Yapay sinir ağları (neural networks) insan beyninden ilham alınarak oluşturulmuş yapay zeka metodudur. Yapay sinir ağları, nöronların birbirine bağlanmasıyla katmanlar haline getirilmiş bir ağ yapısı oluşturularak insan beyninin işleyişine benzer hale getirilir. Böylece, yapay zeka modeli hatalarından öğrenerek kendini gittikçe geliştiren bir yapı oluşturur. Bu sebeple, bu yapay ağlar karmaşık problemlerin çözümünde oldukça etkilidir.
Her yapay sinir ağı bir girdi (input) katmanı, bir veya daha fazla sayıda gizli katmanı ve bir çıktı (output) katmanı içerir. Yapay sinir ağlarındaki, iki komşu katmandaki bütün düğümler birbiriyle bağlantılıdır, bu düğümlerin her birinin belirli bir ağırlığı (weight) ve bir eşiği (threshold) vardır. Düğüm aldığı girdi ile elindeki ağırlığı kullanarak belirli bir çıktı elde eder. Eğer bu çıktı düğümün eşiğinden büyük bir değerse elindeki çıktı değerini kendisinden sonraki katmandaki düğüme ya da düğümlere gönderir. Aşağıdaki fotoğraf bir yapay sinir ağının görsel gösterimidir.
Yapay Sinir Ağları Türleri
- Beslemeli Yapay Sinir Ağları: Bu ağlar veriyi tek yönlü (girdiden çıktı yönüne doğru) işler. Her bir düğüm, bulunduğu katmandan sonraki katmandaki bütün düğümlerle bağlıdır fakat aynı katmandaki hiçbir düğüm bir diğerine bağlı değildir. Diğer yapay sinir ağlarına göre daha basit bir yapısı vardır ve aynı zamanda daha hızlıdır.
- Tekrarlayan Yapay Sinir Ağları: Bu tip ağlar ardışık ya da zaman serileri şeklinde olan verileri kullanırlar. Bu derin öğrenme algoritması genellikle doğal dil işleme, çeviri, ses tanımlama, görüntü tanımlama gibi alanlarda kullanılır. Bu algoritmadaki önemli bir nokta veri setindeki bir verinin kendisinden önceki verilere bağımlı olmasıdır.
- Evrişimli Sinir Ağları: Bu tip ağlar, beslemeli yapay sinir ağlarına benzerler fakat bu ağlar görüntü işleme, örüntü tanıma gibi alanlarda kullanılır. Bu ağlardaki gizli katmanlar, bazı matematiksel fonksiyonlar kullanarak veriyi işler. Örneğin, bir görüntüdeki örüntüleri tespit edebilmek için lineer cebir prensiplerinden yararlanırlar. Kullandıkları bu prensiplerle görüntünün işlenmesi için gerekli kısımları ortaya çıkarabilirler. Bu da daha doğru bir tahmin yapılması için önemlidir. Her bir katman, görüntüdeki köşeler, renkler ya da derinlik gibi çeşitli ögeleri ortaya çıkarır.
Kaynakça:
- https://aws.amazon.com/what-is/neural-network/#:~:text=A%20neural%20network%20is%20a,that%20resembles%20the%20human%20brain.
- https://www.ibm.com/topics/recurrent-neural-networks
- https://www.geeksforgeeks.org/difference-between-feed-forward-neural-networks-and-recurrent-neural-networks/
- https://www.ibm.com/topics/neural-networks
