- 17 Kas 2020
- 918
- 502
Yapay Sinir Ağları:
İnsanın özelliği olan öğrenme ve yeni bilgiler türetebilme, keşfedebilme gibi yeteneklere sahip olabilmek için yetiştirilen bilgisayar sistemlerinden oluşur.
Canlıların davranışları örnek alınarak, matematiksel olarak modellenip yapay zeka modelleri üretilmeye çalışılır. Bu çalışmaya sibernetik denir. Eğitilebilir, uyum sağlayabilen, öğrenebilen, yorumlayabilen veya değerlendirebilen insan beyin yapısından ilham alınarak yapay sinir ağları tasarımı amaçlanır.
Yapay zekânın taklit ettiği biyolojik sinir ağlarının öğrenme, hatırlama, genelleme yeteneklerini taklit eder. Öğrenmeyi sağlamak için geçmişteki deneyimlerdeki örnekler dikkate alınır. Giriş-çıkış bilgileriyle kurallar konulur.
Yapay Sinir Ağları yapay hücrelerden oluşur, bu hücrelerle veri iletimi sağlanır. Bu ağlar ayrıca bir veriş giriş sistemi olarak kullanılır ki bunun için veri işleme sistemi ve veri algoritması geliştirilerek sezgisel algoritmik sinir sistemleri oluşur.
Yapay sinir ağlarının kullanıldığı alanlar:
1- Sınıflandırma: Girdi değerlerini sınıflandırma için kullanılır. Örneğin; bigdata (büyük veri) veritabanındaki verilerin türüne göre sınıflandırılmasıyla değerli ve kullanılabilir hale gelmektedir.
2- Veri ilişkilendirme: Yapay sinir ağları yeni öğrendiği bilgilerle eksik olanları tamamlar.
3- Veri filtreleme: Çok sayıda veri arasından en uygun verileri belirleme görevini yapar.
4- Kontrol: Burada yapay sinir ağları, girdileri analiz eder. Önceden elde edilen bilgiler kullanılarak yeni olaylar hakkında yorumlanması sağlanır.
5- Tahmin: Bir çıktıyı tahmin etmek için girdi değerleri kullanılır. Örneğin bir sosyal medya kullanıcısının paylaşımlarına bakılarak ilgi alanları tahminini yapabilir.
Yapay sinir ağlarında kullanılan işlem, modelin en iyi sonuç vereceği w(ağırlık parametresi) ve b (bios değeri) parametrelerinin hesabını yapar. Her yapay sinir hücresi bu şekilde hesaplanır ve birbirine bağlanır.
İnsan sinir hücre hücre (nöron) yapısı:
Akson (Axon): Sistem çıkış darbelerinin olduğu, elektriksel iletimi tek yönlü yapar.
Dentritler (Dendrites): Elektriksel olarak pasif bir sistem girişidir. Diğer hücrelerden gelen iletimleri toplar.
Sinaps (Synapse): Hücre aksonlarının dentritler arası bağlantısını sağlar.
Miyelin Tabaka (Myelin Sheath): Yalıtım görevi görerek yayılma hızını olumlu yönde etkiler.
Çekirdek (Nucleus): İşaretlerin akson boyunca yeniden üretilmesini sağlar.
Canlılardaki sinir hücresinde akson boyunca iletim yapılır. Çıkış terminallerinde dentrit uçlarından alınan sensör veriler çekirdekte ağırlandırılarak akson boyunca ilerletilip başka sinir hücresine bağlanır. Sinirler arasındaki iletişim bu şekilde sağlanır. Sinirler arasındaki iletim; girdiler, ağırlıklar, toplama (birleştirme) fonksiyonu, aktivasyon fonksiyonu, çıktılar şeklinde sınıflandırılmış bölümlerle olur.
1- Girdiler: Nöronlara gelen verilerdir.
2- Ağırlıklar: Yapay sinir hücresine gelen veriler “girdiler” ile çekirdeğe iletilmeden önce geldikleri bağlantının ağırlığıyla çarpılarak çekirdeğe iletilir.
3- Toplam Fonksiyonu: Yapay sinir hücrelerine ağırlıklarla çarpılarak gelen girdileri toplayıp o sinir hücresinin net girdisinin hesaplandığı fonksiyondur.
4- Aktivasyon Fonksiyonu: Tüm girdilerin ağırlıklı toplamını alarak bir çıkış değeri üretip sonraki katmana geçirir.
Yapay sinir ağlarındaki bağlantıyı sağlamak için yapılan işlem w (ağırlık parametresi) ve b (bios değeri) parametrelerinin hesabıdır. Bu hesap, modelin en iyi skorunu sağlamalıdır. Bu şekilde sinir hücreleri birbirine seri veya paralel şekilde bağlanır. Nöronların hafızasında kalan bilgi sonraki katmanlara ya da çıkışa aktarılır. Bu durum, modelin öğrenme seviyesini belirler. Bir katmandaki nöron sayısı sinir sisteminin performansını etkiler. Girişin 0 olduğu durumda W.x=0 ve +b değeri skor fonksiyonunun çıktısını öteler. Böylece modelin öğrenmeye devam etmesini sağlar. W (ağırlık) vektörü/nöron sayısı, bias (b) değerleri bir dahaki katmandaki düğüm sayısı kadar olmalıdır.
Yapay zeka ne kadar çok gelişirse gelişsin, canlı bir organizmanın gelişmişliğinin üzerine çıkamaz, çünkü onu tasarlayan zaten o örnek aldığı varlıktır.
İnsanın özelliği olan öğrenme ve yeni bilgiler türetebilme, keşfedebilme gibi yeteneklere sahip olabilmek için yetiştirilen bilgisayar sistemlerinden oluşur.
Canlıların davranışları örnek alınarak, matematiksel olarak modellenip yapay zeka modelleri üretilmeye çalışılır. Bu çalışmaya sibernetik denir. Eğitilebilir, uyum sağlayabilen, öğrenebilen, yorumlayabilen veya değerlendirebilen insan beyin yapısından ilham alınarak yapay sinir ağları tasarımı amaçlanır.
Yapay zekânın taklit ettiği biyolojik sinir ağlarının öğrenme, hatırlama, genelleme yeteneklerini taklit eder. Öğrenmeyi sağlamak için geçmişteki deneyimlerdeki örnekler dikkate alınır. Giriş-çıkış bilgileriyle kurallar konulur.
Yapay Sinir Ağları yapay hücrelerden oluşur, bu hücrelerle veri iletimi sağlanır. Bu ağlar ayrıca bir veriş giriş sistemi olarak kullanılır ki bunun için veri işleme sistemi ve veri algoritması geliştirilerek sezgisel algoritmik sinir sistemleri oluşur.
Yapay sinir ağlarının kullanıldığı alanlar:
1- Sınıflandırma: Girdi değerlerini sınıflandırma için kullanılır. Örneğin; bigdata (büyük veri) veritabanındaki verilerin türüne göre sınıflandırılmasıyla değerli ve kullanılabilir hale gelmektedir.
2- Veri ilişkilendirme: Yapay sinir ağları yeni öğrendiği bilgilerle eksik olanları tamamlar.
3- Veri filtreleme: Çok sayıda veri arasından en uygun verileri belirleme görevini yapar.
4- Kontrol: Burada yapay sinir ağları, girdileri analiz eder. Önceden elde edilen bilgiler kullanılarak yeni olaylar hakkında yorumlanması sağlanır.
5- Tahmin: Bir çıktıyı tahmin etmek için girdi değerleri kullanılır. Örneğin bir sosyal medya kullanıcısının paylaşımlarına bakılarak ilgi alanları tahminini yapabilir.
Yapay sinir ağlarında kullanılan işlem, modelin en iyi sonuç vereceği w(ağırlık parametresi) ve b (bios değeri) parametrelerinin hesabını yapar. Her yapay sinir hücresi bu şekilde hesaplanır ve birbirine bağlanır.
Akson (Axon): Sistem çıkış darbelerinin olduğu, elektriksel iletimi tek yönlü yapar.
Dentritler (Dendrites): Elektriksel olarak pasif bir sistem girişidir. Diğer hücrelerden gelen iletimleri toplar.
Sinaps (Synapse): Hücre aksonlarının dentritler arası bağlantısını sağlar.
Miyelin Tabaka (Myelin Sheath): Yalıtım görevi görerek yayılma hızını olumlu yönde etkiler.
Çekirdek (Nucleus): İşaretlerin akson boyunca yeniden üretilmesini sağlar.
Canlılardaki sinir hücresinde akson boyunca iletim yapılır. Çıkış terminallerinde dentrit uçlarından alınan sensör veriler çekirdekte ağırlandırılarak akson boyunca ilerletilip başka sinir hücresine bağlanır. Sinirler arasındaki iletişim bu şekilde sağlanır. Sinirler arasındaki iletim; girdiler, ağırlıklar, toplama (birleştirme) fonksiyonu, aktivasyon fonksiyonu, çıktılar şeklinde sınıflandırılmış bölümlerle olur.
1- Girdiler: Nöronlara gelen verilerdir.
2- Ağırlıklar: Yapay sinir hücresine gelen veriler “girdiler” ile çekirdeğe iletilmeden önce geldikleri bağlantının ağırlığıyla çarpılarak çekirdeğe iletilir.
3- Toplam Fonksiyonu: Yapay sinir hücrelerine ağırlıklarla çarpılarak gelen girdileri toplayıp o sinir hücresinin net girdisinin hesaplandığı fonksiyondur.
4- Aktivasyon Fonksiyonu: Tüm girdilerin ağırlıklı toplamını alarak bir çıkış değeri üretip sonraki katmana geçirir.
5- Çıktılar: Aktivasyon fonksiyonundan çıkan değeri ifade eder. Bu çıktı istenildiği kadar sinir hücresine bağlanabilir.
Yapay Sinir Ağı Yapısı: Yapar sinir hücrelerinin bağlanmasıyla oluşur. Giriş katmanı, ara (gizli) katmanlar, çıkış katmanı vardır. Bilgiler girdi katmanlarından ağ’a iletilir. Ara katmanlarda işlenir. Oradan çıktı katmanına gönderilir. Ağa gelen bilgiler, ağın ağırlık değerleri kullanılarak çıktıya geçirilmesi bilgi işlemeyle alakalıdır. Sinir ağlarının doğru çıktıları yönetebilmesi için ağırlıkların değerlerinin doğru olması gerekir.
