Yapay Zeka’nın Amaçları Başlık Linki
Temel amaç: İnsanların zor yaptığı işleri yapabilecek sistemler üretmek.
- İnsan beyninin fonksiyonlarını, bilgisayar modelleri yardımıyla anlamaya çalışmak
- İnsanın bilgi kazanma, öğrenme ve buluş yapma gibi zihinsel yeteneklerini araştırmak
- Öğrenme metotlarını bilgisayar sistemlerine aktarmak
- İnsan bilgisayar iletişimini kolaylaştıran kullanıcı arabirimleri geliştirmek
- Yapay uzman sistemler oluşturmak
- Yapay zekaya sahip robotlar geliştirmek (İşbirliği)
- Bilgisayarları, bilimsel araştırma ve buluşlarda kullanmak
Yapay Sinir Ağlarının Tarihçesi Başlık Linki
Yapay sinir ağlarının tarihçesi nörobiyoloji konusuna insanların ilgi duyması ve elde ettikleri bilgileri bilgisayar bilimine uygulamaları ile başlamaktadır.
Yapay sinir ağlarının tarihini 1970 öncesi ve sonrası diye ikiye ayırmak gerekmektedir. 1970 yılında bu bilimin tarihinde bir dönüm noktası başlamış ve o zamana kadar “olmaz” diye düşünülen bir çok sorun çözülmüş ve yeni gelişmeler başlamıştır.
“Herşey bitti” derken yapay sinir ağları yeniden doğmuştur.
Bilgisayar ve İnsan Beyni Karşılaştırması Başlık Linki
| Özellik | Bilgisayar | Beyin |
|---|---|---|
| Çevrim zamanı | 10⁻⁸ saniye | 10⁻³ saniye |
| İşleme Ünitesi | 1 CPU, 10⁵ kapı | 10¹¹ nöron |
| Depolama Ünitesi | 10⁹ bit RAM, 10¹⁰ bit disk | 10¹¹ nöron, 10¹⁴ sinaps |
| Bant genişliği | 10⁹ bit/saniye | 10¹⁴ bit/saniye |
| Nöron update/sn. | 10⁵ | 10¹⁴ |
Yapay Sinir Ağı Nedir? Başlık Linki
“Beynin bir işlevi yerine getirme yöntemini modellemek için tasarlanan bir sistem olarak tanımlanabilir”
YSA’nın Temel Özellikleri: Başlık Linki
- Düğümlerin bir kümesidir (birimler, nöronlar, işlem elemanları)
- Her bir düğümün giriş ve çıkışı vardır
- Her bir düğüm onun düğüm fonksiyonu tarafından basit bir hesaplama yerine getirir
- Düğümler arasında ağırlık yüklenmiş bağlantılar (Weighted connections) vardır
- Bağlantı şekli (connectivity) ağın mimarisini/yapısını verir
YSA, hayvan sinir sistemindeki nöronlara ait ağın çok basitleştirilmiş bir versiyonu gibi görülebilir.
YSA Nöron Modelleri Başlık Linki
Her bir nöronun diğer düğümlerden gelen bir veya daha fazla girişi ve diğer düğümlere giden bir çıkışı vardır.
Giriş/Çıkış Değerleri: Başlık Linki
- Binary {0, 1}
- Bipolar {-1, 1}
- Sürekli olabilir
Bir düğüm için bütün girişler aynı zamanda gelir ve çıktı hesap edilene kadar aktive edilmiş olarak kalırlar.
Yapay Sinir Ağlarının Genel Yapısı Başlık Linki
Yapay sinir hücreleri bir araya gelerek yapay sinir ağını oluştururlar. Sinir hücrelerinin bir araya gelmesi rastgele olmaz. Genel olarak hücreler 3 katman halinde ve her katman içinde paralel olarak bir araya gelerek ağı oluştururlar.
Katman Yapısı: Başlık Linki
Girdi katmanı: Bu katmandaki proses elemanları dış dünyadan bilgileri alarak ara katmanlara transfer etmekle sorumludurlar. Bazı ağlarda girdi katmanında herhangi bir bilgi işleme olmaz.
Ara katmanlar: Girdi katmanından gelen bilgileri ön işleme tutarak çıktı katmanına gönderirler. Bir ağ için birden fazla ara katman olabilir.
Çıktı katmanı: Bu katmandaki proses elemanları ara katmandan gelen bilgileri işleyerek ağın girdi katmanından sunulan girdi seti (örnek) için üretmesi gereken çıktıyı belirler.
YSA’nın Uygulama Alanları Başlık Linki
- Endüstriyel uygulamalar
- Finans uygulamaları
- Askeri ve Savunma uygulamaları
- Tıp ve Sağlık uygulamaları
- Mühendislik uygulamaları
- Robotbilim
- Görüntü İşleme (Image Processing)
- Örüntü Tanıma (Pattern Recognition)
- İletişim Sanayi, Tahmin, …
YSA’nın Öğrenme Çeşitleri Başlık Linki
1. Öğreticili (Danışmanlı) Öğrenme (Supervised Learning) Başlık Linki
Öğreticili Öğrenmede YSA, kullanıma sokulmadan önce eğitilir. Eğitim sırasında hem girdiler, hem de o girdiler karşılığında oluşturulması gereken çıktılar sisteme verilir. Bu sayede olayın girdileri ve çıktıları arasındaki ilişkiler öğrenilmektedir.
Eğitim aşaması genelde çok zaman alır. Yapay Sinir Ağlarının bir çoğu, öğreticili öğrenme yöntemini kullanır.
2. Destekleyici (Pekiştirmeli) Öğrenme (Reinforcement Learning) Başlık Linki
Öğretmen, her girdi seti için olması (üretilmesi) gereken çıktı setini sisteme göstermek yerine, sistemin kendisine gösterilen girdilere karşılık çıktısını üretmesini bekler ve üretilen çıktının doğru veya yanlış olduğunu gösteren bir sinyal üretir. Bu sinyal dikkate alınarak, eğitim süreci devam ettirilir.
Örneğin: LVQ Ağı
3. Öğreticisiz (Danışmansız) Öğrenme (Unsupervised Learning) Başlık Linki
Sisteme sadece girdi değerleri gösterilir ve parametreler arasındaki ilişkileri sistemin kendi kendine öğrenmesi beklenir. Çok fazla kullanım alanı olmamakla birlikte, gelecek vadetmektedir ve günümüzde akademik çalışmalar yapılmaktadır.
Örneğin: SOM (Self-organizing maps) ve ART ağları.
4. Karma Stratejiler Başlık Linki
Radyal Tabanlı Sinir Ağları (RBN) …
Öğrenme Kuralları Başlık Linki
Çevrimiçi (On-line) Öğrenme Kuralları Başlık Linki
Sistem bir taraftan fonksiyonlarını yerine getirirken bir taraftan da öğrenmeye devam etmektedir.
Örnek: ART Ağı ve Kohonen.
Çevrimdışı (Off-line) Öğrenme Kuralları Başlık Linki
Sistem eğitildikten sonra, gerçek hayatta kullanılırlar.
Yazı biraz dağınık oldu ilerde zaman olursa toplarım bakarım. Aynı odam gibi :))
Yazar: yönetici
Tarih: Perşembe, 12 Mart 2009 21:03