İsmail Kırbaş ile Tasarım Yolculuğu [AnaSayfa] İsmail Kırbaş ile Tasarım Yolculuğu [AnaSayfa] İsmail Kırbaş ile Tasarım Yolculuğu [AnaSayfa]
 Site Haritası 
 
Site Map
Ana SayfaYeriniz | Ana Sayfa | Makaleler | Yüksek Lisans Çalışmaları | Yapay Sinir Ağları | Backpropagation (Geri Yayılım Algoritması )

Diğer Yazılar
Yapay Sinir Ağları


E-posta Gönderin Yorum Yazın
Güvenlik Kodu:6762Güvenlik Kodu:6762Güvenlik Kodu:6762Güvenlik Kodu:6762




En Son Okunan 10 Makale
  1. Grafik Tasarım Ürününün Öğeleri
  2. Hayata Uygulanacak Özlü Sözler
  3. PHP Güvenliği - Basit PHP Güvenliği
  4. Pazarlama Amaçlı Halkla İlişkiler (MPR)
  5. Programcılık
  6. 10 Maddede Kullanıcı Odaklı Tasarım
  7. Yöneticilik Dersleri
  8. İnsan İlişkileri Üzerine
  9. Zaman Yönetimi Teknikleri
  10. İnternetten
 
Backpropagation (Geri Yayılım Algoritması )>
Yazı Tipi KüçültYazı Tipi BüyütAna SayfaYazıcıdan ÇıkarPDF Belgesi Olarak GörüntüleFavorilerime EkleArkadaşıma Tavsiye EdeceğimRTF (Word Dokümanı) olarak görüntüle

Karmaşık verilerin sınıflandırılmasında kullanılan etkin YSA modellerinden birisi;ilk olarak Werbos tarafından düzenlenen daha sonra Parker,Rummelhart ve McClelland tarafından geliştirilen geri yayınım ağıdır (Back Propagation Network ).İlk uygulamaları yazılı metinden söz sentezi , robot kollarının kontrolüdür.Sınırları ise denetimli eğitim giriş ve çıkış örneklerinin çok sayıda olması-dır.Backpropagation günümüzde en yaygın kullanılan öğrenimi kolay sonuçları etkin bir YSA'dır.

   Yayınma ve uyum gösterme ( Propagate - Adapt ) olmak üzere iki aşamadaişlemleri gerçekleştiren GYA , katmanlar arasında tam bir bağlantının bulunduğu çok katmanlı ( Multilayer ) , İleri Beslemeli (Feed Forward ) ve Denetimli ( Supervised ) olarak eğitilen bir YSA modelidir.

   Geri yayınım algoritması ( Backpropagation ) bir çok uygulamalarda kullanılmış en yaygın öğrenme algoritmasıdır.Anlaşılması kolay ve tercih edilen öğretme algoritmasıdır.Bu algoritma ; hataları geriye doğru çıkış tan girişe azaltmaya çalışmasından dolayı geri yayılım ismini almıştır. Geri yayılmalı öğrenme kuralı ağ çıkışındaki mevcut hata düzeyine göre herbir tabakadaki ağırlıkları yeniden hesaplamak için kullanılmaktadır. Bir geri yayınımlı ağ modelinde giriş , gizli ve çıkış olmak üzere 3 katman bulunmakla birlikte , problemin özelliklerine göre gizli katman sayısını artırabilmek mümkündür.

Backpropagation
Şekil1:Geri yayılmalı yapay sinir ağının genel yapısı.


   Giriş katmanı;giriş veri gruplarının ağa sunulduğu terminallerdir.Bu katmanda nöron sayısı , A giriş veri sayısı kadardır ve herbir giriş nöronu bir veri alır.Burada veri işlenmeden bir sonraki katman olan gizli katmana geçer.

   Gizli katman;ağın temel işlevini gören katmandır.Bazı uygulamalarda ağda birden fazla gizli katman bulunabilir.Gizli katman sayısı ve katmandaki nöron sayısı B,probleme göre değişir , tamamen ağ tasarımcısının kontrolündedir ve onun tecrübesine bağlıdır.Bu katman;giriş katmanından aldığı ağırlıklandırılmış veriyi probleme uygun bir fonksiyonla işleyerek bir sonraki katmana iletir.Bu katmanda gereğinden az nöron kullanılması giriş verilerine göre daha az hassas çıkış elde edilmesine sebep olur.Aynı şekilde gerektiğinden daha çok sayıda nöron kullanılması durumunda da aynı ağda yeni tip veri gruplarının işlenmesinde zorluklar ortaya çıkar.

   Çıkış katmanı;ağının en uç katmanıdır.Gizli katmandan aldığı veriyi ağın kullandığı fonksiyonla işleyerek çıktısını verir.Çıkış katmanındaki nöron sayısı , C ağa sunulan her verinin çıkış sayısı kadardır.Bu katman dan elde edilen değerler yapay sinir ağının söz konusu problem için çıkış değerleridir.

    Back propagation ağında;bir katmandan bir başka katmana,aradaki kat manı atlayarak geçebilmek mümkün değildir.

   Bir giriş verisinin ağın ilk katmanında yer alan dügümlere uygulan-dığında en üst katman olan çıkış katmanına erişinceye kadar , bu veri üzerinde çeşitli işlemler gerçekleştirilir.Bu işlemlerin sonucunda elde edilen fiili çıktı, olması gereken çıktı ile karşılaştırılır.Fiili ve olması gereken değerler arasındaki fark , her çıktı düğümü için bir hata sinyali oloarak hesaplanır.Hesaplanan hata sinyalleri ,her çıktı düğümüne karşı gelen ara katmandaki düğümlere aktarılır.Böylece ara katmandaki düğümlerin herbiri toplam hatanın sadece hesaplanan bir kısmını içerir.Bu süreç her katmandaki düğümler toplam hatanın belirli bir kısmını içerecek şekilde giriş katmanına kadar tekrarlanır.Elde edilen hata sinyalleri temel alınarak , bağlantı ağırlıkları her düğümde yeniden düzenlenir.Bu düzenleme tüm verilerin kodlanabileceği bir duruma ağın yakınsamasını sağlar.
   
   Yukarıda anlatıldığı gibi;ileri besleme safhasında ,giriş tabakasındaki nöronlar veri değerlerini doğrudan gizlikatmana iletirler.Gizli katmandaki herbir nöron kendi giriş değerlerini ağırlandırarak toplam değer hesap ederler ve bunları bir taşıma fonksiyonu ile işleyerek bir ileriki tabakaya veya doğrudan çıkış katmanına iletirler.Katmanlar arasındaki ağırlıklar başlangıçta rastgele küçük rakamlardan seçilir.
   
   Çıkış katmanındaki , herbir nöron ağırlıklandırılmış değeri hesaplandık tan sonra , bu değer yine taşıma fonksiyonu ile karşılaştırılarak mevcut hata minimize edilmeye çalışılır.Hata değeri belli bir mertebeye ininceye kadar iterasyon işlemine devam edilir ve böylece ağın eğitim aşaması tamamlanmış olur.Katmanlar arasındaki bağlantılardaki ağırlık değerleri eğitimi tamamlamış ağdan alınarak deneme safhasında kullanılmak üzere saklanır.



Not: Yazılar konusundaki yorumlarınız için lütfen Yorum Yazın bölümümüzü kullanın.

Yazar : Bahadır
Son Güncelleme : 29 Eylül 2005, Perşembe
Sayfa Sürümü : 1
Okunma Adedi : 10,056
Son Okunma : 2017-06-27 15:25:41
Kaynaklar : http://www.backpropagation.netfirms.com

Yapay Sinir AğlarıBackpropagation (Geri Yayılım Algoritması )
© [Site Haritası]
| Makaleler | Seyir Defteri | Kaynaklar | İndirin | İletişim |

RSS dosyasını görmek için tıklayınız. RSS dosyasını görmek için tıklayınız.XML versiyonu için tıklayınız WAP versiyonu için tıklayınız Bu site DyNA İçerik Yönetim Sistemi üzerinde çalışmaktadır.
İsmail KIRBAŞ ile Tasarım Yolculuğu Anasayfa İsmail KIRBAŞ ile Tasarım Yolculuğu Anasayfa İsmail KIRBAŞ ile Tasarım Yolculuğu Anasayfa
ismail kırbaş ile web sitesi tasarimi sitemap ismail kırbaş ile web sitesi tasarimi sitemap
  Sitemizde 7 kişi çevirimiçi | Bugün =178 | Dün =187 | Bu Ay=5,174 | Günlük En Fazla=1,109 tekil ziyaretçi