Yapay Sinir Ağları |
Avantaj ve Dezavantajları

İnsan beynini taklit etmedeki ustalığıyla bilinen yapay sinir ağlarının nasıl çalıştığını, bilim dünyasına getirdiği avantajları ve halen üstesinden gelinmeye çalışılan dezavantajlarını yazımızda bulabilirsiniz.

A- A+

15.02.2015 tarihli yazı 25507 kez okunmuştur.

Yapay sinir ağları (YSA) en basit tanım ile insan beyninin modellenmesidir ve yapı taşı nöronlardır. İnsan beyninde ortalama 100 milyar nöron bulunmaktadır. Her bir nöronda 1.000 - 100.000 arasında bağlantı noktası vardır. İnsan beyninde bilgi bu bağlantılara dağıtılmış halde saklanmaktadır ve bizler gerektiğinde bu bilgilerin birden fazlasını aynı anda paralel olarak hafızamızdan çekip kullanabiliriz. Bu yapısıyla bir insan beyninin çok ama çok güçlü binlerce paralel işlemcinin bir araya gelmesiyle oluştuğunu söylesek pek de yanılmayız.

►Şekil 1: Nöron yapısı

►İlginizi Çekebilir : Matlab ile Ses Bölütleme

Çok katmanlı yapay sinir ağları içinde de insan beynine benzer şekilde yerleştirilmiş nöronlar bulunmaktadır. Her nöron diğer nöronlara belli katsayılar ile bağlantılıdır. Eğitim sırasında bilgi bu bağlantı noktalarına dağıtılarak ağın öğrenilmesi sağlanır.

►Şekil 2 :Yapay Sinir Ağı Katmanları

►İlginizi Çekebilir : Evrendeki Zeka

Şekil 2'de görüldüğü gibi bir sinir ağı girdi katmanı, ara katman ve çıktı katmanı olmak üzere 3 katmandan oluşmaktadır. Burada gösterilen mavi kutucukların her biri nöronları, oklar da bağlantı noktalarını temsil etmektedir. Girdi katmanında eğitim için hazırlanan veri seti ağa gösterilir. Ağ ara katmandaki bağlantı noktalarına öğrendiği olayların ağırlıklarını atar. Her bağlantı noktasının bir değeri olmak zorunda olmadığı gibi bazı noktaların değeri sıfır da olabilir. Bağlantı noktalarındaki sıfır değerlerinin çıktımızı da sıfır yapmaması için katmanlar arasında bir eşik değeri eklenmektedir.

Son olarak ağımızı test etmemiz gerekmektedir. Bunun için veri setinden farklı olarak çıktı sonuçları olmayan bir test seti ağa gösterilir. Ve ağ bize bu test setinin her olayı için bir çıktı değeri verir. Bu çıktı değerlerinin yorumlanması ile de sonuçlar elde edilir.

Yapay Sinir Ağları (YSA)’nın Avantajları

►Bilgilerin ağın tamamında saklanması: Geleneksel programlamada olduğu gibi bilgiler bir veri tabanında değil, ağın tamamına yayılarak saklanır. Bir yada bir kaç bilginin kaybolması ağın çalışmasını engellememektedir.

►Eksik bildi ile çalışabilme: YSA'lar eğitildikten sonra veriler eksik bilgi içerse dahi, çıktı üretebilirler. Burada performans kaybı eksik bilginin önemine bağlıdır.

►Hata töleransına sahip olma: YSA'ların bir ya da birden fazla hücresinin bozulması çıktı üretmesini engellemez. Bu özellik ağları hata töleransına sahip kılar.

►Dağıtık hafızaya sahip olma: YSA'nın öğrenebilmesi için örneklerin belirlenmesi, bu örneklerin ağa gösterilerek istenen çıktılara göre ağın eğitilmesi gerekmektedir. Ağın başarısı, seçilen örnekler ile doğru orantılıdır, ağa olay bütün yönleri ile gösterilemezse ağ yanlış çıktılar üretebilir

►Dereceli bozulma: Bir ağ, zaman içerisinde yavaş ve göreceli bir bozulmaya uğrar. Ağ problemin ortaya çıktığı anda hemen bozulmaz.

►Makina Öğrenmesi yapabilme: Yapay sinir ağları olayları öğrenerek benzer olaylar karşısında yorum yaparak karar verebilirler.

►Paralel işlem yeteneği: Yapay sinir ağları birden fazla işi aynı anda gerçekleştirebilecek sayısal güce sahiptir.

►İlginizi Çekebilir : Yapay Sinir Ağları

Yapay Sinir Ağları (YSA)'nın Dezavantajları

►Donanım bağımlı olması: Yapay sinir ağları yapısı gereği paralel işlem gücüne sahip işlemcilere ihtiyaç duymaktadır. Bu nedenle gerçekleştirilmesi donanıma bağımlıdır.

►Ağın davranışlarının açıklanamaması: Bu, YSA'ların en önemli sorunudur. YSA bir probleme çözüm ürettiği zaman, bunun neden ve nasıl olduğuna ilişkin bir ipucu vermez. Bu durum ağa olan güveni azaltıcı bir unsurdur.

►Uygun ağ yapısının belirlenmesi: Yapay sinir ağlarının yapısının belirlenmesinde belirli bir kural yoktur. Uygun ağ yapısı deneyim ve deneme yanılma yolu ile elde edilmektedir.

►Problemin ağa gösterim zorluğu: YSA'lar nümerik bilgiler ile çalışabilmektedirler. Problemler YSA'lara tanıtılmadan önce nümerik değerlere çevrilmek zorundadırlar. Burada belirlenecek gösterim mekanizması ağın performansını doğrudan etkileyecektir. Bu da kullanıcının yeteneğine bağlıdır.

►Ağın eğitim süresinin bilinmemesi: Ağın örnekler üzerindeki hatasının belirli bir değerin altına indirilmesi eğitimin tamamlandığı anlamına gelmektedir. Bu değer bize optimum neticeler vermemektedir.

Bilim dünyasına 20 yüzyılın ortalarında adım atan yapay sinir ağları gelişimini hızla devam ettirmektedir. Bugün ki aşamada yapay sinir ağlarının bize sağladığı avantajları ve kullanımı aşamasında karşılaşılan sorunları yazımızda inceledik. Gelişmekte olan bir bilim dalı olan YSA ağlarının dezavantajlarının birer birer giderildiği ve avantajlarının da her geçen gün arttığı unutulmamalıdır. Bu da demek oluyor ki yapay sinir ağları hayatımızdaki önemini giderek artıracak ve vazgeçilmez bir parçamız olacaktır.

Kaynak:

►Engineeronadisk