İleri Beslemeli Ağlar (Feedforward Neural Networks)
Yazan : Şadi Evren ŞEKER
İleri beslemeli yapay sinir ağlarında temel olarak 3 çeşit katman (layer) bulunur. Giriş , gizli ve çıkış katmanları sırasıyla yapay sinir ağına giren verileri tutan giriş katmanı, işlemlerin yapıldığı ve istenilen sonuca göre kendisini eğiten gizli katman yada katmanlar ve son olarak çıkış değerlerini gösteren çıkış katmanıdır.
Bir gizli katmanın kaç seviye olacağı tamamen probleme göre belirlenmektedir. Her katman ve seviyede 1 veya daha çok sayıda sinir hücresi (nöron) bulunabilir.
Aşağıda örnek bir tek gizli katmanı bulunan ileri beslemeli ağ tasviri bulunmaktadır:

Yukarıdaki ağda dikkat edilirse bütün sinapsis yönleri (yani verinin akışı) giriş katmanından çıkış katmanına doğrudur.
Bir ileri beslemeli yapay sinir ağında her katmanda ne kadar sinir hücresi (neuron) olacağına aşağıdaki basit bir iki kurala göre karar verilebilir:
Öncelilkle giriş katmanı için nöron sayısına sistemin girdisi olan verinin sayısına göre kolayca karar verilebilir. Örneğin sistemimizin öğrenmesini ve daha sonra sınıflandırmasını istediğimiz örüntünün (pattern) kaç veri ünitesinden oluştuğuna (örneğin bit) göre giriş katmanındaki sinir hücresi sayısı belirlenebilir.
Kısaca giriş katmanındaki her sinir hücresi, sonucu etkilemesi istenen bir değişkene karşılık gelmektedir.
Benzer uygulama çıkış katmanı için de kullanılabilir. Buna göre çıkış bilgisinin nasıl gösterilmesi istendiğine karar verildikten sonra bu çıkışta bulunması istenen her değişken için bir sinir hücresi bulundurulması gerekir.
Örneğin bir sınıfladırma problemi için çıkış katmanında farklı sınıfların gösterilmesini sağlamaya yeterli miktarda sinir hücresi bulunması yeterlidir. Veya bir filitreleme problemi için giriş ve çıkıştaki nöronların sayısı genelde eşit olur.
« Doğrusal Sondalama (Linear Probing, Progressive Overflow) | Sigmoid Fonksiyon »
Yorumlar
Giriş yaparak yorum yazabilirsiniz.
Bilgisayar Kavramları üzerinde şu anda okumakta olduğunuz 'İleri Beslemeli Ağlar (Feedforward Neural Networks)' isimli yazı 02 Nov 2008 tarihinde, saat: 21:59 'de Şadi Evren ŞEKER tarafından gönderilmiş, toplam 99 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
İleri Beslemeli Ağlar (Feedforward Neural Networks)
Geri Yayılımlı Ağlar (Backpropagation Networks)
Self Organizing Maps (Özdüzenleyici Haritalar)
Kazanan Hepsini Alır (Winner Takes All)
Yapay Sinir Ağlarının Sınanması (Validating Artificial Neural Networks)
Sinir Ağlarında Katmanlar (Neuron Layers)
Tek Katmanlı Sinir Ağları (Single Layer Neural Networks)
Yapay Sinir Ağları ve Problem Çözümü
Yapay Sinir Ağlarının Eğitimi (Training Neural Networks)
Yapay Sinir Ağları (Artificial Neural Networks)
Doğrusal Fonksiyon (Linear Function)
Gizli Katman Sayısı (Number of Hidden Layer)
Özellik Çıkarımı (Feature Extraction)
Yahut Problemi (Özel Veya Problemi (XOR Problem, exclusive or))
Bağlantılar