Yapay Sinir Ağları-Temel Bilgi

İnsan beynini taklit eden bilgi işlene yöntemidir (Freemon and Skapura, 1991), insan beynin öğrenme işlevini bilgisayar yolu ile gerçekleştirmeyi amaçlar (Öztemel, 2012). 

Basitçe  yapay neronlar birbirine bağlanır. Her bağlantı girdisinin gücü bir ağırlık değeri ile ifade edilir.  Bu ağırlık değeri verilen örnek sonucunda elde edilen çıktılara bağlı olarak güncellenerek interaktif şekilde öğrenme sağlanır.

YSA yönteminin genelleme özelliği sayesinde: Eğitim esnasında girilen probleme dair kaba özellikleri ortaya çıkarır, bu sayede eğitim sırasında kullanılmayan girdiler için anlamlı sonuçla verebilir.

Diğer üstünlükleri:

  • Paralel çalışabilme
  • Genelleme özelliği
  • Donanım boyutunda çalışabilmesi veya donanım olarak çalışabilme
  • Doğrusal sorumluluğunun bulunmaması

YSA’da öğrenme olarak isimlendirilen durum  bir bakıma ağırlık ayarlama işidir. Sonucu belli bir veri verilip, bu sonuca ulaşması için ağırlıkların ne olduğun sistem karar vermesi bekleniyor.

YSA hücrelerinde girdiler belirli ağırlık değerleri ile çarpılarak birleşme fonksiyonu ile birleştirilip nöronun net girdisi elde edilir. Net girdi aktivasyon fonksiyonu vasıtası ile net çıktıyı belirler (Biliç, 2017). Her bağlantının bir ağılık değeri vardır ve ağın sahip olduğu bilgi ağırlık değeriyle üm ağ yayılır (Öztemel 2012). 

Yapay sinir ağlarının sınıflandırılması 

Öğrenme algoritmalarına göre YSA

1) Gözetimli öğrenen YSA

YSA: Eğitim kümesine ihtiyaç duyar. Bu eğitim kümesinde verilerin etiketleri yani YSA’dan beklenen çıktı değerleri işaretli olmalıdır. Bu veriler yapay sinir ağlarının değerlerin ağırlıklarını bulması kullanılır. Gelen veri etiketlenir ve bu etiket gerçek etiketler ile karşılaştırır, Buna göre de ağırlık değerleri belirlenir.

2) Gözetimsiz Öğrenen YSA

Ağa öğrenme sırasında etiketsiz, yani beklenen çıktıları olmayan veriler sunulur. Sistemin her bir örneği inceleyerek bilgileri kendisinin keşfetmesi beklenir. Bu ağlara örnek Adaptive Rezonans Theory (ART) ağı verilebilir.

Çok katmanlı YSA 

Algılayıcı verileri alan nöron bulunduğu katmanla çıktı (sonuçları veren) nöronların bulunduğu katmanlar arasında gizli veya açık katmanlar bulunur. Girdi katmanında bulunan her bir nöron kendisinden sonra gelen katmanda bulunan her bir nöron ile bağlantılarıdır. Ara katmanda kendine gelen verileri işleyerek bir sonraki katmana aktarır. 

Yapay sinir ağlarının kullanım alanları: Problem için algoritma tasarlanamadığı, matematiksel model yapılamadığı; verilerin doğrusal ve kesin olmadığı, karmaşık, eksik ve gürültülü olduğu; sadece örnek verilerin bulunduğu durumlarda kullanılır.

YSA’nın diğer hesaplama yöntemlerinden avantaj ve dezavantajları şekil 2 de sunulmuştur. 

YSA kullanılan çalışmaların sınıflandırılması:

Kestirimde bulunma: Borsa hisse senedi veya dövizlerin değerlerinin tahmin edilmesi, hava durumu öğrencilere uygun mesleklerin tahmin edilmesi….

Sınıflandırma: Veriler hangi sınıfa uygun olduğunu belirlemesi. Resim videoların sınıflandırılması, bir sistemin verdiği hatanın sınıflandırılması. Öğrencilerin verilere göre sınıflandırılması.

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir