YAPAY SİNİR AĞLARI
Yapay sinir ağları sayısal veriler ile hesaplama yapma bilgileri saklama, sistemdeki verileri kullanarak problemleri öğrenebilme ve çözüm üretebilmektedir.
Yapay sinir ağları biyolojik sinir sistemini taklit ederek modelendiği için hücrelerden meydana gelir ve eş zamanlı çlıştığı için karmaşık işlemler yapabilir.
İşlem sırasında hücrelerde sıkıntı olsa bile normal bir şekilde öğrenmeye devam edebilir.
Genellikle paralel işleyen bir yapıya ve birbirine bağlı bulunan birçok işlem elemanına (düğüme) sahiptir.
Veriler ağın bütününde saklanır bu şekilde veri kayıplarından etkilenmez.
Eksik verileri tamamlayabilir yada çevrim içi olarak öğrenebilir.
Öğreme daha çok deneme yanılma yoluyla olur bu yüzden yavaştır.
3 farklı tip öğrenme biçimi vardır.
Danışmanlı öğrenme:
Probleme ait giriş değerleri için çıktı değerlerininde sisteme verilmesi gerekir.Bu tip öğrenmede sisteme verilen girdiler-çıktı karşılıkları için modelde bulunan en uygun
değeri güncellenerek bulunur.
Bulunan çıktı beklenen çıktı arasındaki fark ile hata hesaplanarak ağırlıkların hesaplanmasında kullanılır.
Danışmansız öğrenme:
Probleme ait elde sadece girdiler var ise ve çıktı değerleri verilmeden sisteme bu girdiler sunuluyorsa danışmansız öğrenme yöntemi belirlenmiştir.
Takviyeli öğrenme:
Bu tip öğrenmede öğretici vardır fakat danışmanlı öğrenme gibi sisteme çok fazla detay vermemektedir.
Kullanım alanları
*Sistem modelleme *Ses tanıma *El yazısı tanıma
*Parmak izi tanıma *Plaka tanıma *Hava durumu tahmini
*Uçuş simülasyonu *Otamatik pilot *Görüntü ve veri karşılaştırma
ilk konumdu hatalarım mutlaka olmuştur söylerseniz düzeltmeye çalışırım.
Yapay sinir ağları sayısal veriler ile hesaplama yapma bilgileri saklama, sistemdeki verileri kullanarak problemleri öğrenebilme ve çözüm üretebilmektedir.
Yapay sinir ağları biyolojik sinir sistemini taklit ederek modelendiği için hücrelerden meydana gelir ve eş zamanlı çlıştığı için karmaşık işlemler yapabilir.
İşlem sırasında hücrelerde sıkıntı olsa bile normal bir şekilde öğrenmeye devam edebilir.
Genellikle paralel işleyen bir yapıya ve birbirine bağlı bulunan birçok işlem elemanına (düğüme) sahiptir.
Veriler ağın bütününde saklanır bu şekilde veri kayıplarından etkilenmez.
Eksik verileri tamamlayabilir yada çevrim içi olarak öğrenebilir.
Öğreme daha çok deneme yanılma yoluyla olur bu yüzden yavaştır.
3 farklı tip öğrenme biçimi vardır.
Danışmanlı öğrenme:
Probleme ait giriş değerleri için çıktı değerlerininde sisteme verilmesi gerekir.Bu tip öğrenmede sisteme verilen girdiler-çıktı karşılıkları için modelde bulunan en uygun
değeri güncellenerek bulunur.
Bulunan çıktı beklenen çıktı arasındaki fark ile hata hesaplanarak ağırlıkların hesaplanmasında kullanılır.
Danışmansız öğrenme:
Probleme ait elde sadece girdiler var ise ve çıktı değerleri verilmeden sisteme bu girdiler sunuluyorsa danışmansız öğrenme yöntemi belirlenmiştir.
Takviyeli öğrenme:
Bu tip öğrenmede öğretici vardır fakat danışmanlı öğrenme gibi sisteme çok fazla detay vermemektedir.
Kullanım alanları
*Sistem modelleme *Ses tanıma *El yazısı tanıma
*Parmak izi tanıma *Plaka tanıma *Hava durumu tahmini
*Uçuş simülasyonu *Otamatik pilot *Görüntü ve veri karşılaştırma
ilk konumdu hatalarım mutlaka olmuştur söylerseniz düzeltmeye çalışırım.
Son düzenleme:
