View in EDS

FARKLI ÇAPRAZLAMA TEKNİKLERİ KULLANAN DAĞINIK ARAMA ALGORİTMASI İLE EVRİŞİMLİ SİNİR AĞLARINDA HİPER PARAMETRE OPTİMİZASYONU

Saved in:
Bibliographic Details
Title: FARKLI ÇAPRAZLAMA TEKNİKLERİ KULLANAN DAĞINIK ARAMA ALGORİTMASI İLE EVRİŞİMLİ SİNİR AĞLARINDA HİPER PARAMETRE OPTİMİZASYONU
Authors: Hediye Orhan, Dilara Sevim Polat, Hüseyin Haklı
Source: Volume: 27, Issue: 41437-1450
Kahramanmaras Sutcu Imam University Journal of Engineering Sciences
Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi
Publisher Information: Kahramanmaras Sutcu Imam University Journal of Engineering Sciences, 2024.
Publication Year: 2024
Subject Terms: optimizasyon, dağınık arama, derin öğrenme, hiper parametre, Derin Öğrenme, optimization, scatter search, deep learning, hyperparameter, Satisfiability and Optimisation, 02 engineering and technology, Reinforcement Learning, Query Processing and Optimisation, Sorgu İşleme ve Optimizasyon, 03 medical and health sciences, Deep Learning, 0302 clinical medicine, Takviyeli Öğrenme, 0202 electrical engineering, electronic engineering, information engineering, Memnuniyet ve Optimizasyon
Description: Günümüzde yapay zekâ uygulamaları hayatın her alanında kullanılmaktadır ve gün geçtikçe daha uygulanabilir öneriler ve sonuçlar sunar hale gelmiştir. Evrişimli Sinir Ağları (ESA), birçok gerçek dünya probleminde başarılı sonuçlar veren, son yıllarda etkili ve yoğun bir şekilde uygulanan yapay zekâ algoritmalarından biridir. ESA’lar genellikle görsel bilginin analiz edilmesinde kullanılmaktadır. Görsel bilgi, ESA’larda bulunan evrişim, aktivasyon, havuzlama ve tam bağlantılı katmanlardan geçirilerek analiz edilmektedir. ESA eğitiminde kullanılan veri setine ve karşılaşılan probleme göre çeşitli parametreler kullanılmaktadır. Bu çalışmada en yüksek doğruluk değerini veren hiper parametrelerin seçilebilmesi için ESA eğitiminde kullanılan parametreler ve ağ yapısının oluşturulmasında kullanılan katmanlar optimize edilmiştir. Hiper parametrelerden kanal sayısı, evrişimsel katman, minimum parti boyutu ve aktivasyon fonksiyonu için ayrık değerler, öğrenme oranı için sürekli değerler belirlenmiştir. Bu çalışmada hiper parametre optimizasyonunu gerçekleştirmek için Dağınık Arama (DA) ve Genetik Algoritmalar (GA) yöntemleri tercih edilmiştir. DA yöntemi, GA ile kıyaslandığında ESA'lar için uygun hiper parametre değerlerinin kolaylıkla belirlenmesini sağlamıştır ve daha yüksek doğruluk değeri elde edilmiştir. Çalışmada elde edilen en yüksek doğruluk değerleri GA yöntemi ile %88.76 iken DA yöntemi ile % 93.24’tür. Bu değer 16 kanal sayısı, 5 x 5 evrişimsel katman, 64 minimum parti boyutu, 0.0052 öğrenme oranı ve reluLayer aktivasyon fonksiyonu parametreleri ile elde edilmiştir.
Document Type: Article
File Description: application/pdf
ISSN: 1309-1751
DOI: 10.17780/ksujes.1490223
Access URL: https://dergipark.org.tr/tr/pub/ksujes/issue/88325/1490223
Accession Number: edsair.doi.dedup.....b59bcc9d977e9c5cba1dc1ab7c009d09
Database: OpenAIRE
Description
Abstract:Günümüzde yapay zekâ uygulamaları hayatın her alanında kullanılmaktadır ve gün geçtikçe daha uygulanabilir öneriler ve sonuçlar sunar hale gelmiştir. Evrişimli Sinir Ağları (ESA), birçok gerçek dünya probleminde başarılı sonuçlar veren, son yıllarda etkili ve yoğun bir şekilde uygulanan yapay zekâ algoritmalarından biridir. ESA’lar genellikle görsel bilginin analiz edilmesinde kullanılmaktadır. Görsel bilgi, ESA’larda bulunan evrişim, aktivasyon, havuzlama ve tam bağlantılı katmanlardan geçirilerek analiz edilmektedir. ESA eğitiminde kullanılan veri setine ve karşılaşılan probleme göre çeşitli parametreler kullanılmaktadır. Bu çalışmada en yüksek doğruluk değerini veren hiper parametrelerin seçilebilmesi için ESA eğitiminde kullanılan parametreler ve ağ yapısının oluşturulmasında kullanılan katmanlar optimize edilmiştir. Hiper parametrelerden kanal sayısı, evrişimsel katman, minimum parti boyutu ve aktivasyon fonksiyonu için ayrık değerler, öğrenme oranı için sürekli değerler belirlenmiştir. Bu çalışmada hiper parametre optimizasyonunu gerçekleştirmek için Dağınık Arama (DA) ve Genetik Algoritmalar (GA) yöntemleri tercih edilmiştir. DA yöntemi, GA ile kıyaslandığında ESA'lar için uygun hiper parametre değerlerinin kolaylıkla belirlenmesini sağlamıştır ve daha yüksek doğruluk değeri elde edilmiştir. Çalışmada elde edilen en yüksek doğruluk değerleri GA yöntemi ile %88.76 iken DA yöntemi ile % 93.24’tür. Bu değer 16 kanal sayısı, 5 x 5 evrişimsel katman, 64 minimum parti boyutu, 0.0052 öğrenme oranı ve reluLayer aktivasyon fonksiyonu parametreleri ile elde edilmiştir.
ISSN:13091751
DOI:10.17780/ksujes.1490223