Hedef: Dayanıklı sinir ağı mimarileri tasarlamada evrimsel arama yöntemlerinin potansiyelini keşfetmek.
Bu proje, Farsça ünlü ses sinyallerini sınıflandırmak için Evrişimsel Sinir Ağlarını (CNN) optimize etmeye yönelik Genetik Algoritmalar (GA) ile Sinirsel Mimari Arayışı (NAS) üzerine odaklanmaktadır. Amaç, manuel ayarlamaya gerek kalmadan yüksek performanslı mimariler keşfetmektir.
Yaklaşım:
GA, seçim, çaprazlama ve mutasyon işlemleriyle CNN mimarilerinden oluşan bir popülasyonu evrimleştirir. Her bireyin performansı, doğrulama kümesindeki doğruluk (validation accuracy) değerine göre ölçülür.
Veri Seti:
MATLAB .mat dosyalarından ön işlenerek PyTorch uyumlu tensörlere dönüştürülen, 6 sınıflı Farsça ünlü ses veri seti.
Sonuçlar:
Rastgele tahminin oldukça üzerinde doğrulama başarısı elde edildi ve GA’nın mimari keşfindeki etkinliği gösterildi. Hiperparametre ayarları (ör. mutasyon oranı), yakınsama ve çeşitlilik üzerindeki etkisini ortaya koydu.
Model ve Araçlar: Python, PyTorch, NumPy, matplotlib