1 / 34

GERI D N S ML AGLAR

2. Geri Dnsml Aglar. Geri dnsml aglarda, agin proses elemanlarinin iktilari yine aga belirli bir sekilde geri gnderilerek girdi olarak kullanilmaktadir.Geri dnsml aglar, iki sekilde olabilirler: Tam Geri Dnsml Aglar Kismi Geri Dnsml Aglar. 3. Geri Dnsml Aglar (Devam

zea
Download Presentation

GERI D N S ML AGLAR

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


    1. 1 GERI DÖNÜSÜMLÜ AGLAR Tugba Özge ÖZDINÇ

    2. 2 Geri Dönüsümlü Aglar Geri dönüsümlü aglarda, agin proses elemanlarinin çiktilari yine aga belirli bir sekilde geri gönderilerek girdi olarak kullanilmaktadir. Geri dönüsümlü aglar, iki sekilde olabilirler: • Tam Geri Dönüsümlü Aglar • Kismi Geri Dönüsümlü Aglar

    3. 3 Geri Dönüsümlü Aglar (Devam Ediyor) Tam Geri Dönüsümlü Aglar: Bu aglar gelisigüzel ileri ve geri baglantilari olan aglardir. Bu baglantilarin hepsi egitilebilirdir. Kismi Geri Dönüsümlü Aglar: Bu aglarda agin proses elemanlarina ek olarak içerik elemanlari vardir. Bu aglar, temelde ileri beslemeli bir agdir. Ileri baglantilar egitilebilirler. Geri dönüsüm sadece içerik elemanlari üzerinde yapilir ve bu baglantilar egitilemezler. Içerik elemanlari ara katman elemanlarinin geçmis durumlarini hatirlamak için kullanilirlar. Agin çiktisi hem önceki durumlara hem de agin o andaki durumuna bagli olarak olusturulmaktadir.

    4. 4 Elman Agi Elman agi, daha önce anlatilan çok katmanli algilayici aginin ögrenme kuralina göre ögrenmektedir.

    5. 5 Elman Agi (Devam Ediyor) Girdi Katmani: Girdi elemanlari dis dünyadan bilgiler alir ara katmanlara iletirler. Çok katmanli algilayicilarda oldugu gibi Elman aginda da girdi elemanlarinin bilgi isleme özellikleri yoktur. Girdileri oldugu gibi ara katman elemanlarina gönderirler. Çikti Katmani: Çikti elemanlari ise agin çiktisini dis dünyaya iletirler. Çikti ünitelerinin bilgi isleme fonksiyonu dogrusaldir. Sadece kendilerine gelen bilgileri toplarlar.

    6. 6 Elman Agi (Devam Ediyor) Ara Katmani: Ara katman elemanlari ise hem dogrusal hem de dogrusal olmayan aktivasyon fonksiyonlarina sahip olabilirler. Içerik Elemanlari: Içerik elemanlari ara katman elemanlarinin önceki aktive degerlerini hatirlamak için kullanilmaktadir. Bir önceki iterasyondaki aktivasyon degerini bir sonraki iterasyona girdi olarak tasirlar.

    7. 7 Ileri beslemeli baglantilarin agirliklari egitim sirasinda degistirilebilirler. Geri dönüsümlerin (içerik elemanlarinin) baglanti agirliklari ise sabittir. Bu nedenle Elman aglari “kismi geri dönüsümlü ag” olarak isimlendirilir. Elman Agi (Devam Ediyor)

    8. 8 Elman agindaki, her hangi bir t zamaninda hem t zamanindaki girdi degerleri hem de ara katmanlarin t-1 zamanindaki aktivite degerleri aga girdi olarak verilirler. Agin girdileri belirlendikten sonra ag artik ileri beslemeli bir çok katmanli algilayiciya dönüsmektedir. Bu girdiler kullanilarak agin çiktilari belirlenir. Bu ileri dogru hesaplamadan sonra agin ara katmanlarinin aktivasyon degerleri geriye dogru içerik elemanlarina girdi olarak gönderilir ve orada bir sonraki iterasyonda kullanilmak üzere saklanir. Elman Aginin Çalismasi

    9. 9 Baslangiçta ara katmanlarin aktivasyon degerleri bilinmediginden içerik elemanlarinin baslangiç degerlerinin belirlenmesi gerekir. Bunun için, genel olarak bir ara katmanin alabilecegi maksimum degerin yarisi içerik elemanlarinin baslangiç girdi degerleri olarak atanir. Elman aginda agirliklarin degistirilmesinde herhangi farkli bir durum yoktur. Burada dikkat edilmesi gereken geri dönüsüm agirliklarinin degerinin sabit oldugu ve degistirilmeyecegidir. Bu agirliklar ileri dogru bilgi islerken içerik elemanlarinin girdisini olusturmada kullanilirlar. Elman Aginin Çalismasi (Devam Ediyor)

    10. 10 Agin agirliklarini degistirirken geri dönüsüm baglanti agirliklarinin dikkate alinmamasi ve içerik elemanlarinin girdi elemani olarak düsünülmesi halinde Elman aginin bir çok katmanli ag ile ayni yapiya sahip oldugu görülür. Elman Aginin Çalismasi (Devam Ediyor)

    11. 11 Jordan agi, Elman agina benzer bir topoloji ve çalisma sekline sahiptir. Bu agin ayni zamanda durum tabakasindaki her islemci elemandan kendisine baglantilari vardir. Jordan Agi

    12. 12 Hopfield yapay sinir agi “recurrent” ya da “recursive” yani tekrar beslemeli bir yapiya sahiptir. Bu özelligi ile diger yapay sinir agi modellerinden ayrilmaktadir. Tekrar besleme kabiliyeti sayesinde girdi örüntüsü Hopfield mimarisine verildiginde, mimari isleme bir baslangiç enerjisi ile baslar. Bu baslangiç konumundan itibaren yapi, girdi örüntüsünü bir baska girdi örüntüsüne (daha önce ögrendigi) dogru yönlendirmeye baslar. Hopfield Agi

    13. 13 Bu süreçte girdi örüntüsünde yapilan her ufak degisimin ardindan enerji tekrar tekrar hesaplanarak girdi örüntüsünün morfolojik dönüsümünün kontrolü saglanir. Girdi örüntüsünün bir baska ögrenilmis olan girdi örüntüsüne benzetilme islemi (morfolojisi), enerji stabilize olana dek sürer. Enerji stabilizasyonu ise enerjinin minimuma ulastigi ve degismedigi yerdir. Hopfield Agi (Devam Ediyor)

    14. 14 Girdi örüntüsünün tekrar besleme yardimiyla enerjisini düsüre düsüre yerel minimuma ulasmasi (enerjinin artik düstügü ve degismedigi süreç) olayina “convergence” denir. “Convergence” pozisyonunda olan girdi örüntüsüne ise “converged vector” adi verilir. Yani elde edilen cevap vektörüdür. Bu açidan matematiksel olarak interpolasyon islemine benzeyen bir operasyon olan bu ögrenme süreci sayesinde Hopfield sinir agi modeli optimizasyon problemleri için referans modeli olmustur. Hopfield Agi (Devam Ediyor)

    15. 15 Tek katmanli ve geri dönüsümlü bir agdir. Islem elemanlarinin tamami hem girdi hem de çikti elemanlaridir. Hücreler açik (+1) ya da kapali (-1) olarak ikili mantiga göre çalisir. Hopfield Aginin Özellikleri

    16. 16 Islemci fonksiyonu süreksiz formda esik fonksiyonu, sürekli formda sigmoid ve tanjant hiperbolik fonksiyonu olarak düsünülmüstür. Agin baglanti degerleri bir enerji fonksiyonu olarak saklanmaktadir. Agin ögrenmesi Hebb kuralina göre yapilir. Hopfield Aginin Özellikleri (Devam Ediyor)

    17. 17 Hopfield Agi desenlerin depolanmasi için tasarlanmistir, gürültülü veya kismi ipuçlarindan desenleri düzeltebilir. Bu islemi her deseni temsil eden attractorlara (çukur bölgeler) sahip bir enerji yüzeyi olusturarak yapar. Gürültülü ve kismi ipuçlari sistemin attractorlara yakin olan durumlaridir. Hopfield Aginin Özellikleri (Devam Ediyor)

    18. 18 Bir Hopfield Agi için enerji yüzeyi gürültülü desenden en yakin attractora dogru kayar. Görsel olarak en çekici gösterimlerden birisi bir grup resmin depolanabilmesidir. Sonra aga ya resimlerden birinin bir parçasi (kismi ipucu) ya da gürültülü bir resim (gürültülü ipucu) verilebilir ve bir çok iterasyon yoluyla depoladigi resimlerden birini bulgulardan çikarmayi basarir. Hopfield Aginin Özellikleri (Devam Ediyor)

    19. 19 Hopfield Aginin Özellikleri (Devam Ediyor)

    20. 20 Hopfield Aginin Özellikleri (Devam Ediyor)

    21. 21 Hebbian ögrenme kurali Hopfield Agi Hebbian ögrenmeyi uygular. Bu sekilde bir ögrenme ilk defa Hebb (1949) tarafindan ifade edilen sinaptik modülasyon yönteminin matematiksel bir çikarimidir. Hebb‘in kuralina göre, eger alici nöron atesliyorken bir nöron baska bir nöronu uyariyorsa, iki hücre arasindaki baglanti agirliklandirilir. Hopfield Aginin Özellikleri (Devam Ediyor)

    22. 22 Matematiksel olarak; wij = ai aj Bir agirliktaki degisim baglandigi birimlerin aktivasyonlari çarpimina esittir. Böylelikle, eger iki birim de açiksa (ai=1) veya her iki birim de kapaliysa (ai=-1) agirligin gücü artar, aksi halde azalir. Hebb kuralinin matematiksel tanimi bir agirligin, eger her iki birim de kapaliysa artmasina ve eger birimlerin aktivasyonlari 1 ve –1 ise azalmasini saglar. Bu özellikler muhtemelen fiziksel olarak açiklanamaz ve degistirilemez, bununla birlikte sisteme eger Hebbian kurali uygulanmissa anlasilmasi daha kolay olur. Hopfield Aginin Özellikleri (Devam Ediyor)

    23. 23 Eger birimler dizisine bir deseni aninda verip kurali uygularsak, o desen agin attractoru haline gelir, bu da Hopfield aginin ilgilendigi Hebbian ögrenmenin önemli bir özelligidir. Sonuç olarak, eger agin aktivasyonunun deseni depolanmis bir desene yakinsa, o desene dogru gitmeye çalisacaktir. Hopfield Aginin Özellikleri (Devam Ediyor)

    24. 24 Iki çesit Hopfield Agi vardir: Kesikli (discrete) Hopfield Agi: Çagrisimli bellek (associative memory) olarak kullanilir. (Ör: Görüntü tanima ve onarma) Kesikli Hopfield agi için aktivasyon fonksiyonu Sgn fonksiyonudur. Sürekli (continuous) Hopfield Agi: Kombinetoryal optimizasyon problemlerinde kullanilir (Ör: Gezgin satici problemi) Hücre islemcisinin fonksiyonu sürekli fonksiyon olmalidir. Zamanda sürekli oldugundan giris ve çikislar devamli yenilenir. Sürekli Hopfield agi için aktivasyon fonksiyonu Sigmoid gibi türevi alinabilir bir fonksiyondur. Hopfield Aginin Özellikleri (Devam Ediyor)

    25. 25

    26. 26

    27. 27

    28. 28

    29. 29

    30. 30

    31. 31 Bu bölümde incelenen ag yapilari önceki yapilardan farkli olarak geri besleme özelligine sahiptir. Hopfield agi Hebb ögrenme kurali üzerine kurulmus olup temel mantigi ise kisaca: eger a nöronu baska bir b nöronundan girdi aliyorsa ve her ikisi de aktif ise a ve b arasindaki agirliklar artar. Sonuç

    32. 32

    33. 33

    34. 34 Dinlediginiz Için Tesekkür Ederim…..

More Related