Professional Documents
Culture Documents
Necmettin Erbakan Üniversitesi
Necmettin Erbakan Üniversitesi
Üniversitesi
FA K Ü LT E : H AVA C I L I K V E U Z AY B İ L İ M L E R İ FA K Ü LT E S İ
B Ö LÜ M : U Ç A K M Ü H E N D İ S L İ Ğ İ
DERS : U M 4 3 9 YA PAY Z E K A T E K N İ K L E R İ N E G İ R İ Ş
DÖNEM : 2022 – 2023 (BAHAR)
Ö Ğ R E T İ M Ü Y E S İ : D R . H A S A N H Ü S E Y İ N B İ LG İ Ç
Yapay Zeka Tekniklerine Giriş
Öğretim Üyesi:
• McCulloch ve Pitts (1943) ilk temel hesap yapan nöron modelini tasarlamayı
başarmıştır.
• İlk sinaps , fizyolojik öğrenme kuralına ilk adım : Hebb, 1949 yılında, "Hebbian
öğrenme kuralı" adında ilk öğrenme şeklini geliştirmiştir.
• Robotik Uygulamaları
• Finansal Uygulamalar
• Askeri Uygulamalar
• Sağlık Uygulamaları
• Diğer Alanlar
BİYOLOJİK SİNİR HÜCRESİ MODELİ
Alıcı sinirler (receptor) organizma içerisinden ya da dış
ortamlardan aldıkları uyarıları, beyine bilgi ileten elektriksel
sinyallere dönüştürür.
• Girişler
• Ağırlıklar
• Toplama fonksiyonu
• Aktivasyon fonksiyonu
• Çıkışlar bulunur.
YAPAY SİNİR HÜCRESİ MODELİ
Bias
b
x1 w1
Aktivasyon
Local fonksiyonu
Field
Çıktı
Girdi x2 w2
v
() y
değerleri
…………. Toplama
fonksiyonu
xm wm
ağırlıklar
• Ağırlıklar
-Hücreler arasındaki bağlantıların sayısal değerini ifade etmektedir. Bir hücreye gelen bilginin değerini
ve hücre üzerindeki etkisini gösterir.
• Toplama Fonksiyonu
-Hücreye gelen girdileri ağırlıklarla çarpıp toplayarak o hücrenin net girdisinin hesaplanmasını sağlar.
• Aktivasyon Fonksiyonu
-Hücreye gelen net girdiyi işleyerek hücrenin bu girdiye karşılık üreteceği çıktının belirlenmesini sağlar.
• Çıktılar
-Aktivasyon fonksiyonları tarafından belirlenen çıktı değerleridir. Üretilen çıktı ya dış dünyaya, başka bir
hücreye ya da kendisine girdi olarak gönderilebilir.
AKTİVASYON FONKSİYONLARI
Hard-limit (eşik) aktivasyon
fonksiyonu
AKTİVASYON FONKSİYONLARI
Sigmoid aktivasyon
fonksiyonu
Pureline (Doğrusal)
aktivasyon fonksiyonu
AKTİVASYON FONKSİYONLARI
Radial tabanlı (gauss)
aktivasyon fonksiyonu
• Öğrenme
• Tahmin
• İlişkilendirme
• Özellik Belirleme
• Sınıflandırma • Optimizasyon
• Genelleme
YAPAY SİNİR AĞLARININ ÖZELLİKLERİ
• YSA, yapay sinir hücrelerinin birbirlerine bağlanması sonucu oluşan yapılardır. Ancak sinir
hücrelerinin bir araya gelmesi rastgele olmaz.
YAPAY SİNİR AĞLARININ YAPISI
• Gizli Katmanlar
-Giriş katmanından aldığı bilgiyi işleyerek bir sonraki katmana iletir. Gizli katman sayısı ve
gizli katmandaki hücre sayısı ağdan ağa değişebilir. Gizli katmanlardaki hücre sayıları,
girdi ve çıktı sayılarından bağımsızdır.
• Çıkış Katmanı
-Gizli katmandan gelen bilgiyi işler ve giriş katmanına gelen girdiye uygun olarak üretilen
çıktıyı dış dünyaya gönderir. Çıkış katmanındaki hücre sayısı birden büyük olabilir. Her bir
çıkış hücresinin bir adet çıktısı vardır. Her bir hücre bir önceki katmandaki bütün
hücrelere bağlıdır.
YAPAY SİNİR AĞLARININ SINIFLANDIRILMASI
Yapılarına Göre
İleri Beslemeli
• Hücreler, girişten çıkışa doğru düzenli katmanlar şeklindedir. Ağa gelen bilgiler giriş
katmanına daha sonra sırasıyla gizli katmanlardan ve çıkış katmanından işlenerek
geçer ve sonra dış dünyaya çıkar.
Geri Beslemeli
• Bir hücrenin çıktısı sadece kendinden sonra gelen katmana girdi olarak verilmez.
Kendinden önceki katmanda veya kendi katmanında bulunan herhangi bir hücreye
girdi olarak verilebilir .
İLERİ BESLEMELİ AĞ MİMARİSİ
İLERİ BESLEMELİ AĞ MİMARİSİ
İşlem girişlerden çıkışlara doğru ilerler.
Çıkışlar
Danışmanlı Öğrenme
Danışmansız Öğrenme
Takviyeli Öğrenme
Karma Öğrenme
Danışmanlı (Supervised) Öğrenme