Yapay Sinir Ağları (YSA), insan beyninin bilgi işleme yöntemini taklit eden bir yapay zeka alt dalıdır. En basit haliyle, birbirine bağlı dijital "nöronlardan" oluşan ve veriler arasındaki karmaşık ilişkileri öğrenmek için tasarlanmış bir yapıdır. Deep Learning (Derin Öğrenme) ise bu ara katmanların çok daha fazla sayıda ve karmaşık olduğu bir yapıdır.
1. Katmanlı YapıBir sinir ağı genellikle üç tip katmandan oluşur:
Girdi Katmanı (Input Layer): Dış dünyadan verilerin (görseldeki reklam harcamaları veya $X_1, X_2$ gibi) alındığı bölümdür.
Ara Katmanlar (Hidden Layers):
Verinin işlendiği, özelliklerin çıkarıldığı ve asıl "öğrenme" işleminin gerçekleştiği gizli katmanlardır.
Çıktı Katmanı (Output Layer):
Ağın ürettiği sonucun (tahmin veya sınıflandırma) verildiği yerdir.
2. Ağırlıklar ve Bağlantılar (Weights)Görseldeki formülde de geçtiği gibi, her hücre (nöron) birbirine ağırlıklar üzerinden bağlanır.Bir bağlantının ağırlığı ne kadar yüksekse, o bilgi bir sonraki katman için o kadar önemlidir.Eğitim süreci boyunca bu ağırlıklar sürekli güncellenir. Yani sistem "hata yaparak" hangi bağlantının ne kadar önemli olduğunu öğrenir.
3. Nasıl Öğrenir?Yapay sinir ağları, kendilerine verilen binlerce örneği inceler. Girdi katmanından giren veri, ağırlıklarla çarpılarak katmanlar arasında ilerler (İleri Besleme). Çıktıda bir hata varsa, bu hata geriye doğru yayılır (Backpropagation) ve ağırlıklar yeniden düzenlenir.
Kaynaklar
- İzle
- kaynak2
