Page 93 - Neşide Dergisi 6.Sayı

DOSYA

re gelmemiştir. En çok kullanılan türü konuşma çerçevesinde, gerçekleşmesi için, beyin ta-
ile ilişkilendirilmiş, ses ve cevap bölümleridir. rafından oluşturulan sistemler bütünü olarak
Özetlemek gerekirse, otomatik bir yapıya bağ- tanımlanabilir. Yapay sinir ağlarının sistemler
lanmış olan sistemlerin, belirli koşulları sağla- bütünü biçiminde çalışmasının en büyük ne-
yıp sağlamadığı sonucu üretilen ve oynatılan deni, katmanlı bir yapıya sahip olmasıdır. Bey-
sesler gibi düşünülebilir. Örnek vermek gere- nin sahip olduğu bu katmanlı yapı sayesinde,
kirse; telefon ile birine ulaşılamadığı esnada, sistemler arası oluşturulan köprülerin de des-
operatörün otomatik olarak bizi uyarması, bir teği ile katmanlar arası bilgi transferi gerçek-
örnek olabilir. Bu örnek içerisinde de bir koşul leşir ve böylelikle beynin algı görevi yerine
vardır ve koşul sağlanmadığı takdirde uygula- getirilmiş olur (Caner Yağcı, 2005, s. 19).
maya geçilir (TOZKAN, 2004, s. 13).
Yapay sinir ağlarının oluşmasında en büyük
Algılama yeteneklerinin simülasyonu ile il- role sahip olan katman yapıları, beynin bilgi
gili bir diğer tür, işitme ile elde edilen ses işleme modeline çok benzemektedir (TOZ-
tanımlama uygulamalarıdır. Bu yöntem, ses KAN, 2004, s. 18). Yapay sinir ağlarının kat-
parçalarının ayrıştırılması sonucu elde edilen manlı yapısı içerisinde yer alan her katman
Yapay sinir ağlarının oluşmasında en büyük role sahip olan katman yapıları, beynin bilgi işleme
frekansların dönütleri sonucunda çalışır. Ara- birbirine paralel olarak bağlanmış bir yapıya
modeline çok benzemektedir (TOZKAN, 2004, s. 18). Yapay sinir ağlarının katmanlı yapısı
ma motorlarındaki, mikrofon ile arama yapma sahiptir. Bu sebeple, her bağlantının bir işlem
özelliği bu uygulamanın örneği olarak sayıla- merkezi ile ilişkisinin olduğu da kesindir (Ak-
içerisinde yer alan her katman birbirine paralel olarak bağlanmış bir yapıya sahiptir. Bu sebeple,
bilir. Bu yöntemin kullanılması için, çok iyi bir doğan, 2016).
her bağlantının bir işlem merkezi ile ilişkisinin olduğu da kesindir (Akdoğan, 2016).
veri tabanına ihtiyaç duyulur. Bunun sebebi,
veri tabanına farklı ses türlerinin çok defa tanı-
tılması ve veri tabanının eğitilmesi ile ilgilidir.
Algılama yeteneklerinin en zor olan uygula-
ması, görme uygulamalarıdır. Görme uygula-
malarının temelinde karşılaştırma vardır. Veri
tabanı içerisine, tanıtılmak istenen objenin
veya resmin, ortalama 30-40 adet benzeri ve
orijinal resimleri makine tarafından türetilerek
yüklenir. Yüklenen bu resimler ile asıl obje bir
kamera yardımı ile birbirine tanıtılır. Gerekli
eşleştirme işlemi sağlanırsa, uygulama başarı
ile çalıştırılmış kabul edilir.
Şekil 1 Yapay Sinir Hücresi (Uğur & Kınacı, 2006)
Şekil 1. Yapay Sinir Hücresi (Uğur & Kınacı, 2006)

Robotik Uygulamalar Yapay Sinir Ağlarının Temel İşlevleri
Bilgisayarlar ile elektronik robotların bir
Yapay Sinir Ağlarının Temel İşlevleri
uyumluluk ilkesi ile bütünleşerek çalışması • YSA’nın, kendisine verilen her bir girdi (ör,
•
YSA’nın, kendisine verilen her bir girdi (ör, soru, talep, vb.…) için, bir çıktı üretme
sonu elde edilen yapay zekâ türüdür. Özellik- soru, talep, vb.…) için, bir çıktı üretme gö-
görevleri vardır.
le endüstride kullanılan, üretim ve tasarım ro- revleri vardır.
botlarının, bilgisayarlar yardımı ile görevlen- • Bilgi ve dönüt üretebilmek için, önceden
Bilgi ve dönüt üretebilmek için, önceden yüklenen ve kaydedilen verileri saklama ve
•
dirilmesi ve yönlendirilmesidir. Bilgisayarın yüklenen ve kaydedilen verileri saklama
kullanma görevlerine sahiptirler.
robota tanımladığı yön, mesafe ve zaman gibi ve kullanma görevlerine sahiptirler.
Genelleme yapabilme yeteneğine sahip olarak, istenilen ve istenen veriyi düzenleme ve
•
konularda, robotun elde ettiği komutlara göre • Genelleme yapabilme yeteneğine sahip
YAPAY ZEKÂ
hareket ettirilmesi bu uygulama alanı içerisin- olarak, istenilen ve istenen veriyi düzenle-
kullanma görevlerine sahiptirler.
de yer almaktadır.
• Sınıflandırma ve genelleme yöntemlerini, elde edilen veriler için, ilişkilendirme
me ve kullanma görevlerine sahiptirler.
metotları ile ilişkilendirirler (Uğur & Kınacı, 2006).
• Sınıflandırma ve genelleme yöntemlerini,
Yapay Sinir Ağları (YSA) elde edilen veriler için, ilişkilendirme me-
• Bilginin içeriğine göre, eksiklikleri tamamlayabilirler.
Tanım olarak; beynin yerine getirmesi gere- totları ile ilişkilendirirler (Uğur & Kınacı,
Belirsizlikleri ayrıştırabilir ve spesifik bir yapı içerisine alabilirler.
•
ken görevlerinin belirli sistemler ve yöntemler 2006).
• Birden çok bellek ve depolama yapılarına sahip olabilirler.
YSA’nın yukarıda söz edilen işlevlerinin yerine getirilebilmesi için, donanımsal anlamda çeşitli
yetkinliklere sahip olması gerekmektedir. Bu yetkinlikler; yüksek işlem hızları yapabilen,
91
tasarlanabilir ve güncellenebilir yapılara sahip olabilen, programlanabilme özelliklerine sahip
olabilen, yüksek seviyeli veri girdi ve çıktılarından etkilenmeyen ve yüksek işlem
hassasiyetlerine sahip olabilen donanım parçaları olarak sayılabilir (Akdoğan, 2016).
Yapay Sinir Ağlarının Modelleri
Hebb Net Modeli
Yapay sinir ağları modellerinin içerisinde ilk bilinen model olarak kabul edilir. Öğrenme ve
öğretme teknolojilerinde kullanıldığı için bu ismi almıştır (Castro, 2007). Hebb modelinin
yapısı oldukça basittir. Hebb modeline göre, iki hücre arasındaki ilişkiden bilgi alışverişine
bağlı ortaklık çok yönlü ise hücreler arasındaki bağ kuvvetlidir. Aynı şekilde, iki hücre
arasındaki ortaklık tek yönlü ise hücreler arasındaki bağ zayıftır. Bu nedenle bu modeldeki
katman mantığı, tek katmanlı yapılara bir örnek olarak gösterilebilir. Hebb Net modelinin
şematik mimarisi ise aşağıdaki şekil gibidir: