Yapay Zeka Yapay Sinir Ağları
Yapay ZekaYapay Sinir Ağları
Yapay Sinir Ağlarının Yapay Zeka Bilimindeki Konumu
Yapay Sinir Ağı Nasıl Oluştu? Yapay sinir ağları, bilgisayar bilimlerinde önemli yeri bulunan Yapay Zeka’nın alt dallarından biridir. Beyinin öğrenme, karar verme işleyişinin bir kopyasının tasarlanmak istenmesi ile ortaya çıkmıştır.
Yapay Sinir Ağlarının Tarihçesi İnsan beynin çalışma mekanizmasının taklit edilmesi eski zamanlara dayanır. İşleyişini açıklamaya çalışan ilk kişi Plato ’dur. (M.Ö 427-327) Daha sonra 18. Yy'de Descartes bu dal ile ilgilenmiştir. Yapay sinir ağlarının dayandığı ilk hesaplama modelinin temelleri 1940'ların başında araştırmalarına başlayan McCulloch ve Pitts'in, 1943 yılında yayınladıkları bir makale ile atılmıştır.
Yapay Sinir Ağı Nedir? İnsan beyninin özelliklerinden olan öğrenme, yeni
bilgiler türetme ve keşfedebilme gibi yetenekleri herhangi bir yardım almadan otonom olarak gerçekleştirmek amacı ile geliştirilen bilgisayar sistemleridir.
Dışarıdan aldığı dinamik verilere göre dinamik sonuçlar üreten birbirine bağlı basit elemanlardan oluşan bir yapıdır.
Yapay Sinir Ağı Özellikleri Öğrenme İlişkilendirme Sınıflandırma Genelleme Tahmin Özellik Belirleme
İnsan zekasının matematiksel olarak modelleyebildiği herhangi bir problemin yapay sinir ağları kullanılarak çözülmesi verimli değildir.
Yada Akış diyagramları kullanılarak çözülebilen problemler yapay sinir ağı kullanarak çözmeye uygun değildir.
Yapay Sinir Ağları Nerelerde Kullanılır?
Yapay Sinir Ağının Kullanım Alanları
Son yıllarda YSA’ ları, özellikle günümüze kadar çözümü güç ve karmaşık olan ya da ekonomik olmayan çok farklı alanlardaki problemlerin çözümüne uygulanmış ve genellikle başarılı sonuçlar alınmıştır.
Yapay Sinir AğınınKullanım Alanları
Çok değişkenli problem uzayı, Probleme ilişkin değişkenler arasında karmaşık etkileşim, Çözüm uzayının bulunmaması, tek bir çözümün olması
veya çok sayıda çözüm bulunması YSA’ları insan beyninin fonksiyonel özelliklerine benzer
şekilde aşağıdaki konularda başarılı bir şekilde uygulanmaktadır.
Yapay Sinir AğınınKullanım Alanları
Otonom yol izleme sistemlerinde, Simülasyon programlarında, Kredi müracaatlarında müşteri analizlerinde, Pazar performans analizlerinde kullanılırlar.
Yapay Sinir AğınınKullanım Alanları
Yapay Sinir Ağları Avantajları1- Yapay sinir ağları birçok hücreden oluşur ve bu hücrelerden herhangi biri zarar görse veya işlevsiz hale gelse sistem güvenilirliğini kaybetmez.2- Ağın eğitimi sırasında verilen bilgiler sayesinde problemin çözümü hakkında genel özellikleri elde etmesinden dolayı eğitim sırasında verilmeyen veriler hakkında da sistem tahminde bulunabilir.3- Geleneksel programlama tekniğinden farklı olarak çalıştığı için bu sistemin getirdiği pek çok olumsuzluğu ortadan kaldırabilir.
Yapay Sinir Ağları Avantajları4- Ağ örnekler kullanılarak eğitilir ve ağın ileride karşılaşacağı problemlerde doğru çıktı vermesi ağın eğitimi sırası seçilen örnekler ile doğru orantılıdır.5- Algılamaya yönelik olaylarda kullanılabilirler. Bu alandaki başarıları kanıtlanmıştır.6- Örüntü ilişkilendirme ve sınıflandırma yapabilirler.7- Kendi kendilerine öğrenebilirler. Eğer kendilerini online olarak update ederlerse sürekli olarak öğrenebilirler.
Yapay Sinir Ağları Avantajları8- YSA’nı oluşturan hücreler doğrusal olmadığı için, sistem doğrusal olmayan problemlerin çözümü için uygundur.9- YSA’nın basit işlemler gerçekleştiren hücrelerden oluşması onun gerçeklenmesini kolaylaştırır.10- YSA hücreleri problemin tamamına değilde, problemin bir kısmına odaklanır. Bu görev paylaşımı sayesinde karmaşık problemlerin çözümü sağlanır.
Yapay Sinir Ağları Dezavantajları1- Donanım bağımlıdır. Yapay sinir ağları birbirine paralel çalışan işlemciler olmadan gerçekleştirilemez.2- Probleminize uygun olan ağ yapısını sadece deneme yanılma ile bulabilirsiniz. Bulduğunuz yapının doğruluğunu kontrol edebileceğiniz bir mekanizmada yoktur.3- Ağın girdi parametrelerini belirlenmesinde bir kural yoktur.
Yapay Sinir Ağları Dezavantajları4- Ağın eğitiminin ne zaman bitirileceğine dair kesin bir sayı yoktur. Tasarlayıcı sistemin hata oranının belli bir değerin altına düşmesini eğitim sonu olarak değerlendirebilir. Tabi ki bu değerin en optimize hata oranı olması gereklidir.5- Öğretilecek problemin ağ şekline dökülmesi önemli bir noktadır. Belirleyeceğiniz ağ şekli sistemin performansını doğrudan etkileyecektir.
Yapay Sinir Ağları Dezavantajları6- Ağın davranışları hakkında kesin bir yargıdan söz edilemez. Ağ doğru bir sonuç vermesi bunu neden ve nasıl yaptığına açıklık getirmez. Bu ağa olan güveni azaltan unsurlardandır.7- Her zaman doğru kararı vereceklerinin garantisi yoktur.
Biyolojik Sinir Ağı Nasıl Çalışır? Bir insan beyninde yaklaşık 10 milyar sinir hücresi ve bunları birbirine bağlayan 60 trilyon taşıyıcı olduğu tahmin edilir. Bu sinirler girdi bilgilerini duyu organlarından alırlar. Alıcı (taşıyıcı) sinirler ile bu sinyalleri işleyip bir sonraki sinire aktararak sinyalin merkezi sinir sistemine kadar ulaşmasını sağlar. Tabi bu işlem eşik değerinin aşılması ile mümkün olur.
Biyolojik Sinir Ağı Nasıl Çalışır? Merkezi Sinir Sistemi (MSS) bu sinyalleri alıp yorumladıktan sonra tepki sinyallerini üretir. Bu sinyaller de tepkilerin oluşacağı organlara tepki sinirleri vasıtasıyla iletilir. Bu sayede duyu organlarından gelen bilgilere karşı tepki organlarına uygun işaretler sinir sistemi vasıtasıyla yollanır
Biyolojik Sinir Hücresinin Yapısı Gövde(cell body) Çekirdek (nucleus) Akson (axon) Dentrit (dendrite) Sinapsisler (synapse)
Biyolojik Sinir HücresininGörevleri
Al (Recieve) Analiz et (Analyze) İlet (Transmit)
Biyolojik Sinir Hücresinin Yapısı
Dendritler: Gelen sinyalleri çekirdeğe iletirler
Çekirdek: Gelen sinyalleri toplayıp, aksona iletir.
Akson: Toplanmış sinyaller aksondan sinapsislere yollanır.
Sinapsis: Yeni üretilen sinyalleri bağlı oldukları nöronlara iletirler.
Yapay Sinir Ağı Nasıl Çalışır?• Giriş katmanından parametre değerleri verilir.• Ara katmanlardaki nöronlar kendilerine gelen verileri
ağırlıkları ile çarpıp toplar ardından eşik değeri geçiliyor ise iletim gerçekleşir.
• Çıkış katmanına kadar bu işlem devam eder.
Yapay Sinir Ağı Nasıl Çalışır? Unutmamamız gereken biyolojik sinir ağlarında olduğu gibi YSA’da da gelen sinyal nöronun eşik değerini aşmıyor ise nöron kendinden sonraki nörona iletinin geçmesini engeller.
Yapay Sinir Hücresinin Yapısı Giriş (input values): Sinir ağı hücresine
dışarıdan veya diğer hücrelerden veri gelmesini sağlayan bağlantılardır.
Ağırlıklar (weights): Hücreye gelen bilginin etkisini gösterir.
Toplama Fonksiyonu: Gelen verileri ağırlıkları ile çarpıp toplar ve hücrenin net giriş değerini hesaplar.
Yapay Sinir Hücresinin Yapısı Aktivasyon Fonksiyonu: Hücrenin net giriş
bilgisine göre çıktı bilgisini üretir. Çıkış: Çıktı bilgisinin dış dünyaya, başka bir
hücreye veya kendisine göndermesine denir.
Yapay Sinir Hücresinin Yapısı
Yapay Sinir Ağı Yapay sinir ağları yapay sinir hücrelerinin birbirine bağlanmasıyla oluşan yapılardır. Katmanların değişik biçimlerde birbiri ile bağlanmaları değişik ağ mimarilerini doğurur. YSA’lar üç katmandan oluşur. Bunlar: Girdi Katmanı Gizli Katman(Ara Katman) Çıktı Katman
Yapay Sinir Ağının Yapısı Girdi Katmanı: Bu kısım dış dünyadan verileri alır ve iç katmanlara yönlendirir. Bu ağlarda veri herhangi bir işlemden geçirilmez. Ara Katman: Girdi katmanından gelen bilgiler işlenerek çıktı katmanına gönderilirler. Bu bilgilerin işlenmesi ara katmanlarda gerçekleştirilir. Bir ağ içinde birden fazla ara katman olabilir.
Yapay Sinir Ağının YapısıÇıktı Katmanı: Bu katmandaki hücreler ara katmandan gelen bilgiyi işleyerek sunulan girdi seti için üretilmesi gereken çıktıyı üretirler ve üretilen çıktı dış dünyaya gönderilir.
Sinir Ağının Eğitimi
İnsan beyni doğumundan itibaren çevresinde gelişen olaylar ışığında davranışları yorumlar ve bu bilgileri diğer davranışlarında kullanır. Yaşadıkça beyin gelişir ve tecrübe kazanır.
Yapay Sinir Ağının Eğitimi
Normal bilgisayar uygulamalarının geliştirilmesi sırasında karşılaşılan durum: bilgisayarın belli programlama dilleri aracılığı ile programlanmasıdır. Ancak YSA da ise programlama kendini eğitime bırakır.
Yapay Sinir Ağının Eğitimi YSA, eğitim sırasında seçilen öğrenme yaklaşımına ve kendine gösterilen örneklere göre ağırlıkları değiştirir. Ağın doğru ağırlık değerlerine ulaşması örneklerin temsil ettiği olay hakkında, genellemeler yapabilme yeteneğine kavuşması demektir.
Yapay Sinir Ağının Eğitimi Başlangıçta ağırlıklar rastgele atanır. Amaç ağa gösterilecek örnekler için doğru çıktıları üretecek ağırlık değerlerini yakalamak ve hata oranının belli bir değer altına düşmesidir. Önemli olan nokta hata oranının en optimize seviyede tutulmasıdır.
Yapay Sinir Ağı Testi YSA’nın geliştirilmesi sırasında eğitim için ağa verdiğimiz örneklere ‘eğitim seti’, eğitimin ardından ağın performansını değerlendirmek için kullanılan örneklere ise ‘test seti’ denir. YSA’nın başarısı gerçekleştirilecek testler ile sınanmalıdır.
Yapay Sinir Ağı Testi Test işlemi için eğitim setinde verilmeyen daha önceden ağın karşılaşmadığı örnekler, sisteme verilir ve YSA’nın çıktı değeri ile istenilen çıktı değeri karşılaştırılır. Amaç YSA’nın genelleme yapıp yapamadığını görmektir. Test aşamasında istenilen sonuçlar elde edilir ise YSA kullanılabilir. İstenilen sonuçlar gelmez ise YSA yapısı veya eğitim süreci değiştirilebilir.
Yapılarına Göre YSA’lar Hücrelerin bağlantı şekillerine, öğrenme
kurallarına göre çeşitli YSA yapıları geliştirilmiştir.
Yapılarına göre yapay sinir ağları ileri beslemeli ve geri beslemeli olarak iki grupta incelenir.
1) İleri Beslemeli YSA’lar İşlem girişlerden çıkışlara doğru ilerler. Oluşan çıktı istenilen değerler ile
karşılaştırılıp hata oranı belirlenir ve ağırlıklar güncellenir.
Tek katmanlı ve çok katmanlı ileri beslemeli YSA’lar olmak üzere iki çeşidi vardır.
1.a) Tek Katmalı İleri Beslemeli YSA’lar
Girdiler direkt olarak çıkışlara bağlıdır.
Bağlantılar sadece ileri doğrudur.
1.b) Çok Katmanlı İleri Beslemeli YSA’lar Bu katmanda bir veya daha fazla gizli
katman vardır. Gizli katmanlar giriş verilerinin çok olması
durumunda daha hassas sonuç elde etmek için kullanılır.
Gizli katmanlarda veri işlenerek bir sonraki katmana gönderilir.
1.b) Çok Katmanlı İleri Beslemeli YSA’lar Her nöron kendinden
sonraki katmanda bulunan tüm nöronlara bağlı ise tam bağlı ağ olarak adlandırılır.
Bağlardan biri eksik ise kısmi bağlı ağ olarak adlandırılır.
2) Geri Beslemeli YSA’lar Bu beslemede nöronlar kendilerinden önceki
katmanda bulunan nöronlara veya kendilerine girdi gönderebilirler.
Bir veya birden fazla gizli katman içerebilirler. Geri beslemeli ağlarda gecikme vardır. Tam geri ve kısmi geri beslemeli olmak üzere
iki çeşidi vardır.
2.a) Tam Geri Beslemeli Ağlar: Bu bağlantılar gelişi güzel şekilde bağlantıları
olan nöron ağları için kullanılır.2.b) Kısmi Geri Beslemeli Ağlar: Hücre elemanları dışında ‘içerik’ elemanları da
vardır. Geri besleme sadece bu elemanlar üzerinden
yapılır. Bu elemanlar hücrelere geçmiş durumlarını
hatırlatmak için kullanılır.
Kaynakça https://www.youtube.com/watch?v=Bo3i9cyZ5U4
http://www.ibrahimcayiroglu.com/Dokumanlar/IleriAlgoritmaAnalizi/IleriAlgoritmaAnalizi-5.Hafta-YapaySinirAglari.pdf
http://bm.bilecik.edu.tr/Dosya/Icerik/107/DosyaEki/nsg_ders_notu.pdf
http://www.slideshare.net/batuhanalaoglu/yapay-sinir-aglar http://
www.slideshare.net/ahmetkakici/yapay-sinir-aglari?related=1