Merhabalar,

Bu yazımda sizlere yapay sinir ağlarındaki ağ yapılarından ve bu yapılar arasındaki bağlantılardan bahsedeceğim. Keyifli okumalar.

Yapay sinir hücreleri genelde kendisinden bir önceki sinir hücresinden almış olduğu sinyali kendisinde toplar. Bu sinyallerin toplamı eşik değerini aşmışsa bu sefer kendi sinyalini başka bir sinir hücresine iletir.

Peki Bir Hücre Üzerindeki Katmanlar Ne Anlama Gelir?

Katmanları daha yakından ve detaylı inceleyim. Önce girdi katmanı ile başlayalım.

Girdi katmanı, diğer bir adı ile input layer, bir ağa girdi olarak gelen ve öğrenilmesini istediğimiz özellikleri içeren katmandır. Örneğin internetten banka bilgilerinize ulaşmak için müşteri numaranızı ve internet bankacılığı şifrelerinizi girerek ilgili sayfaya giriş yaparsınız. İşte bu iki bilgi girdi katmanımız olur. Bu sebeple ağa öğretilecek özellik kadar giriş nöronuna ihtiyacımız vardır.

Gizli katman(hidden layer), giriş katmanı ile çıkış katmanı arasında yer alan katmandır. Problem türüne göre katman sayısı ve bu katmanların üzerinde yer alan nöron sayıları değişkenlik gösterir. Gizli katmanlarda ileri yönlü hesaplamalar ve geri yönlü hata yayılımları mevcuttur. Eğer katman sayısı çoksa hesaplamak da o kadar karmaşık olur ve karmaşıklık hesaplama zamanının artmasına yol açar. İşe gitmek için evden çıktığınızı varsayın. Şirkete ulaşabilmek için yürüyorsunuz fakat her zaman gittiğiniz yolda çalışma var. O yüzden farklı yollardan gitmeniz gerekecek. Ara yollardan geçerek biraz zaman kaybedersiniz, belki o yolları bilmediğiniz için nereden gideceğinizi tam bilmeyeceksiniz ama sonunda amacınıza ulaşacaksınız. İşte o ara yolları gizli katman gibi görebilirsiniz. Bulunduğunuz ortam veya problem karmaşıksa katman sayıları da nöron sayıları da fazla olur.  

Çıktı katmanı(output layer) ise ağın öğrenmesini istediğiniz bilgilerin çıkış olarak hesaplandığı katmandır. Yani amacınızdır da diyebiliriz.

Eğer birden fazla nörona ihtiyaç varsa çok katmanlı ağ yapılarına gerek duyulur.

Yukarıdaki şekilde çok katmanlı bir algılayıcı yapısı görülmektedir. Bu ağ yapısında her hücre belli durumlarla birbirine bağlantılı durumdadır. Girdi katmanı, gizli katmanlar ve çıktı katmanı olmak üzere 3 katmandan oluşmuştur.

Turuncu ile ifade edilenler girdi katmanlarıdır ve 4 adet girdimizin olduğunu belirtir. Bu katmanlardaki veriler daha sonra ara katmana yani gizli katmana aktarılır. Girdi katmanından gizli katmana giden veriler işlenerek çıktı katmanına gönderilir. Bu esnada gizli katmanların sayısı yine probleme özel olarak değişir. Bir ya da birden fazla gizli katman olabilir.

Çıktı katmanı ise, gizli katmandan gelen bilgileri işler ve girdi setleri için üretilmesi gereken çıktılar üretir. Böylece çıktılara ulaşmış oluruz. Önceden de belirttiğim gibi, girdi katmanında yer alan girdi sayısı veri sayısı kadar olmalıdır. Çıkış katmanındaki nöron sayısı ise problemin istediği çıktı kadar olmalıdır. Yani problem bizden 1 adet çıktı istiyorsa çıktı katmanında sadece 1 nöron, 3 çıktı istiyorsa 3 nörondan oluşmalıdır. Yoksa kurulan sistem hatalı olur. Gizli katmanlardaki ve bu gizli katmanlardaki nöronların sayısı da deneme-yanılma yöntemi ile belirlenir. Problem ya da model karmaşık değilse az sayıda nöron kullanılması yeterli olacaktır. Gereksiz yere fazla sayıda nöron kullanımı hem problem çözümünü yavaşlatır hem de ağın genelleme yapmasını negatif yönde engeller.

Bir sonraki yazımda görüşmek dileğiyle. Hoşça kalın.


What's Your Reaction?

hate hate
0
hate
fail fail
0
fail
fun fun
0
fun
geeky geeky
0
geeky
love love
1
love
lol lol
0
lol
omg omg
0
omg
win win
0
win
Elif Yönel

Merhaba, 8 Şubat 1997 doğumluyum ve Karadeniz Teknik Üniversitesi endüstri mühendisliği bölümünden yeni mezun oldum. Birkaç yıldır hem kendime ait blogumda hem de Industryolog Academy'de içerikler üretmekteyim. Hep birlikte nice yıllara..