Karabk niversitesi, Mhendislik Fakltesi.........................................................................................................www.ibrahimcayiroglu.

com

LER ALGORTMA ANALZ-5

YAPAY SNR ALARI
1. Giri
Yapay sinir alar (YSA), insan beyninin zelliklerinden olan renme yolu ile yeni bilgiler tretebilme, yeni bilgiler
oluturabilme ve kefedebilme gibi yetenekleri, herhangi bir yardm almadan otomatik olarak gerekletirebilmek amac ile
gelitirilen bilgisayar sistemleridir.
Yapay sinir alar; insan beyninden esinlenerek, renme srecinin matematiksel olarak modellenmesi ura sonucu ortaya
kmtr. Bu nedenledir ki, bu konu zerindeki almalar ilk olarak beyni oluturan biyolojik niteler olan nronlarn
modellenmesi ve bilgisayar sistemlerinde uygulanmas ile balam, daha sonralar bilgisayar sistemlerinin geliimine de
paralel olarak bir ok alanda kullanlr hale gelmitir.
nsan beyninin alma prensibini taklit ederek alan bu sistemler, her ne kadar bilgisayar teknolojisi hzl bir geliim
gstermi, ilem hzlar nano saniyeler mertebesine inmi olsa da, brakalm insan beynini, ilkel bir canl beyninin
fonksiyonlar dahi baz alndnda, byle bir organizmann yannda ok ilkel kalmaktadr. Nano saniyeler bazndaki ilem
hzlar ile YSA'lar, mili saniyeler mertebesindeki ilen hzlar ile ilem yapan insan beyninin ilevselliinin henz ok
uzandadr.
Burada ksa bir hatrlatma yapmak gerekirse; insan beyninde yaklak 10 sinir hcresinin varlndan bahsedilmekle birlikte,
bu saynn bilgisayar ortamnda modellenmesi u an iin mmkn grnmemektedir. Fakat karar hz asndan insan beyni
ile henz yaramasalar bile, YSA'lar yapsallklar ve hassas eletirmelerin baar ile gerekletirebilmeleri ile gn getike
daha fazla uygulama alan bulmaktadr.
1.1 YSAlarn Avantajlar
YSA'lar, uygulanan a modeline gre deiik karakteristik zellikler gstermelerine karn temel birka ortak zellie
sahiptirler.
1.

2.
3.
4.
5.
6.

7.
8.

9.
10.
11.

12.
13.

YSA lar bir ok hcreden meydana gelir ve bu hcreler e zamanl olarak alarak karmak ilevleri yerine getirir.
Dier bir deile karmak ilevler bir ok hcrenin e zamanl almas ile meydana getirilir. Sre ierisinde bu
hcrelerden her hangi biri ilevini yitirse dahi sistem gvenli bir ekilde almasna devam edebilir.
Eitim esnasnda kullanlan nmerik bilgilerden, problemin genel zellikleri elde etmesi ve bylelikle eitim
srasnda kullanlmayan girdiler iin de, anlaml yantlar retebilmesidir.
Yap zerinde dalm belli tipteki non-lineer alt birimler, non lineer problemlerin de zmn mmkn
klmaktadr.
YSA'lar makina renmesi gerekletirebilirler. Yapay sinir alarnn temel ilevi zaten bilgisayarn renmesini
salamaktr. Olaylar renerek benzer olaylar karsnda mantkl kararlar verebilirler.
Bilgi ileme yntemleri geleneksel programlamadan farkldr. Bu nedenle geleneksel programlamann getirdii bir
ok olumsuzluk ortadan kaldrlabilir
Bilgiler an tamamnda saklanr. Geleneksel programlamada olduu gibi bilgiler veri tabanlar yada dosyalarda belli
bir dzende tutulmaz, an tamamna yaylarak deerler ile llen a balantlarnda saklanmaktadr. Hcrelerden
bazlarnn ilevini yitirmesi, anlaml bilginin kaybolmasna neden olmaz.
Datk bellee sahiptirler. YSA'larda bilgi aa dalm bir ekilde tutulur. Hcrelerin balant ve arlk dereceleri,
an bilgisini gsterir. Bu nedenle tek bir balantnn kendi bana anlam yoktur.
rnekleri kullanarak renirler. YSA'nn renebilmesi iin rneklerin belirlenmesi, bu rneklerin aa gsterilerek
istenen ktlara gre an eitilmesi gerekmektedir. An baars, seilen rnekler ile doru orantldr, aa olay
btn ynleri ile gsterilemezse a yanl ktlar retebilir.
Daha nce grlmemi rnekler hakknda bilgi retebilirler. YSA'lar eitimleri srasnda kendilerine verilen
rneklerden genellemeler karrlar ve bu genellemeler ile yeni rnekler hakknda bilgi retebilirler.
Alglamaya ynelik olaylarda kullanlabilirler. YSA'larn en baarl olduklar alanlar, alglamaya ynelik uygulama
alanlardr. Bu alanlarda baarlar kantlanmtr.
rnt (pattern) ilikilendirme ve snflandrma yapabilirler. YSA'lar kendilerine rnekler halinde verilen rntleri
kendisi veya dierleri ile ilikilendirebilir. Ayrca kendisine verilen rneklerin kmelenmesi ile, bir sonraki verinin
hangi kmeye dahil olacann karar verilmesi konusunda kullanlabilirler.
rnt tamamlama yapabilirler. Aa eksik bilgileri ieren rntler verildiinde eksik bilgilerin tamamlanmas
konusunda baarldrlar.
Kendi kendine renebilme ve organize etme yetenekleri vardr. YSA'lar online olarak renebilirler ve kendi
kendilerini eitebilirler.

Karabk niversitesi, Mhendislik Fakltesi.........................................................................................................www.ibrahimcayiroglu.com

14. Eksik bilgi ile alabilmektedirler. Geleneksel sistemlerin aksine YSA'lar eitildikten sonra veriler eksik bilgi ierse
dahi, kt retebilirler. Bu durum bir performans kayb yaratmaz, performans kayb eksik bilginin nemine baldr.
Burada bilgilerin nem dereceleri eitim srasnda renilir.
15. Hata tleransna sahiptirler. YSA'larn eksik bilgilerle alabilmeleri ve baz hcreleri bozulsa dahi alabilmeleri,
onlar hatalara kar tleransl yapar.
16. Dereceli bozulma (Graceful degradation) gsterirler. Bir a, zaman ierisinde yava ve greceli bir bozulmaya urar.
Alar problemin ortaya kt anda hemen bozulmazlar.
1.2. YSA'larn Dezevantajlar
YSA'larn, pek ok avantajn yannda baz dezavantajlar da vardr. Belli bal dezavantajlar;
1.
2.
3.

4.

5.

6.

Donanm bamldr. YSA'larn en nemli sorunu donanm baml olmalardr. YSA'larn en nemli zellikleri ve var
olu nedenlerinden birisi olan paralel ilem yapabilme yetenei, paralel alan ilemciler ile performans gsterir.
Uygun a yapsnn belirlenmesinde belli bir kural yoktur. YSA'larda probleme uygun a yapsnn belirlenmesi iin
gelitirilmi bir kural yoktur. Uygun a yaps deneyim ve deneme yanlma yolu ile belirlenmektedir.
An parametre deerlerinin belirlenmesinde de belli bir kural yoktur. YSA'larda renme katsays, hcre says,
katman says gibi parametrelerin belirlenmesinde belirli bir kural yoktur. Bu deerlerin belirlenmesi iin belirli bir
standart olmamakla birlikte her problem iin farkl bir yaklam sz konusu olabilmektedir.
renilecek problemin aa gsterimi nemli bir problemdir. YSA'lar nmerik bilgiler ile alabilmektedirler.
Problemler YSA'lara tantlmadan nce nmerik deerlere evrilmek zorundadrlar. Burada belirlenecek gsterim
mekanizmas an performansn dorudan etkileyecektir. Bu da kullancnn yeteneine baldr.
An eitiminin ne zaman bitirilmesi gerektiine ilikin belli bir yntem yoktur. An rnekler zerindeki hatasnn
belirli bir deerin altna indirilmesi eitimin tamamland anlamna gelmektedir. Burada optimum neticeler veren
bir mekanizma henz yoktur ve YSA ile ilgili aratrmalarn nemli bir kolunu oluturmaktadr.
An davranlar aklanamamaktadr. Bu sorun YSA'larn en nemli sorunudur. YSA bir probleme zm rettii
zaman, bunun neden ve nasl olduuna ilikin bir ipucu vermez. Bu durum aa olan gveni azaltc bir unsurdur.

1.3. Geleneksel Algoritmalar ile YSA'larn Karlatrlmas

Geleneksel Algoritmalar

Yapay Sinir Alar

klar, koyulan kurallara girilerin uygulanmas ile elde

edilir.

renme esnasnda giri k bilgileri verilerek, kurallar

koyulur.

Hesaplama; merkezi, e zamanl ve ardldr.

Hesaplama; toplu, e zamansz ve renmeden sonra

paraleldir.

Bellek paketlenmi ve hazr bilgi depolanmtr.

Bellek ayrlm ve aa yaylmtr.

Hata tlerans yoktur.

Hata tlerans vardr.

Nisbeten hzldr.

Yava ve donanma bamldr.

Bilgiler ve algoritmalar kesindir.

Deneyimden yararlanr.

1.4. YSA'larn Kullanld Alanlar

Yapay sinir alar balca; Snflandrma, Modelleme ve Tahmin uygulamalar olmak zere, pek ok alanda kullanlmaktadr.
Baarl uygulamalar incelendiinde, YSA'larn ok boyutlu, grltl, karmak, kesin olmayan, eksik, kusurlu, hata olasl
yksek sensr verilerinin olmas ve problemi zmek iin matematiksel modelin ve algoritmalarn bulunmad, sadece
rneklerin var olduu durumlarda yaygn olarak kullanldklar grlmektedir. Bu amala gelitirilmi alar genellikle u
fonksiyonlar gerekletirmektedirler;
Muhtemel fonksiyon kestirimleri, Snflandrma, likilendirme veya rnt eletirme, Zaman serileri analizleri, Sinyal
filtreleme, Veri sktrma, rnt tanma, Dorusal olmayan sinyal ileme, Dorusal olmayan sistem modelleme,
Optimizasyon, Kontrol
YSA'lar pek ok sektrde deiik uygulama alanlar bulmutur. Bunlardan bazlar;
Uzay: Uu simlasyonlar, otomatik pilot uygulamalar, komponentlerin hata denetimleri vs.
Otomotiv: Otomatik yol izleme, rehber, garanti aktivite analizi, yol koullarna gre sr analizi vs.
Bankaclk: Kredi uygulamalar gelitirilmesi, mteri analizi ve kredi mraacat deerlendirilmesi, bte yatrm tahminleri
vs.
Savunma: Silah ynlendirme, hedef seme, radar, sensr sonar sistemleri, sinyal ileme, grnt ileme vs.

Karabk niversitesi, Mhendislik Fakltesi.........................................................................................................www.ibrahimcayiroglu.com

Elektronik: Kod sras ngrs, ip bozulma analizi, non-lineer modelleme vs.

Elence: Animasyonlar, zel efektler, pazarlama ngrs vs.
Finans: Kymet bime, pazar performans analizi, bte kestirimi, hedef belirleme vs.
Sigortaclk: rn optimizasyonu, uygulama politikas gelitirme vs.
retim: retim ilem kontrol, rn dizayn, makina ypranmalarnn tespiti, dayankllk analizi, kalite kontrol, i izelgeleri
hazrlanmas vs.
Salk: gs kanseri erken tehis ve tedavisi, EEG, ECG, MR, kalite artrm, ila etkileri analizi, kan analizi snflandrma, kalp
krizi erken tehis ve tedavisi vs.
Petro kimya: arama, verim analizi vs.
Robotik: yrnge kontrol, forklift robotlar, grsel sistemler, uzaktan kumandal sistemler, optimum rota belirleme vs.
Dil: szck tanma, yaz ve konuma evrimi, dil tercme vs.
Telekomnikasyon: grnt ve data karlatrma, filtreleme, eko ve grlt snmlendirilmesi, ses ve grnt ileme,
trafik younluunun kontrol ve anahtarlama vs.
Gvenlik: parmak izi tanma, kredi kart hileleri saptama, retina tarama, yz eletirme vs.
Bu rnekler oaltlabilir. Grld gibi YSA'lar gnlk hayatmzda farknda olmadmz pek ok alanda kullanlmaktadr.
Gn getike uygulama alanlar genilemekte ve gelimektedir.
1.5. Yapay Sinir Alarnn Snflandrlmas
Yapay sinir alar ileyi olarak benzer olmalarna ramen herhangi bir tasarm ve ileyi standard bulunmamaktadr. Nron
dizilimlerine, nronlarn arlklarnn dzenleme iin yaplan hesaplamalarn trne ve zamanna gre yapay sinir alarn
ayr dalda inceleyebiliriz.
Yaplarna Gre Yapay Sinir Alar
Yapay sinir alar ierdii nronlarn birbirine balan ekline gre ileri ve geri beslemeli olarak ikiye ayrlr.
leri Beslemeli Alar: leri beslemeli alarda nronlar giriten ka doru dzenli katmanlar eklindedir. Bir katmandan
sadece kendinden sonraki katmanlara ba bulunmaktadr. Yapay sinir ana gelen bilgiler giri katmanna daha sonra
srasyla ara katmanlardan ve k katmanndan ilenerek geer ve daha sonra d dnyaya kar.
Geri Beslemeli Yapay Sinir Alar: Geri beslemeli yapay sinir alarnda ileri beslemeli olanlarn aksine bir hcrenin kts
sadece kendinden sonra gelen hcrenin katmanna girdi olarak verilmez. Kendinden nceki katmanda veya kendi
katmannda bulunan herhangi bir hcreye de girdi olarak balanabilir.
Bu yaps ile geri beslemeli yapay sinir alar dorusal olmayan dinamik bir davran gstermektedir. Geri besleme zelliini
kazandran balantlarn balan ekline gre geri ayn yapay sinir ayla farkl davranta ve yapda geri beslemeli yapay
sinir alar elde edilebilir.
renme Algoritmalarna Gre Yapay Sinir Alar
Yapay sinir alarnn verilen girdilere gre kt retebilmesinin yolu an renebilmesidir. Bu renme ileminin de birden
fazla yntemi vardr. Yapay sinir alar renme algoritmalarna gre danmanl, danmansz ve takviyeli renme olarak
e ayrlr.
Danmanl renme: Danmanl renme srasnda aa verilen giri deerleri iin kt deerleri de verilir. A verilen
girdiler iin istenen klar oluturabilmek iin kendi arlklarn gnceller. An ktlar ile beklenen ktlar arasndaki hata
hesaplanarak an yeni arlklar bu hata payna gre dzenlenir.
Hata pay hesaplanrken an btn ktlar ile beklenen ktlar arasndaki fark hesaplanr ve bu farka gre her hcreye
den hata pay bulunur. Daha sonra her hcrenin kendine gelen arlklar gnceller.
Danmansz renme: Danmasz renmede aa renme srasnda sadece rnek girdiler verilmektedir. Herhangi bir
beklenen kt bilgisi verilmez. Girite verilen bilgilere gre a her bir rnei kendi arasnda snflandracak ekilde kendi
kurallarn oluturur. A balant arlklarn ayn zellikte olan dokular ayrabilecek ekilde dzenleyerek renme ilemini
tamamlar.
Destekleyici renme: Bu renme yaklamnda an her iterasyonu sonucunda elde ettii sonucun iyi veya kt olup
olmadna dair bir bilgi verilir. A bu bilgilere gre kendini yeniden dzenler. Bu sayede a herhangi bir girdi dizisiyle hem
renerek hem de sonu kararak ilemeye devam eder.

Karabk niversitesi, Mhendislik Fakltesi.........................................................................................................www.ibrahimcayiroglu.com

rnein satran oynayan bir yapay sinir a yapt hamlenin iyi veya kt olduunu anlk olarak ayrt edememesine ramen
yine de hamleyi yapar. Eer oyun sonuna geldiinde program oyunu kazandysa yapt hamlelerin iyi olduunu
varsayacaktr ve bundan sonraki oyunlarnda benzer hamleleri iyi olarak deerlendirerek oynayacaktr.
renme Zamanna Gre Yapay Sinir Alar
Yapay sinir alar renme zamanna gre de statik ve dinamik renme olarak ikiye ayrlr.
Statik renme: Statik renme kuralyla alan yapay sinir alar kullanmadan nce eitilmektedir. Eitim
tamamlandktan sonra a istenilen ekilde kullanlabilinir. Ancak bu kullanm srasnda an zerindeki arlklarda herhangi
bir deiiklik olmaz.
Dinamik renme: Dinamik renme kural ise yapay sinir alarnn alt sre boyunca renmesini ngrerek
tasarlanmtr. Yapay sinir eitim aamas bittikten sonra da daha sonraki kullanmlarnda klarn onaylanmasna gre
arlklarn deitirerek almaya devam eder.

2. YSA'nn Yaps
2.1. Biyolojik Sinir Hcresinin Yaps
Bir insann beyninde yaklak olarak 10 milyar sinir hcresi ve bu nronlarn birbirleriyle yapt balant saysnn ise 60
trilyon olduu tahmin edilmektedir. Bu sinirler girdi bilgilerini duyu organlarndan alrlar. Daha sonra alc (tayc) sinirler
bu sinyalleri ileyip bir sonraki sinire aktararak sinyalin merkezi sinir sistemine kadar ulamasn salar. Merkezi sinir sistemi
bu sinyalleri alp yorumladktan sonra tepki sinyallerini retir. Bu sinyaller de tepkilerin oluaca organlara tepki sinirleri
vastasyla iletilir. Bu sayede duyu organlarndan gelen bilgilere kar tepki organlarna uygun iaretler sinir sistemi
vastasyla yollanr.
Yapay sinir alar biyolojik sinir alarnn modellemesi olduu iin, ncelikle biyolojik sinir sisteminin yapsna bakmak
gerekir. Biyolojik sinir sisteminin temel yap ta olan nronlarn yaps drt ana blmden olumaktadr; dendrit, akson,
ekirdek ve balantlar. Dendritlerin sinir hcresinin ucunda bulunan ve aa kk grnmne sahip bir yapya sahiptir.
Dendritlerin grevi bal olduu dier nronlardan veya duyu organlarndan gelen sinyalleri ekirdee iletmektir. ekirdek
dendrit tarafndan gelen sinyalleri bir araya toplayarak ve aksona iletir. Toplanan bu sinyaller akson tarafndan ilenerek
nronun dier ucunda bulunan balantlara gnderilir. Balantlar ise yeni retilen sinyalleri dier nronlara iletir.

ekil 1. Sinir hcresi ve Sinir sisteminin alma prensibi.

2.2. Yapay Sinir Hcresinin Yaps
Yapay sinir hcreleri de biyolojik sinir hcrelerine benzer yapdadr. Yapay nronlar da aralarnda ba kurarak yapay sinir
alarn olutururlar. Ayn biyolojik nronlarda olduu gibi yapay nronlarn da giri sinyallerini aldklar, bu sinyalleri
toplayp iledikleri ve ktlar ilettikleri blmleri bulunmaktadr.
Bir yapay sinir hcresi be blmden olumaktadr;

Girdiler
Arlklar
Toplama Fonksiyonu (Birletirme Fonksiyonu)
Aktivasyon fonksiyonu
ktlar

Karabk niversitesi, Mhendislik Fakltesi.........................................................................................................www.ibrahimcayiroglu.com

X1

X2

W1
W2

Net =

F(x) = Y

W3
X3
ekil 2. Yapay Sinir Hcresinin yaps.

Girdiler: Girdiler nronlara gelen verilerdir. Girdiler yapay sinir hcresine bir dier hcreden gelebilecei gibi direk olarak
d dnyadan da gelebilir. Bu girdilerden gelen veriler biyolojik sinir hcrelerinde olduu gibi toplanmak zere nron
ekirdeine gnderilir.
Arlklar: Yapay sinir hcresine gelen bilgiler girdiler zerinden ekirdee ulamadan nce geldikleri balantlarn arlyla
arplarak ekirdee iletilir. Bu sayede girdilerin retilecek kt zerindeki etkisi ayarlanabilinmektedir. Bu arlklarn
deerleri pozitif, negatif veya sfr olabilir. Arl sfr olan girdilerin kt zerinde herhangi bir etkisi olmamaktadr.
Toplama Fonksiyonu (Birletirme Fonksiyonu): Toplama fonksiyonu bir yapay sinir hcresine arlklarla arplarak gelen
girdileri toplayarak o hcrenin net girdisini hesaplayan bir fonksiyondur.

Baz durumlarda gelen girdilerin deeri dikkate alnrken baz durumlarda ise gelen girdilerin says nemli olabilmektedir.
Bir problem iin en uygun toplama fonksiyonu belirlenirken gelitirilmi bir yntem yoktur. Genellikle deneme yanlma
yoluyla toplama fonksiyonu belirlenmektedir. Bazen her hcrenin toplama fonksiyonunun ayn olmas gerekmez. Bu
konulara karar vermek tasarmcya aittir.

Tablo 1. Baz Toplama Fonksiyonlar

Toplam

Net =
arpm

Net =
Maksimum

Net = Max(Xi*Wi)
Minimum

Net = Min(Xi*Wi)
ounluk

Net =
Kumilatif Toplam

Net =Net(eski) +

Arlk deerleri girdiler ile arplr ve bulunan deerler birbirleriyle

toplanarak Net girdi hesaplanr.
Arlk deerleri girdiler ile arplr ve daha sonra bulunan deerler
birbirleriyle arplarak Net Girdi Hesaplanr.
n adet girdi iinden arlklar girdilerle arpldktan sonra ilerinden
en by Net girdi olarak kabul edilir.
n adet girdi iinden arlklar girdilerle arpldktan sonra ilerinden
en k Net girdi olarak kabul edilir.
n adet girdi iinden girdilerle arlklar arpldktan sonra pozitif ile
negatif olanlarn says bulunur. Byk olan say hcrenin net girdisi
olarak kabul edilir.
Hcreye gelen bilgiler arlkl olarak toplanr. Daha nce hcreye
gelen bilgilere yeni hesaplanan girdi deerleri eklenerek hcrenin net
girdisi hesaplanr.

Aktivasyon Fonksiyonu: Bu fonksiyon hcreye gelen net girdiyi ileyerek hcrenin bu girdiye karlk retecei kty
belirler. Aktivasyon fonksiyonu genellikle dorusal olmayan bir fonksiyon seilir. Yapay sinir alarnn bir zellii olan
dorusal olmama aktivasyon fonksiyonlarnn dorusal olmama zelliinden gelmektedir. Aktivasyon fonksiyonu
seilirken dikkat edilmesi gereken bir dier nokta ise fonksiyonun trevinin kolay hesaplanabilir olmasdr. Geri beslemeli
alarda aktivasyon fonksiyonunun trevi de kullanld iin hesaplamann yavalamamas iin trevi kolay hesaplanr bir
fonksiyon seilir. Gnmzde en yaygn olarak kullanlan ok katmanl alglayc modelinde genel olarak aktivasyon
fonksiyonu olarak Sigmoid fonksiyonu kullanlr.

Karabk niversitesi, Mhendislik Fakltesi.........................................................................................................www.ibrahimcayiroglu.com

Tablo 2. Aktivasyon Fonksiyonlar

Dorusal
(Lineer)
Aktivasyon
Fonksiyonu

F(NET)=A* NET
(A sabit bir say)

Adm (Step)
Aktivasyon
Fonksiyonu

F(Net)=

Sigmoid
Aktivasyon
Fonksiyonu

F(Net)=

Tanjant
Hiperbolik
Aktivasyon
Fonksiyonu

Dorusal problemler zmek

amacyla aktivasyon fonksiyonu
dorusal bir fonksiyon olarak
seilebilir. Toplama
fonksiyonundan kan sonu, belli
bir katsay ile arplarak hcrenin
kts olarak hesaplanr.

1 if Net>Eik Deer
0 if Net<=Eik Deer

Sigmoid aktivasyon fonksiyonu

srekli ve trevi alnabilir bir
fonksiyondur. Dorusal olmay
dolaysyla yapay sinir a
uygulamalarnda en sk kullanlan
fonksiyondur. Bu fonksiyon girdi
deerlerinin her biri iin 0 ile 1
arasnda bir deer retir.

1
-Net

1+e

Net

e
F(Net)=

Eik Deer
Fonksiyonu

-Net

+e

Net

-Net

-e

0 if Net<=0
F(Net)=

Net if 0<Net < 1

1 if Net>= 1

Sins
Aktivasyon
Fonksiyonu

F(Net) = Sin(Net)

Gelen Net girdinin belirlenen bir

eik deerin altnda veya stnde
olmasna gre hcrenin kts 1
veya 0 deerini alr.

Tanjant hiperbolik fonksiyonu,

sigmoid fonksiyonuna benzer bir
fonksiyondur. Sigmoid
fonksiyonunda k deerleri 0 ile
1 arasnda deiirken hiperbolik
tanjant fonksiyonunun k
deerleri -1 ile 1 arasnda
deimektedir.
Gelen bilgilerin 0 dan kk-eit
olduunda 0 kts, 1 den bykeit olduunda 1 kts, 0 ile 1
arasnda olduunda ise yine
kendisini veren ktlar retilebilir.
renilmesi dnlen olaylarn
sins fonksiyonuna uygun dalm
gsterdii durumlarda kullanlr.

Hcrenin kts: Aktivasyon fonksiyonundan kan deer hcrenin kt deeri olmaktadr. Bu deer ister yapay sinir ann
kts olarak d dnyaya verilir isterse tekrardan an iinde kullanlabilir. Her hcrenin birden fazla girdisi olmasna ramen
bir tek kts olmaktadr. Bu kt istenilen sayda hcreye balanabilir.
2.3. Yapay Sinir Ann Yaps
Yapay sinir alar yapay sinir hcrelerinin birbirine balanmasyla oluan yaplardr. Yapay sinir alar ana katmanda
incelenir; Giri Katman, Ara (Gizli) Katmanlar ve k Katman.

Karabk niversitesi, Mhendislik Fakltesi.........................................................................................................www.ibrahimcayiroglu.com

ekil 3. Yapay Sinir Ann Yaps.

Giri Katman: Yapay sinir ana d dnyadan girdilerin geldii katmandr. Bu katmanda d dnyadan gelecek giri says
kadar hcrenin bulunmasna ramen genelde girdiler herhangi bir ileme uramadan alt katmanlara iletilmektedir.
Ara (Gizli) Katman(lar): Giri katmanndan kan bilgiler bu katmana gelir. Ara katman says adan aa deiebilir. Baz
yapay sinir alarnda ara katman bulunmad gibi baz yapay sinir alarnda ise birden fazla ara katman bulunmaktadr. Ara
katmanlardaki nron saylar giri ve k saysndan bamszdr. Birden fazla ara katman olan alarda ara katmanlarn
kendi aralarndaki hcre saylar da farkl olabilir. Ara katmanlarn ve bu katmanlardaki nronlarn saysnn artmas
hesaplama karmakln ve sresini arttrmasna ramen yapay sinir ann daha karmak problemlerin zmnde de
kullanlabilmesini salar.
k Katman: Ara katmanlardan gelen bilgileri ileyerek an ktlarn reten katmandr. Bu katmanda retilen ktlar d
dnyaya gnderilir. Geri beslemeli alarda bu katmanda retilen kt kullanlarak an yeni arlk deerleri hesaplanr.

3. Yapay Sinir Alarnn Eitilmesi

nsan beyni doumdan sonraki gelime srecinde evresinden duyu organlaryla alglad davranlar yorumlar ve bu
bilgileri dier davranlarnda kullanr. Yaadka beyin geliir ve tecrbelenir. Artk olaylar karsnda nasl tepki
gstereceini ou zaman bilmektedir. Fakat hi karlamad bir olay karsnda yine tecrbesiz kalabilir. Yapay sinir
alarnn renme srecinde de d ortamdan giriler alnr, aktivasyon fonksiyonundan geirilerek bir tepki k retilir. Bu
k yine tecrbeyle verilen kla karlatrlarak hata bulunur.
eitli renme algoritmalaryla hata azaltlp gerek ka yaklalmaya allr. Bu alma sresince yenilenen yapay sinir
ann arlklardr. Arlklar her bir evrimde yenilenerek amaca ulalmaya allr. Amaca ulamann veya yaklamann
ls de yine dardan verilen bir deerdir. Eer yapay sinir a verilen giri-k iftleriyle amaca ulam ise arlk
deerleri saklanr.
Arlklarn srekli yenilenerek istenilen sonuca ulalana kadar geen zamana renme ad verilir. Yapay sinir a
rendikten sonra daha nce verilmeyen giriler verilip, sinir a kyla gerek k yaklam incelenir. Eer yeni verilen
rneklere de doru yaklayorsa sinir a ii renmi demektir. Sinir ana verilen rnek says optimum deerden fazla ise
sinir a ii renmemi, ezberlemi demektir. Genelde eldeki rneklerin %80 aa verilip a eitilir. Daha sonra kalan %20 lik
ksm verilip an davran incelenir. Bylece an testi yaplm olur.
1. rneklerin toplanmas: An renmesi istenilen olay iin daha nce gereklemi rneklerin bulunmas admdr. An
eitilmesi iin rnekler topland gibi (eitim seti) an test edilmesi iin de rneklerin (test seti) toplanmas gerekmektedir.
Eitim setindeki rnekler tek tek gsterilerek an olay renmesi salanr. A olay rendikten sonra test setindeki
rnekler gsterilerek an performans llr. Hi grmedii rnekler karsndaki baars an iyi renip renmediini
ortaya koyar.
2. An topolojik yapsnn belirlenmesi: renilmesi istenen olay iin oluturulacak olan an topolojik yaps belirlenir. Ka
tane girdi nitesi, ka tane ara katman, her ara katmanda ka tane proses eleman ka tane kt eleman olmas gerektii bu
admda belirlenmektedir.
3. renme parametrelerinin belirlenmesi: An renme katsays, proses elemanlarnn toplama ve aktivasyon
fonksiyonlar, momentum katsays gibi parametreler bu admda belirlenmektedir.
4. Arlklarn balang deerlerinin atanmas: Proses elemanlarn birbirlerine balayan arlk deerlerinin ve eik deer
nitesinin arlklarnn balang deerlerinin atanmas yaplr. Balang genellikle rasgele deerler atanr. Daha sonra a
uygun deerleri renme srasnda kendisi belirler.

Karabk niversitesi, Mhendislik Fakltesi.........................................................................................................www.ibrahimcayiroglu.com

5. renme setinden rneklerin seilmesi ve aa gsterilmesi: An renmeye balamas ve renme kuralna uygun
olarak arlklar deitirmesi iin aa rnekler belirli bir dzenee gre gsterilir.
6. renme srasnda ileri hesaplamalarn yaplmas: Sunulan girdi iin an kt deerleri hesaplanr.
7. Gerekleen ktnn beklenen kt ile karlatrlmas: An rettii hata deerleri bu admda hesaplanr.
8. Arlklarn deitirilmesi: Geri hesaplama yntemi uygulanarak retilen hatann azalmas iin arlklarn deitirilmesi
yaplr.
9. renmenin tamamlanmas: leri beslemeli sinir a renmeyi tamamlayncaya, yani gerekleen ile beklenen ktlar
arasndaki hatalar kabul edilir dzeye ininceye kadar devam eder.
An kendisine gsterilen girdi rnei iin beklenen kty retmesini salayacak arlk deerleri balangta rastgele
atanmakta ve aa rnekler gsterildike arlklar deitirilerek istenen deerlere ulamas salanmaktadr. stenen arlk
deerlerinin ne olduu bilinmemektedir. Bu nedenle YSA nn davranlarn yorumlamak ve aklamak mmkn olmaz.
Baz durumlarda an takld yer hata dzeyinin stnde kalabilir. Bu durumda an olay renmesi iin baz deiiklikler
yaplarak yeniden eitilmesi gerekir. Bunlar; Balang deerlerinde deiiklik yaplabilir. A topolojisinde deiiklikler
yaplabilir. An parametrelerinde deiiklikler yaplabilir. Aa sunulan verilerin gsterimi ve rneklerin formlasyonu
deitirilerek yeni rnek seti oluturulabilir. renme setindeki rneklerin says artrlabilir veya azaltlabilir.
leri beslemeli sinir ann yerel sonulara taklp kalmamas iin momentum katsays gelitirilmitir. Alarn eitilmesinde
dier nemli bir sorun ise renme sresinin ok uzun olmasdr. Arlk deerleri balangta byk deerler olmas
durumunda an lokal sonulara dmesi ve bir lokal sonutan dierine sramasna sebep olmaktadr. Eer arlklar kk
aralkta seilirse o zaman da arlklarn doru deerleri bulmas uzun zamanlar almaktadr. Baz problemlerin zm
sadece 200 iterasyon srerken bazlar 5-10 milyon iterasyon srmektedir.
An renmesinin gsterilmesinin en gzel yolu hata grafiini izmektir. Her iterasyonda oluan hatann grafii izilirse
hatann zaman iinde dt gzlenebilir. Belirli bir iterasyondan sonra hatann daha fazla azalmayaca grlr. Bu an
renmesinin durduu ve daha iyi bir sonu bulunamayaca anlamna gelir. Eer elde edilen zm kabul edilemez ise o
zaman a yerel bir zme taklm demektir.
Katsaylarn Belirlenmesi
leri beslemeli sinir anda balantlarn arlk deerlerinin balangta belirlenmesi an performansn yakndan
ilgilendirmektedir. Genel olarak arlklar belirli aralklarda atanmaktadr. Bu aralk eer byk tutulursa yerel zmler
arasnda srekli dolat kk olmas durumunda ise renmenin ge gerekletii grlmtr. Bu deerlerin atanmas
iin henz standart bir yntem yoktur. Tecrbeler 0.1 ile 1.0 arasndaki deerlerin baarl sonular rettiini
gstermektedir. Fakat bu tamamen renilmesi istenen problemin niteliine baldr.
Balang deerleri kadar renme ve momentum katsaylarnn belirlenmesi de an renme performans ile yakndan
ilgilidir. renme katsays arlklarn deiim miktarn belirlemektedir. Eer byk deerler seilirse o zaman yerel
zmler arasnda an dolamas ve osilasyon yaamas sz konusu olmaktadr. Kk deerler seilmesi ise renme
zamann artrmaktadr. Tecrbeler genellikle 0.2-0.4 arasndaki deerlerin kullanldn gstermitir. Baz uygulamalar
renme katsaysnn 0.6 deerini ald zaman en baarl sonular verdii gstermitir. Bu durum tamamen probleme
baldr.
Benzer ekilde momentum katsays da renmenin performansn etkiler. Momentum katsays bir nceki iterasyondaki
deiimin belirli bir orannn yeni deiim miktarna eklenmesidir. Bu zellikle yerel zmlere taklan alarn srama ile
daha iyi sonular bulmasn salamak amacyla ile nerilmitir. Bu deerlerin kk olmas yerel zmlerden kurtulmay
zorlatrabilir. ok byk deerler ise zme ulamada sorunlar yaatabilir. Tecrbeler momentum katsaysnn 0.6-0.8
arasnda seilmesinin uygun olacan gstermitir. Problemin niteliine gre kullancnn almasnda fayda vardr.

Karabk niversitesi, Mhendislik Fakltesi.........................................................................................................www.ibrahimcayiroglu.com

4. rnek Problem
Xor Problemini YSA ile zen bir program yaznz ve zm admlarn gsteriniz.

A11

NET1

A41

A12

A31
NET3

A21

A51
NET2

A61

A2 2

A32

Eik deeri 12

Eik deeri 1
1

Rasgele alnan arlk (A) deerleri :

A1-1= 0,129952

A2-1= -0,923123 A3-1= 0,341232

A4-1= 0,164732

A1-2= 0,570345

A2-2= -0,328932 A3-2= -0,115223 A5-1= 0,752621

A6-1= -0,993423
zm

leriye doru hesaplama yntemi;

lk giri deerleri, ilk katman olan girdi katmannda k deerlerine eittir. Giri katmanndaki k deerlerini 1, 2 i yi ve
eik deeri 1i hesaplayalm

G1=0
1 G1 1 0

G2=0

G3=1

2 G2 2 0 3 G3 3 1

kinci katman olan ara katmana giri deerlerini hesaplamak iin giri katmanndan gelen k deerleri ile arlk deerlerin
arpmlarn toplayarak buluruz. Aada iki ara katmann giri deerleri hesaplanmtr.

A11

A21

A31

NET1
3

NET1 i * Ai NET1 1 * A1 2 * A2 3 * A3
i 1

3
NET1 0 * 0,129952 0 * (0,923123) 1 * 0,341232 0,341232

Karabk niversitesi, Mhendislik Fakltesi.........................................................................................................www.ibrahimcayiroglu.com

A1 2

NET2

A2 2

A3 2

NET2 i * Ai NET2 1 * A1 2 * A2 3 * A3
i 1

NET2 0 * 0,570345 0 * (0,328932) 1* (0,115223) 0,115223

Ara katmanlarn k deerleri F(NET) formlyle hesaplanmaktadr. ki ara katmann k deerlerini 4, 5 i ve eik
deeri 2i hesaplayalm.

NET1

4 F NET1

NET 2

1
1

0,584490
NET1
0341232
1 e
1 e

5 F NET1

1
1

0,471226
NET2
0 ,115223
1 e
1 e

Eik deeri 2 hesaplanmas

6 G6 6 1
nc katman olan kt katmannn giri deeri ara katmann giri deerinin hesaplanmas ile ayndr. kt katmannn giri
deerini hesaplayalm;

A41

NET3

A51
5

A61

NET3 i * Ai NET3 4 * A4 5 * A5 6 * A6
i 4

1
NET3 0,584490
* 0,164732 0,471226* 0,752621 1* (0,993423) 0,542484

Problemin k deerini F(NET) forml ile hesaplayalm;

NET3

7 F NET3

1
1

0,367610
NET3
1 e542484
1 e

Karabk niversitesi, Mhendislik Fakltesi.........................................................................................................www.ibrahimcayiroglu.com

Beklenen kt 0 olduuna gre an hatasn hesaplayalm;

Em 0 367610 0,367610

An hatas beklediimizden byk olduundan imdi geriye doru hesaplama yntemi kullananlm;

Ara katman ile kt katman arasndaki arlklarn deiim miktarn hesaplayalm;

NET3

m 7 1 7 * Em
m 0,367610* (1 0,367610) * (0,367610) 0,085459

Ajm t * m * jm * Ajm t 1
A41 t * m * 4 * A t 1 0,5 * (0,085459) * 0,584490 0,8 * 0
= -0,024875

A51 t * m * 5 * A t 1 0,5 * (0,085459) * 0,471226 0,8 * 0

= -0,020135

A61 t * m * 6 * A t 1 0,5 * (0,085459) *1 0,8 * 0

= -0,042730

Arlklardaki bu deiimlerden sonra ara katman ile kt katman arasndaki arlklar hesaplayalm (A4-1,A5-1,A6-1);

Ak t Ak t 1 Ak t

A41 t A41 t 1 A41 t 0,164732 0,024875 0,139757

A51 t A51 t 1 A51 t 0,752621 0,020135 0,732486
A61 t A61 t 1 A61 t 0,993423 0,042730 1,036153
Arlklardaki deiim miktar ile imdide girdi katman ile ara katman arasndaki arlklar hesaplayalm.

Ara katmandaki hata oranlar ve deiim miktarlar;

ja aj (1 aj ) m Aajm (t 1)
m

Karabk niversitesi, Mhendislik Fakltesi.........................................................................................................www.ibrahimcayiroglu.com

4a 4a (1 4a ) m A4a1 (t 1)
1

4a 0,584490* (1 0,584490) * (0,085459) * 0,164732 0,0034190

5a 5a (1 5a ) 5 A5a1 (t 1)
1

5a 0,471226* (1 0,471226) * (0,085459) * 0,752621 0,0160263

Ajm t * m * jm * Ajm t 1
A11 t 0,5 * (0,003419) * 0 0,8 * 0 0
A12 t 0,5 * (0,003419) * 0 0,8 * 0 0
A21 t 0,5 * (0,016026) * 0 0,8 * 0 0
A22 t 0,5 * (0,016026) * 0 0,8 * 0 0
A31 t 0,5 * (0,003419) *1 0,8 * 0 0,0017095
A32 t 0,5 * (0,016026) *1 0,8 * 0 0,0080132
Girdi katman ile Ara katman arasndaki arlklar;

Ak t Ak t 1 Ak t
A11 0,129952 0 0,129952
A12 0,570345 0 0,570345
A21 (0,923123) 0 0,923123
A22 (0,328932) 0 0,328932
A31 0,341232 (0,0017095) 0,3395225

A32 0,115223 (0,0080132) 0,1072098

Birinci iterasyon bittikten sonraki problemin durumu aadaki gibidir;
0,129952

NET1
0,139757

0,570345
0,3395225
-0,923123

-0,328932

0,732486
-1,036153

NET2
-0,1072098

NET3

Karabk niversitesi, Mhendislik Fakltesi.........................................................................................................www.ibrahimcayiroglu.com

devler
YSA kullanarak resim eklinde verilen tm rakamlar saysal dntren bir algoritma gelitiriniz. Resmin boyutlar her trl
olabilir.
pucu: ncelikle genel bir program yazlp, okunan resimler bykse leklenip, an istedii boyutlara drlmelidir.
Proje Konusu