Genetik Algoritma ve Alternatif Yöntemlerle Derin Öğrenme Modellerinde Gizli Katman ve Nöron Sayılarının Analizi
Tez Türü: Doktora
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, Ekonometri Anabilim Dalı, Türkiye
Tez Danışmanı: Dilek Altaş Karaca
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:
| Bu çalışma, derin öğrenme modellerinde gizli katman ve nöron sayılarının belirlenmesi konusunu ele almaktadır. Çalışmanın odak noktası, bu gizli katman ve nöron sayılarının belirlenmesi için genetik algoritma ve alternatif yöntemlerin incelenmesidir. Çalışma, genetik algoritma tarafından önerilen yöntemle diğer alternatif yöntemler arasında bir karşılaştırma yaparak bu modeller arasındaki farklılıkları analiz etmeyi amaçlamaktadır. Tezin teorik temelini, derin öğrenme ve genetik algoritma oluşturmaktadır. Derin öğrenme model yapıları, gizli katmanlar ve nöron sayıları hakkındaki temel kavramlar, detaylı bir şekilde incelenmiştir. Diğer taraftan çalışmada, genetik algoritma ve alternatif yöntemlerin teorik çerçevesi, bu algoritmaların nasıl çalıştığı ve derin öğrenme modellerindeki parametre optimizasyonu için nasıl kullanılabileceği açıklanmaktadır. 50.000 gözlemli teorik verilerle yapılan çalışmada genetik algoritmanın en düşük MSE değeri ile öne çıktığı görülmektedir. Gerçek verilere göre ise, genetik algoritmanın yine en düşük MSE değerine sahip olduğu, Heaton tarafından önerilen kuralların ise ikinci sırada yer aldığı gözlemlenmektedir. Gerçek verilere göre elde edilen sonuçlar da benzer bir sıralamayı ortaya koymaktadır, ancak Huang tarafından önerilen tek katmanlı ağın teorik verilere göre daha iyi performans gösterdiği, çift katmanlı ağın ise daha düşük sonuçlar verdiği dikkat çekmektedir. Bu sonuçlar, teorik ve gerçek veriler arasında genetik algoritmanın istikrarlı performansını vurgulamaktadır. Teorik ve gerçek verilere ait Kruskal-Wallis testleri, yöntemler arasında istatistiksel olarak anlamlı farklar olduğunu göstermektedir. Genetik algoritma, teorik ve gerçek verilere göre en düşük MSE değeri ile öne çıkmıştır. İstatistiksel anlamda benzer performans gösteren diğer yöntemler arasında ise Heaton kuralları, Faktör Analizi ve Huang'ın tek katmanlı ağ modeli yer almaktadır. Sonuç olarak, bu çalışma derin öğrenme modellerinin uygulanmasında genetik algoritma, Heaton kuralları, Faktör Analizi ve Huang'un çift/tek katmanlı ağlarını karşılaştırmış ve genetik algoritmanın genelde en iyi performansı sergilediğini göstermiştir. Ancak, yöntemlerin performanslarının teorik ve gerçek veriler arasında bazı farklılıklar gösterdiği görülmektedir. Bu çalışma, gelecekteki araştırmalar için geniş bir perspektif sunacak ve derin öğrenme modellerinin hiper parametrelerinin belirlenmesinde kullanılan yöntemlerin etkisinin daha iyi anlaşılmasına katkı sağlayacaktır. |