonlanamayan fonksiyonun tasarımı ve gerçeklemesi
EMRE GÖNCÜ
Doktora
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
- Hafızalı hücresel otomat sayısal tasarımı
Digital design of cellular automata with memory
EMRE GÖNCÜ
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜŞTAK ERHAN YALÇIN
- Mimarlıkta sürdürülebilir cephe tasarımı üzerine bir metodoloji: Hücresel özdevinim, çevresel performans ve atık malzeme kullanımının bütünleştirilmesi
A methodology for sustainable facade design in architecture: Integration of cellular automata, environmental performance and waste material utilization
KAAN BÜYÜKMIHCI
Yüksek Lisans
İngilizce
2025
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
DOÇ. DR. SEVİL YAZICI