Enhancing Deep Learning Performance Through a Genetic Algorithm-Enhanced Approach: Focusing on LSTM

Abstract

Derin öğrenme, görüntü sınıflandırma, doğal dil işleme ve konuşma tanıma gibi çeşitli uygulamalarda dikkat çekici başarılar elde etmiştir. Ancak, derin sinir ağlarını eğitmek, karmaşık mimarileri ve gereken parametre sayısı nedeniyle zorlu bir süreçtir. Genetik algoritmalar, derin öğrenme için alternatif bir optimizasyon teknik olarak önerilmiştir ve optimal bir ağ parametre setini minimize eden bir amaç fonksiyonu bulmak için etkili bir alternatif yöntem sunar. Bu makalede, derin öğrenme ile genetik algoritmaları entegre eden, özellikle LSTM modellerini kullanarak performansı artırmayı amaçlayan yeni bir yaklaşım öneriyoruz. Yöntemimiz, genetik algoritmalar aracılığıyla öğrenme hızı, grup boyutu, katman başına nöron sayısı ve katman derinliği gibi kritik hiper-parametreleri optimize eder. Ayrıca, genetik algoritma parametrelerinin optimizasyon sürecini nasıl etkilediğine dair kapsamlı bir analiz yaparak, LSTM model performansını iyileştirmedeki önemli etkilerini gösteriyoruz. Genel olarak, sunulan yöntem, derin sinir ağlarının performansını artırmak için güçlü bir mekanizma sunmakta olup bu nedenle yapay zekâ disiplininde gelecekteki uygulamalar için önemli bir potansiyele sahip olduğuna inanıyoruz.