Hafta 3
$$\gdef \sam #1 {\mathrm{softargmax}(#1)}$$
$$\gdef \vect #1 {\boldsymbol{#1}} $$
$$\gdef \matr #1 {\boldsymbol{#1}} $$
$$\gdef \E {\mathbb{E}} $$
$$\gdef \V {\mathbb{V}} $$
$$\gdef \R {\mathbb{R}} $$
$$\gdef \N {\mathbb{N}} $$
$$\gdef \relu #1 {\texttt{ReLU}(#1)} $$
$$\gdef \D {\,\mathrm{d}} $$
$$\gdef \deriv #1 #2 {\frac{\D #1}{\D #2}}$$
$$\gdef \pd #1 #2 {\frac{\partial #1}{\partial #2}}$$
$$\gdef \set #1 {\left\lbrace #1 \right\rbrace} $$
% My colours
$$\gdef \aqua #1 {\textcolor{8dd3c7}{#1}} $$
$$\gdef \yellow #1 {\textcolor{ffffb3}{#1}} $$
$$\gdef \lavender #1 {\textcolor{bebada}{#1}} $$
$$\gdef \red #1 {\textcolor{fb8072}{#1}} $$
$$\gdef \blue #1 {\textcolor{80b1d3}{#1}} $$
$$\gdef \orange #1 {\textcolor{fdb462}{#1}} $$
$$\gdef \green #1 {\textcolor{b3de69}{#1}} $$
$$\gdef \pink #1 {\textcolor{fccde5}{#1}} $$
$$\gdef \vgrey #1 {\textcolor{d9d9d9}{#1}} $$
$$\gdef \violet #1 {\textcolor{bc80bd}{#1}} $$
$$\gdef \unka #1 {\textcolor{ccebc5}{#1}} $$
$$\gdef \unkb #1 {\textcolor{ffed6f}{#1}} $$
% Vectors
$$\gdef \vx {\pink{\vect{x }}} $$
$$\gdef \vy {\blue{\vect{y }}} $$
$$\gdef \vb {\vect{b}} $$
$$\gdef \vz {\orange{\vect{z }}} $$
$$\gdef \vtheta {\vect{\theta }} $$
$$\gdef \vh {\green{\vect{h }}} $$
$$\gdef \vq {\aqua{\vect{q }}} $$
$$\gdef \vk {\yellow{\vect{k }}} $$
$$\gdef \vv {\green{\vect{v }}} $$
$$\gdef \vytilde {\violet{\tilde{\vect{y}}}} $$
$$\gdef \vyhat {\red{\hat{\vect{y}}}} $$
$$\gdef \vycheck {\blue{\check{\vect{y}}}} $$
$$\gdef \vzcheck {\blue{\check{\vect{z}}}} $$
$$\gdef \vztilde {\green{\tilde{\vect{z}}}} $$
$$\gdef \vmu {\green{\vect{\mu}}} $$
$$\gdef \vu {\orange{\vect{u}}} $$
% Matrices
$$\gdef \mW {\matr{W}} $$
$$\gdef \mA {\matr{A}} $$
$$\gdef \mX {\pink{\matr{X}}} $$
$$\gdef \mY {\blue{\matr{Y}}} $$
$$\gdef \mQ {\aqua{\matr{Q }}} $$
$$\gdef \mK {\yellow{\matr{K }}} $$
$$\gdef \mV {\lavender{\matr{V }}} $$
$$\gdef \mH {\green{\matr{H }}} $$
% Coloured math
$$\gdef \cx {\pink{x}} $$
$$\gdef \ctheta {\orange{\theta}} $$
$$\gdef \cz {\orange{z}} $$
$$\gdef \Enc {\lavender{\text{Enc}}} $$
$$\gdef \Dec {\aqua{\text{Dec}}}$$
Ders Kısım A
Öncelikle 6 katmanlı sinir ağlarının görselleştirmesini göreceğiz. Daha sonra Evrişim konusuna ve Evrişimli Sinir Ağları (CNN)‘na başlayacağız. CNN bağlamında değişik tiplerdeki parametre dönüşümlerini gözden geçirip, öznitelikleri hiyerarşik olarak öğrenmekte kullanılan çekirdek (kernel) olgusuyla tanışacağız. Bu olgu giren veriyi sınıflandırmamıza yarayacak, bu da CNN’leri kullanmak istememizin altında yatan temel fikir.
Ders Kısım B
CNN’lerin zaman içinde nasıl evrildikleri hakkında bir giriş yapacağız. MNIST veri kümesindeki rakamları tanımak için LeNet5’in modern uygulaması da dahil, değişik CNN yapılarını detaylı bir şekilde ele alacağız. Dizayn prensiplerinden başlayıp; doğal resimlerin birleşim, sabitlik ve yerellik özelliklerinden yararlanmamızı sağlayan CNN’lerin avantajlarını açıklayacağız.
Uygulama
Doğal sinyallerin CNN’lerle en alakalı olan özellikleri daha detaylı şekilde açıklanacak: Yerellik, Sabitlik ve Birleşim. Bir çekirdeğin bu özelliklerden, seyreklik, ağırlık paylaşımı ve katmanların arka arkaya dizilmesiyle nasıl faydalandığını keşfedecek, bununla beraber dolgulama (padding) ve örnekleme (pooling) konseptlerini motive edeceğiz. Son olarak FCN ve CNN arasında farklı veri şekilleri kullanıldığındaki performans farkını göreceğiz.
mevah