Yapay sinir ağı (neural network), bilgisayarların insana ait sinir sistemini taklit ederek veri işlemesini öngören yapay zeka modelidir. Bir tür makine öğrenme (machine learning) süreci olan yapay sinir ağı, insan beynine benzeyen katmanlı ve düğümlü yapıda çalışır. Çalışma esnasında karşılaştığı hatalar ile kendi kendine öğrenen bir sisteme sahiptir. Genelleme yapma, karar verme, görüntü işleme gibi birçok alanda kullanılır.

Yapay Sinir Ağı Nedir?

Yapay sinir ağı, insan beyninin çalışma sisteminden yararlanarak yeni bilgiler oluşturma, türetme ve bu sayede karmaşık problemleri kendi kendine çözme becerisi geliştiren bilgisayar sistemleridir. Biyolojik öğrenme modelini matematiksel modele dönüştürür. İnsandaki nöronların çalışma sisteminin modellenmesi sonrasında bilgisayar sistemlerine uygulanabileceği fikri ortaya atılır. İlk yapay sinir ağı modeli, 1943 yılında Amerikalı bir nörofizyolog Warren Sturgis McCulloch ile Amerikalı bir matematikçi Walter Pitts tarafından, birlikte yazdıkları makalede ifade edilmiştir.

Yapay Sinir Ağı Nasıl Çalışır?

Yapay sinir ağı, biyolojik sinir sistemine benzer bir yapıda çalışır. Yapay sinir ağının en temel yapı taşı yapay sinir hücresidir ve düğüm adı verilir. Gerçek sinir hücrelerinden esinlenerek modellenmiştir. Düğümler kendi aralarında matematiksel hesaplamalar yaparak iletişim kurarlar. Bu sayede veri aktarımını sağlayıp problemi çözerler.

Basit bir yapay sinir ağı mimarisi sadece girdi ve çıktı katmanlarından oluşur. Dış dünyadan toplanan veriler girdi katmanından sisteme girip işlenir, ardından çıktı katmanından işlenmiş veri olarak çıkar ve sonuç elde edilir. Sinir ağı mimarisi içerisinde milyonlarca düğümün yer aldığı ara katmanlar ve karşılaştırma verisi varsa derin yapay sinir ağı mimarisi olarak adlandırılır.

Yapay Sinir Ağı Modelleri Nelerdir?

Yapay sinir ağı modelleri olarak üç gruptan bahsedilir: Yapılarına göre, öğrenme algoritmalarına göre ve öğrenme zamanına göre.

Yapılarına Göre Yapay Sinir Ağları

Yapay sinir ağları yapılarına göre dört başlıkta gruplandırılır:

• Tek katmanlı algılayıcılar: Sadece girdi ve çıktı katmanına sahiptir. Çıkış değeri 1 veya -1 değerlerinden birini alan doğrusal fonksiyondur.
• Çok katmanlı algılayıcılar: Girdi ve çıktı katmanlarının yanında ara katmanın da bulunduğu modellerdir. Çıktı değerleri olarak doğrusal olmayan fonksiyon üretir.
• İleri beslemeli yapay sinir ağları: Girişten çıkışa doğru veri akışının olduğu modellerdir. Katmanlar arası bağlantı yönü doğrusaldır. Giriş katmanına gelen bilgi ara katmana aktarıldıktan sonra çıkış katmanına iletilir.
• Geri beslemeli yapay sinir ağları: Katmanlar arası veri akışı ileri doğru giderken bazı verilerin geriye doğru iletildiği modellerdir. Giriş katmanından gelen bilgi ara katmana iletilir. Veri işleme aşamasında hata benzeri bir bilgi elde edilirse, ara katmandaki veri hem çıkış katmanına hem de giriş katmanına doğru iletilir.

Öğrenme Algoritmalarına Göre Yapay Sinir Ağları

Yapay sinir ağları öğrenme ile ilgili algoritmalar göre üç başlıkta gruplandırılır:

• Danışmanlı öğrenme: Öğrenme aşamasında sisteme giren verilerin nasıl çıktı vereceği bilgisi en başta öğretilir. Buna göre çıktı vermesi beklenir. Yapay sinir ağı istenilen çıktıyı vermezse hata payı hesaplanır ve sistemin ağırlık değeri buna göre güncellenir.
• Danışmansız öğrenme: Öğrenme aşamasında sadece örnek girdiler tanımlanır. Sistemin kendi kurallarını oluşturması beklenir.
• Destekleyici öğrenme: Öğrenme aşamasında sistemin her verdiği çıktıya dışarıdan iyi-kötü gibi iki değere göre değerlendirme yapılır. Sistemin en uygun çıktıyı bulmasına destek verilir.

Öğrenme Zamanına Göre Yapay Sinir Ağları

Yapay sinir ağları öğrenme zamanına göre iki başlıkta gruplandırılır:

• Statik öğrenme: Yapay sinir ağı modeli kullanılmadan önce eğitilir. Öğrenme süreci tamamlandıktan sonra kullanıma açılır. Kullanım esnasında çalışma sistemine müdahale edilmez.
• Dinamik öğrenme: Yapay sinir ağı modeli kullanım esnasında da öğrenme sürecinin devam ettiği modellerdir.

Yapay Sinir Ağları Ne için Kullanılır?

Yapay sinir ağları teknolojiyi merkeze alan birçok alanda kullanılır. Yaygın olarak görüntü ve ses işleme, doğal dil işleme, öneri sistemleri gibi teknolojilere sahip altyapılar yapay sinir ağları modellerini kullanmayı tercih ederler. Bu alanlar örnek verilebilir:

• Tıbbi görüntüleme yardımıyla teşhis yöntemleri
• Sosyal medya paylaşımlarına göre davranışsal hareket analizi
• Plaka okuma sistemi gibi görüntü işleme yöntemleri
• Şehir trafiği yoğunluğunu analiz etme
• Elektrik kullanımına göre talep tahminleri yapma