Yapayzeka PDF

Yapay Sinir Ağlarına Giriş
Birinci Bölüm
¾ Akıl ve Zeka
¾ Yapay Zeka
¾ Yapay Sinir Ağları
¾ Bir Yapay Sinirin Ana Öğeleri
¾ Etkinlik ve İşaretler
Dünyadaki gelişmelerin ve toplumsal yapının şu
ana kadar tarım, sanayi ve bilgi çağı olarak üç
süreçte kendisini gösterdiği kabul edilmektedir.
Dördüncü çağ ‘Barış Çağı’ olarak
adlandırılacak, bu çağın en önemli değeri
Yapay Zeka olacaktır.
Yapay Sinir Ağlarına Giriş Birinci Bölüm Prof. Dr. Çetin ELMAS
Bilgisayarlar çok karmaşık sayısal işlemleri anında
çözümleyebilmelerine karşın, idrak etme ve deneyimlerle
kazanılmış bilgileri kullanabilmek konusunda çok yetersizdirler.
Dünyanın en karmaşık makinesi olarak kabul edebileceğimiz insan
beyni sayısal bir işlemi yapmak uzun süre uğraşırken, idrak etmeye
yönelik olayları çok kısa bir sürede yapabilmektedir.
Bu noktada akla gelen ilk soru şu olmaktadır: Acaba bilgisayar
yardımı ile böyle bir zeka üretmek mümkün olabilir mi ? Bu
olayda insanı ya da insan beynini üstün kılan temel özellik, sinirsel
algılayıcılar vasıtası ile kazanılmış ve göreli olarak sınıflandırılmış
bilgileri kullanabilmesidir.
Yapay Zekanın Tarihçesi
İnsan beyni hakkındaki çalışmalar binlerce yıl öncesine dayanır.
Yapay zeka üzerine yapılan çalışmaların ilk örneği olan ‘yapay
sinir ağı’ 1943 yılında sinir hekimi Warren McCulloch ile
matematikçi Walter Pitts tarafından gerçekleştirilmiştir.
McCulloch ve Pitts, insan beyninin hesaplama yeteneğinden
esinlenerek, elektrik devreleriyle basit bir sinir ağını
modellemişlerdir.
1948 yılında Wiener ‘Cybernetics’ isimli kitabında, sinirlerin
çalışması ve davranış özelliklerine değindi. 1949 da ise Hebb
‘Organization of Behavior’ isimli kitabında, öğrenme ile ilgili
temel teoriyi ele aldı.
IBM araştırma laboratuarlarında yapılan bir yapay sinir ağı
benzetimi (simulasyon) çalışması başarısızlıkla sonuçlansa da
sonraki girişimlerde başarı sağlanmıştır. 1957 yılında Frank
Rosentblatt ise anlama ve kavrama hakkında çalışmalara
başlamıştır. Rosentblatt, bir sineğin göz işlemleriyle (çalışmasıyla)
ilgilenmiştir. Sineğe kaçmasını söyleyen işlemlerin çoğu sineğin
beyni yerine gözünün içinde yapılması, kavrama düğümü diye
adlandırılan ağ yapısının kurulmasını sağlamıştır.
Yapay zeka konusunda düzenlenmiş ilk konferans olan
Dartmouth Konferansı'nda (1956), John McCarthy ‘yapay zeka’
terimini ilk kez kullandı.
1959 yılında, Bernand Widrow ve Marcian Hoff, ADALINE ve
MADALINE diye adlandırdıkları telefon hatlarında oluşan
yankıları yok eden bir süzgeç (filtre) geliştirdiler. ADALINE ve
MADALINE, gerçek bir soruna uygulanmış ve hala kullanımda
olan ilk yapay zeka ürünüdür. 1965 yılında Lotfi Asker Zadeh
bulanık mantık kuramını ortaya attı. 1969 yılında yapay zeka
konusunda ilk uluslararası konferans düzenlendi.
1980’li yıllar yapay zeka ile ilgili çalışmalar için bir atılım
dönemi olmuştur.1997 yılında ‘Deep Blue’ isimli satranç
programı dünya satranç şampiyonu Garry Kasparov'u yendi.
2000’li yıllarda oyuncak robotlar piyasaya sürüldü. Internet'in
yaygınlaşması ile de yapay zeka tabanlı birçok program geniş
kitlelere ulaştı.
Makinelerin insanların yerine geçeceği korkusu
1950’li yıllarda yapay zeka konusunda elde edilen ilk başarılar,
insanların yapay zekanın potansiyelini abartması sonucunu
doğurdu. Abartılı beklentilerin gerçekleştirilememesi hayal
kırıklığı yaratırken aynı zamanda, bazı bilim kurgu yazarları
‘düşünen makinelerin’ insanları nasıl etkileyeceğini ele aldılar.
Asimov, robotlar hakkındaki kitaplarında düşünen makinelerin,
özellikle insanoğlunun ahlak değerlerine olan etkilerini konu aldı.
Diğer bazı yazarlar ise çok daha korkunç bilgisayarların
yaratılacağı hakkında abartılı iddialarda bulundular. Sinemacılar
ise bu korkuları geniş halk yığınlarına ulaştırdılar. Bu yersiz ve
abartılı iddialar, yapay zeka araştırmalarının kesilmesine ya da en
azından yavaşlamasına yol açtı.
Aslında insanoğlunun kendi varlığını koruma içgüdüsü harekete
geçmişti. ‘Acaba makineler insanın yerine geçer mi’ sorusu sıkça
sorulmaya başlanmıştı. Bu korku yeni değildi, daha sanayi çağı
başladığında insanlar makinelerin kendi yerine geçeceği korkusunu
duymaya başlamışlardı.
İngiliz yazar Mary W. Shelley 1816'da yazdığı fantastik
romanda, Dr. Frankenstein'in ceset parçalarını birleştirerek
oluşturduğu biyolojik robot diye kabul edebileceğimiz bir kusursuz
insanı yaratmayı başaran öyküsünü anlatmaktaydı. Romanda
kusursuz insan bir canavara dönüşmüştü. Daha sonra da aynı türde
romanlar yazıldı. 1900’lü yıllara gelindiğinde batı toplumunun
bilinç altına bu korku yerleşmeye başlamıştı.
Çek yazar Karel Capek robot sözcüğünü 1920'de ilk kez
kullandığında, yaklaşık 700 y.y. önce robotlar yapılıp,
kullanılmıştı bile. 1205-1206 yıllarında Ebû’l İz El Cezeri,
Artuklu Türklerinin Diyarbakır’da hüküm sürdüğü yıllarda
Artukoğulları Sultanı Kara Aslan için yazdığı ‘Mekanik
Hareketlerden Mühendislikte Faydalanmayı İçeren Kitap’ adlı
eserinde sibernetiğin ilk adımlarını atmış ve ilk robotu yapıp
çalıştırmıştı.
Batı dünyasının bilinçaltı robotlara ya da zeki makinelere karşı
sinemanın yaygınlaşmasıyla daha da doldurulmaya başlandı. 1907
yılı yapımı ‘Mekanik Durum ve Zeki Hizmetçi’, 1909 yılı yapımı
‘Kauçuk Adam’ ve 1910 yılı yapımı ‘Dr. Smith'in Otomasyonu’
filmleri ilk örneklerdir. Bu filmlerin ana temaları aşağı yukarı
aynıydı: Kendilerini yaratanlara hizmet eden makinalar aniden
kontrolden çıkıp tehlike saçmaya başlıyorlardı.
Zamanla filmler yapay zekanın yok edicilik tarafını konu
etmeye başladı. 1984 yılında Steve Barron tarafından yönetilen
‘Elektriksel Rüyalar’ filmi, Stanley Kubrick tarafından yönetilen
‘2001: Bir Uzay Açmazı’ bunlara örnek olarak gösterilebilir.
Steven Spielberg'in yönettiği 2001 yılı yapımı ‘Yapay Zeka’
adlı film konuya daha ılımlı yaklaşmış ve bütün dünyada yapay
zeka konusunda ilgi uyandırmıştır.
Turing makinesi ve Turing testi
Yapay zeka felsefesini ilk ortaya çıkaran kişi matematikçi Alan
Turing’dir. 1936 yılında Turing bilgisayar tasarımının mantıki
temelleri üzerine yazdığı bir makalede matematiksel mantığın
soyut bir problemini çözerken, bugün Turing makinesi diye
adlandırılan, program depo eden genel amaçlı bilgisayarı kuramsal
olarak icat etmeyi başarmıştır.
1950 yılında Turing, Mind adlı felsefe dergisinin Ağustos
sayısında Computing Machinery and Intelligence adlı bir makale
yayınlamıştır. Bu makalede Turing “Makineler düşünebilir mi?”
sorusunu felsefi bir tartışmaya açmış ve makinelerin
düşünebileceğini savunmuştur.
Turing testi
Alan Turing, Turing testi olarak adlandırılan ve bir bilgisayarın
veya başka bir sistemin insanlarla aynı zihinsel yetiye sahip olup
olmadığını ölçen bir test geliştirmiştir.
Bu testte bir insan ve bir bilgisayar, deneyi yapan kişiden
gizlenir. Deneyi yapan hangisiyle haberleştiğini bilmeden bunların
ikisiyle de haberleşir. Deneyi yapan kişinin sorduğu sorular ve
deneklerin verdiği cevaplar bir ekranda yazılı olarak verilir. Amaç,
deneyi yapanın uygun sorgulama ile deneklerden hangisinin insan,
hangisinin bilgisayar olduğunu bulmasıdır. Eğer deneyi yapan kişi
güvenilir bir şekilde bunu söyleyemez ise, o zaman bilgisayar
Turing testini geçer ve insanlar kadar kavrama yeteneğinin olduğu
varsayılır ve makine insanlar kadar zihinsel yetiye sahip demektir.
Makineler Turing testini aştığı zaman (yani insan mı değil
mi ayırt edemiyorsak) insan olarak nitelendirebilir miyiz?
‘İnsan’ nedir ve eğer makina ile taklit edilemez ise bunun
sebebi nedir?
İnsanın ne gibi özellikleri onu makinadan üstün kılar ve
taklit edilmesini imkansızlaştırır?
Makinalarda eksik olan ne?
Çin Odası Deneyi
Bir odada kilitli olduğunuzu düşünün ve odada da üzerlerinde Çince
tabelalar bulunan sepetler olsun. Fakat siz Çince bilmiyorsunuz. Ama
elinizde Çince tabelaları İngilizce olarak açıklayan bir kural kitabı
bulunsun. Kurallar Çince’yi tamamen biçimsel olarak, yani söz
dizimlerine uygun olarak açıklamaktadır. Daha sonra odaya başka
Çince simgelerin getirildiğini ve size Çince simgeleri odanın dışına
götürmek için, başka kurallarda verildiğini varsayın. Odaya getirilen
ve sizin tarafınızdan bilinmeyen simgelerin oda dışındakilerce ‘soru’
diye, sizin oda dışına götürmeniz istenen simgelerin ise ‘soruların
cevapları’ diye adlandırıldığını düşünün. Siz kilitli odanın içinde
kendi simgelerinizi karıştırıyorsunuz ve gelen Çince simgelere cevap
olarak en uygun Çince simgeleri dışarı veriyorsunuz.
Dışta bulunan bir gözlemcinin bakış açısından sanki Çince
anlayan bir insan gibisiniz. Çince anlamanız için en uygun bir
program bile Çince anlamanızı sağlamıyorsa, o zaman herhangi bir
sayısal bilgisayarın da Çince anlaması mümkün değildir.
California üniversitesinden John SEARLE yaptığı bu deneyde,

bir bilgisayarın belirli bir program çerçevesinde yaptıklarını Çince
bilmeyen kimsenin yaptıklarına benzetir. Yani bilgisayarlar ne
kadar gelişmiş olurlarsa olsunlar yaptıkları hiçbir şeyi anlamazlar,
çünkü bilinçli değildirler ve düşünemezler
Akıl ve Zeka
Akıl (INTELLECT), düşünme, anlama, kavrama, idrak etme,
karar verme ve önlem alma yetenekleridir. Akıl aynı zamanda
muhakeme ve bilgi elde etme gücü olarak ta tanımlanabilir. Akıl
doğuştan gelmez sonradan kazanılır ve durağan değildir.
Zeka (INTELLIGENCE), gerçekleri algılama, yargılama ve
sonuç çıkarma yeteneklerinin tamamıdır. Zeka doğuştan gelir ve
durağan değildir. Belirli bir konuda çalışılarak, öğretilerek,
eğitilerek, edinilen bilgi ve birikimlerle, deneyimlere dayalı
becerilerle geliştirilebilir. İlk kez karşılaşılan ya da ani olarak
gelişen bir olaya uyum sağlayabilme, anlama, öğrenme, analiz
yeteneği, beş duyunun, dikkatin ve düşüncenin yoğunlaştırılması
zeka ile gerçekleştirilebilmektedir.
Yapay Zeka
Yapay zekanın belirlenmiş ve üzerinde herkesçe fikir birliğine
varılmış tek bir tanımı yoktur. Ne olduğu, ne olmadığı ve hatta olup
olmadığı bile tartışma konusudur.Yapay zeka, bilgisayarlardan,
yazılımlardan, tümleşik yongalardan oluşan, genellikle insana özgü
nitelikler olduğu varsayılan karar verme, anlam çıkartma, genelleme,
öğrenme ve deneyimlerden yararlanma gibi zihinsel süreçlere ilişkin
işlevleri yerine getirme yeteneği olarak tanımlanabilir.
Yazılımlardan, mekanik devrelerden, tümleşik yongalardan oluşan
bu yapı, bilinç, akıl, idrak, duygu gibi ruha ait özelliklere asla sahip
olamayacak ancak bu özelliklere sahip bir insanın programlamasıyla
bunları otomatik şekilde taklit edecektir.
İnsandaki sağduyu, değer yargıları, soyut düşünme kabiliyeti, ilham,
anlama, kavrama, yargılama ve sanatsal değerlendirme ise bilincin
mutlaka gerekli olduğu, taklit edilemeyen özelliklerdir.
Yapay zeka alt dalları
• Uzman Sistemler (US)
• Bulanık Mantık (BM)
• Genetik Algoritma (GA)
• Yapay Sinir Ağları (YSA)
Uzman Sistemler
Uzman Sistem temelde insan düşüncelerini gerçekleştirmek
amacıyla bilgisayar tarafından işlenen bir yazılımdır. Uzman
Sistem geliştirilirken, uzmanların belli bir konudaki bilgi ve
deneyimlerini bilgisayara aktarılması amaçlanmaktadır.
Bulanık mantık
Bulanık mantık, bulanık küme teorisine dayanan bir
matematiksel disiplindir. Bulanık mantık insan mantığında
olduğu gibi, Uzun-Kısa, Sıcak-Soğuk, Hızlı-Yavaş, Siyah-
Beyaz yerine Uzun–Ortadan Uzun-Orta-Ortadan Kısa-Kısa,
Sıcak-Ilık-Az Soğuk-Soğuk-Çok Soğuk vb. gibi ara değerlere
göre çalışmaktadır.
Genetik algoritmalar
Genetik algoritmalar yapay zekanın gittikçe genişleyen bir
kolu olan evrimsel hesaplama tekniğinin bir parçasını
oluşturmaktadır. Genetik algoritma Darwin’in evrim kuramı
doğada en iyinin yaşaması kuralından esinlenerek oluşturulan,
bir veri öbeğinden özel bir veriyi bulmak için kullanılan bir
arama yöntemidir.
Genetik algoritma geleneksel yöntemlerle çözümü zor veya
imkansız olan problemlerin çözümünde kullanılmaktadır.
Herhangi bir problemin genetik algoritma ile çözümü,
problemi sanal olarak evrimden geçirerek yapılmaktadır.
Von-Neumann makinesi
Sayısal bilgisayarlar 1940’ların sonlarından günümüze değin
hızla gelişmiştir.
Merkezi İşlem
Birimi
Komut
ve Veri
Veri
Bellek
Şekil 1.1. Von-Neumann makinesi

Sinirsel Bilgiişlem
Son zamanlardaki sinirsel ve sinirsel-psikolojik deneyler
beyin yapısını önemli ölçüde aydınlatmıştır. İnsan bilgi işlem
sürecini geniş açıdan inceleyen Bilişsel (Cognitive) bilim gibi
alanlarda paralel çalışma için birleştirilmiş çoklu işlem
elamanlarını içeren modeller önerilmiştir. Bu etmenler
insanların ve hayvanların bilgi işlem sistemlerinde görülen
çalışma ilkelerini ve yapılarını açığa çıkarmayı amaçlayan, bu
yapı ve çalışma ilkelerini temel alan bir Sinirsel bilgiişlem
(Neuro-computing) sistemi inşa etme yolunda araştırmaları
artırmıştır.
Yapay Sinir Ağları
Yapay sinir ağları (YSA), insan beyninden esinlenerek
geliştirilmiş, ağırlıklı bağlantılar aracılığıyla birbirine bağlanan
ve her biri kendi belleğine sahip işlem elemanlarından oluşan
paralel ve dağıtılmış bilgi işleme yapılarıdır. Yapay sinir ağları,
bir başka deyişle, biyolojik sinir ağlarını taklit eden bilgisayar
programlarıdır. Yapay sinir ağları zaman zaman bağlantıcılık
(connectionism), paralel dağıtılmış işlem, sinirsel-işlem, doğal
zeka sistemleri ve makine öğrenme algoritmaları gibi isimlerle
de anılmaktadır.
Yapay sinir ağları bir programcının geleneksel yeteneklerini
gerektirmeyen, kendi kendine öğrenme düzenekleridir. Bu ağlar
öğrenmenin yanı sıra, ezberleme ve bilgiler arasında ilişkiler
oluşturma yeteneğine de sahiptir.
Yapay sinir ağları insan beyninin bazı organizasyon ilkelerine
benzeyen özellikleri kullanmaktadırlar. Yapay sinir ağları bilgi
işleme sistemlerinin yeni neslini temsil ederler. Genel olarak
yapay sinir ağları model seçimi ve sınıflandırılması, işlev
tahmini, en uygun değeri bulma ve veri sınıflandırılması gibi
işlerde başarılıdır. Geleneksel bilgisayarlar ise özellikle model
seçme işinde verimsizdir ve sadece algoritmaya dayalı
hesaplama işlemleri ile kesin aritmetik işlemlerde hızlıdırlar.
Çizelge 1.1 Sayısal Bilgisayarlar ve yapay sinir ağlarının bazı
özellikleri
Sayısal Bilgisayarlar Yapay Sinir Ağları
Tümdengelimli usavurma: Çıkış Tümevarımlı usavurma. Giriş ve çıkış bilgileri
üretmek için giriş bilgilerine bilinen (eğitilen örnekler) verilir, kuralları biz koyarız.
kurallar uygulanır.
Hesaplama merkezi, eş zamanlı ve Hesaplama toplu, eşzamansız ve öğrenmeden
ardışıldır. sonra paraleldir.
Bellek paketlenmiş, hazır bilgi Bellek ayrılmıştır, dahilidir ve içerik
depolanmış ve yer adreslenebilir. adreslenebilir.
Hata toleransı yoktur. Eğer bilgi, gürültülü veya kısmi ise kurallar
bilinmiyorsa ya da karışıksa Hata toleransı
uygulanabilir.
Hızlıdır. Yavaştır.
Bilgiler ve Algoritmalar kesindir. Yapay sinir sistemleri deneyimden yararlanır.
Yapay Sinir Ağlarında Bilginin Depolanması ve Geri Alınması
Bilgisayarlarda bilgi 1 ve 0 serileri ile temsil edilirken, sinir
ağlarında matematiksel işlev ile temsil edilir.
Sinir ağlarındaki bilgi, ağ içinde bağlantılarda ve birçok ağırlıklar
yoluyla dağıtılmaktadır. Bilgisayar bilgiyi belleğinde belirli bir
yerde saklar, sinir ağları ise bilgiyi tüm ağ boyunca dağıtır. Bu
durum dağıtılmış bellek olarak bilinir.
Bilgisayarda bilgi, belirli bellek bölgesine ulaşılarak alınır. Sinir
ağlarında ise ağın seçtiği en uygun çıkış örneği, ağ tarafından giriş
örneği hakkında eldeki bilgi olarak temsil edilir. Bu durum ise
birleştirilmiş bellek olarak bilinir.
Yapay Sinir Ağlarının Genel Kullanım Alanları
• Denetim
• Sistem modelleme
• Ses tanıma
• El yazısı tanıma
• Parmak izi tanıma
• Elektrik işareti tanıma
• Meteorolojik yorumlama
• Otomatik araç denetimi
• Fizyolojik işaretleri (Kalp fonksiyonları gibi) izleme, tanıma ve
yorumlama
Sınıflandırma: Müşteri/Pazar profilleri, tıbbi teşhis, imza
tetkikleri, borçlanma/risk değerlendirmeleri, ses tanıma, şekil
tanıma, spektrum tanımlaması, mal değeri, hücre tiplerinin
sınıflandırılması, mikroplar, modeller, örnekler.
Tahmin: İleriki satışlar, üretim ihtiyacı, pazar performansı,
ekonomik deliller, enerji ihtiyacı, tıbbi sonuçlar, kimyasal
reaksiyon ürünleri, hava tahminleri, at yarışları, çevresel risk, jüri
panelleri.
Modelleme: İşlem kontrolü, sistem kontrolü, kimyasal yapılar,
dinamik sistemler, işaret karşılaştırma, plastik kalıpçılık, kaynak
kontrolü, robot kontrolü ve diğer birçok uygulamalar.
Yapay Sinir Ağlarının Beyin ile Karşılaştırılması
Bir sinir ağının en temel bileşeninin beyinin yapısından
esinlenerek geliştirilmelerine karşın, bazı özellikleri beyinle aynı
değildir. Bazı özelliklerinin ise beyinde biyolojik karşılığı yoktur.
Bununla birlikte sinir ağları biyolojik beyinle büyük benzerlikler
gösterir ve bu nedenle terimlerin büyük kısmı sinirbilim
(neuroscience) biliminden alınmıştır.
Yapay Sinir Ağlarının Yararları
Yapay sinir ağlarının yararlı ve ilgi çekici birçok özellikleri
vardır. İlk özellik öğrenebilme yeteneğidir. Yapay sinir ağları
uyarlanabilir ve esneyebilir. Tek bir yapay sinir ağ, herhangi bir
işleve ilke olarak yaklaşabilir. Yapay sinir ağlarının yapısını ve
öğrenme kurallarını değiştirmek zorunda değiliz, sadece öğretim
materyalini değiştirerek öğrenmeyi sağlayabiliriz. Daha da
önemlisi öğretim materyalini değiştirmek, temel olarak yeni bir
çevreyle tanışmak gibidir.
Yapay Sinir Ağlarının Üstünlükleri ve Sakıncaları
Çizelge 1.2 Yapay sinir ağlarının üstünlükleri ve sakıncaları
Üstünlükler
Matematiksel modele ihtiyaç duymazlar
Kural tabanı kullanımı gerektirmezler
Öğrenme kabiliyeti vardır ve farklı öğrenme
algoritmalarıyla öğrenebilirler
Sakıncalar
Sistem içerisinde ne olduğu bilinemez
Bazı ağlar hariç kararlılık analizleri
yapılamaz
Farklı sistemlere uyarlanması zor olabilir.
Yapay Sinir Ağlarının Tarihçesi
• İlk yapay sinir ağ modeli 1943 yılında, bir sinir hekimi olan
Warren McCulloch ile bir matematikçi olan Walter Pitts
tarafından gerçekleştirilmiştir.
• 1948 yılında Wiener “Cybernetics” isimli kitabında, sinirlerin
çalışması ve davranış özelliklerine değindi.
• 1949 da ise Hebb “Organization of Behavior” isimli kitabında,
öğrenme ile ilgili temel teoriyi ele aldı.
• 1957 yılında Frank Rosentblatt’ın Perceptron’u
gerçekleştirmesinden sonra yapay sinir ağı alanındaki gelişmeler
hızlanmıştır.
• 1959 yılında, Bernand Widrow ve Marcian Hoff (Stanford
Üniversitesinde) ADALINE ve MADALINE diye adlandırdıkları
ağ modellerini geliştirdiler.
• 1969 yılında Minsky ve Papert Perceptron’un yetersizliğini
görmüşler ve XOR problemini çözemediğini ispatlamışlardır.
• Hopfield 1982 yılında ağların önemli sınıflarının matematik
temellerini üretmiştir.
• 1984 de Kohonen sinirlerin düzenli sıralanışına eşleme özelliği
için danışmansız öğrenme ağlarını geliştirmiştir.
• 1986 da Rumelhart ve McClelland karmaşık ve çok katmanlı
ağlar için geriye yayılmalı öğrenme algoritması ortaya
koymuştur.
Yapay Sinir Ağlarının Geleceği
Yapay sinir ağlarını kullanıma sunmak için özel yongalar
gerekmektedir. Edinburgh Üniversitesinde bir sinir ağı yongası
geliştirilmiştir. Özel bazı şirketler sayısal, analog ve optik olmak
üzere 3 tip sinir yongası üzerinde çalışmaktadırlar. Bazı şirketler,
özel derlenmiş devreler (ASIC) ile bir sinir ağı uygulamasını
yaratmak için silikon malzemeler üzerinde çalışmaktadırlar.
ASIC’lar ve sinire benzer sayısal yongalar yakın gelecekte büyük
bir başarıyla kullanılacağı gözükmektedir. Son olarak optik
yongalar çok ümit verici gözükmektedir.
Biyolojik Bir Beyin Sinir Hücresinin Yapısı
İnsan beyninin en temel parçası, hatırlama, düşünme, her
harekette daha önceki deneyimlere başvurma yeteneğini sağlayan
kendine özgü sinir hücrelerdir. İnsan beyninde ortalama 100 milyar
sinir hücresi vardır. Her bir biyolojik sinir hücresinin yaklaşık
10.000 kadar komşu bağlantısı vardır ve bu sinirlerden uyarı alır.
İnsan beyninin çalışma frekansı 100 Hz’dir, ağırlığı yetişkin bir
insanda yaklaşık 1,3 kg. dır.
Sekil 1.2. Biyolojik bir beyin sinir hücresi
Sinir hücreleri kabaca çok kutuplu, iki kutuplu, tek kutuplu,
anaksonik olmak üzere öbeklendirilebilir. Bizim örnek aldığımız
sinir çok kutuplu tiptedir. Yani çok sayıda dendriti ve tek bir
aksonu vardır.
Her akson üzerinden geçen işaretleri değerlendirebilecek
yetenekte olduğu varsayılmaktadır. Bu değerlendirme bir işaretin
belli bir sinir için ne kadar önemli olduğunu göstermektedir.
Etkinlik “x(t)” ve işaretin “S(x(t))” nörofizyolojik yorumu
potansiyel farkın elektriksel darbelerini ve zamansal toplamlarını
içermektedir. Etkinlikler küçük zar darbelerini içerir. İşaretler ise
geniş aksonal darbeleri veya etkinlik potansiyellerini içerir.
Matematiksel olarak gerçek değerli etkinlik (x(t)) sinirin yüzey
zarında t zamanındaki potansiyel farkını (gerilim) temsil eder.
Etkinlik pozitif veya negatif olabildiği gibi teorik olarak sonsuz da
olabilir.
Bir Yapay Sinirin Ana Öğeleri
Yapay sinir ağları, birbirine bağlı çok sayıda işlem
elemanlarından oluşmuş, genellikle paralel işleyen yapılar olarak
adlandırılabilir. Yapay sinir ağlarındaki işlem elemanları
(düğümler) basit sinirler olarak adlandırılır. Bir yapay sinir ağı,
birbirleriyle bağlantılı, çok sayıda düğümlerinden oluşur.
Yapay sinir ağlarının temel birimi işlem elamanı ya da düğüm
olarak adlandırılan yapay bir sinirdir. Bir yapay sinir, biyolojik
sinirlere göre daha basit olmasına karşın, biyolojik sinirlerin 4
temel işlevini taklit ederler.
Girişler Ağırlıklar Toplama işlevi Etkinlik işlevi Çıkış
x1 w1 j
w2 j n
x2 vi = ∑w ij xi + θ j f ( etkinlik ) yi
i =1
wij
xi
Eşik
θ j
Şekil 1.3 Yapay bir sinir (düğüm)
ψ ψ
1 1
0 0
x x
-1
-1
ψ ψ
1 1
0 0
x x
-1
-1
ψ ψ
1 1
0 0
x x
-1
-1
ψ ψ
1 1
0
x 0 x
Şekil 1.4 Etkinlik işlevleri
⎧1 eğer w x + w x + ... + w x ≥ T
1 1 2 2 n n
⎪⎪
yi = ⎨
⎪0 eğer w x + w x + ... + w x < T (1.4)
⎪⎩ 1 1 2 2 n n
İkili girişlerin bir örneği verildiğinde, etkinlik işlevi ya sıfır ya da

1 çıkış verecektir.
Ölçekleme ve Sınırlama
Düğümlerde, etkinlik işlevinin sonuçları ölçek veya sınır
işlemlerinden geçebilir. Bu ölçeklendirme basitçe bir ölçek etmeni
ile etkinlik değerinin çarpımının sonucudur. Sınırlandırma ise,
ölçeklenmiş sonuçların enaz ve ençok sınırlarını aşmamasını
sağlamaktır.
Çizelge 1.3 Biyolojik sinir ağı ile yapay sinir ağının
karşılaştırılması
Biyolojik Sinir Ağı Yapay Sinir Ağı
Sinir Sistemi Sinirsel Hesaplama Sistemi
Sinir Düğüm (Sinir, İşlem elemanı)
Sinaps Sinirler arası bağlantı ağırlıkları
Dendrit Toplama İşlevi
Hücre Gövdesi Etkinlik İşlevi
Akson Sinir Çıkışı
Öğrenme
Öğrenmenin amacı, her bir düğümün girişlerindeki değişken
bağlantı ağırlıklarını derlemektir. İstenen bazı sonuçları elde etmek
için, giriş bağlantılarının ağırlıklarını değiştirme işlemi uyma işlevi
olarak adlandırabildiği gibi öğrenme kipi olarak ta adlandırılabilir.
Danışmanlı ve danışmansız olmak üzere iki tip öğrenme türü
vardır.
Öğrenme yöntemine göre ağlar isimlendirilirler.
• Hebb Kuralı
Donald Hebb 1949`da yazdığı “The Organization of Behaviour”
adlı kitabında ilk ve en iyi bilinen bu öğrenme kuralını
tanımlamıştır. Temel kural: Eğer bir sinir başka bir sinirden bir
giriş alırsa ve her ikisi de yüksek aktif ise sinirler arasındaki
bağlantı kuvvetlendirilir.
• Hopfield Kuralı
Bu kural, kuvvetlendirme veya zayıflatmanın genliğini
belirleyebilmesi istisnası haricinde Hebb kuralıyla benzerdir. Buna
göre, “eğer istenilen çıkış ve girişin her ikisi de aktif veya her ikisi
de durgun ise, bağlantı boyutlarını öğrenme oranı kadar arttır,
aksi halde boyutu öğrenme oranı kadar azalt ”.
• Delta Kuralı
En çok kullanılan kurallardan biri olan Delta kuralı, Hebb
kuralının daha geliştirilmişidir. Bu kural bir sinirin gerçek çıkışı ile
istenilen çıkış değeri arasındaki farkı azaltmak için giriş bağlantı
güçlerini sürekli olarak geliştirme fikrine dayanır. Bu kural ağ
hatasının karesini minimize etmek için bağlantı boyutlarını
değiştirir. Hata bir önceki katmana geri çoğaltılır. Her bir zaman
dilimi için bir hata şeklinde bu geri çoğaltma işlemi ilk katmana
ulaşılıncaya kadar devam eder. Geri yayılım adı bu hata terimlerini
toplama yönteminden türetilmiştir. Bu kural ayrıca Windrow-Hofff
Öğrenme ve En küçük ortalamalar karesi (Least Mean Square)
Kuralı olarak ta adlandırılır.
• Eğimli İniş Kuralı
Bu kural Delta kuralına benzer çünkü transfer fonksiyonunun
türevi bağlantı ağırlıklarına uygulamadan önce, Delta hatasını
düzeltmek için kullanılır. Bu kural durağan bir noktaya çok bir
şekilde yaklaşmasına rağmen sıkça kullanılır. Bir ağın farklı
katmanları için öğrenme oranları, öğrenme işleminin daha hızlı
olmasına yardımcı açıklamıştır. Bu test işleminde çıkışa yakın olan
katmanların öğrenme oranından daha düşüktür. Giriş verilerinin
güçlü bir modelden çıkarılmadığı uygulamalarda, bu işlem
özellikle önemlidir.
• Kohonen Öğrenme Kuralı
Kohonen tarafından geliştirilen bu yöntem biyolojik
sistemlerdeki öğrenmeden esinlenilmiştir. Bu yöntemde sinirler
öğrenmek için elverişli durum veya ölçülerini güncellemek için
yarışırlar. En büyük çıkış ile işlenen sinir, kazananı ilan eder ve
komşularına bağlantı boyutlarını güncellemeleri için izin verilir.

Yapayzeka PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Yapayzeka PDF

Uploaded by

Copyright:

Available Formats

Yapay Sinir Ağlarına Giriş

ana kadar tarım, sanayi ve bilgi çağı olarak üç

süreçte kendisini gösterdiği kabul edilmektedir.

Dördüncü çağ ‘Barış Çağı’ olarak

adlandırılacak, bu çağın en önemli değeri

Yapay Zeka olacaktır.

California üniversitesinden John SEARLE yaptığı bu deneyde,

• Uzman Sistemler (US)

• Bulanık Mantık (BM)

• Genetik Algoritma (GA)

• Yapay Sinir Ağları (YSA)

Şekil 1.1. Von-Neumann makinesi

Şekil 1.3 Yapay bir sinir (düğüm)

Şekil 1.4 Etkinlik işlevleri

İkili girişlerin bir örneği verildiğinde, etkinlik işlevi ya sıfır ya da

You might also like