Neural Networks
Sinir ağları
Girdiyi ağırlıklı toplamlar ve doğrusal olmayan aktivasyonlardan geçiren katmanlar dizisiyle işleyen, hatayı geri yayarak ağırlıklarını güncelleyen model ailesidir.
ÖnkoşulMachine Learning
Kısa cevap
Bir sinir ağı, basit birimlerin katmanlar hâlinde bağlanmasıyla karmaşık fonksiyonları temsil eder. Her birim girdilerini ağırlıklarla çarpıp toplar, sonucu doğrusal olmayan bir fonksiyondan geçirir; öğrenme, bu ağırlıkların hatayı azaltacak yönde güncellenmesidir.
Öğrenme döngüsü#
- 1İleri geçiş
Girdi katmanlardan geçer, bir tahmin üretilir.
- 2Kayıp
Tahmin ile doğru cevap arasındaki fark bir sayıya indirilir.
- 3Geri yayılım
Kaybın her ağırlığa göre türevi zincir kuralıyla hesaplanır.
- 4Güncelleme
Ağırlıklar, gradyanın ters yönünde küçük bir adım atar.
- 5Tekrar
Döngü, doğrulama başarısı platoya ulaşana kadar sürer.
Doğrusal olmayanlık neden şart?#
Aktivasyon fonksiyonu olmadan, üst üste konmuş doğrusal katmanlar tek bir doğrusal katmana indirgenir; derinliğin hiçbir getirisi olmaz. Doğrusal olmayan bir fonksiyon (ReLU ve türevleri gibi) eklendiğinde ağ, parçalı ve karmaşık karar sınırlarını temsil edebilir hale gelir.
Pratikte ne bozulur?#
- Kaybolan ve patlayan gradyan: derin ağlarda gradyan sinyali zayıflar veya aşırı büyür; artık bağlantılar ve normalizasyon bunu yumuşatır.
- Öğrenme oranı hatası: çok büyükse eğitim ıraksar, çok küçükse yakınsama pratikte bitmez.
- Aşırı uyum: parametre sayısı veriye göre büyükse ağ ezberler; seyreltme ve veri artırma gerekir.
- Yeniden üretilemezlik: rastgele tohum, donanım ve kütüphane sürümü sonucu değiştirir; deney kaydı şart.
Sık sorulan sorular
Kaç katman gerekir?
Veri miktarı ve problemin karmaşıklığına göre değişir. Pratik yol, çalışan en küçük mimariden başlayıp doğrulama başarısı artmayı bırakana kadar büyütmek.
Geri yayılım nedir?
Kaybın her ağırlığa göre türevini, zincir kuralını kullanarak çıkıştan girişe doğru verimli biçimde hesaplayan algoritmadır. Öğrenmenin kendisi değil, öğrenmeyi mümkün kılan hesaplama yöntemidir.
Güncelleme geçmişi
- v1.0İlk yayın.
LEARN
Neural Networks konusunu uygulamaya dökmek ister misin?
Kavramı okudun; sırada onu bir rotanın içinde öğrenmek ve bir testle ölçmek var.