Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Look up keyword
Like this
17Activity
0 of .
Results for:
No results containing your search query
P. 1
Yapay Zeka ders notları

Yapay Zeka ders notları

Ratings: (0)|Views: 3,340|Likes:
Published by Kubra Kose
Yapay Zeka ders notları
Yapay Zeka ders notları

More info:

Published by: Kubra Kose on Jan 06, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

03/09/2013

pdf

text

original

 
Sayfa
1 |
Yapay Zeka 2 Dersi-
OMÜ BÖTE
2010
Hacer Kubra KOSE (Ders notları payl
a
ştıkça çoğalır! )
 
YAPAY ZEKA 2
VİZE SONRASI
 
PERCEPTRONLAR
O
 
YAPAY SİNİR AĞLARININ İLK MADDELERİNDENDİR.
 
O
 
PERCEPTRONLARIN ÖĞRENME ALGORİTMASI DİĞER KARMAŞIK PROBLEM ALGORİTMALASININTEMELLERİNİ OLUŞTURM
AKTADIR.
O
 
İNSAN SİNİR HÜCRESİN
E BENZER
BİR YAPIYA SAHİPTİR.
 
O
 
GİRİŞLER VE ONLARA GELEN AĞIRLIK DEĞERLERİNİN ÇARPIMLARI TOPLAMINDAN OLUŞAN NET AĞIRLIKDEĞERİ OLUŞUR.
O
 
BU NET DEĞER EŞİK DEĞERİNİ AŞTIĞI ZAMAN ÇIKIŞ DEĞERİ ÜRETİLİ
R.
 
Sayfa
2 |
Yapay Zeka 2 Dersi-
OMÜ BÖTE
2010
Hacer Kubra KOSE (Ders notları payl
a
ştıkça çoğalır! )
 
O
 
BU FONKSİYONLARIN 1’Lİ DURUMLARINDA 0 DEĞERLİLERDEN AYRILMAS
I
DOĞRUSAL AYRILABİLİRLİKOLARAK BİLİNİR.
O
 
FONKSİYONU BÖLGELERİ
 
AYIRAN DOĞRUYU İFADE
 
EDECEKTİR.
O
 
>0 İSE 1 DEĞERLİ DUR
UMLARDIR.
OR
O
 
O
 
1’Lİ DURUMLARI İÇERİNE BÖLGE UYGUN OLARA
K -0,5+X
1
+X
2
>0 VEYA VEKTÖR BİÇİMİNDE AŞAĞIDAKİŞEKİLDE İFADE EDİLECEKTİR.
 
O
 
XOR
PERCEPTRON ÖĞRENME K
URALI
Algoritmada her çıkışta sonucun uzman (öğretmen) tarafından onaylanması istenmektedir. Perceptronöğrenmesi arzu edilen çıkışlar elde edilene kadar ağırlık değerleri yapılan geri beslemelerle ayarlanarakgerçekleştirilir.
w
Burada eşik olarak sgn() (işaret fonksiyonu) bu fonksiyonun yapısı gereği bir perceptron ya tam öğrenir ya daöğrenmez.
 
Sayfa
3 |
Yapay Zeka 2 Dersi-
OMÜ BÖTE
2010
Hacer Kubra KOSE (Ders notları payl
a
ştıkça çoğalır! )
 
O
 
AĞA VERİLEN GİRİŞLER
DEN VE RASLANTISAL O
LARAK SEÇİLEN AĞIRLIK DEĞERİNDEN, NET DEĞERİ ELDEEDİLİP SGN() FONKSİY
ONUNA UYARLANIR.
O
 
İSTENİLEN SONUÇ ELDE
 
EDİLMİŞSE, HATA DEĞERİ «C» ÖĞRENME SABİTİ İLE ÇARPILIP, ÖNCEKİ AĞIRLIKDEĞERLERİNE EKLENİR VE YENİ AĞIRLIK MATRİSİ ELDE EDİLİR. İŞLEMLER İSTENİLEN SONUÇ ELDE EDİLENE
KADAR DEVAM EDER.
W2=w1+C(di-Oi)X1
1.ADIM

Activity (17)

You've already reviewed this. Edit your review.
1 hundred reads
1 thousand reads
korkmaz_muhammed liked this
korkmaz_muhammed liked this
korkmaz_muhammed liked this
Bilge Öz liked this

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->