Yapay Zeka Nadir Can KAVKAS 523617011 DERİN ÖĞRENME Yapay Zeka Nadir Can KAVKAS 523617011

Yapay Zeka nedir? Yapay zeka, bir bilgisayarın veya bilgisayar kontrolündeki bir robotun çeşitli faaliyetleri zeki canlılara benzer şekilde yerine getirme kabiliyetidir. Yapay zeka çalışmaları, genellikle insanın düşünme yöntemlerini analiz ederek bunların benzeri yapay yönergeleri geliştirmeye yöneliktir.

Derin Öğrenme Nedir? Derin öğrenme (aynı zamanda derin yapılandırılmış öğrenme, hiyerarşik öğrenme yada derin makine öğrenmesi) bir veya daha fazla gizli katman içeren yapay sinir ağlarını kapsayan çalışma alanıdır. Derin öğrenme, makine öğrenimi adı verilen daha geniş bir alanın nispeten yeni bir koludur.

Makine Öğrenmesi Nedir? Makine öğrenmesi, matematiksel ve istatistiksel yöntemler kullanarak mevcut verilerden çıkarımlar yapan, bu çıkarımlara dair tahminlerde bulunan yöntemdir. Makine öğrenmesine güncel hayatımızdan bazı örnekler: yüz tanıma, belge sınıflandırma, istenmeyen mail tesbiti.

Yapay Sinir Ağı Nedir? Yapay sinir ağları, insan beyninden esinlenerek geliştirilmiş, ağırlıklı bağlantılar aracılığıyla birbirine bağlanan ve her biri kendi belleğine sahip işlem elamanlarından oluşan paralel ve dağıtılmış bilgi işleme yapılarıdır.

Derin Öğrenme Derin öğrenme yapay sinir ağlarının geliştirilmesiyle ortaya çıktı. Önceki yıllarda geliştirilmiş olan yapay sinir ağlarının belirgin özelliği bir veya iki katmandan oluşmasıydı. Teknolojin gelişmesiyle bilgisayarların işlem gücü arttı ve kullanılan yapay sinir ağı katmanı arttı.

Sinir Ağı ve Yapay Sinir Ağı

Yapay Sinir Hücresinin Yapısı Giriş Ağırlıklar Toplama Fonksiyonu Aktivasyon Fonksiyonu Çıkış

Yapay Sinir Hücresinin Yapısı Giriş: Sinir Ağı hücresine dışardan veya diğer hücreden veri gelmesini sağlayan bağlantıdır. Ağırlıklar: Hücreye gelen bilginin etkisini gösterir. Toplama Fonksiyonu: Gelen verileri ağırlıkları ile çarpar ve hücrenin net giriş değerini hesaplar. Aktivasyon Fonksiyonu: Toplama fonksiyonu ile elde edilen net girdiyi işleyerek hücrenin bu girdiye karşılık üreteceği çıktıyı belirleyen fonksiyondur. Çıkış: Çıktı bilgisinin dış dünyaya yada başka hücreye gönderilmesini sağlar.

Yapay sinir ağları 3 katmandan oluşur Yapay sinir ağları 3 katmandan oluşur. Giriş katmanı, gizli katman, çıkış katmanı. Yapay Sinir Ağları

Giriş Katmanı Yapay sinir ağına dış dünyadan girdilerin geldiği katmandır. Bu katmanda dış dünyadan gelecek giriş sayısı kadar nöron bulunmasına rağmen genelde girdiler herhangi bir işleme uğramadan alt katmanlara iletilmektedir.

Gizli Katman Giriş katmanından çıkan bilgiler bu katmana gelir. Ara katman sayısı ağdan ağa değişebilir. Bazı yapay sinir ağlarından ara katma bulunmadığı gibi bazılarında ise birden fazla ara katman bulunmaktadır.

Çıkış Katmanı Ara katmanlardan gelen bilgileri işleyerek ağın girdi katmanından gelen verilere karşılık olan çıktıları üreten katmandır. Bu katmanda üretilen çıktılar dış dünyaya gönderilir. Geri beslemeli ağlarda bu katmanda üretilen çıktı kullanılarak ağın yeni ağırlık değerleri hesaplanır.

Yapay Sinir Ağlarının Avantajları Verilen örnekler üzerinden bir öğrenme yeteceğine sahiptir. Olayları öğrenerek benzer olaylar karşısında, benzer kararlar vermeye çalışır. Görülmemiş örnekler hakkında bilgi üretebilirler. Örüntü, ilişkilendirme ve sınıflandırma yapabilirler Algılamaya yönelik olaylarda kullanabilirler.

Yapay Sinir Ağlarının Dezavantajları Yapay sinir ağının davranışları açıklanamaz. (Blackbox) Uygun ağ yapısının belirlenmesinde belirli bir kural yoktur. Ağın eğitiminin ne zaman bitirilmesi gerektiğine ilişkin belirli bir yöntem yoktur. Çok katmanlı ağlar için yüksek donanım gücü gereklidir.

Tek Katmanlı Yapay Sinir Ağı

Çok Katmanlı Yapay Sinir Ağları Daha karmaşık problemlerin çözümü için daha çok katmana ihtiyaç duyarız. Çok Katmanlı Yapay Sinir Ağları

XOR Mantık Kapısı Problemi

Yapay Sinir Ağı Türleri Percoptron Feed Forward (İleri Beslemeli) Recurrent Neural Network

Tek katmanlı, gizli katmanı olmayan en basit yapay sinir ağıdır. Perceptron Sinir Ağı

Feed Forward (İleri Beslemeli) YSA En az iki katmanlıdır. Gizli katmanı bulunur. Feed Forward (İleri Beslemeli) YSA

Recurrent Neural Network(RNN) Tekrarlayan Sinir Ağları: Düğümler arasındaki bağlantıların yönlendirilmiş bir döngü oluşturduğu yapay sinir ağıdır. İleri beslemeli sinir ağlarından farklı olarak RNN’ler kendi belleğine sahiptir. Belleğindeki verileri kullanarak öğrenme gerçekleştirebilir

Gözetimli(Supervised) Öğrenme Elimizdeki verinin sınıf sayısı belli, hangi girdilerin hangi sonuçları ürettiği mevcutsa ve bu bilgileri kullanarak bir makine öğrenmesi yapıyorsak bu gözetimli öğrenmeye girmektedir Sınıflandırma işlemi bir gözetimli öğrenmedir.

Gözetimsiz(Unsupervised) Öğrenme Elimizdeki verinin kaç sınıfa ayrıldığını, hangi girdilerin hangi sonuçları ürettiğini bilmeden, yani ham veriden bir anlam çıkarmaya çalışıyorsak bu gözetimsiz öğrenmedir. Kümeleme işlemi bir gözetimsiz öğrenmedir.

Pekiştirmeli(Reinforcement) Öğrenme Bu öğrenme yaklaşımında ağın her iterasyonu sonucunda elde ettiği sonucun iyi veya kötü olup olmadığına dair bir bilgi verilir. Ağ bu bilgilere göre kendini yeniden düzenler. Bu sayede ağ herhangi bir girdi dizisiyle öğrenerek hem de sonuç çıkararak işlemeye devam eder.

Öğrenme Zamanına Göre YSA Statik Öğrenme: Önce yapay sinir ağı eğitilir. Eğitim tamamlandıktan sonra ağ istenilen şekilde kullanılabilir. Ancak kullanım sırasında ağırlıklarda değişme olmaz. Dinamik Öğrenme: Yapay sinir ağı çalıştığı sürece öğrenmesi üzerine tasarlanmıştır. Her eğitimde ağırlıklar güncellenir ve öğrenmenin pekiştirilmesi sağlanır.

Yapay Sinir Ağları Kullanım Alanları Finans Hesaplamaları (Kredi skorlaması vb.) Görüntü İşleme (Yüz tanıma, hareket tanıma, nesne tanıma) Medikal (Tümor bulma, İlaç keşfi, DNA dizilimi) Enerji Sektörü (Fiyat ve yük tahmini) Doğal Dil İşleme (Duygu Analizi, ses analizi)

Öğrenme nasıl gerçekleşir?

Problemimizi çözelim.