Yapay sinir ağları, insan beyninin özelliklerinden olan öğrenme yolu ile yeni bilgiler türetebilme, yeni bilgiler oluşturabilme ve keşfedebilme gibi yetenekleri herhangi bir yardım almadan otomatik olarak gerçekleştirmek amacı ile geliştirilen bilgisayar sistemleridir. Bu yetenekleri geleneksel programlama yöntemleri ile gerçekleştirmek oldukça zordur veya mümkün değildir. O nedenle, yapay sinir ağları bilim dalının, programlanması çok zor veya mümkün olmayan olaylar için geliştirilmiş adaptif bilgi işleme ile ilgilenen bir bilgisayar bilim dalı olduğu söylenebilir.
Yapay sinir ağları, olayların örneklerine bakmakta, onlardan ilgili olay hakkında genellemeler yapmakta, bilgiler toplamakta ve daha sonra hiç görmediği örnekler ile karışılışınca öğrendiği bilgileri kullanarak o örnekler hakkında karar verebilmektedir. 1990’lı yıllardan beri bilgisayarların öğrenmesini sağlayan Yapay Sinir Ağları teknolojisinde oldukça hızlı bir gelişme görüldü. Yapay sinir ağları, insan beyninin özelliklerinden olan öğrenme yolu ile yeni bilgiler türetebilme, yeni bilgiler oluşturabilme ve keşfedebilme gibi yetenekleri herhangi bir yardım almadan otomatik olarak gerçekleştirmek amacı ile geliştirilen bilgisayar sistemleri olduklarından hem yeni gelişmelere neden oldular hem de nasıl çalıştığı bilinmeyen insan beyni hakkında yapılan araştırmalara da önemli katkılar sağladılar ve sağlamaktadırlar.
Başka bir bakış açısıyla Yapay Sinir Ağları teknolojisi insanlığın doğayı araştırma ve taklit etme çabalarının en son ürünlerinden bir tanesi olarak da yorumlanabilir.
Yapay Sinir Ağları, basit biyolojik sinir sisteminin çalışma şeklini simüle etmek için tasarlanan programlardır. Simüle edilen sinir hücreleri (nöronlar) içerirler ve bu nöronlar çeşitli şekillerde birbirlerine bağlanarak ağı oluştururlar. Bu ağlar öğrenme, hafızaya alma ve veriler arasındaki ilişkiyi ortaya çıkarma kapasitesine sahiptirler. Diğer bir ifadeyle, YSA’lar, normalde bir insanın düşünme ve gözlemlemeye yönelik doğal yeteneklerini gerektiren problemlere çözüm üretmektedir. Bir insanın, düşünme ve gözlemleme yeteneklerini gerektiren problemlere yönelik çözümler üretebilmesinin temel sebebi ise insan beyninin ve dolayısıyla insanın sahip olduğu yaşayarak veya deneyerek öğrenme yeteneğidir.
Biyolojik sistemlerde öğrenme, nöronlar arasındaki sinaptik (synaptic) bağlantıların ayarlanması ile olur. Yani, insanlar doğumlarından itibaren bir yaşayarak öğrenme süreci içerisine girerler. Bu süreç içinde beyin sürekli bir gelişme göstermektedir. Yaşayıp tecrübe ettikçe sinaptik bağlantılar ayarlanır ve hatta yeni bağlantılar oluşur. Bu sayede öğrenme gerçekleşir. Bu durum YSA için de geçerlidir. Öğrenme, eğitme yoluyla örnekler kullanarak olur; başka bir deyişle, gerçekleşme girdi/çıktı verilerinin işlenmesiyle, yani eğitme algoritmasının bu verileri kullanarak bağlantı ağırlıklarını (weights of the synapses) bir yakınsama sağlanana kadar, tekrar tekrar ayarlamasıyla olur.
YSA’lar, ağırlıklandırılmış şekilde birbirlerine bağlanmış bir çok işlem elemanlarından (nöronlar) oluşan matematiksel sistemlerdir. Bir işlem elemanı, aslında sık sık transfer fonksiyonu olarak anılan bir denklemdir. Bu işlem elemanı, diğer nöronlardan sinyalleri alır; bunları birleştirir, dönüştürür ve sayısal bir sonuç ortaya çıkartır. Genelde, işlem elemanları kabaca gerçek nöronlara karşılık gelirler ve bir ağ içinde birbirlerine bağlanırlar; bu yapı da sinir ağlarını oluşturmaktadır.
Sinirsel (neural) hesaplamanın merkezinde dağıtılmış, adaptif ve doğrusal olmayan işlem kavramları vardır. YSA’lar, geleneksel işlemcilerden farklı şekilde işlem yapmaktadırlar. Geleneksel işlemcilerde, tek bir merkezi işlem elemanı her hareketi sırasıyla gerçekleştirir. YSA’lar ise herbiri büyük bir problemin bir parçası ile ilgilenen, çok sayıda basit işlem elemanlarından oluşmaktadır. En basit şekilde, bir işlem elemanı, bir girdiyi bir ağırlık kümesi ile ağırlıklandırır, doğrusal olmayan bir şekilde dönüşümünü sağlar ve bir çıktı değeri oluşturur. İlk bakışta, işlem elemanlarının çalışma şekli yanıltıcı şekilde basittir. Sinirsel hesaplamanın gücü, toplam işlem yükünü paylaşan işlem elemanlarının birbirleri arasındaki yoğun bağlantı yapısından gelmektedir.
Çoğu YSA’da, benzer karakteristiğe sahip nöronlar tabakalar halinde yapılandırılırlar ve transfer fonksiyonları eş zamanlı olarak çalıştırılırlar. Hemen hemen tüm ağlar, veri alan nöronlara ve çıktı üreten nöronlara sahiptirler.
YSA’nın ana öğesi olan matematiksel fonksiyon, ağın mimarisi tarafından şekillendirilir. Daha açık bir şekilde ifade etmek gerekirse, fonksiyonun temel yapısını ağırlıkların büyüklüğü ve işlem elemanlarının işlem şekli belirler. YSA’ların davranışları, yani girdi veriyi çıktı veriye nasıl ilişkilendirdikleri, ilk olarak nöronların transfer fonksiyonlarından, nasıl birbirlerine bağlandıklarından ve bu bağlantıların ağırlıklarından etkilenir.
Bu sayfalarda hem yapay sinir ağlarının felsefesi anlatılmış hem de bu teknolojinin teknik ayrıntılarına yer verilmeye çalışılmıştır.
Yapay Sinir Ağları İle İlgili Kavramlar ve Algoritmalar
Hebb Kuralı veya Öğremesi (Hebb Rule / Hebbian Learning)
Perceptron
Perceptron Learning
Adaline and Madaline
Adaptive Resonance Theory (ART)
Back-Propagation (BP)
Bi-Directional Associative Memory
Boltzman Machine
Brain-State-in-a-Box
Cascade-Correlation Networks
Counter-Propagation
Functional-link Networks
Hamming Networks
Hopfield Networks
Learning Vector Quantization (LVQ)
Destek Vektör Makinesi (Support Vector Machine (SVM))
Neocognitron
Khonen Ağları (Kohonen Networks)
Probabilistic Networks
Recirculation Networks
Yapay Sinir Ağlarının Türleri
Özdüzenleyici Haritalar (Self-Organizing Maps (SOM))
Katmanlı Sinir Ağları (Convolutional Neural Networks)
Radial Basis Function (RBF) Network
İleri Beslemeli Sinir Ağları (Feedforward Neural Networks (FFNN))
Yinelenen Sinir Ağları (Recurrent Neural Networks (RNN))
Kaynak: http://www.yapay-zeka.org/modules/wiwimod/index.php?page=ANN
Yapay-Zeka.org Kaynaklar
Yapay Sinir Ağları – Ercan Öztemel
http://www.figes.com.tr/matlab/yapay.sinir.aglari.php – Matlab’ta Yapay sinir ağları uygulamarının kod anlatımıyla desteklenmiş Türkçe bir webinar (B.Tayfun YEŞİLYURT)
http://tr.wikipedia.org/wiki/Yapay_sinir_ağları
http://ilkerkalayci.net/yapay-sinir-a%C4%9Flar%C4%B1-ile-%C3%A7i%C3%A7ek-tan%C4%B1ma.html
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa.pdf
http://ysa.somee.com/
http://fbim.fh-regensburg.de/~saj39122/jfroehl/diplom/e-index.html
http://documents.wolfram.com/applications/neuralnetworks
http://www.willamette.edu/~gorr/classes/cs449/intro.html
http://www.nea.fr/html/science/docs/1996/nsc-doc96-29/nsc-doc96-29-v1.pdf
http://www.jooneworld.com/ – Joone – Java Object Oriented Neural Engine
Neural Networks as Cybernetic Systems, http://www.brains-minds-media.org/archive/615
http://derindelimavi.blogspot.com/2008/02/yapay-zeka-tbbn-hizmetinde-1.html
http://derindelimavi.blogspot.com/2008/03/yapay-zeka-tbbn-hizmetinde-2.html
http://galaxy.agh.edu.pl/~vlsi/AI/backp_t_en/backprop.html
http://galaxy.agh.edu.pl/~vlsi/AI/projekty.html
Yapay-Zeka.org sayfalarında bulunan bilgi ve belgelerin, kaynak gösterilmek koşulu ile GÖBL çerçevesinde kullanılması serbesttir. XOOPS’a teşekkürler.
