Avrupa biRLİĞİnde mevduatin korunmasi

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
olmaz. Ayrıca, toplam işlem yükünü paylaşan işlem elemanlarının birbirleri 
arasındaki yoğun bağlantı yapısı sinirsel hesaplamanın temel güç kaynağıdır. Bu 
yerel işlem yapısı sayesinde, YSA yöntemi en karmaşık problemlere bile 
uygulanabilmekte ve tatminkar çözümler sağlayabilmektedir. 
 
Gerçek Zamanlı İşlem 
YSA hesaplamaları paralel olarak yürütülebildiğinden gerçek zamanlı  işlem 
yapabilir. 
 
Genelleme 
Yine öğrenme yeteneği sayesinde bilinen örnekleri kullanarak daha önce 
karşılaşılmamış durumlarda genelleme yapabilmektedir. Yani, hatalı (noisy) veya 
kayıp veriler için çözüm üretebilmektedir. YSA’lar, tanımlanmamış girdi veriler 
hakkında karar verirken genelleme yapabildikleri için iyi birer gidişat tanımlayıcısı 
(pattern recognition engine) ve sağlam sınıflandırıcıdırlar (robust classifier). 
 
Hafıza 
Bunlara ek olarak, işlem elemanları arasındaki ağırlıklı bağlantılar sayesinde 
dağıtılmış hafızada bilgi saklayabildikleri söylenebilir. 
 
Kendi İlişkisini Oluşturma 
Yapay sinir ağları, bilgilere (verilere) göre kendi ilişkilerini oluştururlar, 
denklem içermezler. 
 
Sınırsız Sayıda Değişken ve Parametre 
Diğer taraftan, YSA modelleri sınırsız sayıda değişken ve parametre ile 
çalışabilmektedir. Bu sayede mükemmel bir öngörü doğruluğu ile genel çözümler 
sağlanabilmektedir. 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
36

---

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
Karmaşık veya sorunlu veriden bile anlam çıkarabilmek gibi dikkate değer 
yetenekleriyle YSA’lar, insanlar veya bilgisayarlar tarafından anlaşılması zor 
trendleri belirlemek veya yapıları (pattern) çıkartmak için kullanılabilirler. Tam 
eğitilmiş bir Yapay Sinir Ağı modeli, analiz ettiği bilgi kümesi (veri tabanı) için 
uzman olarak düşünülebilir. Bu uzman, değişik durumlar ve ‘... olsa ne olur?’ 
türünde simülasyon problemlerine projeksiyonlar sağlamak için kullanılabilir. 
Bununla birlikte, YSA’ların kullanımında göz önünde bulundurulması gereken bazı 
dezavantajlar da bulunmaktadır. Bunlar arasında en önemlisi geniş veri seti 
gereksinimidir. Sinir ağlarının eğitilebilmesine ve test edilebilmesine yetecek 
genişlikte veri setine ihtiyaç duyulmaktadır. Yine de, yeterli veri seti genişliği için 
kesin bir kriter yoktur; bir noktada uygulamaya bağlıdır. Dezavantaj sayılabilecek 
diğer bir nokta ise basit olarak görülebilecek modelleme yapılarına rağmen 
uygulamanın zor ve karmaşık olabilmesidir. Bazı durumlarda, bir yakınsama 
sağlamak bile imkansız olabilmektedir fakat bu durum da uygulama alanına bağlıdır 
ve genellikle çok karmaşık problemlerde ortaya çıkmaktadır. 
 
2.5. Tarihsel Gelişim 
 
1950’li yılların sonlarında, büyük ölçekli işlemcilerin geliştirilmesiyle, beynin 
yaptığı  işlemleri yapabilecek sinir ağlarının oluşturulabilmesi mümkün hale 
gelmiştir. Gerçekten de, YSA’lar dijital işlemcilerin geliştirilmesinden sonra işlem 
yöntemi olarak önemli bir yeni yaklaşım olarak görülmektedir. 
 
YSA simülasyonları nispi olarak yeni bir gelişme olarak görülmektedir. 
Bununla beraber, bu alan bilgisayarın çıkışından önce ortaya çıkmıştır ve bir 
bocalama devresi geçirdikten sonra yoluna devam etmiştir. 
 
Bilgisayarların yaygın bir şekilde kullanılmaya başlanmasıyla birlikte, YSA 
alanında oldukça önemli gelişmeler olmuştur. Bu alandaki araştırmalar ve 
çalışmalar büyük bir ilgi ile başlamış fakat beklenen gelişmelerin gerçekleşmemesi 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
37

---

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
sonucunda ilgi azalmış ve bir suskunluk dönemi başlamıştır. Profesyonel ve maddi 
katkının minimum olduğu bu dönemde, sadece birkaç araştırmacı tarafından katkı 
sağlanmıştır. Bu araştırmacılar, Minsky ve Papert tarafından tanımlanan 
sınırlamaları etkisiz kılan bir teknoloji geliştirmişlerdir. Minsky ve Papert, 1969 
yılında bir kitap yayınlamışlardır ve bu kitapta, araştırmacılar arasında ön plana 
çıkan ve ekstra analiz yapılmadan kabul gören YSA’lara karşı bazı olumsuzlukları 
toplamışlardır. Son yıllarda ise, YSA alanı ilgi ve katkı olarak yeniden 
canlanmaktadır. YSA tarihi, dönemler itibariyle incelenebilir. 
 
1.  İlk Girişimler: Bu dönemde, genel mantığı kullanan başlangıç 
simülasyonları yapılmıştır. McCulloch ve Pitts (1943), kendi nöroloji 
anlayışları çerçevesinde YSA modelleri geliştirmişlerdir. Bu modeller, 
nöronların çalışma  şekilleri hakkında bazı varsayımlarda bulunmuştur. 
Oluşturdukları  ağlar, sabit eşiklere sahip ikili (binary) aletler olarak 
görülen basit nöronları baz almıştır. Modellerinin sonuçları, “a veya b” ve 
“a ve b” gibi basit mantıksal fonksiyonlardı. Diğer bir girişim, bilgisayar 
simülasyonları kullanılarak yapılmıştır. Bu noktadaki katkılar iki 
araştırmacı grubu tarafından yapılmıştır: Farley ve Clark (1954)
9
 ve 
Rochester, Holland, Haibit ve Duda (1956)
10
. Özellikle ilk grup, ki bunlar 
IBM araştırmacılarıdır, modellerini çalıştıramamışlar ve McGill 
Üniversitesinden nörobilimcilerle ortak bir çalışma yapmışlardır. Bu 
etkileşim, günümüze kadar süren, çok disiplinli bir trend oluşturmuştur. 
 
2.  Umut Verici Gelişmeler: YSA’ların gelişmesinde tek etkisi olan nörobilim 
değildir, psikologlar ve mühendisler de YSA simülasyonundaki ilerlemye 
katkı sağlamıştır. Rosenblatt (1958)
11
 Perceptron’u tasarlayıp geliştirdikten 
sonra, bu alandaki ilgi ve etkinlik canlanmaya başlamıştır. Perceptron üç 
                                                      
9
  Bakınız: Anderson ve McNeil (1992) 
10
 Bakınız: Anderson ve McNeil (1992) ve Haykin (1999) 
11
 Bakınız: Anderson ve McNeil (1992) ve Haykin (1999) 
 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
38

---