Herkese selamlar, ben yazılım ekibinden Suppressor.
5 GB'lık bir kütüphane indiriyordum ve @Bunjo'ya bu konuyu yazmam hakkında bir fikir sormam gerektiğini düşündüm. O da bence yazmalısın dedi, bu yüzden buradayım.
Daha fazla boş yapmadan konuya geçeyim.
(Bu konu teorik bilgiler içerecek.)
Derin Öğrenme Nedir?
Derin Öğrenme; Nesne tanıma doğal dil işleme gibi alanlarda katmanlı yapay sinir ağlarını kullanan
bir yapay zeka yönetimidir ayrıca makine öğrenmesi çeşitlerinden birisidir
derin öğrenme geleneksel makine öğrenmesi yollarını kullanmayarak farklı olarak kodlanmış yazılım algoritmaları yerine
resim video ses gibi verilerin simgelerinden otomatik olarak karşısından olan şeyin ne olduğunu öğrenebilmektedir
Esnek yapıda olduklarından gam resim ya da metin verisinden belirtilen konuyu öğrenebilmekte ve verinin büyüklüğüne göre
çıkardığı sonucun doğruluk olasılığı daha da fazla artmakta bununla birlikte derin öğrenme örnekler üzerinden öğrenme işlemini gerçekleştirmektedir
Makinenin çözmesini istenen bir problem için kural setleri kullanarak çözüme ulaşmak yerine
verilen örneklerden en mantıklısını bularak probleme çözüm sağlamasını sağlayan bir model verilmesi
yeterlidir problemin çözümündeki hatayı düzeltebilmek için de verilmesi yeterlidir
problemin çözümündeki hatayı düzeltebilmesi için de basit bir komut listesi verilerek makinin öğrenme işlemini gerçekleştirmesi
istenmektedir model seçimi problemin çözümünde etkin rol oynar probleme uygun olarak belirlenecek model problemin çözümüne daha fazla katkıda bulunup istenen sonuca daha hızlı ve daha başarılı şekilde sonuç verecektir
derin öğrenme kavramı ilk kez 2006 yılında Hinton tarafından çok katmanlı yapay sinir ağlarının daha verimli eğitilebileceğini
öne sürmesiyle piyasaya giriş yapmıştır
Derin öğrenmenin mantığını anlamız için size bir örnek vereceğim
Isac Newton un yer çekimini bulma hikayesi ağacın altında oturuken
kafasında elma düşmesi sonucu olduğuna inanılır
Peki Newton oturduğu ağacın elma ağacı olduğunu nereden biliyordu ve kafasına düşen nesnenin elma olduğundan nasıl emin olabiliyordu
Newton oturduğu yerin bir ağaç altı olduğunu nasıl öğrenmişti
En basit olarak yukarıdaki elmaların bir tanesi yeşil 2 tanesi kırmızı
peki buradan elmanın sadece yeşil ya da kırmızı renge sahip olan bir nesne
olduğunu sonucuna varabilir miyiz? Bu sonuca ulaştığımızda da karşımıza "kırmızı ya da yeşil renge sahip her meyve elma mıdır"
sorusu ortaya çıkacaktır bunu daha basitçe açıklama gerekirse bir nesneyi gördüğümüzde bunun binlerce farklı nesneden
ayırt etmemize olanak sağlayan şeyin insan insan beyninin nesnelerin hatırlanması olarak yorumlayabiliriz
Öğrenme sürecinin anne karnında başladığı uzmanlar tarafından tarafından açıklanmıştır
bu süreç geliştikçe insanlar daha karmaşık problemler çözebilmeye başlar
Beynimizin ne kadar çok işleve sahip olduğu Aşşağıdaki görselde belirtilmiştir
İnsanların günümüzde tasarlanan yapay zekalardan isteği insanların kendi işlerini kolaylaştırması üzerindedir
Bu konu hakkında bazı sorular akılda merak uyandırmıştır
makinelerin kısıtlı belleklerinde insanların istediği şeyleri nasıl gerçekleştirebilecekleri
bu merak uyandıran sorular üzerine araştırma yapılarak bu konular aydınlatılmaya başlamıştır
Peki yapay zeka nedir makineler daha zeki nasıl olabilir Yapay zeka insanların öğrenme sürecini taklit etmesi olarak nitelendirilir
insanın öğrenme olayını beynine gerçekleştirdiğini ele alır isek beynin bilgi işleme kapasitesi incelenmiştir
makinelerin de insan gibi öğrenebilmesi için beyinde öğrenme sürecinde etkisi olan nöron adı verilen sinir hücresi taklit edilmeye çalışmıştır
Nöronda denrit hücre çekirdeği hücre gövdesi akson miyelin kılıf ranvier boğumlu schwann ve askon uçları bölümleri bulunmaktadır
insandaki sinir hücreleri olan nöronların taklit edilmesi sonucunda yapay nöron kavramı ortaya atılmıştır
Derin Öğrenme Kavramları
Nöron
Sinir ağını temel yapısını oluşturan nöron beynimizin temel elemanıdır yani bir bilgi nörona geldiğinde
bilgi nöron tarafından işlenir ve sonra çıktıya dönüştürülür
Nöral ağda ise nörona gelen bir girdi alınır işlenir ve sonraki işlem için diğer nöronlara gönderilen bir çıktı yada sonuç çıktısı üretilir
Örnek gerçek nören ve yapay nöron örneği
Tabi bu bazı insanlar için böyle değildir:
Herneyse konumuz bu değil
Ağırlıklar
Girdi nörona geldiğinde bir ağırlık ile çarpılır iki girişli bir nöronda
her bşr nöron girişi o girişe atanan bir ağırlığa sahiptir rastgele başlatılan
bu ağırlıklar modelin eğitimi süresince güncellenmektedir sinir ağı tarafından
eğitim sonrasında daha önemli olduğu düşünülen girdilere daha
yüksek ağırlık değeri verilmektedir
bununla birlikte sinir ağı tarafından sıfır ağırlık değeri verilen bir girdinin önemsiz olduğu kanaatine ulaşılabilir
bir a girdisinin w1 ağırlığı ile ilişkilendirildiğini var sayar isek düğümden geçtikten sonra giriş a*w1 olarak ifade edilir
Sapma (Bias)
Girdiye uygulanan ağırlıktan farklı ek olarak uygulanan doğrusal bileşene sapma veya bias denilmektedir
Bu sapma değeri giriş olarak tanımlanan ve girdinin ağırlık ile çarpımı sonucunda ağrılık katsayılı girişin aralığını değiştirmek
için temel olarak eklenmektedir sapma değerinin eklenmesi sonucunda giriş a*w1+bias olarak ifade edilmektedir
bu girdi dönüşümünün son doğrusal bileşenidir.
Konu şimdilik bu kadardı yarın devamını getireceğim.
Konuyu yazarken yanıma gelip benimle sohbet ettikleri için:
@Kruvazör @Bunjo @Hea7 @'ReDLiNe
Teşekkür ederim
(Konuda herhangi bir hata var ise belirtin düzenleyeyim)
Son düzenleme:
