Closed-form sample probing for training generative models in zero-shot learning
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: İngilizce
Öğrenci: SAMET ÇETİN
Danışman: Ramazan Gökberk Cinbiş
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Son birkaç yılda, üretici modelleme tabanlı yaklaşımlar ile, genelleştirilmiş sıfır örnekle öğrenmede kayda değer ilerlemeler elde edilmiştir. Bu yaklaşımlar tipik olarak nitelik tabanlı tanımlar gibi sınıf gösterimlerine koşullanmış eğitim örneklerini sentezleyen bir koşullu üretici model öğrenmeyi hedeflemektedir. Bu yaklaşımlarda, sıfır örnekle öğrenme modeli, görülmüş ve görülmemiş sınıfların gerçek ve/veya sentezlenmiş eğitim örneklerinin üzerinden bir gözetimli sınıflandırma modeli eğitilmesiyle elde edilebilir. Dolayısıyla, üretici modellerin sınıflandırıcı eğitim amaçlarına uygun olarak tercihen yalnızca alakalı değil aynı zamanda yeterince öğretici örnekler üretmesi gerekmektedir. Fakat varolan yaklaşımlar, üretici modeli sınıfa özgü örnekler ürettirmeye zorlamaya yönelik yakınsamalara veya sezgisel yöntemlere dayanmaktadır. Bu tezde, örnek değerlendirme olarak adlandırdığımız, üretici model eğitiminin her adımında üretilen örnekleri bir kapalı form sıfır örnekle öğrenme modeli aracılığı ile değerlendirmeye tabi tutarak eğitim örneklerinin değerini sıfır örnekle öğrenme amacına yönelik doğrudan maksimize eden ilkeli bir yaklaşım öneriyoruz. Önerilen yaklaşım, bir üretici modelin görülmemiş sınıfların gerçek örnekleri üzerine yapılan öngörüleri baz alan geribeslemeleri doğrudan kullanarak sentezlediği örneklerin kalitelerinin uçtan uca doğrulanabilmesine yönelik bir çözüm sağlamaktadır. Deney sonuçlarımız, kapalı form örnek değerlendirme yaklaşımının en gelişkin referans yöntemlere entegre edildiğinde tanıma sonuçlarını yükselttiğini göstermektedir.