Sinir Ağı , çalışma şekli insan beyninin sinirlerinin nasıl çalıştığını taklit eden bir yapay zeka ( yapay zeka ) dalıdır. Bu şekilde Sinir Ağları , bilgisayar programlarına kalıpları tanıma ve sorunları çözme yeteneği verir.
Sinir ağları , nöronların (sinir hücrelerinin) sinyalleri birbirine nasıl ilettiğini taklit eder. Sinir ağları aslında verileri öğrenebilecek ve zaman içinde doğruluğu artırabilecek şekilde eğitiyor. Bu öğrenme algoritması doğruluk için ince ayar yapıldığında, veri kümelerini çok hızlı bir şekilde sınıflandırmak için kullanılabilir.
Kısacası bu sinir ağı , bilgisayar bilimi ve yapay zeka ( yapay zeka ) alanında çok güçlü bir araç olabilir. Sinir ağları sayesinde , bilgisayarlar birkaç dakika içinde konuşmayı kolayca tanıyabilir ( konuşma tanıma ) veya görüntüleri tanıyabilir ( görüntü tanıma ).
Sinir Ağları : Derin Öğrenmenin Bir Parçası
İçindekiler
Sinir Ağı gerçekten de yapay zekanın ( yapay zeka ) bir dalıdır. Özellikle sinir ağları , Derin Öğrenmenin bir parçasıdır . Derin Öğrenme , yapay zekanın bir dalı olan makine öğreniminin bir parçasıdır .
Sinir Ağları , derin öğrenmenin temelidir . Derin öğrenme , birbirine bağlı birçok katmanla daha büyük ve daha karmaşık sinir ağları kullanmamıza olanak tanır . sis.binus.ac.id’ye göre , çoğu modelin temelini oluşturan üç tür sinir ağı vardır.
Üç tür sinir ağı , Yapay Sinir Ağı (ANN), Konvolüsyonel Sinir Ağı (CNN) ve Tekrarlayan Sinir Ağı’dır (RNN). Ancak bu sefer üç türün her birini ayrıntılı olarak tartışmayacağız.
Şimdilik Sinir Ağları hakkındaki genel ve kısa tartışmamıza devam edelim .
Neural Network : İnsan Beynindeki Sinir Hücrelerinin Çalışmalarını Taklit Etmek
İnsan beyni nesneleri (örn. el yazısı, resimler) tanıyabilir ve bunlara ilişkin kararları/eylemleri çok hızlı bir şekilde gerçekleştirebilir. Tüm bunlar, hızlı bir şekilde sinyal gönderebilen sinir hücrelerinin (nöronların) varlığı sayesindedir. Sinir ağının taklit etmeye çalıştığı bu koşuldur .
İnsan sinir hücreleri şu şekilde tanımlanır:
İnsan sinir hücrelerinin çalışma şekli, dendritler aracılığıyla uyarıcıları ( girdi ) almaktır, daha sonra bu uyarıcılar hücre gövdesinde işlenir ve daha sonra çıkış üretmek için aksona iletilir .
Peki bu, bir sinir ağının öykündüğü şeydir . Girdi alan, girdiyi işleyen ve ardından çıktı üreten insan sinir hücreleri kavramını takiben . Bu konsept, makinenin bir şeyi işlemesine ve ardından işlenen girdilerden bir şeyler yapmasına izin verir.
Bir sinir ağının temel yapı taşları nöronlardır. Bir nöron bir dizi girdi alır, bunları hesaplar ve bir çıktı üretir. Bir sinir ağında, bu nöronlar katmanlar halinde düzenlenir .
Genel olarak, birkaç katman ( çoklu katman ) vardır; örneğin, bir giriş katmanı , bir veya daha fazla gizli katman ve bir çıkış katmanı . Girdi katmanı ham girdiyi almakla görevlidir , gizli katman girdiyi işler ve çıktı katmanı çıktı üretir .
Bir sinir ağında algılayıcı , hesaplamaları yapan nesnedir. Aşağıdaki sinir ağı diyagramını göz önünde bulundurun :
X1, x2, x3 girişlerdir, ardından ortadaki daire algılayıcıdır (hesaplama). Bu durumda, yukarıdaki diyagramın açıklaması, girdilerin toplanması ve ardından çıktı üretmek için algılayıcıya (hesaplama) girilmesidir . Bu işlem en doğru model üretilene kadar tekrarlanır.
Nöronlar tarafından gerçekleştirilen hesaplamalar, aktivasyon fonksiyonları adı verilen basit matematiktir. Yapay sinir ağlarında yaygın olarak kullanılan aktivasyon fonksiyonu , f(x)=maks(0,x) formülü ile tanımlanan doğrultulmuş doğrusal birimdir (ReLU). Bu işlev tek bir x girişini kabul eder ve x 0’dan küçükse 0 ve x 0’dan büyük veya ona eşitse x değerini döndürür.
Nöronlar ve aktivasyon fonksiyonlarına ek olarak, her bir nöronla ilişkili ağırlıklar ve yanlılık terimleri de vardır. Bu ikisi eğitim sürecinde öğrenilen skaler değerlerdir ve her bir girdinin çıktıya ne kadar katkı sağladığını ve aktivasyon fonksiyonunda ‘eşik’in ne olduğunu kontrol ederler.
Genel olarak, bir sinir ağı için iş akışı şöyledir:
- Giriş alınır ve giriş katmanına iletilir , ardından gizli katmanlara iletilir (birkaç gizli katman olabilir ).
- Bilgi, her nöron ve katmandaki bir dizi hesaplama yoluyla akar .
- Nihai sonuç ( çıktı ), çıktı katmanı tarafından üretilir .
- Nihai sonuç ( çıktı ), istenen çıktı ile karşılaştırılır ve ardından hata hesaplanır.
- Hata, geri yayılım adı verilen bir algoritma kullanılarak ağırlıkları ve yanlılıkları yeniden düzenlemek için kullanılır .
- Eğitim süreci, hataların en aza indirilebilmesi için genellikle büyük veri kümeleri kullanılarak yinelemeler halinde gerçekleştirilir .
- Bir şeyi kesin olarak tahmin edebilmek için sinir ağının sürekli olarak eğitilmesi gerekir. Tanıma konusunda daha ‘akıllı’ olabilmesi için büyük miktarlarda girdi almaya devam etmesi gerekir
- Bir sinir ağını eğitmek için gereken süre büyük ölçüde değişir; saatler, aylar, hatta yıllar olabilir.
Yukarıdaki iş akışının sadece genel anlamda olduğu belirtilmelidir . Aslında, her biri belirli mimariye ve uygulamaya bağlı olarak birçok varyasyon ve nüans vardır.
Sinir Ağı Örneği
(1) El Yazısı Tanıma
Halihazırda el yazısı tanıma teknolojisi ( el yazısı tanıma ) ile donatılmış birçok cihaz bulunmaktadır. Android ve Ipad tabletler bu teknolojinin gerçek örnekleridir. Android veya Ipad ekranında parmağınızı veya özel bir kalemi kullanarak yazabilirsiniz, ardından sinir ağı yazıyı tanımak için çalışır, böylece el yazısı hemen ekranda yazmaya dönüşür.
(2) Yüz Tanıma
Bugün var olan akıllı telefon kameraları , bir kişinin yüzünün özelliklerine göre yaşını tahmin edebiliyor.
Bir akıllı telefon kamerasını kullanarak fotoğraf çektiğinizde , sinir ağı önce yüzü fotoğraftaki arka plandan ayırır. Daha sonra sinir ağı , yaş tahmini bilgilerini almak için yüzdeki çizgileri ve noktaları birleştirecektir.
(3) Tahmin
Nöral ağlar tahminde de kullanılıyor biliyorsunuz. Sinir ağları , kalıpları anlayabilmek ve yağmur olasılığını tespit edebilmek için eğitilmiştir.
Ardından, bir sinir ağı yardımıyla hisse senedi fiyatlarının yükselişi ve düşüşü tahmin edilebilir . Sinir ağı tahmin sonuçlarının da yüksek derecede doğruluğa sahip olduğu iddia edilmektedir.
(4) Müzik Kompozisyonu
Yaratıcı bir alan olan müzik alanında sinir ağlarının da uygulanabileceği ortaya çıktı . Sinir ağları esas olarak kalıpları ve müziği öğrenmek ve ardından yeni müzik besteleyebilmek için kendinizi eğitmek için kullanılır.
