| Tez Türü | Doktora |
| Ülke | Türkiye |
| Üniversite | Tokat Gaziosmanpaşa Üniversitesi |
| Enstitü | Lisansüstü Eğitim Enstitüsü |
| Anabilim Dalı | Bilgisayar Mühendisliği Ana Bilim Dalı |
| Tez Onay Yılı | 2024 |
| Öğrenci Adı ve Soyadı | İlker GÜNAY |
| Tez Danışmanı | DOÇ. DR. ÖZKAN İNİK |
| Türkçe Özet | Bu tez çalışması, geniş bir uygulanabilirlik sağlamak amacıyla metasezgisel optimizasyon temelli bir yaklaşım kullanarak çok sınıflı problemlerin tespiti için özgün derin öğrenme mimarileri geliştirmeyi hedeflemektedir. Çalışma, çeşitli alanlarda kullanılabilen, düşük hesaplama karmaşıklığına sahip, yüksek doğruluklu derin öğrenme modellerini tasarlamayı amaçlamaktadır. Aynı zamanda, farklı karmaşık problemlerin teşhisi ve çözümü için mevcut State-of-the-art mimarilerin değerlendirilmesi ve yeni geliştirilen modellerin incelenmesi üzerine odaklanarak genel bir uygulanabilirlik sağlamayı hedefler. Bu çift yönlü yaklaşım, hem özgün çözümler geliştirmeyi hem de farklı alanlarda kullanılabilen modellerin potansiyelini keşfetmeyi amaçlayarak, genel bir çözüm önerisi sunmayı hedeflemektedir. Ayrıca, hiperparametre optimizasyonu gibi ilerlemelerin genel problemlerin etkili bir şekilde çözümüne nasıl katkıda bulunabileceğini incelemeyi amaçlamaktadır. |
| İlgilizce Özet | This thesis aims to develop novel deep learning architectures for the detection of multi-class problems using a metaheuristic optimisation based approach to ensure wide applicability. The study aims to design high-accuracy deep learning models with low computational complexity that can be used in various domains. At the same time, it aims to provide a general applicability for the diagnosis and solution of different complex problems, focusing on the evaluation of existing state-of-the-art architectures and the examination of newly developed models. This two-pronged approach aims both to develop novel solutions and to explore the potential of models that can be used in different domains. It also aims to examine how advances such as hyperparameter optimisation can contribute to the efficient solution of general problems. |