Cyclical curriculum learning
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: İngilizce
Öğrenci: HİMMET TOPRAK KESGİN
Danışman: Mehmet Fatih Amasyalı
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:İnsan eğitim sistemi müfredata dayanır. Müfredat, öğrenilecek konuları, konuların sıralamasını ve önceliğini belirler. Bir makine öğrenmesi olan yapay sinir ağları insan öğreniminden ilham alır. Yapay sinir ağları optimizasyonu belirlenen kayıp fonksiyonuna göre eğitim setindeki hatayı en aza indirme işlemidir. Yapay sinir ağlarında optimizasyon dış bükey olmayan optimizasyon olduğundan eğitim eğer noktalarında veya kötü yerel minimum noktalarında sona erebilir. Ancak insan öğrenmesinden farklı olarak klasik yapay sinir ağları eğitiminde örnekler önceliklendirilmez. Yapay sinir ağı eğitiminde örneklerin anlamlı bir sırada kullanılması planlı öğrenme olarak adlandırılır. Planlı öğrenmenin kolay örnekleri önceliklendiren, zor örnekleri önceliklendiren, örnekleri rastgele önceliklendiren versiyonları mevcuttur. Planlı öğrenme modelin eğitimini hızlandırabileceği gibi daha iyi bir local minimuma ulaşmasını sağlayarak modelin nihai performansını da iyileştirebilir. Planlı öğrenme eğitim esnasında eğitim veriseti boyutunu giderek attırırarak veya giderek azaltarak daha başarılı sonuçlar elde eder. Ancak tüm verisetleri ve modeller için genel geçer başarılı bir planlı öğrenme algoritması bulunamamıştır. Bu tezde veri seti boyutlarının sadece arttığı veya sadece azaltığı değil belirli bir aralıkta döngüsel olarak değiştiği döngüsel planlı öğrenme yöntemi önerilmiştir. Önerilen yöntem 14 metin 4 görüntü sınıflandırma verisetinde test edilmiştir. Döngüsel planlı öğrenme mevcut yöntemlere göre oldukça başarılı sonuçlar göstermektedir.