Sunum yükleniyor. Lütfen bekleyiniz

Sunum yükleniyor. Lütfen bekleyiniz

Yapay Sinir Ağları Yrd. Doç. Dr. Ayhan Demiriz 21-03-2006.

Benzer bir sunumlar


... konulu sunumlar: "Yapay Sinir Ağları Yrd. Doç. Dr. Ayhan Demiriz 21-03-2006."— Sunum transkripti:

1 Yapay Sinir Ağları Yrd. Doç. Dr. Ayhan Demiriz

2 Yapay Sinir Ağları Biyolojik sistemlerdeki sinir ağlarına benzer şekilde öğrenme algoritmasına sahiptir Yaygın olarak gerek mühendislik ve gerekse bilimsel alanlarda kullanılır ve başarılı uygulamaları mevcuttur Karar verici için çok faydalı ve güvenilir bir araç olarak kullanılabilir Gerek gruplama ve gerekse sınıflandırma alanlarında uygulamaları vardır Paralel uygulamaları ile çok etkin algoritmaların geliştirilmesi mümkündür

3 Sinir n-boyutlu girdi vektörü x, doğrusal olmayan fonksiyon yardımıyla y çıktı değişkenine dönüştürülür. Ağırlıkların bulunması öğrenme anlamına gelmektedir f Ağırlıklı Toplam Girdi vektörü x Çıktı y Aktivasyon fonksiyonu Ağırlık vektörü w  w0w0 w1w1 wnwn x0x0 x1x1 xnxn

4 Sinir kk - f Ağırlıklı Toplam Girdi vektörü x Çıktı y Aktivasyon fonksiyonu Ağırlık vektörü w  w0w0 w1w1 wnwn x0x0 x1x1 xnxn

5 Aktivasyon Fonksiyonu Birleştirme Fonksiyonu Basit toplama işlemidir, fakat yerine göre “VE” ve “VEYA” operatörleri de kullanılabilir Transfer Fonksiyonu Sigmoid, doğrusal veya hiperbolik tanjant fonksiyonları olabilir Sigmoid ve hiperbolik tanjant fonksiyonları doğrusal değillerdir ve doğrusal olmayan sonuçların ağda elde edilmesinde kullanılılırlar Belli bir eşiğin üzerinde değere sahip sinirler, bir sonraki sinirlere (düğüm) girdi olacak şekilde çıktı oluştururlar

6 Çok-katmanlı Perseptron Çıktı Düğümleri Girdi Düğümleri Gizli Katman Çıktı Vektörü Girdi Vektörü: x i w ij

7

8

9

10

11 Doğruluk Tablosu

12 Örnek Uygulama: Emlak Expertiz Değeri Hangi değişkenlere ihtiyaç var? Amacımız nedir? Problem sınıflandırma, gruplama veya regresyon modellerinde hangisine aittir Ne tür değişkenler vardır? Kategorik değişkenler nasıl rakamsal hale getirilmelidir? Sürekli değişkenler nasıl 0-1 aralığında ifade edilmelidir?

13 Yapay Sinir Ağlarının Güçlü ve Zayıf Yönleri Güçlü yönleri: Çok farklı problemlerde kullanılabilirler Zor problem dahi olsa çok iyi sonuç bulabilirler Hem kategorik hem de sürekli değişkenleri kullanabilirler Hazır paket programlar yardımıyla kolaylıkla uygulanabilirler Zayıf Yönleri: 0-1 aralığında girdi zorunluluğu vardır Bulunan sonuçlar kolaylıkla açıklanamaz ve yorumlanması güç olabilir Optimum olmayan bir sonuca kolaylıkla yakınsayabillirler


"Yapay Sinir Ağları Yrd. Doç. Dr. Ayhan Demiriz 21-03-2006." indir ppt

Benzer bir sunumlar


Google Reklamları