Page 94 - Neşide Dergisi 6.Sayı

DOSYA

• Bilginin içeriğine göre, eksiklikleri tamam- Şemada yer alan mimariye göre, x’ler arasın-
layabilirler. da sadece x ve x arasında bir bağ vardır ve
2 i
• Belirsizlikleri ayrıştırabilir ve spesifik bir bu bağ zayıf bir bağdır. Bunun aksine, x’lerin
yapı içerisine alabilirler. y’ye doğru girdileri gözetilecek olursa, y’nin
kuvvetli bir bağa sahip olduğu sonucu ortaya
• Birden çok bellek ve depolama yapılarına
çıkar (Castro, 2007).
sahip olabilirler.
Hebb Net modeli uygulama esnasında, sınıf-
YSA’nın yukarıda söz edilen işlevlerinin yerine
landırma yöntemlerini kullanmaktadır. Bu se-
getirilebilmesi için, donanımsal anlamda çe- beple, bu modele göre, herhangi bir öğren-
şitli yetkinliklere sahip olması gerekmektedir.
menin tamamlanıp tamamlanmadığı anlamak
Bu yetkinlikler; yüksek işlem hızları yapabilen,
için, veriler ve çıktılar arasındaki bağların za-
tasarlanabilir ve güncellenebilir yapılara sa-
yıflığı ve kuvvetliliği dikkate alınır.
hip olabilen, programlanabilme özelliklerine
sahip olabilen, yüksek seviyeli veri girdi ve
çıktılarından etkilenmeyen ve yüksek işlem Perceptron Modeli
hassasiyetlerine sahip olabilen donanım par- Hebb Net modelinin tanınmasından ve kabul
çaları olarak sayılabilir (Akdoğan, 2016). edilmesinden sonra ortaya çıkan ikinci model
olarak bilinmektedir. Bu modele göre, öğren-
mede eksilmelerin olduğu kabul edilmiştir.
Yapay Sinir Ağlarının Modelleri
Mimari yapı açısından, Hebb Net modelinin
mimari yapısı kullanılmaktadır. Sınıflandırma-
Hebb Net Modeli
da üstün başarılar elde eden bu modele göre,
Yapay sinir ağları modellerinin içerisinde ilk öğrenmede saptanacak olan eksik değerler, o
bilinen model olarak kabul edilir. Öğrenme ve problemin karakteristiğini yansıtır.
öğretme teknolojilerinde kullanıldığı için bu
ismi almıştır (Castro, 2007). Hebb modelinin Herhangi bir problemin çözümü için, bağlar
yapısı oldukça basittir. Hebb modeline göre, arasındaki ilişkiye bakıldığında, saptanan ek-
iki hücre arasındaki ilişkiden bilgi alışverişine siklikler, çözülen problemin ne seviyede ve
bağlı ortaklık çok yönlü ise hücreler arasındaki hangi aşamada olduğunu açıkça belirtir. Bu
bağ kuvvetlidir. Aynı şekilde, iki hücre arasın- sebeple, Perceptron Modeli, hata ayıklama
daki ortaklık tek yönlü ise hücreler arasındaki metodolojisine dayandırılmış bir model ola-
bağ zayıftır. Bu nedenle bu modeldeki katman rak kabul edilir. Ayrıca, bir sistemin herhangi
mantığı, tek katmanlı yapılara bir örnek olarak bir problemi çözmesi sürecinde hatalar ile
gösterilebilir. Hebb Net modelinin şematik karşılaşılıyorsa, sistemin öğrenme durumun-
mimarisi ise aşağıdaki şekil gibidir: da olduğu kabul edilir (Castro, 2007).

Khonen’in Self Organizing Feature Map
(SOM) Modeli
Bu modele göre, beynin düşünce olarak çalış-
ması, birbiri ile ilişki hafıza parçalarının aktivi-
tesi sonucu meydana gelir. Bu stilin ismi ise,
“ilişkisel bellek” olarak adlandırılır. Bu modele
göre, bellek tipleri kendi aralarında otomatik
ilişkili ve zıt ilişkili bellek olmak üzere ikiye ay-
YAPAY ZEKÂ rılır. Herhangi bir nesne baz alınırsa, nesnenin
öğrenilmesi ve öğretilmesi için, otomatik bel-
lek ile zıt ilişkili bellek birbirleri ile ilişkili bir
şekilde çalışmalıdır.

kendi kendine öğrenme ile ilgilidir. Bu se-
Şekil 2. Hebb net’in mimarisi (Castro, 2007) İlişkisel belleğin en büyük rollerinden biri ise,
Şekil 2 Hebb net’in mimarisi (Castro, 2007)
Şemada yer alan mimariye göre, x’ler arasında sadece x2 ve xi arasında bir bağ vardır ve bu bağ
zayıf bir bağdır. Bunun aksine, x’lerin y’ye doğru girdileri gözetilecek olursa, y’nin kuvvetli
92
bir bağa sahip olduğu sonucu ortaya çıkar (Castro, 2007).
Hebb Net modeli uygulama esnasında, sınıflandırma yöntemlerini kullanmaktadır. Bu sebeple,
bu modele göre, herhangi bir öğrenmenin tamamlanıp tamamlanmadığı anlamak için, veriler
ve çıktılar arasındaki bağların zayıflığı ve kuvvetliliği dikkate alınır.

Perceptron Modeli
Hebb Net modelinin tanınmasından ve kabul edilmesinden sonra ortaya çıkan ikinci model
olarak bilinmektedir. Bu modele göre, öğrenmede eksilmelerin olduğu kabul edilmiştir. Mimari
yapı açısından, Hebb Net modelinin mimari yapısı kullanılmaktadır. Sınıflandırmada üstün
başarılar elde eden bu modele göre, öğrenmede saptanacak olan eksik değerler, o problemin
karakteristiğini yansıtır.

Herhangi bir problemin çözümü için, bağlar arasındaki ilişkiye bakıldığında, saptanan
eksiklikler, çözülen problemin ne seviyede ve hangi aşamada olduğunu açıkça belirtir. Bu
sebeple, Perceptron Modeli, hata ayıklama metodolojisine dayandırılmış bir model olarak kabul
edilir. Ayrıca, bir sistemin herhangi bir problemi çözmesi sürecinde hatalar ile karşılaşılıyorsa,
sistemin öğrenme durumunda olduğu kabul edilir (Castro, 2007).

Khonen’in Self Organizing Feature Map (SOM) Modeli
Bu modele göre, beynin düşünce olarak çalışması, birbiri ile ilişki hafıza parçalarının aktivitesi
sonucu meydana gelir. Bu stilin ismi ise, “ilişkisel bellek” olarak adlandırılır. Bu modele göre,
bellek tipleri kendi aralarında otomatik ilişkili ve zıt ilişkili bellek olmak üzere ikiye ayrılır.
Herhangi bir nesne baz alınırsa, nesnenin öğrenilmesi ve öğretilmesi için, otomatik bellek ile
zıt ilişkili bellek birbirleri ile ilişkili bir şekilde çalışmalıdır.

İlişkisel belleğin en büyük rollerinden biri ise, kendi kendine öğrenme ile ilgilidir. Bu sebeple,
Kohen bu mimariyi oluşturuken, ilişkilendirmeye öenm vermiş ve objeler arasında simetrik bir
bağ kurmayı önemli bir yapı olarak işlemiştir. Bu mimari yapı, günümüzde çok
kullanılmaktadır. Bunun sebebi ipuçları ile sonuca varmak veya ipuçları ile yeni yöntemler
belirlemekle ilgilidir. Öğretmensiz bir öğrenme düşünülecek olursa; öğrenenin elde etmiş
olduğu materyal ve bilgiler ışığında, materyallerin öğrenilenler ile kuracağı ilişkilerden yola
çıkılarak herhangi bir sonuca varılabileceği bu model ile kanıtlanabilir.