Merhabalar,

Serinin ikinci yazısı ile karşınızdayım. “Yapay sinir ağları nedir” adlı yazımda yapay sinir ağlarına giriş yapmıştım ve belirli özelliklerinden bahsetmiştim. Bu yazımda da dezavantajlarından bahsedeceğim. Keyifli okumalar.

Yapay sinir ağları; bir problemi çözmek, eldeki verilerle bir sonraki dönemin verilerini tahmin  etmek, önlem almak amacıyla kullanılan bir modellemedir. Elinizde 10 yıllık bir hasta verisi varsa önümüzdeki 5 ay içerisinde hastaneye gelebilecek hasta sayısını YSA modellemesi ile tahmin edebilirsiniz.

Eğer internet siteniz varsa birkaç aylık verilerinizin kaydını tutup sonrasında uygun modeli kurabilirseniz sonraki aylarda sitenizi ziyaret edecek kişi sayısına ulaşabilirsiniz.

Uygun Ağ Yapısı

Bu tarz örnekler çoğaltılabilir. Fakat probleme uygun ağ yapısını kurmak zaman alan bir iştir. Çünkü yapının belirlenebilmesi deneme-yanılma yöntemi ile yapılır. İlk modellerinizi kurarken biraz zorluk yaşayabilirsiniz ama zaman geçtikçe daha deneyimli olabilirsiniz. Probleme uygun bir ağ yapısı oluşturulamazsa çözüm objektif olmaz. Çözüm için performans düşük gelir ve verilerin çıktıları doğru yansıtılmaz. YSA’nın dezavantajlarından birisi de şudur: YSA modelinin çıktıları en iyi çözümü garanti etmez. Tahmine dayalı bir model yapısı söz konusu olduğu için bizlere kabul edilebilir çözümler sunar. Ağ yapısını değiştirdiğinizde ya da modeli birkaç kere tekrar çalıştırdığınızda belki de daha iyi çözümler elde edersiniz. Bu yüzden çıktılar en iyi çözümdür diyemeyiz ve ağdan kesin çözümler elde edemeyiz.

Modeli kurabilmek için eğitim ve test kısımları olmak üzere iki temel kısım vardır. Ama ağın eğitiminin ne zaman biteceğine karar veren bir yöntem yoktur. Buna da sizin karar vermeniz gerekir. Ağı oluşturduktan sonra eğitim aşaması, ağ içindeki verilerin hata değerinin belli bir değerin altına inmiş olmasıyla sona erer. Eğitim aşamasını bu şekilde tamamlamak yeterli olur.

YSA üzerinde modeller kurmanın amaçlarından birisi ağın öğrenmesini sağlamaktır. Verilerin girişi yapılırken verilerin yapısı nümerik olmalıdır çünkü ağ, veriyi nümerik olarak tanır. Fakat veriler her zaman nümerik olmaz. O zaman ne yapmak gerekir? Örneğin bir sağlık ocağına gelen hasta sayısının aşağıdaki gibi olduğunu varsayalım.

Yukarıdaki tabloda hasta sayıları nümerik değerlerdir. Bunları ağa modellerken herhangi bir sıkıntı yaşanmaz. Fakat veriler;

şeklinde kadın-erkek olarak ayrılırsa ve ağa kadın ve erkek verileri belirli bir şekilde girilmek istenirse nümerik hale dönüştürmek gerekir.

Bir diğer dezavantaja geçelim.

Yapay sinir ağları ile problem çözümleri tecrübeye bağlı olarak değişkenlik gösterir. Bu yüzden bazı olayların YSA ile çözülememesi tecrübe ve ağın iyi modellenememesinden kaynaklanmaktadır. Ağı uygun bir şekilde kurdunuz diyelim. Ağ çalışırken ağın değişiklikleri iyi çözümlenemezse ve davranışları doğru bir şekilde tanımlanamazsa ağın sonucuna olan güven azalır ve yine sağlıklı bilgiler elde edilemez. Aynı şekilde durum ağ için de geçerlidir. YSA, problemlere ürettiği çözümün nedenini ve nasıl çözdüğünü belirtmez. Yani bu tarz bilgileri YSA’dan öğrenemezsiniz. Bu durum da YSA’ya duyulan güveni azaltan bir unsurdur.

Bir sonraki yazımda görüşmek üzere. Hoşça 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..