Academic literature on the topic 'Hiperparametry'

Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles

Select a source type:

Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Hiperparametry.'

Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.

You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.

Journal articles on the topic "Hiperparametry"

1

HAMİTOĞLU, Ali. "Grid Arama Yoluyla Monotonik Olmayan Hiperparametre Planlama Sisteminin Yardımcı Öğrenimi." Journal of Intelligent Systems: Theory and Applications 5, no. 2 (2022): 168–77. http://dx.doi.org/10.38016/jista.1153108.

Full text
Abstract:
Gelişmiş sinir ağlarındaki son gelişmeler, yeni uyarlanabilir öğrenme stratejilerine yol açmıştır. Geleneksel öğrenme stratejileri, yavaş yakınsama ve sağlamlık eksikliği gibi birçok sorundan muzdariptir. Potansiyelinden tam olarak yararlanmak için bu sorunların çözülmesi gerekir. Her iki konu da adım boyutu ve genellikle sabit olan ve her ağ katmanıyla ilişkili tüm ağırlıklar için tek tip kalan momentum terimi ile ilgilidir. Bu çalışmada, bu sorunların üstesinden gelmek ve sınıflandırma etkinliğini artırmak için yakın zamanda yayınlanan Değişken Uyarlanabilir Momentumlu Geri Yayılım Algoritma
APA, Harvard, Vancouver, ISO, and other styles
2

Tunç, Berra Nur, and Ümit Haluk Atasever. "CatBoost algoritmasının taşınmaz değerlemede kullanımı: Bayesian hiperparametre optimizasyonu ile karşılaştırmalı analiz." Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi 14, no. 2 (2025): 668–79. https://doi.org/10.28948/ngumuh.1597288.

Full text
Abstract:
Taşınmaz değerlemede, makine öğrenimi modelleri kullanılarak objektif, bilimsel ve hızlı tahminler elde edilmektedir. Bu çalışmada, hiperparametre optimizasyonu yapılmış farklı makine öğrenimi modelleri kullanılarak taşınmaz değerlemede en tutarlı ve başarılı sonucu veren model belirlenmiştir. Özellikle CatBoost regresyonu, modern makine öğrenimi ihtiyaçlarına uygun olarak geliştirilmiş, yüksek doğruluk ve hız sunan bir model olarak ön plana çıkmaktadır. Çalışmada CatBoost’un yanı sıra Destek Vektör Regresyonu, Lasso Regresyonu, Karar Ağaçları Regresyonu ve AdaBoost Regresyonu da değerlendiril
APA, Harvard, Vancouver, ISO, and other styles
3

Karamanlı, Esin. "Farklı Meşçere Tiplerinde Kızılçam (Pinus Brutia) Ormanları İçin Toprak Üstü Biyokütle Karbon Tahmini: Landsat 9 Uydu Verileri ile Makine Öğrenmesi Yaklaşımı." Journal of Anatolian Environmental and Animal Sciences 10, no. 4 (2025): 408–15. https://doi.org/10.35229/jaes.1703797.

Full text
Abstract:
Orman Toprak Üstü Biyokütlesi (TÜB) orman ekosistemlerinin konumsal-zamansal değişimini gözlemlemek ve değerlendirmek için önemli biyofiziksel değişkenlerdir. Sürdürülebilir orman yönetim stratejilerini daha iyi destekleyebilmek için uzaktan algılama araçları ile sürekli ve doğru bir şekilde Toprak Üstü Biyokütle Karbon (TÜBK) tahmininin sağlanabilir olması gerekmektedir. Lansat 9 C2L1 uydu verileri ve makine Öğrenmesi Algoritmaları (Yapay Sinir Ağları (YSA), Rassal Orman Algoritması (ROA) ve Destek Vektör Makineları (DVM)) bu çalışmada Adana ili “Pinus brutia” meşçerelerinde tutulan TÜBK mikt
APA, Harvard, Vancouver, ISO, and other styles
4

Susanto, Erliyan Redy, and Akbar Eka Pranajaya. "Optimasi Random Forest untuk Prediksi Penyakit Jantung Menggunakan SMOTEENN dan Grid Search." Jurnal Pendidikan dan Teknologi Indonesia 5, no. 7 (2025): 1965–79. https://doi.org/10.52436/1.jpti.855.

Full text
Abstract:
Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, dengan sekitar 17,9 juta kematian setiap tahun. Diagnosis dini dan akurat sangat penting untuk pengobatan yang efektif, namun ketidakseimbangan kelas dalam dataset medis sering menyebabkan bias pada model prediktif, khususnya dalam mengidentifikasi pasien dengan penyakit jantung (kelas minoritas). Studi ini bertujuan untuk mengoptimalkan kinerja algoritma Random Forest dalam memprediksi penyakit jantung dengan mengatasi ketidakseimbangan data menggunakan teknik SMOTEENN (Synthetic Minority Over-sampling Technique combined
APA, Harvard, Vancouver, ISO, and other styles
5

Pantić, Vasilije. "IZBOR HIPERPARAMETARA ALGORITAMA DUBOKOG UČENJA SA POTKREPLJENJEM PRIMENOM GENETSKOG ALGORITMA." Zbornik radova Fakulteta tehničkih nauka u Novom Sadu 36, no. 11 (2021): 1966–69. http://dx.doi.org/10.24867/15be28pantic.

Full text
APA, Harvard, Vancouver, ISO, and other styles
6

Azhar, Yufis, Galang Aji Mahesa, and Moch Chamdani Mustaqim. "Prediction of hotel bookings cancellation using hyperparameter optimization on Random Forest algorithm." Jurnal Teknologi dan Sistem Komputer 9, no. 1 (2020): 15–21. http://dx.doi.org/10.14710/jtsiskom.2020.13790.

Full text
Abstract:
Cancellation of hotel bookings by customers greatly influences hotel managerial decision making. To minimize losses by this problem, the hotel management made a fairly rigid policy that could damage the reputation and business performance. Therefore, this study focuses on solving these problems using machine learning algorithms. To get the best model performance, hyperparameter optimization is applied to the random forest algorithm. It aims to obtain the best combination of model parameters in predicting hotel booking cancellations. The proposed model is proven to have the best performance wit
APA, Harvard, Vancouver, ISO, and other styles
7

Tasar, Davut Emre, Kutan Koruyan, and Ceren Öcal Coşar. "Kuantum Çağında Makine Öğrenimi: Kuantum ve Klasik Destek Vektör Makinelerinin Karşı Karşıya Gelmesi." Kuantum Teknolojileri ve Enformatik Araştırmaları Dergisi 1, no. 1 (2023): 65–72. http://dx.doi.org/10.70447/ktve.2235.

Full text
Abstract:
Bu çalışma, klasik ve kuantum hesaplama paradigmalarındaki makine öğrenimi algoritmalarının performansını karşılaştırmayı amaçlamaktadır. Özellikle, Destek Vektör Makineleri (SVM) üzerinde durarak, klasik SVM ile kuantum donanımı üzerinde çalıştırılan Kuantum Destek Vektör Makineleri (QSVM)’nin Iris veri seti üzerindeki sınıflandırma başarısını değerlendirmekteyiz. Kullanılan metodoloji, Qiskit kütüphanesi ile gerçekleştirilen kapsamlı deneyler serisini ve hiperparametre optimizasyonunu içermektedir. Elde edilen sonuçlar, belirli durumlarda QSVM'lerin klasik SVM'lerle rekabet edebilecek düzeyd
APA, Harvard, Vancouver, ISO, and other styles
8

Kutan, Koruyan, Öcal Coşar Ceren, and Emre Taşar Davut. "Machine Learning in the Quantum Age: Quantum vs. Classical Support Vector Machines." Journal of Quantum Technologies and Informatics Research 1, no. 1 (2023): 65–72. https://doi.org/10.5281/zenodo.10260090.

Full text
Abstract:
Bu çalışma, klasik ve kuantum hesaplama paradigmalarındaki makine öğrenimi algoritmalarının performansı-nı karşılaştırmayı amaçlamaktadır. Özellikle, Destek Vektör Makineleri (SVM) üzerinde durarak, klasik SVM ilekuantum donanımı üzerinde çalıştırılan Kuantum Destek Vektör Makineleri (QSVM)'nin Iris veri seti üzerindekisınıflandırma başarısını değerlendirmekteyiz. Kullanılan metodoloji, Qiskit kütüphanesi ile gerçekleştirilen kap-samlı deneyler serisini ve hiperparametre optimizasyonunu içermektedir. Elde edilen sonuçlar, belirli durumlardaQSVM'lerin klasik SVM'lerle rekabet edebilecek düzeyde
APA, Harvard, Vancouver, ISO, and other styles
9

Altunbas, Emine, and Cevriye Altıntaş. "BİLGİSAYAR BÖLÜMÜ ÖĞRENCİLERİ İÇİN MAKİNE ÖĞRENME ALGORİTMALARI İLE KARİYER ÖNERİSİ VE AÇIKLANABİLİR YAPAY ZEKA İLE DEĞERLENDİRİLMESİ." Uluslararası Sürdürülebilir Mühendislik ve Teknoloji Dergisi 9, no. 1 (2025): 133–49. https://doi.org/10.62301/usmtd.1720980.

Full text
Abstract:
Bu çalışmada, bilgisayar mühendisliği öğrencilerinin teknik becerilerine ve akademik performanslarına göre hangi mesleki alanda çalışabileceklerinin makine öğrenme algoritmaları ile tahmin edilmesi ve bu tahminlerin açıklanabilir yapay zekâ (AYZ) teknikleriyle değerlendirilmesi amaçlanmıştır. 174 öğrenciden oluşan özgün veri kümesinde, genel not ortalaması, programlama dili yeterlilikleri, proje bilgileri ve staj alanları yer almaktadır. AdaBoost, Decision Tree, Gradient Boosting, KNN, Logistic Regression, Naive Bayes, Random Forest, SVC algoritmaları LazyClassifier ile kıyaslanmış ve en başar
APA, Harvard, Vancouver, ISO, and other styles
10

Leblebici, Mehmet Merih, and Ali Çalhan. "Derin Öğrenme Tabanlı Kanal Kestirimi: 5G NR OFDM Sistemleri için Hiperparametre Optimizasyonu ve Performans Karşılaştırması." Mühendislik Bilimleri ve Araştırmaları Dergisi 7, no. 1 (2025): 11–20. https://doi.org/10.46387/bjesr.1565528.

Full text
Abstract:
Kablosuz haberleşme sistemlerinde kanal kestirimi, özellikle dik frekans bölmeli çoğullama (OFDM) gibi modern teknolojilerde kritik bir rol oynamaktadır. Geleneksel yöntemler olan en küçük kareler (LS) ve en küçük ortalama karesel hata (MMSE) teknikleri yaygın olarak kullanılmaktadır, ancak LS düşük SNR koşullarında performans kaybederken, MMSE'nin yüksek işlem karmaşıklığı gerçek zamanlı uygulamalarda dezavantaj yaratmaktadır. Bu nedenle, daha uyarlanabilir ve verimli tekniklere ihtiyaç duyulmaktadır. Derin öğrenme (DL), kablosuz sinyallerin karmaşık yapısını modelleme yeteneğiyle umut verici
APA, Harvard, Vancouver, ISO, and other styles
More sources

Dissertations / Theses on the topic "Hiperparametry"

1

Ribalta, Lorenzo Pablo. "Biologically-inspired methods for design and optimization of deep neural networks." Rozprawa doktorska, 2021. https://repolis.bg.polsl.pl/dlibra/docmetadata?showContent=true&id=72267.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

Ribalta, Lorenzo Pablo. "Biologically-inspired methods for design and optimization of deep neural networks." Rozprawa doktorska, 2021. https://delibra.bg.polsl.pl/dlibra/docmetadata?showContent=true&id=72267.

Full text
APA, Harvard, Vancouver, ISO, and other styles

Book chapters on the topic "Hiperparametry"

1

Türkoğlu, Diler. "Hisse Senedi Fiyat Tahmininde Yapay Zekâ: Apple’ın Geleceği İçin GRU, LSTM ve XGBoost’un Rekabeti." In Finansal Piyasalar ve Algoritmalar: Yeni Nesil Yatırım Stratejileri. Özgür Yayınları, 2025. https://doi.org/10.58830/ozgur.pub787.c3304.

Full text
Abstract:
Hisse senedi fiyat tahminleri, yatırımcılar ve finansal analistler için büyük bir önem taşımaktadır. Finansal piyasaların karmaşık ve dinamik yapısı, doğru tahminlerin yapılmasını hem zorlaştırmakta hem de daha değerli hale getirmektedir. Doğru tahminler, yatırımcıların risklerini minimize etmelerine, portföylerini daha etkin bir şekilde yönetmelerine ve stratejik kararlar almalarına olanak tanımakta ve bu da yatırımcılara piyasada rekabet avantajı sağlamaktadır. Özellikle volatilitenin yüksek olduğu dönemlerde doğru tahminler, yatırımcıların büyük kayıplar yaşamasını önleyebilir ve daha istik
APA, Harvard, Vancouver, ISO, and other styles

Conference papers on the topic "Hiperparametry"

1

Pellicer, Lucas Francisco Amaral Orosco, and Felipe Miguel Pait. "BarySearch: Algoritmo de Tuning de Modelos de Machine Learning com o Metodo do Baricentro." In Brazilian e-Science Workshop. Sociedade Brasileira de Computação - SBC, 2020. http://dx.doi.org/10.5753/bresci.2020.11175.

Full text
Abstract:
Em muitas aplicações de Machine Learning, é desejável obter o melhor conjunto de hiperparametros para otimizar o desempenho da aplicação. O problema de otimizar os hiperparametros é conhecido como tuning de modelos Machine Learning. Apesar de ser um problema de otimização, o tuning enfrenta dificuldades complexas, já que os modelos são vistos como caixas pretas sem formulação matemática bem definida. Além disso, há problemas com regioes de oscilações e regiões de grandes platôs. Nesse trabalho, nós apresentamos o BarySearch, um algoritmo que se utiliza da equação do baricentro sem necessidade
APA, Harvard, Vancouver, ISO, and other styles
We offer discounts on all premium plans for authors whose works are included in thematic literature selections. Contact us to get a unique promo code!