Sezgisel Algoritmalar Kullanarak Derin Öğrenme Ağlarında Performans İyileştirilmesi

Abstract

CNN (Convolutional Neural Network-Evrişimli Yapay Sinir Ağı) ağlarını günümüzde çok popüler olan ve özellikle resim tanımada kullanılan bir yapay Zeka ağ türüdür. CNN ağları tipik doğrusal bir ağdır. Bu doğrusal yapısından dolayı karmaşık resimlerde çıkabilecek sorunları çözmesi güç olabilmektedir. Çalışmamızda CNN ağların konvolüsyon işlemine kaldırılarak yerine ACO (Ant Colony Optimization - Karınca Koloni Algoritması) dayalı bir katman getirilerek bu lineer olamayan sezgisel yöntemlere dayanarak çözmek amaçlanmıştır. Doğa esinli algoritmik yaklaşımların derin öğrenme ağlarına uyarlanmasıyla hiper parametre sayısının azaltılabileceği ve doğruluğun iyileştirebileceği görülmüştür.

CNN is an Artificial Intelligence network used to describe NN networks, which is very popular today. CNN networks are typically a linear network thus, it is not difficult to solve the problems that may arise in complex pictures. In this work, ACO (Ant Colony Algorithm) are replaced against Conv process and replaced by, and this is solved based on heuristic methods that cannot be linear. It has been observed that by adapting the nature-inspired algorithm to deep learning networks, the number of hyperparameters can be reduced and accuracy can be increased.