Yazan : Şadi Evren ŞEKER Güncel hayattan bir deyim olan kazanan hepsini alır yaklaşımına göre bir yarış içindeki iki veya daha fazla şeyden birisi diğerlerine üstünlük sağlar ve diğerlerini yok eder. Bilgisayar bilimlerinde yapay sinir ağlarında kullanılan bir terimdir. Yapay sinir ağlarında ( Artificial neural networks) kullanılan bu terime göre, eğitim sırasında bir nöronun diğer […]
Category: Yapay Sinir Ağları (Artificial Neural Networks)
SVM (Support Vector Machine, Destekçi Vektör Makinesi)
Yazan : Şadi Evren ŞEKER Sınıflandırma (Classification) konusunda kullanılan oldukça etkili ve basit yöntemlerden birisidir. Sınıflandırma için bir düzlemde bulunan iki grup arasında bir sınır çizilerek iki grubu ayırmak mümkündür. Bu sınırın çizileceği yer ise iki grubun da üyelerine en uzak olan yer olmalıdır. İşte SVM bu sınırın nasıl çizileceğini belirler. Bu işlemin yapılması için […]
Özellik Çıkarımı (Feature Extraction)
Yazan : Şadi Evren ŞEKER Bir sisteme giren girişlerin bütün bir bilgi olarak değil de bu bilgiyi oluşturan vasıflardan bazılarının çıkarılması ve sistemin bu vasıflar üzerine kurulması durumudur. Örneğin bir miktar resimden içinde çimen bulunanların tespit edilmesi isteniyor olsun. Bilindiği üzere çimenler yeşildir ve resimlerden yeşil tonun ağırlıkta olanlarının çimen içermesi ihtimali yüksektir. Öyleyse sisteme […]
KNN (K nearest neighborhood, en yakın k komşu)
Yazan : Şadi Evren ŞEKER Sınıflandırmada (classification) kullanılan bu algoritmaya göre sınıflandırma sırasında çıkarılan özelliklerden (feature extraction), sınıflandırılmak istenen yeni bireyin daha önceki bireylerden k tanesine yakınlığına bakılmasıdır. Örneğin k = 3 için yeni bir eleman sınıflandırılmak istensin. bu durumda eski sınıflandırılmış elemanlardan en yakın 3 tanesi alınır. Bu elamanlar hangi sınıfa dahilse, yeni eleman […]
Meyilli Azalım (Gradient Decent)
Yazan : Şadi Evren ŞEKER Geri yayılımlı (Backpropagation) ağlarda öğrenme iki adımda olur: 1. Giriş katmanında öğrenilmsi istenen verinin modellenmesi 2. Meyilli azalma kullanılarak toplam hatanın asgarileştirilmesi (minimisation) Burada meyilli azalım için kullanılan ve her sinapsis üzerindeki değişimi veren: Δwji = -ε [dE/dwji] formülü kullanılabilir. Buradaki sinapsis değişimi hatanın (E) mevcut sinapsis ağırlık değeri üzerindeki […]
Geri Yayılımlı Ağlar (Backpropagation Networks)
Yazan : Şadi Evren ŞEKER Geri yayılımlı ağlar basitçe iler beslemeli bir ağda bulunan hata miktarlarının gizli katmanda(Hidden Layer) bulunan sinir hücrelerine(neurons) geri dönmesi ve eğitimin başarısının arttırılmasıdır. yukarıdaki resimde bir gizli katmanda sinir hücreleri arasındaki geri yayılım gösterilmiştir. Unutulmaması gerken bir nokta yapay sinir ağlarında giriş ve çıkış katmanlarında geri yayılım olmayacağıdır. Bu geri […]
Gizli Katmandaki Nöron Sayısı
Yazan : Şadi Evren ŞEKER Bu yazının amacı basitçe bir yapay sinir ağındaki gizli katmanların (Hidden Layer) sinir hücrelerinin (neurons) sayısının nasıl belirlendiğini açıklamaktır. Aslında bir yapay sinir ağının en kritik noktası gizli katmanında kaç nöron olacağına karar vermektir. Genellikle sonucu direk olarak vermemesine karşılık sonuca direk etkisi olması açısından gizli katmandaki nöron sayısı oldukça […]
Gizli Katman Sayısı (Number of Hidden Layer)
Yazan : Şadi Evren ŞEKER Bu yazının amacı bir yapay sinir ağında bulunan gizli katman (hidden layer) sayısını belirlerken dikkat edilecek noktalara ve klasik problemlerdeki gizli katman sayılarını anlatmaktır. Bir yapay sinir ağında şayet hiç gizli katman bulunmuyorsa bunun anlamı doğrusal fonksiyonlar üzerinden ayırım veya karar verme yapılabildiğidir. Yani basitçe girişlerin bir kısmı çıkışlara direk […]
Doğrusal Fonksiyon (Linear Function)
Yazan : Şadi Evren ŞEKER En basit doğrusal fonksiyon, kartezyen uzayda x ve y eksenleri ile 45 derecelik açı yapan x=y doğrusudur. Temel olarak bir doğrusal fonksiyonu: y = ax+b olarak ifade etmek mümkündür. Buradaki a eğimi ve b ise kayma miktarını (shift) verir. Bu fonksiyonun çokça kullanıldığı alanlardan birisi de yapay sinir ağlarında bir […]
Hiperbolik Tanjant (Hyperbolic Tangent)
Yazan : Şadi Evren ŞEKER Sigmoid fonksiyonunun biraz değiştirilmli ve eksi (-) değerler alan hali olarak düşünülebilir. Yukarıda verilen bu giriş değeri için aşağıdaki JAVA kodu yazılabilir: public double tanh (double u) { double a = Math.exp( u ); double b = Math.exp( -u ); return ((a-b)/(a+b)); } Yukarıda verilen hiperbolik tanjant […]