A new initialization technique: truncated towers

Simple item page
buir.contributor.authorÇatalbaş, Burak
buir.contributor.authorMorgül, Ömer
dc.citation.epage[4]en_US
dc.citation.spage[1]en_US
dc.contributor.authorÇatalbaş, Burak
dc.contributor.authorMorgül, Ömer
dc.coverage.spatialSafranbolu, Turkeyen_US
dc.date.accessioned2023-02-14T08:44:45Z
dc.date.available2023-02-14T08:44:45Z
dc.date.issued2022-08-29
dc.departmentDepartment of Electrical and Electronics Engineeringen_US
dc.descriptionConference Name: 2022 30th Signal Processing and Communications Applications Conference (SIU)en_US
dc.descriptionDate of Conference: 15-18 May 2022en_US
dc.description.abstractArtificial Neural Networks (ANN) can perform various tasks by modifying their parameters, determined by initialization methods, using activation functions and learning algorithms. Alongside chosen training dataset, suitability and success of the chosen methods determine how well they can fulfill these tasks. With the ‘Truncated Tower Distribution’, which we developed to find a better initialization method, a partial and visible increase in success rates have been achieved in classification tasks on different data sets, using neuron number-independent and neuron-number-dependent initialization methods.en_US
dc.description.abstractYapay Sinir Ağları (YSA), ön değer atama yöntemiyle belirlenen parametrelerin aktivasyon fonksiyonları ve öğrenme algoritmaları kullanılarak modifiye edilmesiyle çeşitli görevleri yerine getirebilmektedir. Bu görevleri ne kadar iyi şekilde yerine getirebileceğini de seçilen metotların uygunluğu, başarısı ve seçilen eğitim veri setleri belirlemektedir. Daha iyi bir ön değer atama yöntemi bulmak amacıyla geliştirdiğimiz ‘Kesikli Kuleler Dağılımı’ ile nöron sayısından bağımsız ve nöron sayısına bağımlı ön değer atama yöntemleri denenmiş, farklı veri setleri üzerindeki sınıflandırma görevlerinde kısmi ve görünür bir başarı artışı sağlanmıştır.
dc.identifier.doi10.1109/SIU55565.2022.9864714en_US
dc.identifier.eisbn978-1-6654-5092-8
dc.identifier.issn2165-0608
dc.identifier.urihttp://hdl.handle.net/11693/111240
dc.language.isoTurkishen_US
dc.publisherIEEEen_US
dc.relation.isversionofhttps://www.doi.org/10.1109/SIU55565.2022.9864714en_US
dc.source.titleSignal Processing and Communications Applications Conference (SIU)en_US
dc.subjectArtificial neural networksen_US
dc.subjectInitialization methodsen_US
dc.subjectTruncated towers distributionen_US
dc.subjectResidual networksen_US
dc.subjectYapay sinir ağlarıen_US
dc.subjectÖn değer atama yöntemlerien_US
dc.subjectKesikli kuleler dağılımıen_US
dc.subjectRezidüel ağlaren_US
dc.titleA new initialization technique: truncated towersen_US
dc.title.alternativeYeni bir ön değer atama tekniği: kesikli kuleleren_US
dc.typeConference Paperen_US

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
A_New_Initialization_Technique_Truncated_Towers.pdf
Size:
1008 KB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.69 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Department of Electrical and Electronics Engineering