İleri Beslemeli Sinir Ağları

İleri beslemeli sinir ağı, en basit yapay sinir ağı türüdür. Bu mimaride veriler, geriye dönüp döngü oluşturmadan girdi katmanından çıktı katmanına doğru tek yönde akar.

İleri Beslemeli Sinir Ağının Yapısı

İleri beslemeli ağlar şunlardan oluşur:

• Girdi Katmanı: Ham verileri alır.
• Gizli Katmanlar: Hesaplamalar yapar ve özellikleri çıkarır.
• Çıktı Katmanı: Nihai sonucu üretir.

Her katman bir sonraki katmana tamamen bağlıdır.

İleri Yayılım

İleri yayılım, verilerin ağdan geçirilmesi işlemidir:

1. Girdiler ağırlıklarla çarpılır ve yanlılıklara eklenir.
2. Doğrusal olmayanlık eklemek için aktivasyon fonksiyonları uygulanır.
3. Çıktı hesaplanır ve sonraki katmana aktarılır.

Basit Bir İleri Beslemeli Ağ Oluşturma

Python kullanarak basit bir ileri beslemeli ağ oluşturalım. Ağda şunlar bulunur:

• 2 girdi nöronu
• 3 nöronlu 1 gizli katman
• 1 çıktı nöronu

import numpy as np

# Define weights and biases
weights_input_hidden = np.array([[0.2, 0.8, -0.5], [0.5, -0.91, 0.26]])
bias_hidden = np.array([2, 3, 0.5])
weights_hidden_output = np.array([[0.1], [-0.14], [0.5]])
bias_output = np.array([0.1])

# Input data
inputs = np.array([1, 2])

# Forward pass
hidden_layer = np.dot(inputs, weights_input_hidden) + bias_hidden
output = np.dot(hidden_layer, weights_hidden_output) + bias_output

print("Output:", output)

İleri Beslemeli Sinir Ağını Eğitme

Eğitim, hatayı en aza indirmek için ağırlıkların ve yanlılıkların ayarlanmasını içerir:

1. Hatayı hesaplayın (tahmin edilen ve gerçek değerler arasındaki fark).
2. Ağırlıkları güncellemek için gradyan inişi gibi eniyileme algoritmaları kullanın.
3. İşlemi birden çok yineleme (epok) boyunca tekrarlayın.

İleri Beslemeli Ağların Avantajları

İleri beslemeli ağlar:

• Basit ve uygulanması kolaydır.
• Regresyon ve temel sınıflandırma gibi görevlerde etkilidir.
• Küçük veri kümelerinde hesaplama açısından verimlidir.

İleri Beslemeli Ağların Sınırlamaları

İleri beslemeli ağların bazı dezavantajları vardır:

• Sıralı veriler için bellekleri yoktur.
• Az miktarda eğitim verisiyle aşırı öğrenmeye yatkındırlar.
• Öğrenme oranı gibi hiperparametrelerin dikkatle ayarlanmasını gerektirirler.

Gerçek Dünya Uygulamaları

İleri beslemeli ağlar şu alanlarda kullanılır:

• Tıbbi Tanı: Belirtilere dayanarak hastalıkları tahmin etme.
• Dolandırıcılık Tespiti: Finansal işlemlerdeki şüpheli etkinlikleri belirleme.
• Hisse Senedi Fiyatı Tahmini: Gelecekteki hisse senedi değerlerini tahmin etme.

Özet ve Sonraki Adımlar

Bu derste:

• İleri beslemeli sinir ağlarının yapısını ve işleyişini inceledik.
• Python kullanarak basit bir ileri beslemeli ağ oluşturduk.
• Bu mimarinin avantajlarını ve sınırlamalarını ele aldık.

Sırada, ağırlıkları ve yanlılıkları eniyileyerek sinir ağlarının etkili biçimde öğrenmesini sağlayan geri yayılım algoritmasını ayrıntılı olarak inceleyeceğiz.