Yapay Sinir Ağları - Artificial Neural Network

Yapay sinir ağları (YSA), insan beyninden esinlenerek geliştirilen ve günümüzde kodlama dünyasında sıklıkla kullanılan bir algoritmadır. Bir yapay sinir ağı, yapay sinir hücreleri arasında çeşitli bağlantılarla oluşur. Oluşan bu bağlantılar arasında önem (ağırlık ya da insan beynindeki “sinapslar”) vererek sonuca ulaşmayı amaçlar. Yeni bilgiler keşfetmekte ya da verilerin modellenmesinde dışarıdan yardım almadan, makine kendi kendine öğrenerek belirlenmiş amaca ulaşan bilgisayar (algoritma) sistemleridir.

Yapay sinir ağları modellemesinde giriş (x), çıkış(y) değişkenleri arasındaki ilişki y=f(x)+Hata şeklindedir. Burada hatayı(error) azaltmak için ağırlık(weight)(W) bilgileri ayarlanır ve atanır. Buradaki amaç girdilerin önemine göre bir işlem yaparak, girdilerle işlemi yapmaktır(aktivasyon fonksiyonu). Bir yapay sinir ağında gizli düğüm ya da düğümler olabilir. Model içinde veya giriş ve çıkış katmanları arasında gizlenmiş bir katman ve çevre ile doğrudan bağlantısı olmayan bir katman olabilir. Yapay sinir ağlarının avantajlarından olan bu işlem, yapıyı anlamamızda araştırmacıya kolaylık sağlar.

Bir yapay sinir ağları hücresinin yapıları ise; girdiler, ağırlıklar, toplama fonksiyonu, aktivasyon fonksiyonu ve çıktılardır.

Yapay sinir ağları(YSA)’ nın temelinde girdiler arasında bağlantıları oluşturan esas elemanlardan, bağlantı ağırlıklarının belirlenmesinde öğrenme algoritmalarından fonksiyon oluşturmaktır. Her eleman birbirlerine veri setindeki önemine göre ağırlıklarla bağlıdır. Bu ağırlıklar ise, o iki elemanın bağlantı gücünü gösterir.

Yapay sinir ağları, veri yapısına göre çok katmanlı olabilir. Zaman serilerinde bu durum sıkça karşımıza çıkmaktadır. Gizli katman sayısını ve yapısını belirlemek gerekir. Ağın toplam kaç adet basamaktan oluşacağı, bu basamakların (katmanların) kaç işlem yapacağı, kaç farklı katmana ne kadar ağırlıkla bağlanacağı gibi değerlerin belirlenmesi gerekmektedir. Bu işlemlerle birlikte yapay sinir ağları oluşturulmuş olur. Eğer tahmin modeli oluşturulacaksa yapay sinir ağlarından, bundan sonra yapılması gereken durum kaç tane öngörü yapacağını belirtmek olacaktır. Belirlenen öngörü sayısına(dönemine) göre çıkış nöronu belirlenir.

Yapay sinir ağları, ileri istatistiksel yöntemlerine karşı veri seti için herhangi bir varsayıma ihtiyaç duymaz. Yapay sinir ağlarının temel özelliği ve görevi, veri setindeki yapıyı öğrenmek ve istenilen göreve göre genelleştirmeler yapmasıdır. Bunu yapabilmesi için eğitim veri setinin üstünde çalışarak ağırlıkları belirlemesidir. Böylece her bir gözlemle ağırlıklar değişerek zamanla daha güclü ve sapması azalan bir yapıya dönüşecektir. Böylelikle çıktı olarak verdiği tahminde ya da yapıda genelleştirme yeteneği daha güclü olacaktır. “Ağın ürettiği sonuçlar ise; ağa girilen bilgilerin kendi ağırlıkları (W) ile çarpımlarının toplanması sonucu elde edilen net girdinin, bir transfer fonksiyonu ile işlenmesi ile çıktı katmanından alınmaktadır.”Öztemel, E., (2003)

Yapay sinir ağlarında yapının kaç gizli katmandan oluşacağı ya da kaç tane nöronla birleşeceği gibi sayıların belli bir kuralı yoktur. Burada bu sayıları belirlerken deneme yanılma yolu ile belirlenir. Bu çalışmada validasyon işlemleri ile bu sayı belirlenmeye çalışılacaktır. Büyük yapılar için genelde bir ya da iki gizli katman sayılarının yeterli olacağı literatürde belirtilmiştir. Tekrar belirtilmelidir ki bu sayıları belirlemek için bir formül olmadığından test edilerek belirlenmelidir.