YAPAY SİNİR AĞLARINA GİRİŞ

Yapay Sinir Ağlarının Genel Tanımı İnsan beyninin özelliklerinden olan öğrenme yoluyla yeni bilgiler türetebilme, yeni bilgiler oluşturabilme ve keşfedebilme gibi yeteneklere herhangi bir yardım olmadan otomatik olarak gerçekleştirmek amacı ile geliştirilen bilgisayar sistemleridir.

Yapay Sinir Ağı Tanımı Ve En Temel Görevi İnsanlar tarafından gerçekleştirilmiş örnekleri kullanarak olayları öğrenebilen, çevreden gelen olaylara karşı nasıl tepkiler üretebileceğini belirleyen bilgisayar sistemleridir.

Yapay Sinir Ağı Tanımı Ve En Temel Görevi İnsan beyninin fonksiyonel özelliklerine benzer şekilde Öğrenme İlişkilendirme Sınıflandırma Genelleme Özellik belirleme Optimizasyon gibi konularda başarılı bir şekilde uygulanmaktadırlar.

Yapay Sinir Ağı Tanımı Ve En Temel Görevi Bir yapay sinir ağının en temel görevi, kendisine gösterilen bir girdi setine karşılık gelebilecek bir çıktı seti belirlemektir.

Yapay Sinir Ağlarının Genel Özellikleri Yapay sinir ağları makine öğrenmesi gerçekleştirirler Programları çalışma stili bilinen programlama yöntemlerine benzememektedirler. Bilginin saklanması Yapay sinir ağları örnekleri kullanarak öğrenirler Yapay sinir ağlarının güvenle çalışabilmesi için önce eğitimleri ve performanslarının test edilmesi gerekmektedir.

Yapay Sinir Ağlarının Genel Özellikleri Görülmemiş örnekler hakkında bilgi üretebilirler Algılamaya yönelik olaylarda kullanılabilirler. Şekil (örüntü) ilişkilendirme ve sınıflandırma yapabilirler. Örüntü tamamlama gerçekleştirebilirler. Kendi kendini organize etme ve öğrenebilme yetenekleri vardır.

Yapay Sinir Ağlarının Genel Özellikleri Eksik bilgi ile çalışabilmektedirler. Hata toleransına sahiptirler. Belirsiz, tam olmayan bilgileri işleyebilmektedirler. Dereceli bozulma gösterirler. Dağıtık belleğe sahiptirler. Sadece nümerik bilgiler ile çalışabilmektedirler.

Yapay Sinir Ağlarının Önemli Dezavantajları Yapay sinir ağlarının donanıma bağlı çalışmaları önemli bir dezavantaj olarak görülebilir. Probleme uygun ağ yapısının belirlenmesi genellikle deneme yanılma yolu ile yapılmaktadır. Bazı ağlarda ağın parametre değerlerinin (mesela öğrenme katsayısı,her katmanda olması gereken proses elemanı (yapay hücrelerin) sayısı,katman sayısı vb.) belirlenmesinde bir kural olmaması diğer bir problemdir.

Yapay Sinir Ağlarının Önemli Dezavantajları Ağın öğreneceği problemin ağa gösterimi de çok büyük bir problemdir. Ağın eğitiminin ne zaman bitirileceğine karar vermek içinde geliştirilmiş bir yöntem yoktur. Bir diğer dorun ise,belki de en önemlisi daha önce açıklandığı gibi ağın davranışlarının açıklanamamasıdır.

Yapay sinir ağları ile neler yapılabilinir? Bir problemin yapay sinir ağı ile çözülmesi için şu şartlardan birini sağlaması gerekir. Sadece yapay sinir ağları ile problemlere pratik çözümler üretebilme durumunun söz konusu olması gerekir. Başka çözüm yolları olmasına rağmen yapay sinir ağlarının daha kolay ve daha etkin çözümler üretebilmesinin sağlanması gerekir.

Yapay sinir ağları ile neler yapılabilinir? Yapay sinir ağları şu fonksiyonları yerine getirmektedir Probabilistik fonksiyon kestirimleri Sınıflandırma İlişkilendirme veya örüntü eşleştirme Zaman serileri analizleri Sinyal filtreleme Veri sıkıştırma Örüntü tanıma Doğrusal olmayan sinyal işleme Doğrusal olmayan sistem modelleme Optimizasyon Zeki ve doğrusal olmayan kontrol

Yapay sinir ağları ile neler yapılabilinir? Bir önceki slaytta yer alan teorik uygulamaların ötesinde,günlük hayatta kullanılan bir çok uygulamadan söz etmek mümkündür.Bunlardan bazıları ise şöyle sıralanabilinir: Veri madenciliği Optik karakter tanıma ve çek okuma Bankalardan kredi isteyen müracaatları değerlendirme Ürünün pazardaki performansı tahmin etme Kredi kartı hilelerini saptama Zeki araçlar ve robotlar için optimum rota belirleme

Yapay sinir ağları ile neler yapılabilinir? Güvenlik sistemlerinde konuşma ve parmak izi tanıma Robot hareket mekanizmalarının kontrol edilmesi Mekanik parçalarının ömürlerinin ve kırılmalarının tahmin edilmesi Kalite kontrolü İş çizelgeleme ve iş sıralaması İletişim kanallarında ki geçersiz ekoların filtrelenmesi

Yapay sinir ağları ile neler yapılabilinir? İletişim kanallarında ki trafik yoğunluğunu kontrol etme ve anahtarlama Radar ve sonar sinyalleri sınıflandırma Üretim planlama ve çizelgeleme Kan hücreleri reaksiyonları ve kan analizlerini sınıflandırma Kanserin saptanması ve kalp krizinin tedavisi Beyin modellenmesi çalışmaları

Yapay Sinir Ağlarının Kısa Bir Tarihçesi 1970 öncesi çalışmalar; insan beyninin yapısı ve fonksiyonları ile ilgili ilk yayının yazılması 1911-insan beyninin bileşenlerinin belirli bir düzenek ile sinir hücrelerinden (nöronlar) oluştuğu fikrinin benimsenmesi yapay sinir hücrelerine dayalı hesaplama teorisinin ortaya atılması ve eşik değerli mantıksal devrelerin geliştirilmesi

Yapay Sinir Ağlarının Kısa Bir Tarihçesi 1949-biyolojik olarak mümkün olabilinen öğrenme prosedürünün bilgisayarlar tarafından gerçekleştirilecek biçimde geliştirilmesi – ADALINE ve Widrow öğrenme algoritmasının geliştirilmesi – tek katmanlı algılayıcının geliştirilmesi ilk makine öğrenmesi kitabının yayınlanması bazı gelişmiş öğrenme algoritmaların geliştirilmesi 1969-tek katmanlı algılayıcıların problemi çözme yeteneklerinin olmadığının gösterilmesi 1969-DARPA’nın yapay sinir ağlarını desteklemeye durdurup diğer yapay zeka çalışmalarına destek vermesi

Yapay Sinir Ağlarının Kısa Bir Tarihçesi 1970 sonrası çalışmalar; doğrusal ilişkilendiricilerin geliştirilmesi Korelasyon Matriks belleğinin geliştirilmesi geriye yayılım (çok katmanlı algılayıcının) ilk çalışmalarının geliştirilmesi Öğretmensiz öğrenmenin geliştirilmesi: 1978-ART modelinin geliştirilmesi 1982-Kohoen öğrenmesi ve SOM modelling geliştirilmesi

Yapay Sinir Ağlarının Kısa Bir Tarihçesi Hopfield ağlarının geliştirilmesi 1982-çok katmanlı algılayıcının geliştirilmesi 1984-Boltzman makinesinin geliştirilmesi 1985-çok katmanlı algılayıcıların (genelleştirilmiş delta öğrenme kuralı ile ) 1988-RBF modellinning geliştirilmesi 1988-PNN modellinning geliştirilmesi 1991-GRNN modellinning geliştirilmesi 1991’den günümüze sayısız çalışma ve uygulama geliştirilmiştir.