Neden Yapay Sinir Ağları (YSA) PDF Yazdır e-Posta
Administrator tarafından yazıldı   
Perşembe, 12 Mart 2009 21:03

image002Yapay Zeka’nın Amaçları :Temel amaç, insanların zor yaptığı işleri yapabilecek sistemler üretmek.İnsan beyninin fonksiyonlarını, bilgisayar modelleri yardımıyla anlamaya çalışmak. İnsanın bilgi kazanma, öğrenme ve buluş yapma gibi zihinsel yeteneklerini araştırmak. Öğrenme metotlarını bilgisayar sistemlerine aktarmak. İnsan bilgisayar iletişimini kolaylaştıran kullanıcı arabirimleri geliştirmek. Yapay uzman sistemler oluşturmak. Yapay zekaya sahip robotlar geliştirmek (İşbirliği) Bilgisayarları, bilimsel araştırma ve buluşlarda kullanmak.

Yapay sinir ağlarının tarihçesi nörobiyoloji konusuna insanların ilgi duyması ve elde ettikleri bilgileri bilgisayar bilimine uygulamaları ile başlamaktadır. Yapay sinir ağlarının tarihini 1970 öncesi ve sonrası diye ikiye ayırmak gerekmektedir. 1970 yılında bu bilimin tarihinde bir dönüm noktası başlamış ve o zamana kadar olmaz diye düşünülen bir çok sorun çözülmüş ve yeni gelişmeler başlamıştır. Herşey bitti derken yapay sinir ağları yeniden doğmuştur.

Bilgisayar ve İnsan Beyni
Bilgisayar Beyin
Çevrim zamanı 10-8 saniye 10-3 saniye
İşleme Unitesi 1 CPU, 105 kapı 1011 nöron
Depolama Ünitesi 109 bit RAM, 1010 bit disk 1011 nöron, 1014 sinaps
Bant genişliği 109 bit/saniye 1014 bit/saniye
Nöron update/sn. 105 1014
Yapay Sinir Ağlarının Çalıştırılması
Bir Yapay sinir ağı,herhangi bir girdi vektörünü çıktı vektörüne nasıl dönüştürdüğü hakkında bilgi vermez.

Bir YSA nedir?
“Beynin bir işlevi yerine getirme yöntemini modellemek için tasarlanan bir sistem olarak tanımlanabilir”
Düğümlerin bir kümesidir (birimler, nöronlar, işlem elemanları)
Her bir düğümün giriş ve çıkışı vardır
Her bir düğüm onun düğüm fonksiyonu tarafından basit bir hesaplama yerine getirir
Düğümler arasında ağırlık yüklenmiş bağlantılar (Weighted connections) vardır.
Bağlantı şekli (connectivity) ağın mimarisini/yapısını verir
İlk olarak bağlantıları ve ağırlıkları ile belirlenmiş bir sinir ağı nasıl hesap edilebilir
YSA, hayvan sinir sistemindeki nöronlara ait ağın çok basitleştirilmiş bir versiyonu gibi görülebilir.
YSA Nöron Modelleri

Her bir nöronun diğer düğümlerden gelen bir veya daha fazla girişi ve diğer düğümlere giden bir çıkışı vardır.
agirlikgirisyoplami

Giriş/çıkış değerleri
Binary {0, 1}
Bipolar {-1, 1}
Sürekli olabilir.
Bir düğüm için bütün girişler aynı zamanda gelir ve çıktı hesap edilene kadar aktive edilmiş olarak kalırlar.
Yapay Sinir Ağlarının Genel Yapısı

ysa

Yapay sinir hücreleri bir araya gelerek yapay sinir ağını oluştururlar. Sinir hücrelerinin bir araya gelmesi rastgele olmaz. Genel olarak hücreler 3 katman halinde ve her katman içinde paralel olarak bir araya gelerek ağı oluştururlar.

Bu katmanları şöyle sıralayabiliriz;

Girdi katmanı: Bu katmandaki proses elemanları dış dünyadan bilgileri alarak ara katmanlara transfer etmekle sorumludurlar. Bazı ağlarda girdi katmanında herhangi bir bilgi işleme olmaz.
Ara katmanlar: Girdi katmanından gelen bilgileri ön işleme tutarak çıktı katmanına gönderirler. Bir ağ için birden fazla ara katman olabilir.
Çıktı katmanı: Bu katmandaki proses elemanları ara katmandan gelen bilgileri işleyerek ağın girdi katmanından sunulan girdi seti (örnek) için üretmesi gereken çıktıyı belirler.

YSA’nın Uygulama Alanları

  1. Endüstriyel uygulamalar
  2. Finans uygulamaları
  3. Askeri ve Savunma uygulamaları
  4. Tıp ve Sağlık uygulamaları
  5. Mühendislik uygulamaları
  6. Robotbilim
  7. Görüntü İşleme (Image Processing)
  8. Örüntü Tanıma (Pattern Recognition)
  9. İletişim Sanayi, Tahmin, ..
<pre> or <div class="code">

YSA’nın Öğrenme Çeşitleri:

Öğreticili (Danışmanlı) Öğrenme (Supervised Learning):Öğreticili Öğrenmede YSA, kullanıma sokulmadan önce eğitilir. Eğitim sırasında hem girdiler, hem de o girdiler karşılığında oluşturulması gereken çıktılar sisteme verilir. Bu sayede olayın girdileri ve çıktıları arasındaki ilişkiler öğrenilmektedir. Eğitim aşaması genelde çok zaman alır.yapay Sinir Ağlarının bir çoğu, öğreticili öğrenme yöntemini kullanır.

Destekleyici (Pekiştirmeli) Öğrenme (Reinforcement Learning): Öğretmen, her girdi seti için olması (üretilmesi) gereken çıktı setini sisteme göstermek yerine, sistemin kendisine gösterilen girdilere karşılık çıktısını üretmesini bekler ve üretilen çıktının doğru veya yanlış olduğunu gösteren bir sinyal üretir. Bu sinyal dikkate alınarak, eğitim süreci devam ettirilir. örneğin LVQ Ağı
Öğreticisiz (Danışmansız) Öğrenme Unsupervised Learning: Sisteme sadece girdi değerleri gösterilir ve parametreler arasındaki ilişkileri sistemin kendi kendine öğrenmesi beklenir. Çok fazla kullanım alanı olmamakla birlikte, gelecek vadetmektedir ve günümüzde akademik çalışmalar yapılmaktadır. Örneğin SOM (Selforganizing maps) ve ART ağları. Karma Stratejiler : Radyal Tabanlı Sinir Ağları (RBN) …

Öğrenme Kuralları:
Çevrimiçi (On-line) Öğrenme Kuralları : Sistem bir taraftan fonksiyonlarını yerine getirirken bir taraftan da öğrenmeye devam etmektedir. ART Ağı ve Kohonen.
Çevrimdışı (Off-line) Öğrenme Kuralları : Sistem eğitildikten sonra, gerçek hayatta kullanılırlar.

Yazı biraz dağınık oldu ilerde zaman olursa toplarım bakarım.Aynı odam gibi :))

Okuma: 1086
Yorumlar (0)Add Comment

Yorum yaz
daha küçük | daha büyük

busy
LAST_UPDATED2