Yazar "Kaytan, Mustafa" seçeneğine göre listele
Listeleniyor 1 - 3 / 3
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Derin sinir ağları başarı performanslarının özgün yöntemlerle geliştirilmesi(İnönü Üniversitesi, 2024) Kaytan, Mustafa; Yeroğlu, Celaleddı?n; Aydı?lek, İbrahı?m BerkanYapay Sinir Ağları (YSA)'nın eğitilmesinde ağırlık değerlerinin güncellenmesi ve iyileştirilmesi, güncel bilimsel literatürde ele alınan önemli konulardan biridir. Ağırlık değerlerinin iyileştirilmesinde sinir ağının öğrenme başarısı eğitim yöntemine ve öğrenme sürecine bağlıdır. Bu tez çalışmasında, derin sinir ağları başarı performansı üç farklı yöntemle geliştirilerek sonuçları irdelenmiştir. Birinci uygulamada biyolojik sinir ağlarının çalışma mantığından esinlenerek oluşturulan YSA'ların farklı yöntemlerle nasıl iyileştirildikleri araştırılmıştır. Yapılan literatür taraması ve kıyaslamalarında YSA'ların meta sezgisel, hibrit ve özel yöntemlerle optimize edilebildikleri görülmüştür. Önerilen ilk uygulamada, YSA'ları iyileştirmek için istatistiksel veya deneysel yöntemler uygulanmıştır. YSA'ların yığın boyutu, eğitim tur sayısı, öğrenme oranı, momentum, ağırlık başlatma, nöron aktivasyon fonksiyonu, gizli katmandaki nöron sayısı kullanılarak 5 deney yapılmış ve sinir ağı başarımının kıyaslanan çalışmalara göre iyileştiği gösterilmiştir. İkinci uygulamada ise literatürde daha önce önerilen Aktivasyon Fonksiyon (AF)'larının avantajlı yönlerinden faydalanılarak geliştirilen ve Sigmoid-Gumbel (SG) olarak adlandırılan yeni bir hibrit AF önerilmiştir. SG'nin başarımını ölçmek için 4 deney yapılmıştır. Deneylerde SG'nin karşılaştırılması amacıyla Sigmoid, Gumbel, ReLU ve Adaptive Gumbel fonksiyonları iki ağ modeline uygulanmıştır. Bu ağ modellerinden ÇKA ikili sınıflandırma sınıf dengesizliği probleminde, ESA ise görüntü sınıflandırma problemine uygulanmıştır. Deney sonuçlarına göre önerilen SG'nin başarım oranının kıyaslanan AF'lere göre daha iyileştiği gösterilmiştir. Üçüncü çalışmada ise Gish adlı yeni bir AF önerilmiştir. Çeşitli derin öğrenme modellerinde başarılı sonuçlar elde etmek için Swish, Mish, Logish ve Smish gibi monotonik olmayan AF'lerin kullanıldığı bilinmektedir. Gish'in performansını değerlendirmek için farklı ağ modelleri ve veri kümeleri üzerinde çeşitli deneyler yapılmıştır. Elde edilen performansların Swish, Mish, Logish ve Smish'ten daha yüksek olduğu deneysel olarak gösterilmiştir.Öğe Sigmoid-Gumbel: Yeni Bir Hibrit Aktivasyon Fonksiyonu(2022) Kaytan, Mustafa; Aydilek, İbrahim Berkan; Yeroğlu, Celaladdin; Karcı, AliBu makalede daha önce sunulan aktivasyon fonksiyonlarının olumlu yanlarını birleştiren ve onlardan daha iyi başarım sağlayan ve Sigmoid-Gumbel (SG) olarak adlandırılan yeni bir hibrit aktivasyon fonksiyonu önerilmiştir. Önerilen fonksiyonun başarımını değerlendirmek için dört uygulama yapılmıştır. Yapılan uygulamalarda karşılaştırma fonksiyonları olarak Sigmoid, Gumbel, ReLU ve Adaptive Gumbel fonksiyonları kullanılmıştır. Uygulamalarda MLP ve CNN sinir ağı modelleri kullanılmıştır. MLP ağı derin öğrenmede ikili sınıflandırma sınıf dengesizliği problemi için kullanılmıştır. CNN ağı ise derin öğrenmede görüntü sınıflandırma uygulamaları yapmak üzere tercih edilmiştir. Birinci uygulamada, önerilen fonksiyonun etkinliğini göstermek için MLP ağında 25 dengesiz veri kümesi kullanılmıştır. En yüksek AUC ortalamasını 0.9013 değeri ile SG elde etmiştir. İkinci uygulamada, önerilen fonksiyon CNN ağında MNIST veri kümesi kullanılarak Sigmoid ve Gumbel fonksiyonlarıyla karşılaştırılmıştır. En yüksek ortalama doğruluk değerini 0.9921 ile SG elde etmiştir. Üçüncü uygulamada, önerilen fonksiyonun üç farklı versiyonu karşılaştırılmıştır. Bunun için Fashion-MNIST veri kümesi CNN ağı üzerinde denenmiştir. En yüksek doğruluğu 0.9351 ortalama değeri ile SGv3 elde etmiştir. Dördüncü uygulamada, önerilen fonksiyon CNN ağında MNIST veri kümesi kullanılarak ReLU ve Adaptive Gumbel fonksiyonlarıyla karşılaştırılmıştır. En yüksek başarım 0.9926 değeri ile SG tarafından elde edilmiştir. Yapılan deney sonuçlarına bakıldığında önerilen aktivasyon fonksiyonunun genel olarak daha başarılı olduğu görülmektedir.Öğe Web tabanlı oltalama saldırılarının makine öğrenmesi yöntemleri ile tespiti(İnönü Üniversitesi, 2016) Kaytan, MustafaBu tez çalışmasında öncelikle bilgi güvenliğine yönelik tehditler açıklanmış; bu tehditlere karşı savunma yöntemleri ve öneriler sunulmuştur. Oltalama web sitelerinin tespit edilmesine yönelik olarak iki uygulama gerçekleştirilmiştir. Birinci uygulamada Yapay Sinir Ağı modeli ile oltalama web sitelerinin tespit edilmesine yönelik sınıflandırma uygulaması gerçekleştirilmiştir. Bu uygulama ile oluşturulan ağlara 5-li çapraz geçerlilik testi uygulanmıştır. Ortalama sınıflandırma doğruluğu %90,61, en yüksek sınıflandırma doğruluğu ise %92,45 olarak ölçülmüştür. İkinci uygulamada ise Aşırı Öğrenme Makinesi modeli ile oltalama web sitelerinin tespit edilmesine yönelik sınıflandırma uygulaması gerçekleştirilmiştir. Bu uygulamada 10-lu çapraz geçerlilik testi uygulanmıştır. Ortalama sınıflandırma doğruluğu %95,05, en yüksek sınıflandırma doğruluğu ise %95,93 olarak ölçülmüştür.
