4.1.1 Yapay Sinir Ağları

Fahrettin Filiz
Jul 23, 2017 · 4 min read

Yapay zeka uygulamalarından biri olan yapay sinir ağları, insan beyninin çalışma yapısını taklit ederek mevcut verileri analiz edip, bu verilerden farklı öğrenme algoritmaları ile yeni bilgiler oluşturan bilgi işlem teknolojisidir.

Yapay sinir ağlarının tarihsel gelişimindeki kritik noktalarının bazılarına kısaca değinelim. Yapay sinir ağlarının temelleri 1940’ların başında araştırmalara başlayan Mc Cullogh ve Pitts’in 1943 yılında yayınladıkları bir makaleyle atılmış. Fakat yapay sinir ağı literatüründe XOR problemi olarak bilinen problemdeki başarısızlığı nedeniyle belli bir süre yapay sinir ağlarına olan ilgi azalmıştır.

1980’li yıllarda Hopfield tarafından yayınlanan çalışmalar ile yapay sinir ağının genelleştirilebileceği ve özellikle geleneksel bilgisayar programlama ile çözülmesi zor olan problemlere çözüm üretilebileceği gösterilmiş.

1988 yılında Rumelhart, “Paralel Distrubuted Processing” adlı çalışmasında ileri beslemeli modellerde yeni öğrenme modeli olan hatanın geriye yayılma algoritmasını (Back Propogation Algorithm) geliştirerek bu konuda daha önce iddia edilen (XOR problemi gibi) aksaklıkların aşılabileceğini göstermiştir.

Yapay sinir ağları biyolojik nöronlardan (sinir hücresi) esinlenerek, beynin çalışma sistemine yapay olarak benzetim çalışmaları sonucunda ortaya çıkmıştır. Genel anlamda insan beynindeki birçok biyolojik nöronun birbirine bağlanması gibi, yapay sinir ağlar; biyolojik nöronun girdi, işlem, çıktı karakteristiğini taklit eden birçok basit, genellikle adaptif işlem birimlerinin (yapay nöron) değişik etki seviyelerinde, belirli bir bütün işlem yapısını gerçekleştirmek üzere birbirine bağlanması ile oluşturulmuştur

Yapay sinir ağlarının genel avantajları aşağıdaki gibi sıralanabilir (Haykin, 1999).

  • Lineer olmayan yapıda olması
  • Girdi ve çıktı eşleştirmeleri ile tasarlanabilmesi
  • Adapte olabilmesi
  • Hataya karşı toleranslı olması

Yapay sinir ağlarının gerçek hayattaki yaygın uygulama alanlarına şu örnekler verilebilir.

  • Kalite Kontrol.
  • Finansal Öngörü.
  • Ekonomik Öngörü.
  • Kredi Derecelendirme.
  • Konuşma ve Yapı Tanımlama.
  • İşlem Modelleme ve Yönetimi.
  • Anormal durum öngörü (siber güvenlik, log analizi)
  • İflas Tahmini.

Yapay sinir ağlarının yapı blokları ve işlevi olan nöronların yapısı aşağıdaki gibidir.

Yapay sinir ağlarında öğrenmek, nöronlar arasındaki ağırlık vektörünün değerini en aza indirgenmesi ile sağlanır. Ağın öğrenmesi Pavlov’un köpekler üzerine yaptığı deneyi ile açıklanabilir: Köpekler Pavlov’un onlara yiyecek göstermesiyle salya akıtırlar. Daha sonra Pavlov köpeklerin kafeslerine bir zil yerleştirir. Zil çaldığında, köpekler salya akıtmaz, çünkü zil ile yiyecek arasında bir bağlantı kuramazlar. Pavlov, köpeklere yiyecek vermeden evvel zili çalarak onları eğitir ve köpekler zil çaldığında yiyeceği görmeseler de salya akıtmaya başlarlar. Eğitilmeden önce salya ile zil arasında bir ilişki yokken, eğitildikten sonra zil ile salya arasında güçlü bir bağ kurulması eğitilen köpeğin nasıl öğrendiğini göstermektedir.

Eğitimin amacı, ağa gösterilen örnekler için doğru çıktıları üretecek ağırlık değerlerini bulmaktır. Ağın doğru ağırlık değerlerine ulaşması örneklerin temsil ettiği olay hakkında genellemeler yapabilme yeteneğine kavuşması demektir. Ağın bu genelleştirme özelliğine kavuşması işlemine “ağın öğrenmesi” denir.

Ağın öğrenmesi için geri yayılım, ağırlıkları gerçek çıktı ile istenen çıktı arasındaki farkı en aza indirgemek için tekrar tekrar ayarlama prosedürü olarak özetlenebilir. Aşağıdaki şekilde ağlar arasındaki ağırlık vektörünün minimuma indirilme süreci gösterilmektedir.

Yapay sinir ağlarının geri yayılımla öğrenme süreci aşağıdaki çalışmada ayrıntılı olarak anlatılmıştır.

Şu ana kadar yapay sinir ağlarının tarihi, yapısı ve öğrenmesi hakkında bilgiler verdik. Birazda yapay sinir ağlarındaki önemli sorunlardan bahsedelim. Yapay sinir ağlarında öğrenme veriler ile yakından ilgilidir. Verinin az olması, bir ön işlemden geçirilmemesi yapay sinir ağlarının başarısında olumsuz etkiye neden olacaktır. Yapay sinir ağlar üzerinde yapılan çalışmalar ile bir çok farklı ağ yapısı geliştirilmiş ve geliştirilmeye de devam edilmektedir. Bu yapıların birbirine göre üstünlükleri olmakla beraber genel kabul görmüş mimari yapı bulunmamakta probleme göre mimari yapılar tasarlanmaktadır. Aşağıda yapay sinir ağ mimarilerden bazıları verilmiştir.

kaynak http://www.asimovinstitute.org/neural-network-zoo/

Bu yazıda yapay sinir ağları üzerinde durduk. Tümdengelim yöntemi ile yazılarımıza devam ederken genel başlıkları hatırlamak adına aşağıdaki linke bakabilirsiniz.

Fahrettin Filiz

Written by

constantly-learned engineer (MBA, MSc, PhD Candidate)

Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch
Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore
Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade