Yapay Sinir Ağları

Yapay sinir ağları
Vikipedi, özgür ansiklopedi



Yapay sinir ağı (bir katman)

Yapay sinir ağları (YSA), insan beyninin bilgi işleme teknolojisinden esinlenerek geliştirilmiş bir bilgiişlem teknolojisidir YSA ile basit biyolojik sinir sisteminin çalışma şekli simüle edilir (benzetilir) Simüle edilen sinir hücreleri nöronlar içerirler ve bu nöronlar çeşitli şekillerde birbirlerine bağlanarak ağı oluştururlar Bu ağlar öğrenme, hafızaya alma ve veriler arasındaki ilişkiyi ortaya çıkarma kapasitesine sahiptirler Diğer bir ifadeyle, YSA'lar, normalde bir insanın düşünme ve gözlemlemeye yönelik doğal yeteneklerini gerektiren problemlere çözüm üretmektedir Bir insanın, düşünme ve gözlemleme yeteneklerini gerektiren problemlere yönelik çözümler üretebilmesinin temel sebebi ise insan beyninin ve dolayısıyla insanın sahip olduğu yaşayarak veya deneyerek öğrenme yeteneğidir

Biyolojik sistemlerde öğrenme, nöronlar arasındaki sinaptik (synaptic) bağlantıların ayarlanması ile olur Yani, insanlar doğumlarından itibaren bir yaşayarak öğrenme süreci içerisine girerler Bu süreç içinde beyin sürekli bir gelişme göstermektedir Yaşayıp tecrübe ettikçe sinaptik bağlantılar ayarlanır ve hatta yeni bağlantılar oluşur Bu sayede öğrenme gerçekleşir Bu durum YSA için de geçerlidir Öğrenme, eğitme yoluyla örnekler kullanarak olur; başka bir deyişle, gerçekleşme girdi/çıktı verilerinin işlenmesiyle, yani eğitme algoritmasının bu verileri kullanarak bağlantı ağırlıklarını (weights of the synapses) bir yakınsama sağlanana kadar, tekrar tekrar ayarlamasıyla olur

YSA'lar, ağırlıklandırılmış şekilde birbirlerine bağlanmış birçok işlem biriminden (nöronlar) oluşan matematiksel sistemlerdir Bir işlem birimi, aslında sık sık transfer fonksiyonu olarak anılan bir denklemdir Bu işlem birimi, diğer nöronlardan sinyalleri alır; bunları birleştirir, dönüştürür ve sayısal bir sonuç ortaya çıkartır Genelde, işlem birimleri kabaca gerçek nöronlara karşılık gelirler ve bir ağ içinde birbirlerine bağlanırlar; bu yapı da sinir ağlarını oluşturmaktadır

Sinirsel (neural) hesaplamanın merkezinde dağıtılmış, adaptif ve doğrusal olmayan işlem kavramları vardır YSA'lar, geleneksel işlemcilerden farklı şekilde işlem yapmaktadırlar Geleneksel işlemcilerde, tek bir merkezi işlem birimi her hareketi sırasıyla gerçekleştirir YSA'lar ise herbiri büyük bir problemin bir parçası ile ilgilenen, çok sayıda basit işlem birimlerinden oluşmaktadır En basit şekilde, bir işlem birimi, bir girdiyi bir ağırlık kümesi ile ağırlıklandırır, doğrusal olmayan bir şekilde dönüşümünü sağlar ve bir çıktı değeri oluşturur İlk bakışta, işlem birimlerinin çalışma şekli yanıltıcı şekilde basittir Sinirsel hesaplamanın gücü, toplam işlem yükünü paylaşan işlem birimlerinin birbirleri arasındaki yoğun bağlantı yapısından gelmektedir Bu sistemlerde geri yayılım metoduyla daha sağlıklı öğrenme sağlanmaktadır

Çoğu YSA'da, benzer karakteristiğe sahip nöronlar tabakalar halinde yapılandırılırlar ve transfer fonksiyonları eş zamanlı olarak çalıştırılırlar Hemen hemen tüm ağlar, veri alan nöronlara ve çıktı üreten nöronlara sahiptirler

YSA'nın ana öğesi olan matematiksel fonksiyon, ağın mimarisi tarafından şekillendirilir Daha açık bir şekilde ifade etmek gerekirse, fonksiyonun temel yapısını ağırlıkların büyüklüğü ve işlem elemanlarının işlem şekli belirler YSA'ların davranışları, yani girdi veriyi çıktı veriye nasıl ilişkilendirdikleri, ilk olarak nöronların transfer fonksiyonlarından, nasıl birbirlerine bağlandıklarından ve bu bağlantıların ağırlıklarından etkilenir

Yapay sinir ağlarının üstünlüklerinin yanı sıra bazı sakıncaları da vardır Bu sakıncalar şu şekilde listelenebilir:

* Sistem içerisinde ne olduğu bilinemez
* Bazı ağlar hariç kararlılık analizleri yapılamaz
* Farklı sistemlere uygulanması zor olabilir

Yapay Sinir Ağlarının Katmanları


Serinin üçüncü ve diğerlerine göre nispeten kısa bir bölümüyle yapay sinir ağlarına devam ediyoruz (1 – 2) Bu yazıyı kısa kesmemin sebebi bundan sonraki bölümde yapay sinir ağlarının sınıflandırılması konusuna değinecek olmam ve onun da biraz uzun olmasıdır Uzun uzadıya yazıp kimseyi bunaltmak istemem

Yapay Sinir Ağlarının Yapısı

Yapay sinir ağları yapay sinir hücrelerinin birbirine bağlanmasıyla oluşan yapılardır Yapay sinir ağları üç ana bölümde incelenir; giriş, ara ve çıkış katmanları



Giriş Katmanı

Yapay sinir ağına dış dünyadan girdilerin geldiği katmandır Bu katmanda dış dünyadan gelecek giriş sayısı kadar nöron bulunmasına rağmen genelde girdiler herhangi bir işleme uğramadan alt katmanlara iletilmektedir

Ara Katmanı

Giriş katmanından çıkan bilgiler bu katmana gelir Ara katman sayısı ağdan ağa değişebilir Bazı yapay sinir ağlarında ara katman bulunmadığı gibi bazı yapay sinir ağlarında ise birden fazla ara katman bulunmaktadır Ara katmanlardaki nöron sayıları giriş ve çıkış sayısından bağımsızdır Birden fazla ara katman olan ağlarda ara katmanların kendi aralarındaki nöron sayıları da farklı olabilir Ara katmanların ve bu katmanlardaki nöronların sayısının artması hesaplama karmaşıklığını ve süresini arttırmasına rağmen yapay sinir ağının daha karmaşık problemlerin çözümünde de kullanılabilmesini sağlar

Çıkış Katmanı

Ara katmanlardan gelen bilgileri işleyerek ağın girdi katmanından gelen verilere karşılık olan çıktıları üreten katmandır Bu katmanda üretilen çıktılar dış dünyaya gönderilir Geri beslemeli ağlarda bu katmanda üretilen çıktı kullanılarak ağın yeni ağırlık değerleri hesaplanır