Yapay Sinir Ağlarının Sınıflandırılması

YSA’yı bağlantı yapısına, öğrenme yöntemine ve katman sayısına göre 3 ayrı sınıfa ayırmak mümkündür.

1.4.6.1 Bağlantı Yapısına Göre Yapay Sinir Ağları

Bağlantı yapısına göre YSA iki başlık altında incelenmektedir. Bunlar ileri beslemeli ağlar ve geri beslemeli ağlardır.

İleri Beslemeli Ağlar

İleri beslemeli bir ağda işlem elemanları genellikle katmanlara ayrılmıştır. İşlemci elemanlar, bir katmandan diğer bir katmandaki tüm işlem elemanlarıyla bağlantı kurarlar.

Ancak işlem elemanlarının aynı katman içinde kendi aralarında bağlantıları bulunmaz ve bu ağlar girdi veriye genellikle hızlı bir şekilde karşılık üretirler. İleri beslemeli ağlarda bilgi akışı girdi katmanından gizli katmana, gizli katmandan da çıktı katmanına doğru geri besleme olmaksızın tek yönde yapılmaktadır (Şekil 11) (Zhang, 2003; Bayramoğlu, 2007;

Akaytay, 2010).

63

Şekil 11: İleri beslemeli Yapay Sinir Ağı.

Geri beslemeli ağlar

Geri beslemeli YSA’da ileri beslemeli olanların aksine bir hücrenin çıktısı sadece kendinden sonra gelen hücrenin katmanına girdi olarak verilmez. Kendinden önceki katmanda veya kendi katmanında bulunan herhangi bir hücreye de girdi olarak bağlanabilir (Şekil 12).

Bu yapısı ile geri beslemeli YSA, doğrusal olmayan dinamik bir davranış göstermektedir.

Dolayısıyla, geri beslemenin yapılış şekline göre farklı yapıda ve davranışta geri beslemeli YSA yapıları elde edilebilmektedir. Ayrıca, hem ileri besleme hem de geri yayılma olarak tanımlanabilecek ağ yapıları da mevcuttur (Çayıroğlu, 2017).

Şekil 12: Geri beslemeli Yapay Sinir Ağı.

64

1.4.6.2 Öğrenme Yöntemine Göre Yapay Sinir Ağları

Öğrenme yöntemine göre YSA’da değişik öğrenme stratejileri kullanılmaktadır. Genel olarak; danışmanlı öğrenme, danışmansız öğrenme ve destekleyici öğrenme stratejisinin uygulandığı görülmektedir.

Danışmanlı Öğrenme

Danışmalı öğrenmede, dışarıdan bir eğiticinin YSA’ya müdahalesi söz konusudur. Eğitim sırasında, hem girdi değerleri hem de o girdi değerleri için istenen çıktı değerleri sisteme verilir. Gerçekleşen çıktıyla hedeflenen (beklenen) çıktılar arasındaki hata hesaplandıktan sonra, ağın yeni ağırlıkları bu hata payına göre düzenlenir. Hata payı hesaplanırken ağın bütün çıktı değerleriyle beklenen çıktıları arasındaki fark hesaplanır ve bu farka göre her ağa düşen hata payı bulunur. Daha sonra her ağ kendine gelen ağırlıkları günceller. Bu hata minimum olana kadar, ağ nöronlar arasındaki ağırlıkları düzelterek iterasyona devam eder (Sağıroğlu vd. 2003).

Ağ kendisine sunulan örneklerden genellemeler yaparak bir çözüm uzayı elde eder. Daha sonra bu çözüm uzayı benzer girdiler için sonuç üretir. Eğitim aşamasında genelde çok zaman harcanır. Widrow-Hoff tarafından geliştirilen Delta Kuralı ve Rumelhart ve McClelland tarafından geliştirilen Genelleştirilmiş Delta Kuralı veya Geri Yayılım Algoritması, Çok Katmanlı Ağlar danışmalı öğrenme algoritmalarına örnek olarak verilebilir (Yalçın, 2012; Deveci, 2012).

Danışmansız Öğrenme

Bu tür öğrenmede ağa sadece girdiler verilir. Ağın ulaşması gereken hedef çıktılar verilmez. Girişe verilen örnekten elde edilen çıkış bilgisine göre ağ sınıflandırma kurallarını kendi kendine geliştirir. Ağ daha sonra bağlantı ağırlıklarını aynı özellikleri gösteren desenler (patterns) oluşturmak üzere ayarlar (Kunt, 2007).

65 Destekleyici Öğrenme

Destekleyici öğrenme algoritması, istenilen çıkışın bilinmesine gerek duymaz. Destekleyici öğrenme (reinforcement training) yöntemi öğreticili öğrenme yöntemine benzemekle birlikte, ağa hedef çıktılar yerine, ağın çıktılarının ne ölçüde doğru olduğunu belirten bir skor veya derece bildirilir (Kunt, 2007).

1.4.6.3 Katman Sayısına Göre Yapay Sinir Ağları

YSA, YSH’nin oluşturduğu bir yapıdır. Benzer özellikleri gösteren YSH’nin oluşturduğu öbeğe katman denir. Örneğin girdi sinir hücreleri girdi katmanını, çıktı sinir hücreleri çıktı katmanını oluşturur. Eğer bir YSA tek katmandan oluşuyor ise tek katmanlı, birden fazla katmandan oluşuyor ise çok katmanlı YSA olarak adlandırılır (Es, 2013).

Tek katmanlı algılayıcılar girişler, toplama-aktivasyon görevlerini yerine getiren bir gövde ve çıkıştan oluşur. Bu bakımdan çok-girişli tek çıkışlı yapıdadır. Çok katmanlı algılayıcılarda ise giriş ve çıkış katmanlarının dışında, sayısı tasarımcı tarafından belirlenen ara katman veya katmanlar bulunur. Bazı kaynaklarda ara katman yerine gizli katmanda denilmektedir. Giriş ve çıkış katmanlarındaki hücre sayıları, uygulamanın niteliğine bağlıdır. Örneğin 3 girişli 2 çıkışlı bir sistem için tasarlanacak YSA’da, giriş katmanında 3 ve çıkış katmanında 2 tane hücre bulunacaktır. Gizli katman sayısı ve gizli katmanlarda bulunacak gizli hücre sayılarının belirlenmesinde ise bir kısıtlama yoktur.

Fakat gizli katman ve gizli hücre sayılarının uygun şekilde seçilmemesi, YSA’nın performansını olumsuz şekilde etkileyebilmektedir (Öğücü, 2006).

ÇKA ağında bilgi girdi katmanından ağa sunulur ve ara katmanlardan geçerek çıktı katmanına gider ve ağa sunulan girdilere karşılık ağın cevabı dış dünyaya iletilir. ÇKA ağı danışmanlı öğrenme stratejisini kullanır. Ağa, hem örnekler hem de örneklerden elde edilmesi gereken çıktılar verilmektedir. Ağ kendisine gösterilen örneklerden genellemeler yaparak problem uzayını temsil eden bir çözüm uzayı üretmektedir. Daha sonra gösterilen benzer örnekler için bu çözüm uzayı sonuçlar ve çözümler üretebilmektedir (Öztemel, 2016).

66 1.5 Orman Ürünleri Sanayi

Orman ürünleri sanayi ormanlardan elde edilen birincil ve ikincil ham ürünleri, özellikle odun ham maddesini kendine özgü yöntem ve tekniklerle bünyesini değiştirmeden veya değiştirerek yarı mamul veya mamul haline dönüştüren bir sanayi koludur (Yazıcı, 1992).

İmalat sanayinin alt sektörlerinden biri olan orman ürünleri sanayi, ormanlardan elde edilen ürün çeşit ve sayısının fazla olması nedeniyle yapı ve özelliği birbirinden farklı olan çok sayıda sanayi kollarından meydana gelmektedir. Genel olarak bunları dört gruba ayırmak mümkündür (Özen ve Vurdu 1988);

Birincil İmalat Sanayi: Yuvarlak odunu doğrudan hammadde olarak kullanan ambalaj sandığı da dahil kereste, her türlü ahşap levha sanayi (kaplama, kontrplak, kontrtabla, yongalevha ve liflevha) ile kağıt sanayisinden meydana gelir.

İkincil İmalat Sanayi: Bu grup, birincil imalat sanayisinden elde edilen yarı mamul ürünleri hammadde olarak kullanan ahşap parke, doğrama, mobilya, karoser, prefabrik ev vb. sanayi kollarından meydana gelir.

Diğer Orman Ürünleri Sanayi: Bu gruba, özel üretim gerektiren kalem, müzik aletleri, ayakkabı kalıbı, ahşap oyuncak, silah dipçiği vb. sanayi kolları dahildir.

Orman Tali Ürünleri Sanayi: Ağacın kabuğu, yaprağı, meyvesi, tohumu, reçinesi, sığlası vb. ürünlerini değerlendiren sanayi kolları bu grup içeresinde sayılmaktadır.

Orman ürünleri sanayisinin büyük bir bölümünü, odunu doğrudan endüstriyel olarak işleyen üretimler oluşturmaktadır. Üretimlerde, odun üzerinde üretim çeşidine göre fiziksel (tomruk-kereste, lif yonga odunu-yongalevha, MDF vb.) ve kimyasal değişimler (kağıt vb.) olmakta, fiziksel değişimle gerçekleştirilen üretimlerin bir kısmında odun hammaddesi yanında çeşitli kimyasal maddeler (sentetik yapıştırıcılar başta olmak üzere) kullanılmaktadır. Sanayinin diğer bir bölümü ise elde edilen ürünleri daha sonraki imalatlar için hammadde olarak kullanmaktadır (Bozkurt ve Göker, 1990; Kurt, 2011).

67

Odun hammaddesinin, endüstrinin çeşitli kollarında işlenmesi ve yeni mamuller haline gelmesi ile değeri yükselmekte, kullanım yeri artmakta ve genişlemekte, böylece toplumun çeşitli ihtiyaçlarını karşılamak mümkün olmaktadır. Odun hammaddesinin kullanım değerini artırmak amacıyla faaliyet gösteren sektör konumunda olan orman ürünleri sanayi, Türkiye ekonomisi içerisinde, ağırlığını zamanla artırabilen bir yapıya sahip olmuştur.

Gerek istihdam ettiği çalışanlar ve gerekse üretim sürecine aktardığı ürünler ile kalkınma sürecinde etkili olmuş ve ekonomik faaliyetlerin gelişimini sağlamıştır (Akyüz, 2000).