Tıp Dünyasının Sinir Ağları
Tıp dünyasının bileşenlerinden olan sinir ağları kavramı yapay zeka kavramından sonra atılmış gibi dursa da yapay sinir ağları kavramı ilk atılmış ve üstüne çok çalışmalar olmuştur.
Yapay Sinir Ağları Nedir?
Yapay sinir ağları (YSA), insan beyninin öğrenme yolunu taklit ederek beynin öğrenme, hatırlama, genelleme yapma yolu ile topladığı verilerden yeni veri üretebilme gibi temel işlevlerin gerçekleştirildiği bilgisayar yazılımlarıdır.
Yapay sinir ağları; insan beyninden esinlenerek, öğrenme sürecinin matematiksel olarak modellenmesi uğraşı sonucu ortaya çıkmıştır. Yapay sinir ağları, paralel dağıtılmış ağlar, bağlantılı ağlar, nuromorfik ağlar gibi adlarla da tanımlanmaktadır.
Yapay Sinir Ağının Bilimsel Tarihi
İlk yapay sinir ağı modeli 1943 yılında bir sinir hekimi olan Warren McCulloch ve bir matematikçi olan Walter Pitts tarafından “Sinir Aktivitesinde Düşüncelere Ait Bir Mantıksal Hesap (A Logical Calculus of Ideas Immanent in Nervous Activity)” başlıklı makale ile ortaya çıkarılmıştır. Bunun yanında bilimsel olarak ilk eserleri 1890 yılında James ortaya koymuştur.
1949 yılına gelindiğinde Donald Hebb “Organization of Behavior” adlı kitabında “Hebbian öğrenme” adlı öğrenme ile ilgili temel teoriyi ele aldı . Hebb kuralı sayesinde sinir ağının bağlantı sayısı ile öğrenebilme ve uyum sağlayabilmenin ilişkili olduğu saptandı. 1950 yılından sonra bazı araştırmacılar Hebb teorisinden yararlanarak yapay sinir ağının gücünü artırıcı çalışmalar yapmıştır. Bu dönemde IBM laboratuvarlarında yapay sinir ağı simülasyon çalışmaları başarısızlıkla sonuçlanmıştır. 1951 yılında ilk nuro-bilgisayar üretilmiştir. Farley ve Clark, 1954 yılında rassal ağlar ile adaptif tepki üretme terimini ortaya atmıştır . 1957 yılında “Perceptron”un Frank Rosentblatt tarafından keşfinden sonra yapay sinir ağı alanındaki çalışmalar hız kazanmıştır. Burada ki perceptron kavramı, tek katmanlı eğitilebilen ve tek bir çıkışa sahip olan yapay sinir ağıdır. Rassal ağlar ile adaptif tepki üretme kavramı üzerine çalışmalar 1958 yılında Rosenblatt ve 1961 yılında Caianiello tarafından devam etmiştir.
1980’e kadar devam eden ufaklı büyüklü çalışmalar sonunda 1980 dahil son 10 yılı sıkıntılı olarak geçse de bilim insanları çalışmaların karşılığını aldılar. Yapay zeka ile birleşmeye başlayan YSA günümüze kadar teorik ve laboratuvar çalışmaları olmuştur. Günümüzde ise yeni mekanizmalara entegre edilmeye başlanmıştır.
YSA ‘NIN YAPISI NASILDIR?
Bir yapay sinir ağı nöron adı verilen birçok biriminden meydana gelir. Ağ 3 ya da daha çok katmandan oluşan bir yapıya sahiptir. Bu ağda 1 girdi, 1 veya daha çok gizli ve 1 çıktı katmanı bulunmaktadır. Girdi katmanında ağa girdi bilgisini veren girdi kümesi bulunur. Girdi katmanı ile çıktı katmanı arasında birden fazla ara katman bulunabilir. Bir katmandaki her nöron bir üst katmandaki nörona çeşitli ağırlıklar ile bağlıdır. Girdi katmanındaki her bir veri ağırlık değeriyle çarpılarak gizli katmana iletilir. Sonuç gizli katmanda bir transfer fonksiyonundan geçirilir ve çıktı katmanına gönderilir. Gizli katmanda 0 ile 1 arasında değişen çıktı elde etmek için transfer fonksiyonu olarak doğrusal sigmoid fonksiyonu kullanılabilir.
Girdi Katmanı: Bu katmandaki elemanlar dış dünyadaki bilgileri sisteme iletmekle görevlidir. Bazı ağlarda girdi katmanında herhangi bilgi işleme işlemi olmaz.
Ara Katman: Girdi katmanından gelen bilgileri işleyerek çıktı katmana iletmekle görevlidir. Bazı ağlarda birden fazla ara katmanda olabilir.
Çıktı Katmanı: Ara katmandan gelen bilgileri işler, girdi katmanındaki veriler için uygun çıktı bilgisi üretip dış dünyaya göndermekle görevlidir.
Toplama Fonksiyonu: Hücreye gelen net girdiyi hesaplar. Bunun için çeşitli fonksiyonlar kullanılır. En sık kullanılanı girdi değerleriyle ağırlıkların çarpılıp toplanmasıdır.
Aktivasyon Fonksiyonu: Hücreye gelen net girdiye karşılık üretilecek çıktıyı belirler. Birçok aktivasyon fonksiyonu bulunmaktadır. Toplama fonksiyonunda olduğu gibi aktivasyon fonksiyonunda da tüm nöronlar aynı fonksiyonu kullanmak zorunda değildir.
Yapay Sinir Ağlarının Avantajları Nedir?
· Bilgilerin bir yerde değil de tüm ağda depolanmasından dolayı eksik bilgi olma durumunda bile çalışır.
· YSA’lar da bir ya da fazla nöronların bozulma durumunda bile çalışmasından çıkarılacak yargı toleransı olduğudur.
· YSA’nın öğrenebilmesi için örneklerin belirlenmesi, bu örneklerin ağa gösterilerek istenen çıktılara göre ağın eğitilmesi gerekmektedir. Ağın başarısı, seçilen örnekler ile doğru orantılıdır, ağa olay bütün yönleri ile gösterilemezse ağ yanlış çıktılar üretebilir.
· Öğretilen olayların benzerine karşı yorum yaparak karar verebilir.
· Yapay sinir ağları birden fazla işi aynı anda gerçekleştirebilecek sayısal güce sahiptir.
Her sistemin avantajı olduğu gibi dezavantajı da vardır. Gelin birlikte dezavantajları inceleyelim;
Yapay Sinir Ağlarının Dezavantajları
· Yapay sinir ağları paralel işlemleri yapabilmek için işlemcilere ihtiyaç duyar. Bu yüzden donanıma ihtiyaç duyar.
· Bu, YSA’ların en önemli sorunudur. YSA bir probleme çözüm ürettiği zaman, bunun neden ve nasıl olduğuna ilişkin bir ipucu vermez. Bu durum ağa olan güveni azaltıcı bir unsurdur.
· Yapay sinir ağlarının yapısı belirlenmeye çalışılırken sistematik kurallar bütünü olmadığı için deneme yanılma yaparak zorluk çıkarmaktadır.
· YSA’lar nümerik bilgiler ile çalışabilmektedirler. Problemler YSA’lara tanıtılmadan önce nümerik değerlere çevrilmek zorundadırlar. Burada belirlenecek gösterim mekanizması ağın performansına doğrudan etkileyecektir. Bu da kullanıcının yeteneğine bağlıdır.
PEKİ Yapay Sinir Ağlarını bu kadar anlattık biraz da nerelerde kullanıldığından bahsedelim:
- Hesaplamalı Finans
- Görüntü işleme
- Hesaplamalı biyoloji
- Enerji üretimi
- Otomotiv, havacılık ve üretimi
- Doğal dil İşleme
YSA ‘NIN Sınıflandırılmasına değinecek olursak;
İLERİ BESLEMELİ YAPAY SİNİR AĞLARI
· Tek yönlü bilgi akışı söz konusudur.
· Bu ağ modelinde Girdi tabakasından alınan bilgiler Gizli katmana iletilir.
· Gizli ve Çıktı tabakalarından bilginin işlenmesi ile çıkış değeri belirlenir.
İleri beslemeli yapay sinir ağlarında aktarılan bilgiler sadece ileri doğru hareket eder yani girişten çıkışa doğru bir hareket söz konusudur. Bir katmandaki nöronlar sadece kendinden sonra gelen katmana gider, ardından sonuç(çıkış) katmanına geçer. İleri beslemeli yapay sinir ağları, giriş katmanındayken dışarıdan gelen bilgilere herhangi bir değişiklik yapmadan bir sonraki katmana aktarır. Bu süreç içinde bilgi, orta ve çıkış katmanında fonksiyonlarla belli bir ağırlığa sahip olur ve çıkış nöronuna yönlendirir.
GERİ BESLEMELİ YAPAY SİNİR AĞLARI
· Bir geri beslemeli sinir ağı, çıkış ve ara katlardaki çıkışların, giriş birimlerine veya önceki ara katmanlara geri beslendiği ağ yapısıdır. Böylece, girişler hem ileri yönde hem de geri yönde aktarılmış olur.
· Bu çeşit YSA ’ların dinamik hafızaları vardır ve bir andaki çıkış hem o andaki hem de önceki girişleri yansıtır. Bundan dolayı, özellikle önceden tahmin uygulamaları için uygundurlar. Geri beslemeli ağlar çeşitli tipteki zaman-serilerinin tahmininde oldukça başarı sağlamışlardır. Bu ağlara örnek olarak Hopfield, SOM, Elman ve Jordan ağları verilebilir
· En az bir hücrenin çıkışı, diğer herhangi bir hücreye giriş olarak verilir bundan dolayı genellikle geri beslemeli yapay sinir ağlarında bir geciktirme eleman üzerinden yapılır. Besleme işlemi bir katmandaki hücreler arasında olmayabilir, bu sebeple doğrusal ilişkinin varlığından söz edilemez. Bu sebeple yapay sinir ağlarının geri beslemenin yapısı veri setine göre değişkenlik gösterebilir.
KAYNAKÇA
Bizimde merak ettiğimiz bir konu olan yapay sinir ağlarını hep birlikte yakından tanımaya çalıştık
YAZARLAR:
