Örüntü Tanıma Değerlendirme
23109210103:
1-Derin Öğrenme kısmında bu algoritmaların nerelerde kullanıldıkları (Routing, IDS, Clustering, …) her alanda birkaç örnek ile detaylandırılmalıdır.
2- Problem cümlesi tanımlanmış ancak net ifade edilmemiş. Problem cümlesi net amaçlar ve bunları destekleyen hedeflerle belirtilmelidir. Bu hedefler çalışmanın özgünlüğünü vurgulayacaktır. Tam olarak literatüre ne gibi bir katkı sağladığınız belirtilmelidir.
3- Materyal Metot diye bir bölüm oluşturularak kullanılan sınıflandırıcı açıklamalarını o kısma taşınmalıdır. Özet açıklamadan sonra algoritma için denenen farklı hyper parametre değerleri veya aralıkları belirtilmelidir.
4- Sonuçlar kısmında her algoritma için denenen parametre değerleri, confusion matrix ve başarım değerleri tablo halinde verilerek kıyaslama yapılmalıdır. Her sınıflandırıcı için 10 en iyi modeli yazmak yeterlidir.
5- Bu kapsamda analizler artırılmalıdır.
6- Discussion (Tartışma) bölümü eklenerek benzer çalışmalar bir tablo halinde verilmelidir. En az 10 yakın çalışmayı içermelidir. Aynı verisetinden, yeni bir veri setiyse benzer veri setleriyle yapılan çalışmalar bu tabloya eklenebilir. Bu tablodaki makaleler tablo ile verildikten sonra cümle olarak anlatılmalı ve çalışmanın avantaj ve dezavantajları, başarım değerleri ve deneysel sonuçları paylaşılmalıdır.
Bu karşılaştırma Örüntü tanıma aşamaları göz önünde bulundurulacak şekilde bir tablo ile yansıtılmalıdır.
7- Discussion en son paragrafında sizin benzer çalışmalardan üstünlükleriniz, avantajlarınız ve en iyi başarım sonucunuz paylaşılmalıdır. En yüksek başarımı aldığınız model, yöntem, ön işlem, öznitelik seçim vs adımları paylaşılmalıdır.
8- Bildiri formatını IEEE formatında oluşturunuz. (https://www.ieee.org/content/dam/ieee-org/ieee/web/org/conferences/conference-template-a4.docx)
23109210104:
1- Problem cümlesi tanımlanmış ancak net ifade edilmemiş. Problem cümlesi net amaçlar ve bunları destekleyen hedeflerle belirtilmelidir. Bu hedefler çalışmanın özgünlüğünü vurgulayacaktır. Tam olarak literatüre ne gibi bir katkı sağladığınız belirtilmelidir.
2- Materyal Metot bölümünde kullanılan yöntemler anlatılmalıdır. Örüntü Tanıma sürecindeki tüm adımlarda kullandığınız ve kıyasladığınız algoritmaları, sınıflandırıcıları açıklayınız. Özet açıklamadan sonra algoritma için denenen farklı hyper parametre değerleri veya aralıkları belirtilmelidir.
3- Şuanki haliyle her adımda kullanılan yöntemler net değildir.
4- Sonuçlar kısmında her algoritma için denenen parametre değerleri, confusion matrix ve başarım değerleri tablo halinde verilerek kıyaslama yapılmalıdır. Her sınıflandırıcı için 10 en iyi modeli yazmak yeterlidir.
5- Weka yazılımını anlatmaya gerek yok. O kısım bizim için yalnızca araçtır. Önemli olan yöntemlere vurgu yapmaktır. Açıklamaları çıkaralım.
6- Sonuçlar kısmı farklı parametre değerleri, farklı yöntemler ve hiper parametre aralıkları için denenmelidir. Bu kapsamda analizler artırılmalıdır.
7- Discussion (Tartışma) bölümü eklenerek benzer çalışmalar bir tablo halinde verilmelidir. En az 10 yakın çalışmayı içermelidir. Aynı verisetinden, yeni bir veri setiyse benzer veri setleriyle yapılan çalışmalar bu tabloya eklenebilir. Bu tablodaki makaleler tablo ile verildikten sonra cümle olarak anlatılmalı ve çalışmanın avantaj ve dezavantajları, başarım değerleri ve deneysel sonuçları paylaşılmalıdır.
Bu karşılaştırma Örüntü tanıma aşamaları göz önünde bulundurulacak şekilde bir tablo ile yansıtılmalıdır.
8- Discussion en son paragrafında sizin benzer çalışmalardan üstünlükleriniz, avantajlarınız ve en iyi başarım sonucunuz paylaşılmalıdır. En yüksek başarımı aldığınız model, yöntem, ön işlem, öznitelik seçim vs adımları paylaşılmalıdır.
9- Bildiri formatını IEEE formatında oluşturunuz. (https://www.ieee.org/content/dam/ieee-org/ieee/web/org/conferences/conference-template-a4.docx)
23109210102:
1- Giriş bölümü genişletilmelidir. Bu kısma en az 10 -15 adet benzer konu üzerinde çalışan makale eklenmelidir. Bu makalelerin hangi yöntemleri kullandığı, ne gibi modelleri analiz ettiği, hangi veritabanlarını kullandığı, vs eklenmelidir.
2- Veriseti kısmında ek olarak veri sayısı, hangilerinin dışlandığı, görüntülerin dpi ve çözünürlük özellikleri, boyutları, vs gibi teknik veriler eklenmelidir.
3- Yöntem, Histogram teknikleri iyi yazılmış. Ancak bu yöntemler için farklı parametre değerleri ve farklı parametre aralıkları için analizler tekrarlanmalıdır. Bu sayede probleme en uygun algoritma ve parametrelerin belirlenmesi kolaylaşır. Bu sonuçlar arasında değerlendirme yapmaya imkan sağlar.
4- Sınıflandırıcı bölümü anlatım olarak detaylandırılmalı. Türkçe makale için DeepGraphNet üzerinden bilgi sağlayabilirsin.
5- Bu CNN modeli nasıl seçildi?, farklı modellemeler denendi mi? Farklı modeller için de uygulanması daha iyi bir analizi işaret eder.
6- Transfer Learning uygulayabilirsen çalışma güzel bir hale gelir. Önce tanımı sonra MobileNetv2, ResNet50 gibi modelleri denemelisin.
7- Şekil 6 gereksiz görünüyor. Onu çıkarabilirsin. Zaten veriseti kısmında örnek veriler mevcut.
8- Discussion (Tartışma) bölümü eklenerek benzer çalışmalar bir tablo halinde verilmelidir. En az 10 yakın çalışmayı içermelidir. Aynı verisetinden, yeni bir veri setiyse benzer veri setleriyle yapılan çalışmalar bu tabloya eklenebilir. Bu tablodaki makaleler tablo ile verildikten sonra cümle olarak anlatılmalı ve çalışmanın avantaj ve dezavantajları, başarım değerleri ve deneysel sonuçları paylaşılmalıdır.
Bu karşılaştırma Örüntü tanıma aşamaları göz önünde bulundurulacak şekilde bir tablo ile yansıtılmalıdır.
9- Validation loss hiç değişmemiş. Bu da modelinde bir problem olduğunu gösterir. Yeniden analizler yapman doğru olacaktır.
10- Şekil 9 accuracy değeri mi yoksa loss değeri mi? Çünkü accuracy ise çok düşük bir başarıma karşılık gelir. Başarım değerlerini tablo olarak farklı modeller için tablo haline dönüştürmelisin.
11- Discussion en son paragrafında sizin benzer çalışmalardan üstünlükleriniz, avantajlarınız ve en iyi başarım sonucunuz paylaşılmalıdır. En yüksek başarımı aldığınız model, yöntem, ön işlem, öznitelik seçim vs adımları paylaşılmalıdır.
23109210101:
1- Çalışma bildiriden ziyade rapor olarak sunulmuş. Bildiri formatındaki Giriş, Materyal Metot, Örüntü tanıma dersinin aşamaları atlanmıştır.
2- Bildiride kod paylaşımı yapılmaz. Bundan ziyade pseudo code gösterimi yapılır. Ancak özgün olarak sunulan bir yapı olmadığı için koymamanı tavsiye ediyorum.
3- Discussion (Tartışma) bölümü eklenerek benzer çalışmalar bir tablo halinde verilmelidir. En az 10 yakın çalışmayı içermelidir. Aynı verisetinden, yeni bir veri setiyse benzer veri setleriyle yapılan çalışmalar bu tabloya eklenebilir. Bu tablodaki makaleler tablo ile verildikten sonra cümle olarak anlatılmalı ve çalışmanın avantaj ve dezavantajları, başarım değerleri ve deneysel sonuçları paylaşılmalıdır.
4- Verisetinin nasıl bölündüğü, analizlerde dışlama yapılıp yapılmadığı, vs. paylaşılmalıdır.
5- Modeller ve algoritmalar için hiper parametreler paylaşılmalı, belirli aralıklardaki parametre değerleri için analizler tekrar edilmeli ve raporlanmalıdır.
6- Çok zaman ayıramadığın bir bildiri olduğu aşikar.
7- Bildiri formatını IEEE formatında oluşturunuz. (https://www.ieee.org/content/dam/ieee-org/ieee/web/org/conferences/conference-template-a4.docx)
23109210105:
1- Çalışma bildiriden ziyade rapor olarak sunulmuş. Bildiri formatında yer alan Materyal Metot, Tartışma bölümleri Örüntü tanıma dersinin aşamaları göz önünde bulundurularak düzenlenmelidir.
2- Özet kısmında yapılan her şamanın birer cümleyle anlatımı ve en yüksek başarımların yansıtılmasını içermelidir.
3- Giriş bölümündeki benzer literatür sayısı artırılmalıdır. Aynı verisetini kullanan çalışma olmasa da benzer amaca ulaşmaya yönelik makalelere ulaşılmalıdır. İncelenen makale sayısı azami nota ulaşabilmek için en az 10 olmalıdır.
4- Materyal Metot bölümünde kullanılan sınıflandırıcılar, Veriseti hakkında bilgi, ek bir yöntem kullanılmışsa alt başlıklarla detaylandırılmalıdır. Tanım, formül, parametre aralığı belirtilmeli ayrıca referanslarla desteklenmelidir.
5- Console çıktıları şekil olarak değil her epoch için tabloya dönüştürülerek sunulmalıdır. Bu çalışmanın rapora dönüşmesine sebep olmaktadır.
6- Çalışmada farklı DNN, KNN parametre ve modelleri denenmiş ancak hangi sonucun hangi parametre ile elde edildiğine yer verilmemiştir. Kullanılan her parametre tabloda belirtilmelidir.
7- Farklı DNN modelleri farklı nöron ve layer sayılarıyla analiz edilmelidir. Farklı parametreler denenmeli, farklı aralıklar için analizler yenilenmelidir.
8- Discussion (Tartışma) bölümü eklenerek benzer çalışmalar bir tablo halinde verilmelidir. En az 10 yakın çalışmayı içermelidir. Aynı verisetinden, yeni bir veri setiyse benzer veri setleriyle yapılan çalışmalar bu tabloya eklenebilir. Bu tablodaki makaleler tablo ile verildikten sonra cümle olarak anlatılmalı ve çalışmanın avantaj ve dezavantajları, başarım değerleri ve deneysel sonuçları paylaşılmalıdır.
Bu karşılaştırma Örüntü tanıma aşamaları göz önünde bulundurulacak şekilde bir tablo ile yansıtılmalıdır.
9- Discussion en son paragrafında sizin benzer çalışmalardan üstünlükleriniz, avantajlarınız ve en iyi başarım sonucunuz paylaşılmalıdır. En yüksek başarımı aldığınız model, yöntem, ön işlem, öznitelik seçim vs adımları paylaşılmalıdır.
10- Bildiri formatını IEEE formatında oluşturunuz. (https://www.ieee.org/content/dam/ieee-org/ieee/web/org/conferences/conference-template-a4.docx)