Karcı Sinir Ağlarının Uygulaması ve Performans Analizi

KARAKURT, Meral; OYMAK, Elif Aslı; HARK, Hulya; Erdogan, Mehmet Can; Karcı, Ali

doi:10.53070/bbd.1194017

Cited by 2 publications

(1 citation statement)

References 10 publications

(3 reference statements)

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Linear classifiers obtain satisfactory results on linear data sets (Sivrikaya et al, 2021;Yuan et al, 2012). Perceptron Learning Rule (PLR) (Karakurt et al, 2022;Rosenblatt, 1958), non-kernelized Support Vector Machine (SVM) (Bumin & Ozcalici, 2023;Cortes & Vapnik, 1995), and Logistic Regression (LR) (Ay et al, 2023;Berkson, 1944) are some well-known linear classifiers. The common property of these linear classifiers is that the models constructed by them are a linear combination of features.…”

Section: Preliminarymentioning

confidence: 99%

Parçacık Sürü Optimizasyonu Yoluyla Geliştirilen Doğrusal Bir Sınıflandırıcının Analizi

Aydin

2023

JCS

View full text Add to dashboard Cite

Meta-heuristics are high-level approaches developed to discover a heuristic that provides a reasonable solution to many varieties of optimization problems. The classification problems contain a sort of optimization problem. Simply, the objective herein is to reduce the number of misclassified instances. In this paper, the question of whether meta-heuristic methods can be used to construct linear models or not is answered. To this end, Particle Swarm Optimization (PSO) has been engaged to address linear classification problems. The Particle Swarm Classifier (PSC) with a certain objective function has been compared with Support Vector Machine (SVM), Perceptron Learning Rule (PLR), and Logistic Regression (LR) applied to fifteen data sets. The experimental results point out that PSC can compete with the other classifiers, and it turns out to be superior to other classifiers for some binary classification problems. Furthermore, the average classification accuracies of PSC, SVM, LR, and PLR are 80.8%, 80.6%, 80.9%, and 57.7%, respectively. In order to enhance the classification performance of PSC, more advanced objective functions can be developed. Further, the classification accuracy can be boosted more by constructing tighter constraints via another meta-heuristic.

show abstract

Section: Preliminarymentioning

confidence: 99%

Parçacık Sürü Optimizasyonu Yoluyla Geliştirilen Doğrusal Bir Sınıflandırıcının Analizi

Aydin

2023

JCS

View full text Add to dashboard Cite

show abstract

Classification of News Texts with GloVe Word Embeddings and Neural Networks

HARK

KARAKURT

Hark

et al. 2023

International Journal of Pure and Applied Sciences

Self Cite

View full text Add to dashboard Cite

Dijital haberlerin artan miktarları, istenilen türdeki haberlere doğru ve hızlı bir şekilde erişim için haber metinlerinin kategorilere ayrılmasını gerektirmektedir. Bu çalışmada, ön-eğitimli kelime gömülmelerinin, Uzun Ömürlü Kısa Dönem Bellek Ağı (Long-Short Term Memory, LSTM) ve Evrişimsel Sinir Ağları (Convolutional Neural Network, CNN) gibi derin öğrenme modelleri üzerindeki etkisi araştırılmaktadır. Global Vektör (GloVe) kelime gömülmelerinden alınan bağlamsal temsilleri girdi olarak alan LSTM ve CNN ağları kullanılarak haber metinleri sınıflandırılmıştır. Kapsamlı ve karşılaştırmalı araştırmaların eksikliği nedeniyle GloVe gömme katmanı tarafından sağlanan bağlamsal temsiller farklı sınıflandırıcılar ve veri setleri üzerinde test edilmektedir. Deneysel süreçler boyunca Türkçe Haber başlıklarından oluşan Turkish Headlines veri seti ve BBC News Classification veri setleri kullanılmıştır. Kelime gömülmelerinin ağlar üzerindeki etkisini ortaya koymak için deneysel süreçler aynı parametreler ile tekrarlanmıştır. LSTM modelinde Glove kelime gömülme yöntemi kullanıldığında modelin başarısının %81’den %91’e çıktığı gözlemlenmektedir. CNN modelinde ise Glove kelime gömülmelerinin modelin başarısının olumlu yansımadığı görülmektedir.

show abstract

Karcı Sinir Ağlarının Uygulaması ve Performans Analizi

Cited by 2 publications

References 10 publications

Parçacık Sürü Optimizasyonu Yoluyla Geliştirilen Doğrusal Bir Sınıflandırıcının Analizi

Parçacık Sürü Optimizasyonu Yoluyla Geliştirilen Doğrusal Bir Sınıflandırıcının Analizi

Classification of News Texts with GloVe Word Embeddings and Neural Networks

Contact Info

Product

Resources

About