Yapay Sinir Ağı
- İngilizcesi
- Neural Network
- Türkçe karşılığı
- nöral ağ
- Okunuşu
- nurıl netvörk
Kısaca
Yapay sinir ağı, bağlantılı yapay nöron katmanlarından oluşan ve sayısal ağırlıkları ayarlayarak verilerden örüntü öğrenen bir makine öğrenmesi modelidir.
Yapay sinir ağı nedir?
Yapay sinir ağı, beyinden gevşek biçimde esinlenmiş bir makine öğrenmesi modelidir. Katmanlar halinde dizilmiş, nöron adı verilen çok sayıda basit birimden oluşur: veriyi alan bir girdi katmanı, ortadaki bir ya da daha fazla gizli katman ve sonucu üreten bir çıktı katmanı. Nöronlar arasındaki her bağlantının, bir nöronun bir sonrakini ne kadar güçlü etkilediğini belirleyen ağırlık adlı bir sayısı vardır.
Her nöron girdilerini ağırlıklarıyla çarpar, bunları bir sapma (bias) değeriyle birlikte toplar ve toplamı, nöronun ne kadar güçlü ateşleneceğine karar veren bir aktivasyon fonksiyonundan geçirir. Eğitim sırasında ağ, çıktısını doğru yanıtla karşılaştırır, hatayı bir kayıp fonksiyonuyla ölçer ve geri yayılım (backpropagation) adlı bir algoritmayla her ağırlığı hatayı azaltacak yönde hafifçe iter. Eğitim verisi üzerinde birçok tur yapıldıktan sonra ağırlıklar ağın öğrendiği örüntüleri kodlamış olur.
Faydalı bir benzetme, birbirine not ileten büyük bir ekiptir: herkes gelen bilgiye bakar, bazı girdilere diğerlerinden daha çok güvenir ve bir özet hazırlayıp sonraki sıraya iletir; son sıra nihai kararı verir. Sinir ağları görüntü tanımaya, konuşma tanımaya, çeviriye, öneri sistemlerine ve büyük dil modellerine güç verir.
Adına rağmen yapay sinir ağları beynin simülasyonu değildir; çoğunlukla çarpma ve toplama işlemlerinden kurulu matematiksel fonksiyonlardır. Sinir ağı, derin öğrenmeyle de aynı şey değildir. Derin öğrenme özellikle çok sayıda gizli katmana sahip sinir ağlarını ifade eder; tek gizli katmanlı küçük bir ağ da yine bir sinir ağıdır.
Bir bakışta
Önemli noktalar
- Sinir ağı, bağlantılı nöronlardan oluşan katmanlardan (girdi, gizli ve çıktı) kurulur.
- Her bağlantının bir ağırlığı vardır ve öğrenmek bu ağırlıkları ayarlamak demektir.
- Eğitim, tahmin hatalarını azaltmak için bir kayıp fonksiyonu ve geri yayılım kullanır.
- Çok sayıda gizli katmana sahip sinir ağlarına derin öğrenme modelleri denir.
Örnek
import math
def neuron(inputs, weights, bias):
# Weighted sum of the inputs plus a bias
total = sum(x * w for x, w in zip(inputs, weights)) + bias
# Sigmoid activation squashes the result into the range 0 to 1
return 1 / (1 + math.exp(-total))
# Two inputs, e.g. hours studied and hours slept
inputs = [5.0, 7.0]
weights = [0.6, 0.3] # learned during training
bias = -4.0
print(neuron(inputs, weights, bias)) # about 0.75Sık sorulan sorular
Sinir ağı ile makine öğrenmesi arasındaki fark nedir?
Makine öğrenmesi verilerden öğrenen modellerin geniş alanıdır; sinir ağı ise makine öğrenmesi modellerinden yalnızca bir türdür. Karar ağaçları ve doğrusal regresyon gibi diğer makine öğrenmesi modelleri nöron ya da katman kullanmaz.
Geri yayılım (backpropagation) nedir?
Geri yayılım, sinir ağlarını eğitmek için kullanılan algoritmadır. Her ağırlığın çıktıdaki hataya ne kadar katkıda bulunduğunu son katmandan ilk katmana doğru geriye çalışarak hesaplar; böylece her ağırlık hatayı azaltmak için biraz ayarlanabilir.
Gizli katman nedir?
Gizli katman, girdi ile çıktı arasındaki herhangi bir nöron katmanıdır. Gizli katmanlar veriyi adım adım daha kullanışlı iç temsillere dönüştürür; daha fazla gizli katman eklemek ağı daha derin yapar.
İlgili sayfalar
- Makine ÖğrenmesiYapay Zekâ ve Makine Öğrenmesi, s. 30Makine öğrenmesi, bilgisayarların elle yazılmış kurallar yerine verilerdeki örüntüleri öğrenerek tahmin yaptığı bir yapay zekâ dalıdır.
- Derin ÖğrenmeYapay Zekâ ve Makine Öğrenmesi, s. 14Derin öğrenme, görüntü ve metin gibi ham verilerden karmaşık örüntüleri öğrenmek için çok katmanlı sinir ağları kullanan bir makine öğrenmesi alt kümesidir.
- TransformerYapay Zekâ ve Makine Öğrenmesi, s. 45Transformer, bir dizideki her token'ın diğerleriyle ilişkisini attention ile tartan ve çoğu modern LLM'e güç veren bir sinir ağı mimarisidir.
- LLMYapay Zekâ ve Makine Öğrenmesi, s. 28LLM, çok büyük metin yığınlarıyla eğitilmiş ve bir sonraki en olası metin parçasını tekrar tekrar tahmin ederek dil üreten bir makine öğrenmesi modelidir.
- AlgoritmaProgramlamanın Temelleri, s. 1Algoritma, bir listeyi sıralamak ya da en kısa yolu bulmak gibi bir sorunu çözmek veya bir işi tamamlamak için izlenen, sonlu ve adım adım yönergeler bütünüdür.
- Geri YayılımYapay Zekâ ve Makine Öğrenmesi, s. 22Geri yayılım (backpropagation), her ağırlığın hataya katkısını ölçüp her ağırlığı hatayı azaltan yönde biraz ayarlayarak sinir ağlarını eğiten algoritmadır.
Bu sayfada bir hata ya da eksik mi gördünüz?Düzeltme önerin