Yapay Sinir Ağları
Yapay Sinir Ağları Biyolojik sistemlerdeki sinir ağlarına benzer şekilde öğrenme algoritmasına sahiptir Yaygın olarak gerek mühendislik ve gerekse bilimsel alanlarda kullanılır ve başarılı uygulamaları mevcuttur Karar verici için çok faydalı ve güvenilir bir araç olarak kullanılabilir Gerek gruplama ve gerekse sınıflandırma alanlarında uygulamaları vardır Paralel uygulamaları ile çok etkin algoritmaların geliştirilmesi mümkündür
Birleştirme Fonksiyonu - Basit toplama işlemidir, fakat yerine göre “VE” ve “VEYA” operatörleri de kullanılabilir
Transfer Fonksiyonu - Sigmoid, doğrusal veya hiperbolik tanjant fonksiyonları olabilir
- Sigmoid ve hiperbolik tanjant fonksiyonları doğrusal değillerdir ve doğrusal olmayan sonuçların ağda elde edilmesinde kullanılılırlar
Belli bir eşiğin üzerinde değere sahip sinirler, bir sonraki sinirlere (düğüm) girdi olacak şekilde çıktı oluştururlar
Doğruluk Tablosu
Örnek Uygulama: Emlak Expertiz Değeri Hangi değişkenlere ihtiyaç var? Amacımız nedir? Ne tür değişkenler vardır? Kategorik değişkenler nasıl rakamsal hale getirilmelidir? Sürekli değişkenler nasıl 0-1 aralığında ifade edilmelidir?
Yapay Sinir Ağlarının Güçlü ve Zayıf Yönleri Güçlü yönleri: - Çok farklı problemlerde kullanılabilirler
- Zor problem dahi olsa çok iyi sonuç bulabilirler
- Hem kategorik hem de sürekli değişkenleri kullanabilirler
- Hazır paket programlar yardımıyla kolaylıkla uygulanabilirler
Zayıf Yönleri: - 0-1 aralığında girdi zorunluluğu vardır
- Bulunan sonuçlar kolaylıkla açıklanamaz ve yorumlanması güç olabilir
- Optimum olmayan bir sonuca kolaylıkla yakınsayabillirler
Dostları ilə paylaş: |