şükela:  tümü | bugün
  • yapay zeka ve tahmin modeli oluşturmak için kullanılan yöntem.

    (bkz: neuro solutions)
  • ilham aldığı insan sinir sistemine korkutucu derecede benzer şekilde çalışmasıyla insanı büyüleyen ağlar.
  • her hangi bir matematiksel fonksiyon ile tanımlanamayacak karışık sistemleri çok düşük hatayla modelleyebilirler.

    misal 5 tane girdisi(fabrikada işlenen maddeler), 3 tane çıktısı (fabrikadan çıkan zehirli gazlar) olan bir sistemin girdi çıktı değerlerini yıllarca kaydettiniz. sonra kendinize "ben bu girdi çıktıların bir grafiğini çizeyim, bir analiz edeyim, aralarında nasıl matematiksel bir bağlantı var çözeyim, böylece daha verimli bir sistem elde etmenin yollarını bulurum ve zehirli gazları daha rahat ayrıştırırım" dediniz. ama sonuçta kaotik bir grafik ile karşılaştınız. öyle bir şey ki çözülecek gibi değil. işte bu karışık sistemi 5 tane girdi nöronu ve 3 tane çıktı nöronu olan bir yapay sinir ağı olarak modelleyebilirsiniz. bu iş için 'matlab-neural network toolbox' programı vardır, süperdir.
  • (bkz: artificial neural network)

    bir yapay zeka tekniği-yaklaşımı.

    temel olarak insan beyninin çalışma mekanizması örnek alınarak geliştirilmesi amaçlanmış yaklaşım. ilk kez 1940'lı yıllarda ortaya atılmış. ve geliştirilme sürecinde uygulanan test problemlerinden birisi olan exor kapısı problemi için, o dönem hiç bir makine tasarımı cevabı öğrenemeyince, çalışmaları bir 1956 yılına kadar rafa kalkmış. yani kardeşi fuzzy logic'e göre daha yaşlı.

    exor kapısı testindeki temel problem de lineer olmayan yapı ile ilgili. şimdi şöyle açıklamakta fayda var;
    insan beyninin çalışma mekanizması örnek alınarak derken, beynimizin en önemli özelliklerinden birisi öğrenme yetisi diye vurgu yapmak gerekiyor. bu özellikler; hafıza, genelleştirme, giriş çıkış ilişkisi kurma ve non-lineer ilişkileri öğrenme, bulanık durumlarda dahi muhakeme yeteneği, parallel processing şeklinde uzayıp gidiyor. bu noktada öğrenme üzerine bir çift kelam etmek gerekirse; bir durumun matematiksel izahı lineer olduğu durumlarda öğrenmenin daha kolay olduğunu bilmek gerekiyor. exor kapısı problemindeki non-lineer durumdan dolayı öğrenme gerçekleşmemiş zamanında. sonrasında problemin üstesinden non-lineer aktivasyon fonksiyonları geliştirilerek geliniyor.

    şimdi bir nöron hücresi modeli düşünelim. hatta düşünemiyorsak google görseller yardımı ile kendimizi yormayalım. dendrit bağlantı noktaları bir hücrenin birden fazla hücre ile etkileşimini sağlıyor. buradan gelecek verileri sistemin birden fazla olan girişi gibi düşünürsek, ve çekirdek kısmında bu verilerin toplanıp, birinin seçilip, işleme uğrama durumu var. sonrasında akson ucu denilen kısma ve diğer hücrelere iletilen bir sistem çıkışımız da var. alın size hücre boyutunda sistem ve bunlardan bir sürü toplayıp devasa bir sistem daha. çekirdek kısmındaki işlem için yapay sinir ağları yaklaşımı şöyle diyor; aldığın verileri bir ön işlemden geçir bunu büyük ı harfi ile ifade et. birisini seç yani. sonra duruma göre lineer veya lineer olmayan bir aktivasyon fonksiyonu seç. bu da y=f(ı) olsun. yani işleme uğrat ve çıkış olarak bunu ilet.

    temel işleyiş bu şekilde. insan sinir sistemi komple karmaşık bir yapı olduğundan ondan esinlenerek yapılan bir yaklaşım da biraz karmaşık olabiliyor. yapay zeka dersinde dinlediklerim bu kadardı. bugünlük yapay zeka kuşağımızın sonuna geldik. teşekkürler sözlük.