Sigmoid Fonksiyon

Yazan : Şadi Evren ŞEKER Sigmoid fonksiyonu (Sigmoid function) basitçe f(x) = 1 / (1+e-x ) olarak yazılabilir. Sigmoid fonkisyonunun ismi de fonksiyonun kartezyen uzayda çizilmiş halinin andırdığı S harfinden (sigma) gelmektedir. Bu çizim aşağıda tasvir edilmiştir: Yukarıda da gösterildiği üzere fonksiyon 0 ve 1 arasındaki y değerleri için tanımlı olup x=0 ekseninden önce 0’a […]

Devam

İleri Beslemeli Ağlar (Feedforward Neural Networks)

Yazan : Şadi Evren ŞEKER İleri beslemeli yapay sinir ağlarında temel olarak 3 çeşit katman (layer) bulunur. Giriş , gizli ve çıkış katmanları sırasıyla yapay sinir ağına giren verileri tutan giriş katmanı, işlemlerin yapıldığı ve istenilen sonuca göre kendisini eğiten gizli katman yada katmanlar ve son olarak çıkış değerlerini gösteren çıkış katmanıdır. Bir gizli katmanın […]

Devam

Delta Kuralı (Delta Rule)

Yazan : Şadi Evren ŞEKER Yapay sinir ağlarında kullanılan ve sistemin hata miktarının belirlenmesinde Hebb kuralı ile birlikte ismi en çok geçen kuraldır. Bu kural arka planda en küçük ortalamalı kareler (least mean square) hesaplaması kullanmaktadır. Sistemin çalışmasını basitçe beklenen değer ile gerçekleşen değer arasındaki farkın birbirine yaklaştırılması olarak düşünebiliriz. En küçük ortalamalı kareler (LMS) […]

Devam

Hebb Kuralı (Hebb’s Rule)

Yazan : Şadi Evren ŞEKER Bilgisayar bilimlerindeki yapay sinir ağlarının eğitimi sırasında kullanılan bir kuraldır. Hebbian kuramı (Hebbian theory), hebbian kuralı (hebbian rule) isimleri ile de anılmaktadır. Bu kuralı basitçe “Birlikte ateşlenenleri birlikte bağla” şeklinde özetleyebiliriz. Buna göre iki sinir hücresinin birlikte ateşlenmeleri ile ayrı ayrı ateşlenmeleri arasında sistemin eğitimi açısından fark olmaktadır. Basitçe aynı […]

Devam

Hata Hesabı (Error Calculation)

Yazan : Şadi Evren ŞEKER Bilgisayar bilimlerinde pek çok farklı alanda pekçok farklı hata olmasına karşılık bu yazının amacı yapay sinir ağlarının eğitimi sırasında hatanın nasıl hesaplandığını anlatmayı hedeflemektedir: Gözetimli eğitim sırasında bir hata hesabı yapılırken iki farklı boyut düşünülmelidir. Bunlardan birincisi her sinir hücresini (nöron) bağlayan sinapsis için hesaplanan hata, diğeri ise sistemin tamamının […]

Devam

Gözetimli Öğrenme (Supervised Learning)

Yazan : Şadi Evren ŞEKER Yapay sinir ağları başta olmaküzere bilgisayar bilimlerinin alt dalı olan yapay zekanın çeşitli alanlarında kullanılan öğrenme çeşididir. Diğer alternatifi olan gözetimsiz öğrenme (unsupervised learning)’e göre daha kısa süremesinin en büyük sebebi hata miktarlarının sisteme öğrenme olarak giriyor olmasıdır. Buna göre sistem yaptığı hatalardan ders çıkararak bu hataları öğrenmek için kullanır. […]

Devam

Gözetimsiz Öğrenme (Unsupervised Learning)

Yazan : Şadi Evren ŞEKER Yapay sinir ağları başta olmaküzere bilgisayar bilimlerinin alt dalı olan yapay zekanın çeşitli alanlarında kullanılan öğrenme çeşididir. Diğer alternatifi olan gözetimli öğrenme (supervised learning)’e göre daha uzun süremesinin en büyük sebebi ilk değerlerinin hedeflenen değerden çok uzak olma ihtimalidir. Aşağıda basit bir akış diyagramı ile gözetimsiz eğitimin nasıl yapılabileceği gösterilmiştir: […]

Devam

Ağırlık Matrisleri (Weight Matrices)

Yazan : Şadi Evren ŞEKER Yapay sinir ağlarında, nöronlar arasındaki bağlantıların (sinapsis) ağırlıklarını göstermek amacıyla kullanılırlar. örneğin 4 nöronlu bir hopfield ağını ele alalım. Bu ağın eğitim öncesi bütün sinapsislerinin değerinin 0 olması beklenir. Yani basitçe 4 nöronu bulunan hopfield ağında her nöronun diğerlerine bağlı olması durumunda toplam 16 (4 x 4) sinapsis bağlantısından söz […]

Devam

Hopfield Ağlarının Sayısallaşması

Yazan: Şadi Evren ŞEKER Aşağıda örnek bir hopfield ağı verilmiştir. Yukarıdaki bu ağda 4 nöron ve 12 adet bağlantı görülmektedir. Bu ağın üzerindeki bağlantılar aşağıdaki tablo ile gösterilebilir. Neuron 1 (N1) Neuron 2 (N2) Neuron 3 (N3) Neuron 4 (N4) Neuron 1 (N1) (N/A) N2->N1 N3->N1 N4->N1 Neuron 2 (N2) N1->N2 (N/A) N3->N2 N4->N2 Neuron […]

Devam

Hataya Meyil (Error Gradient)

Yazan : Şadi Evren ŞEKER Yapar sinir ağlarının eğitimi sırasında kullanılan bir terimdir. Buna göre sistemde bulunan sinapsislerden bir tanesindeki ağırlığın değişmesinin bütün sisteme etkisinin hesaplanması beklenir. Aslında bu hesap sistemin eğitilmesi için gerekli olan en önemli bilgiyi vermektedir. Çünkü sistem bu ağırlık değerlerini güncelleyerek daha iyi sonuçlar elde etmeye çalışmakta ve şayet bu güncelleme […]

Devam