Yapay Sinir Ağları (Artificial Neural Network-ANN)
Bu yazımızda yapay sinir ağlarından, uygulama alanlarından bahsedeceğiz. İyi okumalar…
İsminden de çağrışım yapılacağı gibi Yapay Sinir Ağları yani Artificial Neural Network-ANN, yapay zekanın alt başlıklarından biridir. Eski zamanlardan beri insanlar kendi doğasında bulunan şeyleri problemleri çözmede bunlara uyarlamada kullanmaya çalışmıştır. Yapay sinir ağları da insan beyninden yola çıkılarak düşünülmüş ve zamanla geniş bir konu haline gelmiştir.
Beynimiz çalışırken veya karar verirken diyelim, geçmişteki tecrübelerinden yaşadığı olaylardan çıkarım yaparak karar verir. Yapay sinir ağları da aynı bunun gibi kendi belleğinde depolanan; öğrendiği bilgileri kullanarak söylenilen duruma karar verir. Diğer algoritmalar kesin olarak karar verir, verilen emirleri belirli kurallara göre işleme koyar ama ANN için bu geçerli değildir. ANN deneyimlerle hareket eder. Bu durumdan dolayı diğer algoritmalara göre yavaş olabilir.
Yapay sinir ağlarının kullanım alanlarından bazılarını saymak istersek:
- Kontrol sistemleri
- Görüntü ve ses tanıma
- Tahmin
- Arıza analizi
- Tıp
- Haberleşme
- Trafik
- Üretim yönetimi
Bu saydıklarımız sadece bir kısmı diyebiliriz. Şimdi yapay sinir ağlarının bölümlerinden bahsedelim biraz. Proses elemanları olarak adlandırılıyor ve 5 ana elemandan oluşuyor.
- Girdi: İsminden de anlaşılacağı gibi dışarıdan gelen bilgilerdir.
- Ağırlık: Gelen bilginin önemini belirtir. Hücre üzerinde etkisi buna göre değişir.
- Toplama Fonksiyonu (Birleştirme): Ağa gelen net bilgiyi (girdiyi) hesaplar. Bunun için farklı fonksiyonlar bulunmaktadır. Ağırlıklı toplam en yaygın kullanılanıdır.
- Aktivasyon Fonksiyonu: Bu fonksiyonda hücreye gelen net bilginin karşısında nasıl bir çıktı oluşturulacağına karar verilir. Genellikle doğrusal olmayan fonksiyonlar kullanılır. Eğer işlemin hızlı ilerlemesi isteniyorsa, fonksiyonun türevinin kolay hesaplanabilir olması tercih edilir. Çeşitli aktivasyon fonksiyonları bulunmaktadır. En yaygın olanı Sigmoid Fonksiyonu’dur.
- Çıktı: Tüm bu işlemler sonucu ortaya çıkan çıktı değeridir.
Yapay sinir ağları birçok ağdan ve gizli katmandan oluşuyorsa buna çok katmanlı sinir ağı (multilayer artifical neural network) denir. Eğer bir katmandan oluşuyorsa tek katmanlı sinir ağı (single layer artificial neural network) denir [1]. Şimdi bunlar hakkında kısa olarak bir giriş yapalım.
Tek Katmanlı Sinir Ağları (Single Layer Artificial Neural Network):
Bu sinir ağları içeriğinde sadece girdi ve çıktı katmanlarını barındırır. Bütün çıktılar girdilere bağlanmaktadır. Aşağıda 4 girdili ve bir çıktıdan oluşan sinir ağı örneği verilmiştir.
Bu ağlarda bir eşik değeri bulunmaktadır. Değeri daima 1'dir. Çıktı bulunurken ağırlıklandırılmış girdi ve eşik değeri toplanır. Ardından aktivasyon fonksiyonu görev almaktadır.
Çok Katmanlı Sinir Ağları (Multilayer Artificial Neural Network):
Doğrusal olmayan aktivasyon fonksiyonuna sahip birçok nöronun birbirine bağlandığı bir yapıya sahiptir. Geri-yayılım adındaki öğrenme sistemini kullanmaktadır.
İleri beslemeli ve geri beslemeli olarak ikiye ayrılır. İleri beslemeli sinir ağları, tek yönlü sinyal akışı sağlar. Geri beslemeli sinir ağları ise en az bir hücrenin çıkışı kendisine ya da diğer hücrelere giriş olarak verilir ve genellikle bir geciktirme elemanı üzerinden yapılır.
Bu yazıda Yapay Sinir Ağları hakkında kısa bir özet yaptık. Bir sonraki yazıda görüşmek üzere…
