Yapay Sinir Ağları ve Yüksek Enerji Fiziği Uygulamaları

Benzer belgeler
Zeki Optimizasyon Teknikleri

YAPAY ZEKA VE DERİN ÖĞRENMENİN GÜNÜMÜZDEKİ UYGULAMA ALANLARI

Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Şekil Tanıma Final Projesi. Selçuk BAŞAK

Boosting. Birol Yüceoğlu Migros T.A.Ş.

Hafta 01 - Giriş. BGM Siber Güvenlik için Makine Öğrenme Yöntemleri. Yüksek Lisans Programı. Dr. Ferhat Özgür Çatak

YAPAY SĠNĠR AĞLARININ EKONOMĠK TAHMĠNLERDE KULLANILMASI

ÇATI DÖŞEMESİNDE MEYDANA GELEN YOĞUŞMA VE BUHARLAŞMA KÜTLELERİNİN YAPAY SİNİR AĞLARI İLE TAHMİN EDİLMESİ

Yapay Sinir Ağlarına Giriş. Dr. Hidayet Takçı

İlk Yapay Sinir Ağları. Dr. Hidayet Takçı

Derin Yapay Sinir Ağları ve Derin Öğrenme ye Kısa Bir Giriş

Doç.Dr.Erkan ÜLKER, Selçuk Üniversitesi Mühendislik F, Bilgisayar Mühendisliği Bölümü

Hafta 13 - Adversarial ML

İş Zekası. Hafta 6 Kestirimci Modelleme Teknikleri. Yrd. Doç. Dr. H. İbrahim CEBECİ

T.C. KIRIKKALE ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YAPAY SİNİR AĞLARI. Doç.Dr. Necaattin BARIŞÇI FİNAL PROJESİ

Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler

Yapay Sinir Ağları. (Artificial Neural Networks) DOÇ. DR. ERSAN KABALCI

YAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ

Derin Öğrenme. M. Ali Akcayol Gazi Üniversitesi

Büyük Veri ve Endüstri Mühendisliği

MİKROŞERİT HAT ENDÜKTANS BÜYÜKLÜĞÜNÜN BİLGİ TABANLI YAPAY SİNİR AĞLARI ile MODELLENMESİ

Çok Katmanlı Algılayıcılar. Dr. Hidayet Takçı

WEB SAYFALARINA İLİŞKİN YAPAY SİNİR AĞLARI İLE SINIFLANDIRMA YÖNTEMİ

VERİ MADENCİLİĞİ VE SOSYAL AĞ ANALİZİ ARAŞTIRMA LABORATUVARI

MATLAB. Y. Doç. Dr. Aybars UĞUR Yapay Sinir Ağları Ders Notları

etme çabalarının en son ürünlerinden bir tanesi yapay sinir ağları (YSA) teknolojisidir.

İç Basınç Altında İnce Cidarlı Kabukların Yapay Sinir Ağları ile Çözümü

VERİ MADENCİLİĞİ önemsiz olmayan, gizli, önceden bilinmeyen, potansiyel olarak kullanışlı

Yapı Kredi Bankası Ar-Ge Çalışmaları Araştırma, Vizyon ve Uygulama. Eğitmen: Onur AĞIN

Yapay Sinir Ağları (Artificial Neural Networks)

BAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BENZER SÜREÇLERDE ÜRETİLEN ÜRÜNLER İÇİN YAPAY ZEKA İLE ZAMAN TAHMİNİ SONER ŞÜKRÜ ALTIN

THE ANALYSES OF THIN WALLED TUBES BY USING ARTIFICIAL NEURAL NETWORK

CBS ve Coğrafi Hesaplama

Yapay Zeka ya giris. Yapay sinir aglari ve bulanik mantik. Uzay CETIN. Université Pierre Marie Curie (Paris VI),

Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data)

Gelişmişlik Göstergesi Olarak Gece Işıkları: İl Bazında GSYH Tahmini

Çok katmanlı ileri sürümlü YSA da standart geri yayıyım ve momentum geri yayılım algoritmalarının karşılaştırılması. (Eğitim/Hata geri yayılım)

Akademik Sosyal Araştırmalar Dergisi, Yıl: 5, Sayı: 50, Temmuz 2017, s

Veri ve Metin Madenciliği

Veri ve Metin Madenciliği. Zehra

Çok Markalı Servis İstasyonları için Yapay Sinir Ağları ile Görüntü Tabanlı Araç Marka ve Modeli Tanıma Yazılımı

Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması

Veri Bilim - Yapay Öğrenme Yaz Okulu, 2017 Matematiksel Temeller ve Vaka Çalışmaları

BIL684 Nöron Ağları Dönem Projesi

Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ. Ders 1- Yapay Zekâya Giriş. Erhan AKDOĞAN, Ph.D.

Örüntü Tanıma (EE 448) Ders Detayları

Muhammet Fatih AKBAŞ, Enis KARAARSLAN, Cengiz GÜNGÖR

GÖRÜNTÜ DÖNÜŞÜMÜNDE YAPAY SİNİR AĞLARI YAKLAŞIMI

WEEK 11 CME323 NUMERIC ANALYSIS. Lect. Yasin ORTAKCI.

Naive Bayes Yöntemi ile Spam Mail Teşhisi Kübra KURNAZ

Cam Elyaf Katkılı Betonların Yarmada Çekme Dayanımlarının Yapay Sinir Ağları İle Tahmini

BÜYÜK VERI UYGULAMALARı DERS 3. Doç. Dr. Yuriy Mishchenko

Özörgütlemeli Öğrenme (SOM) A. Cumhur KINACI

PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ

Türkiyede ki İş Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini

Kolektif Öğrenme Metotları

ROBOTLARIN YAPAY SİNİR AĞLARI KULLANILARAK DENETİMİ.

Concept Learning. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ. Yapay Zeka - Kavram Öğrenme

Dr. Ergün AKGÜN Kimdir?

Yapay Sinir Ağları ile Web İçeriklerini Sınıflandırma. Yazarlar: Esra Nergis Güven, Hakan Onur ve Şeref Sağıroğlu. Sunan : Esra Nergis Güven

MAKİNE ÖĞRENMESİ NİN EKONOMİ ARAŞTIRMALARINDA KULLANIMI

SENİ TÜRKİYE NİN BANKASINA BEKLİYORUZ. UZMAN YARDIMCISI ALIM SINAVI 13 EKİM 2018

Yapay Sinir Ağları. YZM 3226 Makine Öğrenmesi

YAPAY SĠNĠR AĞLARI ĠLE KOCAELĠ ĠLĠNĠN PUANT YÜK TAHMĠNĠ. Oya DEMİRER Demet ÖZDEMİR Melih İNAL

Otomatik Diyet Gözetimi için Gıda İmgelerinin Anlamsal Bölütlemesi

ISSN : Isparta-Turkey YAPAY SĠNĠR AĞLARI (YSA) YÖNTEMĠ ĠLE GLOBAL RADYASYON TAHMĠNĠ

Hafta 05 - Karar Ağaçları/Kümeleme

İSTATİKSEL NORMALİZASYON TEKNİKLERİNİN YAPAY SİNİR AĞIN PERFORMANSINA ETKİSİ

MÜHENDİSLİK VE TEKNOLOJİ FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ 2016/2017 ÖĞRETİM YILI 1. YARIYIL FİNAL SINAVI PROGRAMI 1. SINIF

Kaynaklı İmalat Operasyon Sürelerinin Matlab Yapay Sinir Ağları ile Tahmin Edilmesi

Web Madenciliği (Web Mining)

Ali Gülbağ et al / Elec Lett Sci Eng 1 (1) (2005) 07-12

ENDÜSTRİDE YAPAY ZEKA UYGULAMALARI AI LABS BİLGİ TEKNOLOJİLERİ

Dr.Eyyüp GÜLBANDILAR Dr.Eyyüp GÜLBANDILAR

BİR TERMİK ELEKTRİK SANTRALİNDE YAPAY SİNİR AĞLARI KONTROLÖRÜN

DERİN ÖĞRENME SONGÜL TORANOĞLU

Matematiksel Optimizasyon ve Yapay Öğrenme

Makine Öğrenmesi 2. hafta

Kızılberisi Algılayıcılarla Yapay Sinir Ağlarına Dayalı Hedef Ayırdetme

ÇOK KATMANLI PERSEPTRON SİNİR AĞLARI İLE DİYABET HASTALIĞININ TEŞHİSİ

Robotus ile Robotik Eğitimi

Derin Öğrenme Yöntemleri ile Bilgisayar Ağlarında Güvenliğe Yönelik Anormallik Tespiti. R. Can AYGÜN Danışman: Doç. Dr. A.

Hafta 09 -Topluluk Yöntemleri - Boyut Azaltma - Anomali Tespiti

Isı Transferinde Isı Kayıplarının Yapay Sinir Ağları Yöntemi ile İncelenmesi

İnsan beyni, birbiri ile karmaşık ilişkiler içinde bulunan nöron hücreleri kitlesidir. Tüm aktivitelerimizi kontrol eder, yaradılışın en görkemli ve

OpenZeka MARC. Mini Otonom Araç Yarışması

TOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ I. SINIF EĞİTİM - ÖĞRETİM PROGRAMI

Online teknik sayfa RE21-SA03 RE2 TEMASSIZ GÜVENLIK SVICI

Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu

Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü. Bilgisayar Mühendisliği

ZAMAN SERİSİ ANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI

ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ

Akdeniz Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölüm Tanıtımı

Yapay Sinir Ağları GİRİŞ

YAPAY SĠNĠR AĞI GERĠ YAYINIM ALGORĠTMASI KULLANILARAK RÜZGÂR HIZI TAHMĠNĠ

DENEYSEL SONUÇLARIN ANALİZİNDE YAPAY SİNİR AĞLARI KULLANIMI VE BETON DAYANIM TESTİ İÇİN BİR UYGULAMA

YAPAY ZEKA Mesleki Terminoloji II

Elbistan Meslek Yüksek Okulu Güz Yarıyılı

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Bilgisayar Ağları II BIL

NETWORK BÖLÜM-5 OSI KATMANLARI. Öğr. Gör. MEHMET CAN HANAYLI CELAL BAYAR ÜNİVERSİTESİ AKHİSAR MESLEK YÜKSEKOKULU 1/27

Özet: Açısal momentumun türetimi. Açısal momentum değiştirme bağıntıları. Artırıcı ve Eksiltici İşlemciler Kuantum Fiziği Ders XXI

Transkript:

Yapay Sinir Ağları ve Yüksek Enerji Fiziği Uygulamaları Ece Akıllı Université de Genève 12 Eylül 2016 CERN TR E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 1 / 18

Akış 1 Makine Ogrenimi 2 Yapay Sinir Aglari 3 Araclar 4 Yapay Sinir Aglari ve Yuksek Enerji Fizigi E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 2 / 18

Makine Ogrenimi Makine Ogrenimi Tanim: Bilgisayarlarin bir goreve programlanmadan, veri uzerinden gorevini gerceklestirebilmek icin ne yapacagini cesitli algoritmalar kullanarak ogrenmesi ve gorevini yerine getirebilmesi Farkli makine ogrenimi algoritmalari: Yapay sinir aglari Karar agaclari Ornek: Tenis oynamali miyiz?... E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 3 / 18

Makine Ogrenimi Makine Ogrenimi Iki temel ogrenme turu: Gozetimli ogrenme: Etiketlenmis gozlemlerden ogrenme Siniflandirma Ornek: Fotografta gordugumuz bulasik makinesi mi zebra mi? Regresyon (deger tahmini) Ornek: Cenevre de ev kiralari gelecek sene ne kadar olacak? Gozetimsiz ogrenme: Algoritmanin kendi kendine kesifler yaptigi ogrenme Kumeleme Boyut azaltimi E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 4 / 18

Yapay Sinir Aglari Yapay Sinir Aglari Insan beyninden esinlenerek gelistirilmistir Yapay sinir aglari insan sinir sisteminin basit calisma seklini model olarak alir E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 5 / 18

Yapay Sinir Aglari Yapay Sinir Aglari Gerekli sinir aglari elementleri: Noronlar Noronlardan olusan katmanlar: Girdiler katmani, gizli katman(lari), ciktilar katmani Farkli katmanlarin noronlarini birbirine baglayan degerler Her katmanda fazladan bir noron Algoritmaya bagli olarak cesitli ogrenme parametreleri: Ogrenme hizi,... Gerekli veriler: Ogrenme veri kumesi Test veri kumesi E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 6 / 18

Yapay Sinir Aglari Makine ogrenimi genel olarak cok hizli gelisen bir alan Son yillarda Yapay Sinir Aglari, ozellikle de cok gelisti Figure: Yapay Sinir Aglari Figure: E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 7 / 18

Yapay Sinir Aglari nin bazi alanlarda Yapay Sinir Aglari ndan cok daha basarili oldugu gozlemlendi son yillarda bircok odul/yarisma kazandi daha kompleks verilerden daha cok bilgi lineer olmayan fonksiyonlar ve baglantilar sayesinde elde edebiliyor E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 8 / 18

Yapay Sinir Aglari Gorsel: Luke de Oliveira E. Akıllı (UNIGE) Yapay Sinir Ag ları 12.09.2016 9 / 18

Yapay Sinir Aglari (Derin) Yapay Sinir Aglari Matematigi Yaygin olarak kullanilan algoritmalardan biri: Feedforward NN, Backpropogation Backpropagation: 1 Feedforward step 2 Backpropogation of errors N : Neural Net x: input t: target a (i) : input received at layer i f (i) (): activation function of layer i W i, b i : NN weights and bias applied to input at layer i a (i+1) : final output delivered to layer i+1 Mapping by N : x N t with the Hypothesis: H(x, N ) N : a (i+1) = f (i) (W i a (i) + b i ) Mapping results in error: E(t, H(x, N )), Goal: Minimize ΣE E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 10 / 18

Yapay Sinir Aglari (Derin) Yapay Sinir Aglari Matematigi NN weights are represented by θ t = (W t, b t ) with time steps t, To minimize the error ΣE, apply the update θ t+1 = θ t + θ t, θ t is defined by the training hyperparameters and gradient of Φ Training hyperparameters γ: learning rate, µ: momentum Φ: cost function E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 11 / 18

Yapay Sinir Aglari Yapay Sinir Aglari ile Cozulebilecek Problemler ve Yapay Sinir Ağlari nin Kullanim Alanlari Saglik: Klinik teshis, gorsel yorumlama, sinyal yorumlamasi... Finans: Sahtecilik, algoritmik ticaret Pazarlama: Netflix onerileri Spotify onerileri Amazon onerileri Google, Facebook,... Link E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 12 / 18

Araclar Araclar Yuksek Enerji Fizigi: Toolkit for Multivariate Data Analysis with ROOT (TMVA) hrefhttp://tmva.sourceforge.net Link Keras Link Theano Link Tensorflow (Google) Link XGBoost Link Scikit-learn (Python) Matlab... E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 13 / 18

Yapay Sinir Aglari ve Yuksek Enerji Fizigi Yapay Sinir Aglari ve Yuksek Enerji Fizigi Birkac kullanim/arastirma alani: Fizik analizi Parcacik siniflandirmasi Dedektor Data Science at LHC: http://indico.cern.ch/event/395374/ E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 14 / 18

Yapay Sinir Aglari ve Yuksek Enerji Fizigi Yapay Sinir Aglari ve Yuksek Enerji Fizigi Jet Images: Kalorimetredeki bilgiyi, kamera pixelleri gibi kullanarak Yapay Sinir Aglari kullanan bir parcacik siniflandirma yontemi Ariel Schwartzman et al. http://arxiv.org/abs/1511.05190 E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 15 / 18

Yapay Sinir Aglari ve Yuksek Enerji Fizigi Yapay Sinir Aglari ve Yuksek Enerji Fizigi Bir baska parcacik siniflandirma yontemi :Eldeki verileri kullanarak Yapay Sinir Aglari ndan maksimum bilgiyi elde etmeyi beklemek E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 16 / 18

Yapay Sinir Aglari ve Yuksek Enerji Fizigi Yapay Sinir Aglari ve Yuksek Enerji Fizigi Liquid Argon Time Projection Chamber, LArTPCs DNN Reconstruction: E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 17 / 18

Yapay Sinir Aglari ve Yuksek Enerji Fizigi Terminoloji: Emre Aladag E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 18 / 18

Yapay Sinir Aglari ve Yuksek Enerji Fizigi Tesekkurler! E. Akıllı (UNIGE) Yapay Sinir Ağları 12.09.2016 19 / 18