{"id":1000,"date":"2023-03-20T13:25:07","date_gmt":"2023-03-20T10:25:07","guid":{"rendered":"https:\/\/legendhomework.com\/tr\/?p=1000"},"modified":"2023-03-20T13:25:07","modified_gmt":"2023-03-20T10:25:07","slug":"aglar-agi-multimedya-bolumu-multimedya-bolumu-odevleri-multimedya-bolumu-tez-yaptirma-multimedya-bolumu-odev-ucretleri","status":"publish","type":"post","link":"https:\/\/legendhomework.com\/tr\/aglar-agi-multimedya-bolumu-multimedya-bolumu-odevleri-multimedya-bolumu-tez-yaptirma-multimedya-bolumu-odev-ucretleri\/","title":{"rendered":"\u00a0A\u011flar A\u011f\u0131 \u2013 Multimedya B\u00f6l\u00fcm\u00fc \u2013 Multimedya B\u00f6l\u00fcm\u00fc \u00d6devleri \u2013 Multimedya B\u00f6l\u00fcm\u00fc Tez Yapt\u0131rma \u2013Multimedya B\u00f6l\u00fcm\u00fc \u00d6dev \u00dccretleri"},"content":{"rendered":"

\u00a0A\u011flar A\u011f\u0131<\/span><\/strong><\/h3>\n

Bir a\u011f a\u011f\u0131 (NoN), hiyerar\u015fik bellek ve \u00f6\u011frenme g\u00f6revleri yapabilen i\u00e7 i\u00e7e ge\u00e7mi\u015f n\u00f6ron k\u00fcmelerinden olu\u015fan \u00e7ok d\u00fczeyli bir sinir a\u011f\u0131d\u0131r. Mimari, fraktal benzeri bir yap\u0131ya sahiptir, \u00e7\u00fcnk\u00fc her bir organizasyon seviyesi birbirine ba\u011fl\u0131 n\u00f6ral k\u00fcme d\u00fczenlemelerinden olu\u015fur.<\/span><\/p>\n

Modeldeki bireysel \u00f6\u011feler s\u0131f\u0131r d\u00fczeyinde k\u00fcme organizasyonu olu\u015fturur. Belirli ba\u011flant\u0131 t\u00fcrleri arac\u0131l\u0131\u011f\u0131yla \u00f6\u011feler aras\u0131ndaki yerel gruplamalar, birinci d\u00fczey k\u00fcmeler \u00fcretir. Di\u011fer ba\u011flant\u0131lar, birinci d\u00fczey k\u00fcmeleri ikinci d\u00fczey k\u00fcmeler olu\u015fturmak \u00fczere birbirine ba\u011flarken, ikinci d\u00fczey k\u00fcmelerin birle\u015fmesi \u00fc\u00e7\u00fcnc\u00fc d\u00fczey k\u00fcmeler verir ve bu b\u00f6yle devam eder.<\/span><\/p>\n

Tipik bir NoN, \u015fematik olarak g\u00f6sterilmi\u015ftir. NoN’nin yap\u0131s\u0131, onu b\u00fcy\u00fck paralel i\u015fleme ve hiyerar\u015fik bir arama motoru i\u00e7in do\u011fal bir se\u00e7im haline getirir.<\/span><\/p>\n

NoN’nin e\u011fitimi \u00e7ok esnektir. Ortalama alan teorisi ve Hebbian \u00f6\u011frenme algoritmalar\u0131, NoN’de ilk kullan\u0131lanlar aras\u0131ndayd\u0131.<\/span><\/p>\n

Son zamanlarda EP’nin uyarlanabilir b\u00f6l\u00fcmleme\/g\u00f6r\u00fcnt\u00fc d\u00fczenlile\u015ftirme ba\u011flam\u0131nda NoN’deki k\u00fcmeleri ke\u015ffetmesi \u00f6nerildi. \u0130lk olarak, potansiyel i\u015fleme stratejilerinin bir pop\u00fclasyonu olu\u015fturulur ve a\u015fa\u011f\u0131daki a\u011f\u0131rl\u0131kl\u0131 olas\u0131l\u0131k yo\u011funluk hata \u00f6l\u00e7\u00fcs\u00fc olarak tan\u0131mlanan veri kalitesinin bir k-pdf hata \u00f6l\u00e7\u00fcs\u00fc Epkdf alt\u0131nda rekabet etmesine izin verilir.<\/span><\/p>\n

k de\u011fi\u015fkeninin tan\u0131mland\u0131\u011f\u0131 yerde, E, veri k\u00fcmesindeki her bir \u00f6\u011fenin \u00f6ng\u00f6r\u00fclen bir kom\u015fu alt k\u00fcmeyle ili\u015fkisini karakterize eden bir fakt\u00f6rd\u00fcr, pk(k), i\u015flenecek veri k\u00fcmesi i\u00e7indeki k’nin olas\u0131l\u0131k yo\u011funluk fonksiyonudur, pkm(k) karakterize eder belirli istenen \u00f6zelliklere sahip bir model veri setinin yo\u011funluk fonksiyonu ve w(k), tan\u0131mlanan a\u011f\u0131rl\u0131kland\u0131rma katsay\u0131s\u0131d\u0131r.<\/span><\/p>\n

Kuyruk b\u00f6lgesinin toplam olas\u0131l\u0131\u011fa genellikle daha k\u00fc\u00e7\u00fck olan katk\u0131s\u0131n\u0131 telafi etmek i\u00e7in. G\u00f6r\u00fcnt\u00fc i\u015fleme ba\u011flam\u0131nda, k\u00fc\u00e7\u00fck bir k’nin d\u00fczg\u00fcn bir g\u00f6r\u00fcnt\u00fc b\u00f6lgesini, orta bir k’nin bir veya iki bask\u0131n kenar\u0131 olan bir alan\u0131 ve b\u00fcy\u00fck bir k’nin bir doku alan\u0131n\u0131 temsil etti\u011fi g\u00f6sterildi.<\/span><\/p>\n

Yerel veri standart sapmas\u0131 \u03c3’n\u0131n azalan bir sigmoid fonksiyonu olan a\u015fa\u011f\u0131daki d\u00fczenlile\u015ftirme parametre atama fonksiyonu \u03bb(\u03c3 ) a\u00e7\u0131s\u0131ndan k\u00fcmeleri tan\u0131mlamak i\u00e7in optimizasyon yap\u0131l\u0131r.<\/span><\/p>\n

\u03bbmin ve \u03bbmax kullan\u0131lan minimum ve maksimum d\u00fczenlile\u015ftirme parametreleri oldu\u011funda, \u03b1 sigmoidal fonksiyonun orijinden sapmas\u0131n\u0131 temsil eder ve \u03b2 fonksiyonun dikli\u011fini kontrol eder.<\/span><\/p>\n

Yerel d\u00fczenlile\u015ftirme parametrelerinin atanmas\u0131n\u0131n yan\u0131 s\u0131ra, benzer ili\u015fkili \u03bb de\u011ferlerine sahip g\u00f6r\u00fcnt\u00fc piksellerini tek bir k\u00fcme olarak tan\u0131mlarsak, bu i\u015flev dolayl\u0131 olarak b\u00f6l\u00fctleme sa\u011flar. Bunlar\u0131 ilgili strateji parametreleri \u03c3\u03bbmin , \u03c3\u03bbmax , \u03c3\u03b1 , \u03c3\u03b2 ile sekiz demet halinde birle\u015ftirerek, a\u015fa\u011f\u0131daki d\u00fczenlile\u015ftirme stratejisi Sp’i pop\u00fclasyondaki pth potansiyel optimize edici olarak tan\u0131mlar\u0131z.<\/span><\/p>\n

Birinci nesilde \u03bc Sp \u00f6rneklerinden olu\u015fan bir P pop\u00fclasyonu olu\u015fturuyoruz ve \u03bc torunlar\u0131 olu\u015fturmak i\u00e7in bu \u03bc ebeveynlerin her birine mutasyon i\u015flemini uyguluyoruz. Bu ve sonraki nesillerde, potansiyel optimize ediciler, ortaya \u00e7\u0131kan kazananlar\u0131n bir sonraki nesilde yeni pop\u00fclasyona dahil edildi\u011fi bir rekabet s\u00fcrecinden ge\u00e7er.<\/span><\/p>\n

\n

Bilgisayar a\u011f\u0131<\/span>
\nBilgisayar a\u011f\u0131 Nedir<\/span>
\nBilgisayar a\u011flar\u0131<\/a> Nelerdir<\/span>
\nBilgisayar a\u011flar\u0131 nerelerde kullan\u0131l\u0131r<\/span>
\nA\u011f Nedir<\/span>
\nMetropol Alan A\u011f\u0131<\/span>
\nYerel a\u011f Nedir<\/span>
\nBilgisayar a\u011flar\u0131n\u0131n g\u00f6revi<\/span><\/p>\n

\n

Do\u011frusal F\u00fczyon A\u011flar\u0131 Olarak Bulan\u0131k Sinir A\u011flar\u0131<\/span><\/strong><\/h3>\n

Bir\u00e7ok multimedya uygulamas\u0131nda, \u00e7e\u015fitli sens\u00f6rlerden gelen bilgilerin yanal olarak birle\u015ftirilerek geli\u015fmi\u015f s\u0131n\u0131fland\u0131rma elde edildi\u011fi \u00e7ok y\u00f6nl\u00fc bir multimedya f\u00fczyon alt sistemine sahip olmak yararl\u0131d\u0131r.<\/span><\/p>\n

Sinir a\u011flar\u0131, sens\u00f6r veya medya f\u00fczyonu i\u00e7in do\u011fal bir \u00e7\u00f6z\u00fcm sunar. Bunun nedeni, altta yatan modeller veya sens\u00f6r g\u00fcr\u00fclt\u00fcleri hakk\u0131nda tam bilgi yoklu\u011funda do\u011frusal ve parametrik olmayan tahmin yapabilme yetenekleridir.<\/span><\/p>\n

Birka\u00e7 s\u0131n\u0131fland\u0131r\u0131c\u0131n\u0131n s\u0131n\u0131fland\u0131rma g\u00fcc\u00fcn\u00fc birle\u015ftirme sorunu, \u00e7e\u015fitli uygulamalar i\u00e7in b\u00fcy\u00fck \u00f6nem ta\u015f\u0131maktad\u0131r. \u0130lk olarak, birka\u00e7 tan\u0131ma problemi i\u00e7in, kal\u0131plar\u0131 temsil etmek ve tan\u0131mak i\u00e7in \u00e7ok say\u0131da ortam t\u00fcr\u00fc kullan\u0131labilir.<\/span><\/p>\n

Ek olarak, y\u00fcksek boyutlu \u00f6zellik verileriyle ilgilenen uygulamalar i\u00e7in, \u00f6zellik vekt\u00f6r\u00fcn\u00fc son bir karar i\u00e7in entegre etmeden \u00f6nce (yani, b\u00f6l ve fethet) birka\u00e7 d\u00fc\u015f\u00fck boyutlu vekt\u00f6re b\u00f6lmek mant\u0131kl\u0131d\u0131r.<\/span><\/p>\n

Mevcut bilgi birle\u015ftirme modellerinin \u00e7o\u011fu, baz\u0131 uygun g\u00fcven parametreleriyle a\u011f\u0131rl\u0131kland\u0131r\u0131lm\u0131\u015f \u00e7\u0131kt\u0131lar\u0131n do\u011frusal bir kombinasyonuna dayanmaktad\u0131r.<\/span><\/p>\n

Bu, b\u00fcy\u00fck \u00f6l\u00e7\u00fcde a\u015fa\u011f\u0131daki istatistiksel ve hesaplamal\u0131 nedenlerle motive edilir:<\/span><\/strong><\/p>\n

\u2022 Pop\u00fcler Bayes form\u00fclasyonunu kullanabilir.<\/span>
\n\u2022 G\u00fcven parametrelerinin EM e\u011fitiminin benimsenmesini kolayla\u015ft\u0131rabilir.<\/span><\/p>\n

Kanal F\u00fczyonu<\/span><\/strong><\/h3>\n

Farkl\u0131 medya kaynaklar\u0131ndan gelen bilgilerle ba\u015fa \u00e7\u0131kmak i\u00e7in iki kanal f\u00fczyon modeli \u00f6nerildi: s\u0131n\u0131fa ba\u011fl\u0131 kanal f\u00fczyonu ve veriye ba\u011fl\u0131 kanal f\u00fczyonu.<\/span><\/p>\n

\u2022 S\u0131n\u0131fa ba\u011fl\u0131 kanal f\u00fczyon \u015femas\u0131, her sens\u00f6r kanal\u0131 i\u00e7in bir PDBNN konu\u015fland\u0131r\u0131r. Her PDBNN, kar\u015f\u0131l\u0131k gelen sens\u00f6r\u00fcnden yaln\u0131zca kal\u0131plar\u0131 al\u0131r. S\u0131n\u0131f ve kanal ko\u015fullu olas\u0131l\u0131k yo\u011funluklar\u0131 (p(x|\u03c9i , Cj )) tahmin edilir.<\/span><\/p>\n

Farkl\u0131 kanallardan gelen \u00e7\u0131kt\u0131lar, a\u011f\u0131rl\u0131kl\u0131 toplam tarz\u0131nda birle\u015ftirilir. A\u011f\u0131rl\u0131kland\u0131rma parametreleri, P (Cj |\u03c9i), nesne s\u0131n\u0131f\u0131 \u03c9i i\u00e7in do\u011fru cevab\u0131 \u00fcreten kanal\u0131n Cj g\u00fcvenini temsil eder. P (Cj |\u03c9i ) EM algoritmas\u0131 taraf\u0131ndan e\u011fitilebilir; bundan sonra de\u011feri tan\u0131mlama i\u015flemi s\u0131ras\u0131nda sabitlenir (HME’deki a\u011f\u0131rl\u0131kland\u0131rma parametrelerinin de\u011ferlerinin giri\u015f modelinin i\u015flevleri oldu\u011funu hat\u0131rlay\u0131n).<\/span><\/p>\n

S\u0131n\u0131fa ba\u011fl\u0131 kanal f\u00fczyon \u015femas\u0131n\u0131n yap\u0131s\u0131n\u0131 g\u00f6sterir. S\u0131n\u0131fa ba\u011fl\u0131 kanal f\u00fczyon \u015femas\u0131, veri da\u011f\u0131t\u0131m\u0131n\u0131 \u00e7e\u015fitli sens\u00f6r kanallar\u0131ndan gelen olas\u0131l\u0131k yo\u011funluklar\u0131n\u0131n kar\u0131\u015f\u0131m\u0131 olarak kabul eder.<\/span><\/p>\n

Bu basitle\u015ftirilmi\u015f bir yo\u011funluk modelidir. \u00d6zellik boyutu \u00e7ok b\u00fcy\u00fckse ve e\u011fitim \u00f6rneklerinin say\u0131s\u0131 nispeten azsa, do\u011frudan tahmin yakla\u015f\u0131mlar\u0131, boyutsall\u0131k laneti nedeniyle pek iyi performans elde edemez. Bu t\u00fcr bir problem i\u00e7in, s\u0131n\u0131fa ba\u011fl\u0131 f\u00fczyon \u015femas\u0131 parametre say\u0131s\u0131n\u0131 b\u00fcy\u00fck \u00f6l\u00e7\u00fcde azaltt\u0131\u011f\u0131 i\u00e7in daha iyi tahmin sonu\u00e7lar\u0131 elde edebilir.<\/span><\/p>\n

\u2022 Ba\u015fka bir f\u00fczyon \u015femas\u0131, veriye ba\u011fl\u0131 kanal f\u00fczyonudur. Bu \u015feman\u0131n yap\u0131s\u0131n\u0131 g\u00f6sterir. S\u0131n\u0131fa ba\u011fl\u0131 f\u00fczyon y\u00f6nteminde oldu\u011fu gibi, her sens\u00f6r kanal\u0131n\u0131n bir PDBNN s\u0131n\u0131fland\u0131r\u0131c\u0131s\u0131 vard\u0131r.<\/span><\/p>\n

PDBNN’lerin \u00e7\u0131kt\u0131lar\u0131, softmax fonksiyonlar\u0131 taraf\u0131ndan arka olas\u0131l\u0131klara d\u00f6n\u00fc\u015ft\u00fcr\u00fcl\u00fcr. Bu f\u00fczyon \u015femas\u0131nda, kanal a\u011f\u0131rl\u0131\u011f\u0131 P (Cj |x), x giri\u015f modelinin bir fonksiyonudur. Bu nedenle, giri\u015f modeli farkl\u0131ysa tek bir kanal\u0131n \u00f6nemi de\u011fi\u015febilir.<\/span><\/p>\n

Bulan\u0131k Sistemler ve Mod\u00fcler Sinir A\u011flar\u0131<\/span><\/strong><\/h3>\n

Bir bulan\u0131k \u00e7\u0131kar\u0131m sisteminin arkas\u0131ndaki temel fikir, insan “uzman\u0131n deneyimini” sistem tasar\u0131m\u0131na dahil etmektir. Girdi-\u00e7\u0131kt\u0131 ili\u015fkisi, dilsel de\u011fi\u015fkenleri i\u00e7eren bir bulan\u0131k \u00e7\u0131kar\u0131m kurallar\u0131 koleksiyonu taraf\u0131ndan tan\u0131mlan\u0131r.<\/span><\/p>\n

Bir bulan\u0131k sistemin tipik mimarisi d\u00f6rt bile\u015fenden olu\u015fur:<\/span><\/strong><\/p>\n

\u2022 Kesin say\u0131lar\u0131 uygun dilsel de\u011ferlere e\u015fleyen bir bulan\u0131kla\u015ft\u0131r\u0131c\u0131<\/span>
\n\u2022 \u0130nsan uzmanlar\u0131n bilgilerini ve ampirik g\u00f6zlemleri depolayan bulan\u0131k bir kural taban\u0131<\/span>
\n\u2022 Yakla\u015f\u0131k ak\u0131l y\u00fcr\u00fctme ger\u00e7ekle\u015ftirerek istenen \u00e7\u0131kt\u0131y\u0131 \u00e7\u0131karan bir \u00e7\u0131kar\u0131m motoru<\/span>
\n\u2022 Bir bulan\u0131k k\u00fcmeden kesin bir de\u011feri temsili bir de\u011fer olarak \u00e7\u0131karan bir durula\u015ft\u0131r\u0131c\u0131.<\/span><\/p>\n

\n\n
<\/div>\n\n<\/div>\n \n