Evrişimsel Sinir Ağlarında Kullanılan Transfer Öğrenme Yaklaşımlarının İncelenmesi (original) (raw)
Evrisimsel sinir aglari (ESA), yapay sinir aglarini tabanli derin ogrenme mimarileridir. Katman ve sinir hucresi sayisinin, yapay sinir agina gore fazlaligindan dolayi ESA egitiminin hesaplama maliyeti yuksek bir islemdir. Bunun yaninda probleme ozgu egitim kumesi her zaman olusturulamamaktadir. Siniflama basarisi kanitlanmis, buyuk ve kapsamli egitim veri setiyle egitilmis bir ESA’ nin katmanlarindan agirlik transferi yaygin kullanilan yontemdir. On egitim, ozellik cikarici vekismi ozellik cikarici yaklasim ESA ‘larda kullanilan transfer ogrenme yaklasimlaridir. Bu calismada Cifar, Caltech, Mnist veri kumeleri icin AlexNet’den transfer edilen agirliklarla ESA’lar icin siniflama basarilari incelenmistir. AlexNet, yeni veri kumelerinin siniflamasinda kullanmak icin onislemlere tabi tutularak farkli veri kumeleri icin yuksek siniflama basarisi gostermistir. Yeni veri kumesi siniflarinin, AlexNet’in egitim kumesi ile benzerligi arttikca siniflama basarisinin transfer ogrenmede arttigi ...
Sign up for access to the world's latest research.
checkGet notified about relevant papers
checkSave papers to use in your research
checkJoin the discussion with peers
checkTrack your impact
Loading Preview
Sorry, preview is currently unavailable. You can download the paper by clicking the button above.