Evrişimsel Sinir Ağlarında Kullanılan Transfer Öğrenme Yaklaşımlarının İncelenmesi

Authors : Kazım FIRILDAK, Muhammed Fatih TALU

Pages : 88-95

View : 7 | Download : 5

Publication Date : 2019-12-01

Article Type : Review Paper

Abstract :Evrişimsel sinir ağları insert ignore into journalissuearticles values(ESA);, yapay sinir ağlarını tabanlı derin öğrenme mimarileridir. Katman ve sinir hücresi sayısının, yapay sinir ağına göre fazlalığından dolayı ESA eğitiminin hesaplama maliyeti yüksek bir işlemdir. Bunun yanında probleme özgü eğitim kümesi her zaman oluşturulamamaktadır. Sınıflama başarısı kanıtlanmış, büyük ve kapsamlı eğitim veri setiyle eğitilmiş bir ESA’ nın katmanlarından ağırlık transferi yaygın kullanılan yöntemdir. Ön eğitim, özellik çıkarıcı vekısmi özellik çıkarıcı yaklaşım ESA ‘larda kullanılan transfer öğrenme yaklaşımlarıdır. Bu çalışmada Cifar, Caltech, Mnist veri kümeleri için AlexNet’den transfer edilen ağırlıklarla ESA’lar için sınıflama başarıları incelenmiştir. AlexNet, yeni veri kümelerinin sınıflamasında kullanmak için önişlemlere tabi tutularak farklı veri kümeleri için yüksek sınıflama başarısı göstermiştir. Yeni veri kümesi sınıflarının, AlexNet’in eğitim kümesi ile benzerliği arttıkça sınıflama başarısının transfer öğrenmede arttığı gözlemlenmiştir. Bunun yanında kaynak ESA’nın eğitim veri kümesi, hedef veri kümesine olan benzerliği sınıflama doğruluğunu artırmaktadır. Transfer öğrenme ile ESA’nın farklı veri kümeleri için %80-%90 ortalama sınıflama başarısına ulaştığı da makalede sunulmaktadır.
Keywords : Derin öğrenme, Transfer öğrenme, , Evrişimsel sinir ağlarında transfer öğrenme