Biyolojik Nöronlardan Yapay Sinir Ağlarına

İnsanoğlunun doğayı araştırma ve simüle etme çabalarının en son ürünlerinden bir tanesi YSA teknolojisidir. YSA, basit biyolojik sinir sisteminin çalışma şeklini simüle etmek için tasarlanmış programdır. Simüle edilen nöronlar çeşitli şekillerde birbirlerine bağlanarak ağı oluşturmaktadır ve bu ağlar öğrenme, hafızaya alma ve datalar arasındaki ilişkiyi ortaya çıkarma kapasitesine sahiptir (Yurtoğlu, 2005).

YSA yapısı üç ana elemandan oluşmaktadır. Şekil 1.8’de görülebileceği gibi, YSA’ların yapısını oluşturan üç temel işlem elemanı olan nöron, girdi ve çıktı yolunu sağlayan bağlantı ve bu bağlantıların sağlamlığını sağlayan bağlantı ağırlığıdır.

Şekil 1.8. Yapay sinir ağı mimarisinin temel elemanları

YSA metodolojisinin uygulama adımlarına bakıldığında, basit ama yoğun bir yapı ve YSA’nın bazı temel özellikleri daha net anlaşılabilmektedir. YSA’nın mimarisi inşa edilmesi ve çeşitli matematiksel algoritmalardan biri kullanılarak üretilen çıktıların doğruluğunu maksimize etmek için gerekli olan ağırlık değerleri belirlenebilmektedir (Bahadır, 2013).

YSA giriş setindeki değişiklikleri değerlendirerek öğrenir ve buna bir çıktı vermektedir. Şekil 1.9’da görüldüğü üzere öğrenme işlemi benzer giriş setleri için aynı çıktıyı verebilecek bir öğrenme algoritması gerçekleştirebilmektedir. Öğrenme kümesindeki girdilerin istatistiksel özelliklerini çıkararak benzer girdilerin gruplandırılmasını sağlayan bir işlemdir.

Nöron i Wij Nöron j

35

Şekil 1.9. İki çıkış katmanlı bir yapay sinir ağının çalışma prensibi

Sinir yapılarına benzer ağların eğitimi, normal bir canlının eğitimine benzemektedir. Sınıfların ayrılması ve kendini geliştirmesi, öğrenme algoritması tarafından örnek kümeden alınan bilginin adım adım işlenmesi yoluyla elde edilmektedir. YSA kullanarak makinelere öğrenme, genelleme yapma, sınıflandırma, tahminde bulunma ve algılama gibi öğrenme becerileri kazandırılmıştır.

Daha önce de belirttiğimiz gibi, YSA insan beyninden esinlenilmiş bir simüle programdır. Bu neden ile YSA’ların yapısını anlamak için insan beyninin yapısını ve varsayılan çalışma prensibini anlamak önemlidir. Ancak, tahmin edilebileceği gibi insan beyni, kompleks yapısı ile anlaşılması ve anlatılması zor bir organdır. Beyinin anatomisi bir düzen ve hızda bir bütün olarak çalışma prensibi bilim adamlarınca hala anlaşılamamıştır.

Beyin, sinir sisteminin merkezini oluşturan temel elemandır. En basit şekilde, sürekli olarak iletilen bilgiyi alır, işler ve uygun kararları vererek gerekli mercilere iletir. Basit gibi görünmekle birlikle aslında oldukça karmaşık bir yapıya sahiptir. Haykin (1999), karmaşık yapıyı basit bir blok diyagramda gösterimi yapmaktadır. Şekil 1.10’da görüldüğü üzere, dışarıdan veya başka bir organlardan gelen uyarı sinyalleri alıcılar yolu ile sinir ağına aktarmaktadır. Uyarılı sinyalleri işlemden geçerek çıktı sinyallerini oluşturmaktadır. Oluşturulan çıktı sinyali ise ileticiler yolu ile dış ortama veya diğer organlara iletmektedir.

Giriş Gizli Çıkış Katmanı Katman Katmanı G i r i ş l e r Ç ı k ı ş l a r

36 Şekil 1.10. Sinir sisteminin blok diyagramı

Şekil 1.10’da sinir ağı olarak gösterilen ortadaki bölüm ise beyini temsil etmektedir yani sinir sisteminin merkezi konumundadır.

YSA temel işlem elemanı olan yapay nöronlar, doğal nöronların dört temel fonksiyonunu simüle etmektedir. Genel hali ile bir yapay nöronun temel yapısı, Şekil 1.11’de sunulmaktadır.

. .

. .

. .

Şekil 1.11. Yapay nöronun genel yapısı

Şekil 1.11 biyolojik nöronun basit matematiksel modelinin bir örneği olarak da düşünülebilmektedir. Toplama fonksiyonu olarak doğrusal bir fonksiyon ve birim adım fonksiyonu olarak transfer fonksiyonu kullanılmış olduğu görülmektedir. Temelde biyolojik nörona benzer bir şekilde, işlem elemanı toplama fonksiyonu sonucunun belirli bir eşik değerinin altında veya üstünde olmasına göre çıktısını iki olasılık arasından seçerek oluşturmaktadır (Bahadır, 2013).

Birden fazla yapay nöronlar bir araya gelerek YSA oluşturur. Bu hücrelerin bir araya gelmesi rasgele değildir. Ağdaki nöronlar katman içine yerleştirilir ve çoğunlukla hücreler üç katman halinde ve her katman içinde paralel olacak şekilde bir araya gelerek

Reseptör Tepki

Uyarı

Sinyali Sinir Ağı Effektör

Ʃ

χ1 χ2 χ3 χn w1 w2 w3 wn Giriş kısmı Çıktı kısmı Ağırlıklar Toplanma noktası İşlem Elemanı Transfer Fonksiyonu

φ

Çıkış

37

ağı oluşturmaktadır. Her katmandaki düğümler sadece kendinden bir önceki katmanda bulunan düğümlerden giriş alabilir. Bir düğüm kendinden sonraki bir nörona bağlanırken kendine asla bağlanmamaktadır.

Şekil 1.12. İki Çıkışlı çok katmanlı bir yapay sinir ağı

Şekil 1.12’de görüldüğü gibi çok katmanlı yapay sinir ağ (ÇKYSA) modeli giriş katmanı, gizli katman ve çıkış katmanı olmak üzere üç farklı katmandan oluşmaktadır. Giriş katmanı gelen bilgilerin gizli katmana iletildiği katmanıdır. Gizli katman ise bir veya birden çok sayıda olabilir. Gizli katman girdi katmanından alınan bilgiler işlenmektedir. Çıktı katmanında ise gizli katmandan alınan bilgilere karşılık her bir girdi için çıktı değerleri saptanmaktadır. Tüm katmanlar arasında proses elemanları birbiriyle bağlantılıdır.

YSA, insan beyninin varsayılan çalışma prensibini model alınarak kontrol edilerek geliştirilmeye çalışılmıştır ve aralarında olası benzerlikler görülmektedir. Bu benzerlikler çizelge 1.5’de verilmiştir.

38

Çizelge 1.5. Yapay sinir ağları ile biyolojik sinir sisteminin benzerlikleri

Yapay Sinir Ağları Biyolojik Sinir Sistemi

Sinirsel Hesaplama Sistemi Sinir Sistemi İşlem elemanı (X) Nöron (Sinir) İşlem elemanları arasındaki

bağlantı ağırlıkları (W)

Sinaps

Toplama fonksiyonu (Ʃ) Dendrit İşlem eleman çıkısı (Y) Aksonlar Transfer fonksiyonu Hücre gövdesi

İnsanoğlunda öğrenme, nöronlar arasındaki sinaps bağlantıların ayarlanması yoluyla gerçekleşmektedir. Nöronlar çok sayıda dendritler aracılığıyla giriş uyarılarını almaktadırlar. Dendritler tarafından alınan bir giriş, tetikleyici veya yasaklayıcı olabilir. Girişler toplanır ve hücre gövdesine yerleştirilir. Bu giriş, belirli bir eşik değerini aştığı zaman, hücre akson aracılığıyla diğer hücrelere bir etki gönderir ve bu basit tanım ile yapay nöron için bir model teşkil eder (Ersoy ve Karal, 2012).

Belgede Mesleki ve teknik lise öğrencilerinin fen dersleri (fizik-kimya-biyoloji) başarılarının yapay sinir ağları ile tahmini ve başarısızlık için alınacak tedbirler : Türkiye - Malezya karşılaştırması (sayfa 55-59)