Notes

Yapay Sinir Ağları


Yapay Zeka

Zeki Davranışlar
-Öğrenme
-Muhakeme Etme
-Planlama ve Kontrol
-Yorumlama

Bu zeki davranışlar göz önünde bulundurularak bir çok yapay zeka teknolojisi meydana getirilmiştir. Bunlardan en yaygın olarak kullanılanları uzman sistemler, yapay sinir ağları, genetik algoritmalar, bulanık önermeler mantığı ve zeki etmenler olarak adlandırılır.

1.Uzman Sistemler
Bir problemin o problemin uzmanının çözdüğü gibi çözebilen bilgisayar programları geliştiren sistemlerdir.Bir uzman bilgilerini ve tecrübesini kullanır. Bunun için uzmanlık alanı ile ilgili bilgilerin bilgisayar tarafından anlaşılabilir olması ve saklanması gerekmektedir. Uzman sistemler bilginin gösterimi bilgisayarda saklanması kullanılması için metatolojiler sunmaktadır.

2.Yapay Sinir Ağları
Örnekler kullanarak olaylar arasındaki girdi ve çıktıları öğrenerek problemlere çözüm üreten bir teknolojidir. İnsan beyninin çalışma prensibi göz önünde bulundurularak tasarlanmıştır. Çok hızlı çalışırlar ve problemlere çözüm üretirler.

3.Genetik Algoritmalar
Genetik biliminden esinlenilerek geliştirilmiş ve karışık optimizasyon problemlerinin çözülmesinde kullanılan bir teknolojidir. Problemin çözüm uzayında stokastik arama yaparak en uygun çözümlerden birisine ulaşmaya çalışır.

4.Bulanık önermeler
Genel olarak kelimelerin hesaplanabilmesi olarak görülmektedir.Probleme çözüm üreten uzmanlar normal yüksek düşük yaklaşık olarak karar vermektedirler.

5.Zeki Etmenler
Bağımsız kararlar verebilen yapay zekaya dayalı donanım ve yazılım sistemleridir. Birden fazla yapay zeka mantığı ve tekniği kullanabilirler. Öğrenme ve gerçek zamanlı çalışabilme özellikleri oldukça etkindir. Çevredeki olayları algılar yorumlar ve çevreye tepki üretebilirler.

Öğrenme Türleri

Görerek öğrenme
Makine öğrenme
Örneklerden öğrenme
Analoji ile öğrenme
Açıklamalardan öğrenme
Deney yoluyla öğrenme
Keşfetme yoluyla öğrenme

Öğrenme Şekilleri

Farklı Çağrışım (Hetero Association) : Bir olay ister gözlemleyerek ister ister talimatlar yoluyla olsun değişik açılardan incelenerek genel yöntemlerin ortaya konduğu öğrenme şeklidir.Problem ortaya konan genel durum dikkate alınarak çözülür.

Oto Çağrışım : Bir olay öğrenilerek daha sonra eldeki mevcut bilgilerle olay karakterize edilmektedir. Eldeki bilgilerin eksik olması durumunda eksik bilgiler tamamlanır.

Öğrenme Paradigmaları

Sembol İşleme Yöntemi : Geleneksel yapay zeka teknolojilerine dayanan öğrenme sistemleridir.

Yapay Sinir Ağları : Örneklerden genellemeler yaparak öğrenir.

İstatistiki Örgüt Tanıma : Bir veri setinin istatistiki özellikleri ve dağılımı incelenerek veri hakkında genellemeler yapmak söz konusudur.

Genetik Algoritmalar ve Evrimsel Programlama : Bu paradigma bir problemin çözümü için başlangıç çözümleri atar ve bu çözümlerden yeni çözümler üretek daha iyi sonuç verecek en iyi çözüme ulaşana kadar devam eder.

Vaka Tabanlı Öğrenme : Bu teknoloji vakalara bakarak öğrenme esasına dayanır. Bir olay sözkonusu olduğunda benzeri vakalara bakılarak çözümler üretilir.

Öğrenme Stratejileri

Supervised Öğrenme : Bir öğretmenin yardımcı olduğu sistemde istenen olay ile ilgili örnek girdi çıktı sistemleri ele alınır. Her örnek için girdi değerleri ve buna karşılık çıktı değerleri sisteme bildirilir. Girdiler ve çıktılar arasındaki ilişkiyi haritalandırmaktır. Bu sayede girdi çıktı işlemi gerçekleşir.

Destekleyici Öğrenme

Bu stratejide de öğretmen öğrenciye yardımcı olur. Fakat öğretmen her girdi seti için çıktı seti bildirmek yerine çıktıyı sistemden üretmesini bekler. Bu aşamada öğretmen çıktıların doğru mu yanlış ı olduğunu söyler sistem de öğretmenden gelen cevaplara göre öğrenme sürecini devam ettirir.

Öğretmensiz Öğrenme

Sisteme sadece girdi değerleri verilir. Örneklerdeki parametreler üzerinden sistemin kendi kendine öğrenmesi beklenir. Bu yöntem daha çok sınıflandırma problemlerinde kullanılır. Yalnız sistemin öğrenmesi bittikten sonra çıktıların ne anlama geldiklerini gösteren etiketlendirmenin kullanıcı tarafından yapılması gerekmektedir.

Karma stratejiler

Yukarıdaki 3 stratejiden birkaçını birlikte kullanarak gerçekleştirilen öğrenme stratejisidir.

Öğrenme Kuralları

Online Öğrenme Kuralları : Bu kurallar gerçek zamanlı çalışabilmektedir. Bu kurallara göre öğrenen sistem gerçek zamanda çalışırken bir taraftan fonsiyonunu yerine getirir diğer taraftan öğrenmeye devam eder.

Offline Öğrenme Kuralları : Bu kurallara göre sistem kullanıma alınmadan örnekler üzerinde eğitilir. Sistem eğitildikten sonra gerçek hayatta kullanıma alındığında artık öğrenme olmaz.

Hebb Kuralı: Bilinen en eski kuraldır.Diğer öğrenme kurallarının temelini oluşturur. Öğrenme sisteminin elemanlarının aktif olması durumunda çevrelerindeki elemanları aktif yapacakları pasif olması durumunda ise pasif yapacakları felsefesi üzerine kurulmuştur.

Hopfield Kuralı : Bu kural hebb kuralına benzemektedir. amacı bağlantıların ne kadar kuvvetlendirilmesi veya zayıflatılması gerektiğini belirlemektir. Eğer beklenen çıktı ve girdilerin aktif ve pasif olması durumuna göre ağırlıklar da kuvvetlendirilir veya zayıflatılır.

YSA Genel Özellikleri ( Yapay Sinir Ağları )

Yapay sinir ağları insan beyninin özelliklerinden olan öğrenme yolu ile yeni bilgiler türetebilme, yeni bilgiler oluşturabilme, keşfedebilme gibi yeteneklerini herhangi bir yardım olmadan otomatik olarak gerçekleştirmek amacıyla geliştirilen bilgisayar sistemleridir.

YSA Temel Görevleri

Bir ysa non en temel görevi kendine gösterilen bir girdi setini bir çıktı setine dönüştürmektir. Bunun yapılabilmesi için ağ ilgili olayın örnekleriyle eğitilerek genelleme yapabilcek yeteneği kavuşturulur. Özellikle ;

Öğrenme
İlişkilendirme
Kategorize Etme
Genelleme
Özellik belirleme
Optimizasyon

gibi konularda çok başarılı sonuçlar üretmektedirler.

YSA Temel Özellikleri

Makina öğrenmesi gerçekleştirirler.
Programın çalışma stili bilinen yöntemlere benzememektedir.
YSA örnekleri kullanarak öğrenir.
Bilgi Üretirler
Algılamaya yönelik olaylarda başarılıdırlar
Şekil ( Örüntü ) ilişkilendirme ve sınıflandırma yapabilirler.
Örüntü tanıyabilirler.
Kendi kendini organize edebilir ve öğrenebilirler
Eksik bilgiyle çalışabilirler.
Hata toleransına sahiptirler
Belirsiz, tam olmayan bilgileri işleyebilirler.
Graceful degradation gösterirler.
Dağıtık hafızaya sahiptirler.
Sadece nümerik bilgiler ile çalışabilirler.

YSA nın dezavantajları

Probleme uygun ağ yapısının belirlenmesi genellikle deneme yanılma yoluyla yapılmaktadır.
Bazı ağlarda ağın parametre değerlerinin proses eleman sayısı yapay hücre sayısı katman sayısı belirlenmesinde kural yoktur
Sadece nümerik bilgilerle çalışması gerekir.
Ağın eğitiminin ne zaman bitirileceğine karar vermek için geliştirilmiş bir yöntem yoktur.
Ağın davranışının açıklanaması.

YSA’nın çalışma prensibi

YSA’nın çalışma prensibi girdi setini alarak onlara karşılık gelen çıktı setini üretmektir. Bunun sağlanabilmesi için ağın kendine gösterilen girdiler için doğru çıktılar üretebilir hale gelmesi gerekir. Buna ağın eğitilmesi denir. Ağa gönderilecek örnekler öncelikle bir vektör haline getirilir. Bu vektör ağa gösterilir ve ağ bu vektör için gerekli çıktı vektörünü üretir. Girdi vektörü haftanın günlerini, bir resmin gri tonlarını, bir parmak izini vb. gösteren