Professional Documents
Culture Documents
YSA22
YSA22
VE
UYGULAMALARI
2
Yapay Sinir Ağlarının Oluşturulması
3
Yapay Sinir Ağlarının Oluşturulması
4
Yapay Sinir Ağlarının Oluşturulması
5
Yapay Sinir Ağlarının Oluşturulması
6
Yapay Sinir Ağlarının Oluşturulması
Danışmanlı öğrenme;
Arzu edilen ağ çıkışının elde edilebilmesi için, çıkış hatasının düşürülmesinde
ağırlıkların uyarlanabilir hale getirilmesini gerektirir.
Danışmanlı öğrenmede her giriş değeri için istenen çıkış sisteme tanıtılır ve yapay
sinir ağının giriş-çıkış ilişkisini gerçekleştirene kadar aşama aşama ayarlar.
7
Yapay Sinir Ağlarının Oluşturulması
Danışmanlı öğrenme;
Çevre Öğretmen
İstenen
tepki
+
Tepki
wij (Ağırlıklar)
-
Hata işareti
8
Yapay Sinir Ağlarının Oluşturulması
Danışmansız öğrenme;
Bir danışman veya öğretmen, sinir ağına girişin hangi veri parçası sınıfına ait
olduğunu veya ağın nerede iyi sonuç vereceğini söylemez.
Ağ veriyi üyeleri birbirinin benzeri olan öbeklere yol gösterilmeksizin ayırır.
Danışmansız öğrenme danışmanlı öğrenmeye göre çok daha hızlıdır.
9
Yapay Sinir Ağlarının Oluşturulması
Danışmansız öğrenme;
Hata işareti
10
Yapay Sinir Ağlarının Oluşturulması
11
Bir Yapay Sinir Ağı
12
Katmanlar
Bir sinirin çıkışı diğer bir sinire giriş olarak yollarla bağlanır.
Bu yollar normalde yönlü değildir. Bu nedenle iki sinir arasında iki
yönlü bağlantı vardır.
Sinir, birçok sinirden giriş alır fakat diğer sinirlere aktarılan bir tek
çıkış üretir. Bir katmandaki sinirler kendi aralarında bağlantı kurabilir
veya hiçbir bağlantı olmayabilir.
14
Katmanlar Arası Bağlantılar
16
Turing Makinesi ve Perceptron
x1 w1
n
w2 1 eger wi xi
x2 yi i 1
n yi
0eger
i 1
wi x
w3
xi
Perceptron örneği
18
Turing Makinesi ve Perceptron
19
Turing Makinesi ve Perceptron
Bunun için katmanlara ilave olarak bir gizli katmanın kullanılması bir
çözüm getirmiştir.
x1 D1
2 2
D3 -4
D4 y 3 2,5 ve 4 1
2 Çıkış katmanı
2
x2 D2 Gizli katman
Giriş katmanı
x1 x2 y3 y3 3 y4 y 4 4 y
0 0 0 hayır 0 hayır 0
0 1 +2 hayır +2 evet 1
1 0 +2 hayır +2 evet 1
1 1 +4 evet 0 hayır 0 21
Turing Makinesi ve Perceptron
XOR problemi aşağıdaki Şekildeki gibi iki gizli sinire sahip bir
ağ ile de çözülebilmektedir.
x1 -2
1 1
2
1 y
2
1
x2 1
-2
22
Delta Kuralı
23
Delta Kuralı
Delta Kuralı Kullanılarak Yapılan Bir Örnek:
Ağırlıklar (w1, w2, w3), eşik değeri ()’nin, hata değeri () ve düzeltme
katsayısı (d)’nin aşağıdaki şekilde olduğunu düşünelim;
x1
D1 w1
x2 w2
D2 D4 y
w3
x3
D3
25
Delta Kuralı
x1w1 x2 w2 x3 w3 Çizelge 1
0 1 1 0 1
1 0 1 1 1
1 1 1 0 0 26
Delta Kuralı
Çizelge 1’ deki değerler şu şekilde hesaplanır.
1) D1=0, D2=0 ve D3=1
x1w1 x2 w2 x3 w3 0
0*0,2+0*(-0.5)+1*(-0,1)-0>0
-0,1>0
yanlış olduğundan D4 çıkış düğümü harekete geçmez. Yani 0 olur.
E= 0-(0*0,2+0*(-0.5)+1*(-0,1)-0)=0.1
( E )d
Düzeltme=(0.1+0.1)*0.5=0.1
30
Delta Kuralı
0 1 1 0 1
1 0 1 1 1
1 1 1 0 0
31
Delta Kuralı
Adım2:Çizelge 2’ de 2. satırda x1=0 x2=1 ve x3=1 için y’ nin gerçek
değeri 0, istenilen değeri 1’ dir. Bu değerlere ulaşmak için ağırlıklar
hata düzelteme oranı kadar artırılır.
E 0 ( x1w1 x2 w2 x3 w3 )
E= 0-(0*0,2+1*(-0.5)+1*0-0)=0.5
( E )d
Düzeltme=(0.5+0.1)*0.5=0.3
0 1 1 1 1
1 0 1 1 1
1 1 1 1 0
33
Delta Kuralı
Adım3:Çizelge 3’ de 3. satırda x1=1 x2=0 ve x3=1 için y’ nin gerçek değeri 1, istenilen
değeri 1’ dir. Bu değerlere ulaşmak için ağırlıklara ayarlama yapmaya gerek yoktur.
Çizelge 3’ de 4. satırda x1=1 x2=1 ve x3=1 için y’ nin gerçek değeri 1, istenilen değeri 0’
dir. Bu değerlere ulaşmak için ağırlıklar hata düzelteme oranı kadar azaltılır.
E 0 ( x1w1 x2 w2 x3 w3 )
E= 0-(1*0,2+1*(-0.2)+1*0.3-0)=-0.3
( E )d
Düzeltme=(0.3+0.1)*0.5=0.2
0 1 1 0 1
1 0 1 1 1
1 1 1 0 0
35
Delta Kuralı
Adım4:Çizelge 4’ de 1. satırda x1=0 x2=0 ve x3=1 için y’ nin gerçek değeri 1, istenilen
değeri 1’ dir. Bu değerlere ulaşmak için ağırlıklara ayarlama yapmaya gerek yoktur.
Çizelge 4’ de 2. satırda x1=0 x2=1 ve x3=1 için y’ nin gerçek değeri 0, istenilen değeri 1’
dir. Bu nedenle ağırlıklar hata düzelteme oranı kadar artırılır.
E 0 ( x1w1 x2 w2 x3 w3 )
E= 0-(0*0+1*(-0.4)+1*0.1-0)=0.3
( E )d
Düzeltme=(0.3+0.1)*0.5=0.2
0 1 1 1 1
1 0 1 1 1
1 1 1 0 0
37
Delta Kuralı
Adım5:Çizelge 5’ de 3. satırda x1=1 x2=0 ve x3=1 için y’ nin gerçek değeri 1, istenilen
değeri 1’ dir. Bu değerlere ulaşmak için ağırlıklara ayarlama yapmaya gerek yoktur.
Çizelge 5’ de 4. satırda x1=1 x2=1 ve x3=1 için y’ nin gerçek değeri 1, istenilen değeri 0’
dir. Bu nedenle ağırlıklar hata düzelteme oranı kadar azaltılır.
E 0 ( x1w1 x2 w2 x3 w3 )
E= 0-(1*0+1*(-0.2)+1*0.3-0)=-0.1
( E )d
Düzeltme=(0.1+0.1)*0.5=0.1
39
Delta Kuralı
Adım6: Çizelge 6’ de 1. satırda x1=0 x2=0 ve x3=1 için y’ nin gerçek değeri 1, istenilen
değeri 1’ dir. Bu değerlere ulaşmak için ağırlıklara ayarlama yapmaya gerek yoktur.
Çizelge 6’ de 2. satırda x1=0 x2=1 ve x3=1 için y’ nin gerçek değeri 0, istenilen değeri 1’
dir. Bu nedenle ağırlıklar hata düzelteme oranı kadar artırılır.
E 0 ( x1w1 x2 w2 x3 w3 )
E= 0-(0*(-0.1)+1*(-0.3)+1*0.2-0)=0.1
( E )d
Düzeltme=(0.1+0.1)*0.5=0.1
41
Delta Kuralı
Çizelge 7’ istenen çıkış değerlerini göstermektedir. 6 adım sonra bulunan w1= -0.1,
w2=-0.2 ve w3=0.3 ağırlıkların değerlerini aşağıdaki denklemlerde yerlerine koyup
sonuçlara sağlama yapılabilir.
x1w1 x2 w2 x3w3 0
Çizelge 7 bütün sütunlarındaki x1, x2 ve x3 değerleri ayrı ayrı yerlerine
konulur. Bu durumda;
1. sütun x1=0, x2=0 ve x3=1, 0,3 > 0 doğru olduğundan sonuç 1’dir.
2. sütun x1=0, x2=1 ve x3=1, 0,1 > 0 doğru olduğundan sonuç 1’dir.
3. sütun x1=1, x2=0 ve x3=1, 0,2 > 0 doğru olduğundan sonuç 1’dir.
4. sütun x1=1, x2=1 ve x3=1, 0>0 yanlış olduğundan sonuç 0’dır.
42
Kaynaklar
Elmas, Ç.,”Yapay Zeka Uygulamaları (Yapay Sinir Ağı,
Bulanık Mantık, Genetik Algoritma)”, Seçkin Yayıncılık,
Ankara, 2007.
Elmas, Ç., “Yapay Sinir Ağları (Kuram, Mimari, Eğitim,
Uygulama)”, Seçkin Yayıncılık, Ankara, 2003.
Elmas, Ç., “Bulanık Mantık Denetleyiciler (Kuram,
Uygulama, Sinirsel Bulanık Mantık)”, Seçkin Yayıncılık,
Ankara, 2003.
Bingöl, O., “Yapay Sinir Ağı İle Modellenen Alan
Yönlendirmeli Bir Asenkron Motorun Üç Seviyeli Evirici İle
Hız Denetimi”, Doktora Tezi, Gazi Üniversitesi Fen Bilimleri
Enstitüsü, Ankara, 2005.
Sağıroğlu, Ş., Beşdok, E. ve Erler, M., “Mühendislikte Yapay
Zeka Uygulamaları-I, Yapay Sinir Ağları”, Ufuk Yayıncılık
43