Çok katmanlı yapay sinir ağlarında kullanılan matematiksel modeller üzerine bir araştırma
Yükleniyor...
Dosyalar
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Hatay Mustafa Kemal Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Çok katmanlı yapay sinir ağları sınıflandırma ve regresyon problemleri için kullanılan ve günümüzde yaygın olarak kabul görmüş bir yapay zeka teknolojisidir. Bu ağlar genel itibariyle başarılı sonuçlar vermekle birlikte derin öğrenme uygulamalarının temelini oluşturmaktadır. Bu tez Yapay Sinir Ağlarında çok katmanlı sinir ağlarının matematiksel anlamda incelenmesi ve çok katmanlı modellerde aktivasyon modellerinin incelenmesi hakkındadır. Bu tez çalışmasında Yapay sinir ağları ve tipleri hakkında literatür taraması yapılıp derin öğrenme ve makine öğrenmesi hakkında bilgi verilmiştir. Çalışmanın yöntem ve materyal bölümünde en sık kullanılan aktivasyon fonksiyonlarından Sigmoid ve ReLU fonksiyonları Phyton programı Pycharm IDE'sinde modeller kullanılarak karşılaştırılmıştır. Her iki yöntem birbiriyle kıyaslanmış olup performansları, avantajları ve dezavantajları ile ilgili problemi üzerinde değerlendirilmiştir. Kullanılan veri seti, Kaggle web sitesinde açık kaynak olarak bulunmaktadır. Massachusetts, Framingham kasabasında yaşayan bireylerde devam eden bir kardiyovasküler çalışma bilgilerini içermektedir. Veri seti içerisinde toplam 4238 kişinin 15 farklı özellik bilgileri yer almaktadır. Sonuç olarak; yapay sinir ağı ara katmanlarda önce Sigmoid, daha sonra ReLU fonksiyonu kullanılarak aynı veri seti ile eğitilmiştir. Eğitim sonucunda elde edilen tahmin sonuçlarına göre ReLU fonksiyonu daha başarılı bulunmuş olup, tez kapsamında yapılan araştırma ve çalışmaların sonuçları paylaşılırken önerilerde bulunulmuştur.
Multi-layered artificial neural networks are widely accepted artificial intelligence technology used for classification and regression problems. These networks generally provide successful results and form the basis of deep learning applications. This thesis is focused on the mathematical analysis of multi-layered neural networks and the examination of activation models in multi-layered models. In this thesis, a literature review was conducted on artificial neural networks and their types, and information was provided on deep learning and machine learning. The method and material section of the study compared the Sigmoid and ReLU functions, which are the most commonly used activation functions, using models in the Python program Pycharm IDE. Both methods were compared and evaluated in terms of their performance, advantages, and disadvantages. The dataset used in the study is available as an open source on the Kaggle website and includes information from a cardiovascular study of individuals living in the town of Framingham, Massachusetts, with a total of 4238 people and 15 different characteristic features. As a results, artificial plexus has been trained by using first Sigmoid in middile layers, and after that ReLU function with the same set of data. According to the results of the guesses acquired at the and of the training, ReLU function was found more successful, and whilst sharing the results of the studies and research conducted in the scope of this thesis, recommendations were made.
Multi-layered artificial neural networks are widely accepted artificial intelligence technology used for classification and regression problems. These networks generally provide successful results and form the basis of deep learning applications. This thesis is focused on the mathematical analysis of multi-layered neural networks and the examination of activation models in multi-layered models. In this thesis, a literature review was conducted on artificial neural networks and their types, and information was provided on deep learning and machine learning. The method and material section of the study compared the Sigmoid and ReLU functions, which are the most commonly used activation functions, using models in the Python program Pycharm IDE. Both methods were compared and evaluated in terms of their performance, advantages, and disadvantages. The dataset used in the study is available as an open source on the Kaggle website and includes information from a cardiovascular study of individuals living in the town of Framingham, Massachusetts, with a total of 4238 people and 15 different characteristic features. As a results, artificial plexus has been trained by using first Sigmoid in middile layers, and after that ReLU function with the same set of data. According to the results of the guesses acquired at the and of the training, ReLU function was found more successful, and whilst sharing the results of the studies and research conducted in the scope of this thesis, recommendations were made.
Açıklama
Anahtar Kelimeler
Matematik, Mathematics
