Yapay Sinir Ağları ile Tahmin ve Sınıflandırma Problemlerinin Çözümü İçin Arayüz Tasarımı

Özet

: Yapay sinir ağları, sınıflandırma, modelleme ve tahmin gibi birçok günlük hayat probleminin çözümünde başarılı sonuç veren bir yöntemdir. Yapay sinir ağları birimler arasındaki bağlantı ağırlıklarını ayarlayarak öğrenme gerçekleştirir. Bu çalışmada tek katmanlı algılayıcılardan adaline modeli ve çok katmanlı algılayıcı modelini içeren bir yazılım geliştirilmiştir. Bilindiği gibi tek katmanlı algılayıcılar lineer problemlere çözüm üretebilirken lineer olmayan problemlere çözüm üretememiş, lineer olmayan problemler yapay sinir ağları ile çok katmanlı algılayıcı modelinin geliştirilmesi ile çözülebilmişlerdir. Yazılımın tek katmanlı algılayıcı kısmında mantıksal AND ve OR problemleri doğrusal olarak sınıflandırabilirken, XOR problemini tek bir doğru ile sınıflandırılamadığı gözlemlenebilmektedir. Çok katmanlı algılayıcı kısmında ise, yapay sinir ağlarında yaygın olarak kullanılan geri yayılım algoritması ile yaklaşım ve sınıflandırma problemleri çözebilmektedir. Ağın katman sayısı, katmanlardaki birim sayısı, iterasyon sayısı, öğrenme oranı, momentum katsayısı, aktivasyon fonksiyonu, normalizasyon yöntemi, başlangıç ağırlıkları gibi parametrelerin değiştirilerek ağın eğitilmesi sağlanabilmekte ve eğitilen ağ test edilerek ağın performans ölçümü yapılabilmektedir.