Hebb Kuralı (Hebb’s Rule)
Yazan : Şadi Evren ŞEKER
Bilgisayar bilimlerindeki yapay sinir ağlarının eğitimi sırasında kullanılan bir kuraldır. Hebbian kuramı (Hebbian theory), hebbian kuralı (hebbian rule) isimleri ile de anılmaktadır. Bu kuralı basitçe “Birlikte ateşlenenleri birlikte bağla” şeklinde özetleyebiliriz. Buna göre iki sinir hücresinin birlikte ateşlenmeleri ile ayrı ayrı ateşlenmeleri arasında sistemin eğitimi açısından fark olmaktadır. Basitçe aynı anda ateşlenen sinir hücreleri ayrı ayrı ateşlenselerdi sisteme etkileri daha düşük olur.
Aslında biyolojik çalışmalar sonucunda elde edilmiş olan bu kuralı yapay sinir ağlarına uygulamak ve başarılı sonuçlar elde etmek mümkündür.
Hebb kuralında her sinapsisin yeni ağırlığı basitçe giriş çıkış ve öğrenme oranının çarpımıdır.
Δwij = μ ai ji
Yukarıdaki bu formülde her sinapsisin (i ve j indisindeki) ağırlığındaki değişim oranı giriş(ai ) ve çıkışın (ji) çarpımıdır. μ sembolü ile ifade edilen değer ise öğrenme oranıdır. Buna göre μ değeri arttıkça ağırlık değişimleri artmakta buna paralel olarak da eğitim hızı artmaktadır.
Aşağıdaki fonksiyon ile hesaplanabilir:
float ogrenme ( float giris, float cikis , float oran){
return giris*cikis*oran;
}
Bu öğrenme miktarı ise ilgili ağırlık matrisine eklenmelidir :
w[i][j] += ogrenme (giris[i],cikis[j],oran);
şeklinde artış hesaplanabilir. Bu işlemin sayısal bir örneğini aşağıdaki tabloda görebiliriz:
| Durumlar | Nöron Değeri | Nöron Çıktısı | Hebb Öğrenme Oranı | Ağırlık Değişimi |
| Durum 1 | +1 | -1 | 1*1*-1 | -1 |
| Durum 2 | -1 | +1 | 1*-1*1 | -1 |
| Durum 3 | +1 | +1 | 1*1*1 | +1 |
| Durum 4 | -1 | -1 | 1*-1*-1 | +1 |
Yukarıda görüldüğü üzere farklı durulmardaki nöronların farklı girdi ve çıktılar için ağırlığın nasıl değişeceği hesaplanmıştır. Yukarıdaki formüllerde öğrenme oranı 1 olarak sabit alınmıştır ancak farklı uygulamalarda bu sayının değişmesi mümkündür.
« Hata Hesabı (Error Calculation) | En Küçük Ortalamalı Kareler (Least Mean Squares) »
Yorumlar
Giriş yaparak yorum yazabilirsiniz.
Bilgisayar Kavramları üzerinde şu anda okumakta olduğunuz 'Hebb Kuralı (Hebb’s Rule)' isimli yazı 27 Oct 2008 tarihinde, saat: 13:58 'de Şadi Evren ŞEKER tarafından gönderilmiş, toplam 136 defa okunmuştur.
Benzer yazıları Yapay Sinir Ağları (Artificial Neural Networks) kategorilerinden okuyabilirsiniz. Yazar ile irtibat kurmak için email gönderebilirsiniz. Yazıya yorum yapabilir ya da yapılan yorumları RSS 2.0 ile takibe alabilirsiniz.
Eklenen Son Yazılar
- OpenGL İsim Dizisi
- OpenGL Nesne Seçimi (Object Picking)
- Java Bean
- Türkçe Netbeans
- C ile Zaman İşlemleri
- JSP Oturumları (JSP Sessions)
- JSP Direktifleri (JSP Directives)
- JSP ve HTML
- JSP Etiketleri (JSP Tags)
- Netbeans ile JSP
Yapılan Son Yorumlar
- Şadi Evren ŞEKER: Yukarıdaki şekilde en altta bulunan...
- hercumartesi: 777/10 mod23 işleminde takıldığım...
- hercumartesi: 2P = R olarak gösterip s için (3xP^2 + a)...
- Şadi Evren ŞEKER: Toplama işlemi sonucunda mod işlemi...
- bazenvebazen: n q b b w derken n q p b w demek istedik?...
Yakın Yazılar
Bağlantılar