yapay sinir aglari

Sunum İçeriği

Biyolojik Sinir Ağları

Yapay Sinir Ağları (YSA)

Tanım

Genel Özellikler

Yapı

Modeller

İşleyiş

Tasarım

Örnek

2Yapay Sinir Ağları

Biyolojik Sinir Ağları - 1

Biyolojik sinir siteminin yapı taşı olan

nöronlar dört temel bölümden oluşur;

dendrit, gövde, akson ve çekirdek.

Yapay Sinir Ağları 3

Biyolojik Sinir Ağları - 2

Biyolojik sinir sistemi ise nöronların

birleşiminden oluşur ve genel olarak

aşağıdaki yapıya sahiptir:

Yapay Sinir Ağları 4

Alıcı Sinirler

Merkezi Sinir

Sistemi

Tepki Sinirleri

Duyu organları

Tepkiler

YSA Tanımı

YSA canlılarda bulunan sinir

sistemlerinin öğrenme özelliğini örnek

alarak çalışan bir bilgi işleme modelidir.

YSA dışarıdan aldığı dinamik verilere

göre dinamik sonuçlar üretebilen,

birbirine bağlı basit elemanlardan oluşan

bir yapıya sahiptir.


YSA’nın Genel Özellikleri

Yapay sinir ağları canlılardaki sinir

sistemlerinin aşağıdaki işlevlerini

gerçekleştirmeyi hedefler:

Öğrenme

İlişkilendirme

Sınıflandırma

Genelleme

Tahmin

Özellik belirleme


YSA’nın Avantajları

Doğrusal olmama

Paralellik

Hata toleransı

Öğrenebilirlik

Genelleme

Uyarlanabilirlik

Hız

Analiz ve Tasarım Kolaylığı


YSA’nın Dezavantajları

Eğitim Süreci

Eğitim Hataları

Başlangıç Koşullarına Bağlılığı


YSA’nın Yapısı - 1

Örnek bir yapay sinir ağının yapısı

aşağıdaki gibidir:

Yapay sinir ağları birden çok veri işleme

katmanından oluşmaktadır.



Yapay sinir ağlarının temel yapıtaşı

canlılarda ki sinir sisteminde olduğu gibi

sinir hücreleridir (nöron).

Aşağıda örnek bir yapay sinir hücresinin

yapısı görünmektedir.



YSA’nın yapı taşı olan yapay sinir

hücrelerinin beş temel bölümü vardır:

Girdiler

Ağırlıklar

Birleştirme Fonksiyonu

Aktivasyon Fonksiyonu

Çıktılar


YSA Modelleri

Yapılarına Göre İleri beslemeli

Geri beslemeli

Öğrenme Algoritmalarına Göre Danışmalı

Danışmasız

Destekleyici

Öğrenme Zamanına Göre Dinamik

Statik


Yapılarına Göre YSA Modelleri

İleri Beslemeli

İleri beslemeli yapay sinir ağlarında nöronlar

arasında hiyerarşik bir yapı vardır ve bir

katmandaki nöronlar sadece kendinden

sonraki katmana veri iletir.

Geri Beslemeli

Bu ysa modelinde ise bir nöron kendinden

sonraki katmana veri ilettiği gibi kendinden

önceki katmana veya kendi katmanına da

veri iletebilir.


Öğrenme Algoritmalarına Göre

YSA Modelleri Danışmanlı YSA’ya verilen her giriş verisi için çıkış verisi de

verilir. Ağ, beklenen çıktıyı elde etmek üzere katsayılarını günceller.

Danışmansız YSA’ya giriş verisiyle beraber çıkış verisi

verilmez. YSA birbirine benzeyen çıktıları gruplar.

Destekleyici YSA’ya giriş verilerinin yanı sıra her veri setine

ait çıkışa bir puan verilir. YSA katsayılarını en yüksek puanı alacak şekilde düzenler.


Öğrenme Zamanına Göre YSA

Modelleri

Statik

YSA eğitim verileriyle eğitilir ve ağın yapısı

kaydedilir. Ağ bundan sonra hep aynı

yapıyla çalışır. Kullanımı sırasında herhangi

bir değişikliğe uğramaz

Dinamik

YSA eğitim verileriyle eğitildikten sonra

kullanımı sırasında da kendini düzenlemeye

devam eder. Böylece sürekli öğrenen bir

YSA elde edilebilinir.


YSA’nın Çalışması - 1

Yapay sinir ağlarının yapı taşı olan

yapay sinir hücreleri kendilerine verilen

girdileri her bir girdiye ait ağırlığa göre

değerlendirerek çıkışını üretir.



YSA giriş katmanından aldığı verileri ara

katmanlarda işleyerek çıkış katmanına

iletmektedir.


YSA’nın Çalışması – 3

Yapay sinir ağlarında en çok kullanılan öğrenme algoritmalarından biri geri yayılmalı (back propagation) öğrenme algoritmasıdır.

Bu algoritmada her iterasyon sonucunda çıkış katmanındaki hata hesaplanarak bu hata çıkış katmanından giriş katmanına doğru bütün nöronlara iletilir ve ağırlıklar hata payına göre tekrar düzenlenir.



Geri yayılma algoritmasında çıkış nöronlarındaki hata payı aşağıdaki formül(1) ile hesaplanır.

Çıkış katmanındaki nörona ait hata payı kendinden önceki nöronlara ağırlıklarıyla orantılı olarak dağıtılır(2).

Her nöron için hata payı bulunduktan sonra bu hata payları yardımıyla yeni ağırlıklar(3) hesaplanır.

1)

2)

3)


YSA Tasarımı

Bir yapay sinir ağının tasarlanmasında

öncelikle gereksinimler belirlenip buna

göre uygun bir YSA modeli kullanılır.

YSA tasarımında aşağıdaki kriterler

belirlenmelidir.

Ağdaki katman sayısı

Her bir katmandaki nöron sayısı

Nöronların aktivasyon fonksiyonu

Öğrenme algoritması


YSA Örneği - 1

Üç katman

Üç giriş

Bir ara katman

Bir çıkış

İleri beslemeli

Geri yayılmalı öğrenme algoritması


YSA Örneği - 2

Nörona gelen giriş değerleri ait oldukları

ağırlıklarla çarpılarak toplanır.

Bu toplam aktivasyon fonksiyonundan

geçirilir.


YSA Örneği - 3


YSA Örneği - 4


YSA Örneği - 5


YSA Örneği - 6

Eğitim setindeki her girdi için beklenen

çıktı ile elde edilen çıktı karşılaştırılarak

hata payı hesaplanır.

Bu hata payı çıkış katmanından girişe

doğru nöronları bağlayan ağırlıklarla

orantılı olarak geriye doğru iletilir.


Soru & Cevap


[email protected]

yapay sinir aglari

Technology