Herkese merhabalar,

Yeni bir yazı ile karşınızdayım. Yapay zeka ile birçok kavram hayatımıza girdi. Teknolojinin ilerlemesini analiz edersek, çoğu noktada gerçek hayatın ve doğanın taklit edilerek bir öğrenme sürecinin gerçekleştiğini görebiliriz. O  kavramlardan bir tanesi de “yapay sinir ağları”. Konu uzun olduğu için seriler halinde yazacağım. Serinin ilk yazısı olan bu yazıda yapay sinir ağlarının genel hatlarından bahsedeceğim.

İnsan beyni öğrenme, birleştirme, genelleştirme, analiz etme yetenekleri ile birlikte karışık sisteme sahip bir yapıdadır. Yapay sinir ağları ise insan beyninin işleyişini taklit ederek modellenen sistemlere verilen isimdir. Yapay sinir ağları(YSA), biyolojik sinir ağlarının işleyiş yöntem ve modellerinin simülasyonudur da diyebiliriz. Canlı davranışlarının incelenip eğitilmesi ile test yeteneğinin geliştirilmesi sağlanır. Ve bu olayları taklit eden bilgisayar programları tasarlanır. Şimdi gelin YSA’yı daha kapsamlı bir şekilde ele alalım.

YSA’nın Tarihçesi

YSA’nın ilk modelleri 1940’lı yıllara dayanır. Warren McCulloch ve Walter Pitts’in 1943 yılında yayınlamış oldukları makale ile yapay sinir ağlarının temelleri atılmaya başlanmıştır. McCulloch ve Pitts, elektrik devreleri kullanarak insan beyninin hesaplama ve analiz yeteneğini göz önüne alarak ilk yapay sinir ağları modelini kurmuşlardır. 1950’li yıllarda ise ilk nöro-bilgisayar üretilmiştir. Sonraki yıllarda W.A. Clark  ve B.G. Farley, uyarılara göre uyum sağlayabilen bir model geliştirmişlerdir. Bu tür çalışmalar zaman geçtikçe ilerleyerek devam etmiştir.

İnsanlardaki sinir hücresinin yani nöronun yapısı şu şekildedir:

Şimdi gerçek nöronun YSA’ya denk gelen karşılıklarını belirleyelim.

YSA’nın Genel Özellikleri

Yapay sinir ağları, belirlenen modellere veya farklı girdilere göre değişiklik gösterir. Aynı girdilerle bir giriş olsa bile farklı ağırlıkların kullanılması çıktıların değişmesine yol açar. Bu nedenle yapay sinir ağlarına ait genel özellikler birkaç başlıkta toplanabilir.

1.Girdi, ağırlık, aktivasyon fonksiyonu, transfer fonksiyonu ve çıktı olmak üzere 5 temel elemandan oluşur.

Girdi: İstenilen çıktıları oluşturabilmek için girilen verilerdir. Başka bir hücreden gelmiş olabilir ya da dışarıdan elde edilebilir.

Ağırlık: Hücreler arasında bağlantılar bulunur. Bu bağlantılar sayısal değerlerden oluşur ve belirli bir amaca hizmet ederler. Bunlara ağırlık adı verilir. Ağırlıkların küçük veya büyük olması örneklere ya da modele bağlı olarak değişebilen bir durumdur. Bu nedenle “küçük olan ağırlık önemsizdir, büyük ağırlıklara sahip modeller önemlidir” tarzında ifadeler söz konusu olamaz.

Transfer Fonksiyonu: Girdiler ile ağırlıkların işleme girmesi sonucu oluşan fonksiyondur.

Aktivasyon Fonksiyonu: Transfer fonksiyonu tarafından gelen bilgileri birtakım fonksiyonlardan geçirir ve çıktıları oluşturur. Yani hücreye gelen net girdiyi işleyerek o hücrenin girdisine karşılık gelen çıktıyı belirlemeyi sağlar. Bunun için aktivasyon fonksiyonu genellikle doğrusal olmayan bir fonksiyon olarak seçilir.

Çıktı: Aktivasyon fonksiyonu sonucunda belirlenen değer çıktı olarak ifade edilir. Ayrıca bir modelin çıktısı, başka bir modelin girdisi olarak da kullanılabilir.

2.Makine öğrenmesini gerçekleştirirler.

YSA’nın asıl görevi bilgisayar öğrenmesini sağlayarak çıktılar elde edebilmektir. Bu yüzden eldeki verilere göre belirli analizler yaparak yeni ve benzer konular hakkında bilgi verebilmeleri sağlanmalıdır.

3. Çalıştırılmadan önce eğitme durumunun gerçekleştirilmesi gerekir.

4. Örnekler ile öğrenme aşamaları tamamlanır.

Öğrenmenin gerçekleşebilmesi için ilgili olaya ilişkin örneklerin belirlenmesi gerekir. Burada adaptif öğrenme söz konusudur. Çünkü örnekler kullanılarak genelleme yapılması gereken yeteneğe ulaşılmaya çalışılır. Örnek olduğunda eğitim ile ağ eğitilir. Örnek olmadığında ağ hiçbir şekilde eğitilemeyeceği için bir sonuç ortaya çıkmaz.

Örneğin hasta olduğunuz zamanları ele alalım. Doktora giderseniz doktor durumunuzu değerlendirir, sorular sorar, birtakım testler yapar ve teşhisi koyar. Bu teşhisi koymada önceden görmüş olduğu hastalıklar veya sizin hastalığınıza benzer şikayetlerle hastaneye gelen kişiler etkili olmuştur. Önceki deneyimlerinden faydalanarak size doğru tanıyı bu şekilde koyar. Doktorun yıllarca gördüğü bu durum ve süreç ağın eğitilmesine karşılık gelir. Çıktı olarak da size hastalığınızın teşhisini koyması ve reçete yazması örnek verilebilir. Eğer hastanede test yaptırmak için yeterli alan veya test yoksa bu durum ağın iyi eğitilememesine neden olur. Bu da yeterli başarının elde edilememesine yol açar.

5. Bilgileri saklarlar. Saklanan bilgiler daha sonraki süreçlerde tekrar kullanılabilir.

6. Doğrusal değildirler.

Yapay sinir ağlarındaki temel işlem elemanı olan hücre doğrusal değildir. Bu da yapay sinir ağlarının doğrusal olmamasına yol açar. Doğrusal olmadığı için karmaşık problemlerin çözümünde etkin rol oynar.

7.Hataya karşı toleranslıdırlar. Bu nedenle veriler arasında eksik bir bilgi olsa bile çalışırlar.

Ağ içerisindeki bazı bilgiler yanlış veya bozuksa bile ağ çalışmaya devam eder.

Bir sonraki yazımda görüşmek dileğiyle. Teknoloji ile kalın.


What's Your Reaction?

hate hate
0
hate
fail fail
0
fail
fun fun
0
fun
geeky geeky
0
geeky
love love
0
love
lol lol
0
lol
omg omg
0
omg
win win
0
win
Elif Yönel

Merhabalar, Ben Elif Yönel. 1997 yılında Çorum'da doğdum. Karadeniz Teknik Üniversitesi endüstri mühendisliği öğrencisiyim. Yaklaşık 1,5 yıldır yazılar yazarak hem kendimi geliştiriyorum hem de sizlere yeni içerikler sunuyorum. Birkaç ay önce kendimi Java hakkında geliştirerek işin yazılım kısmına da girmeye karar verdim. Ve bu yolda ilerlemeye devam ediyorum. Hep birlikte daha nice yıllara..