Avrupa biRLİĞİnde mevduatin korunmasi

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
Çoğu YSA’da, benzer karakteristiğe sahip nöronlar tabakalar halinde 
yapılandırılırlar ve transfer fonksiyonları  eş zamanlı olarak çalıştırılırlar. Hemen 
hemen tüm ağlar, veri alan nöronlara ve çıktı üreten nöronlara sahiptirler. 
 
YSA’nın ana öğesi olan matematiksel fonksiyon, ağın mimarisi tarafından 
şekillendirilir. Daha açık bir şekilde ifade etmek gerekirse, fonksiyonun temel 
yapısını  ağırlıkların büyüklüğü ve işlem elemanlarının işlem  şekli belirler. 
YSA’ların davranışları, yani girdi veriyi çıktı veriye nasıl ilişkilendirdikleri, ilk 
olarak nöronların transfer fonksiyonlarından, nasıl birbirlerine bağlandıklarından ve 
bu bağlantıların ağırlıklarından etkilenir. 
 
Bu bilgiler ışığında bakıldığında, YSA’ların yapısı üç ana eleman içermektedir 
ve  Şekil 2.1’deki gibidir. Şekilden de görülebileceği gibi, YSA’ların yapısını 
oluşturan üç ana eleman temel işlem elemanı olan nöron, girdi ve çıktı yolunu 
sağlayan bağlantı ve bu bağlantıların sağlamlığını gösteren bağlantı ağırlığıdır. 
 
Şekil 2.1: YSA Mimarisinin Temel Elemanları
 
 
 
Genel olarak YSA metodolojisinin uygulama adımlarına bakıldığında, 
YSA’nın basit ama yoğun yapısı ve bazı temel özellikleri daha açık 
anlaşılabilmektedir. Tipik olarak, bir YSA’nın mimarisi (veya yapısı) oluşturulur ve 
çeşitli matematiksel algoritmalardan bir tanesi kullanılarak üretilen çıktıların 
doğruluk (accuracy) düzeyinin maksimize edilmesi için gerekli olan ağırlık 
değerleri belirlenir. YSA’lar önceki örnekleri kullanarak ağırlıkları belirlemek 
yoluyla girdi değişkenler ile tahmin edilen değişkenler arasındaki ilişkiyi ortaya 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
6

---

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
çıkartırlar; diğer bir deyişle YSA’lar eğitilir. Bir kez bu ilişkiler ortaya 
çıkartıldıktan sonra (yani ağ eğitildikten sonra), YSA yeni verilerle çalıştırılabilir ve 
tahminler üretilebilir. Bir ağın performansı, amaçlanan sinyal ve hata kriteri ile 
ölçülür. Ağın çıktısı, amaçlanan çıktı ile karşılaştırılarak hata payı elde edilir. Geri 
Yayılma (backpropagation) olarak adlandırılan bir algoritma hata payını azaltacak 
şekilde ağırlıkları ayarlamak için kullanılır. Bu işlem defalarca tekrar edilerek ağ 
eğitilir. Eğitme işleminin amacı performans ölçümleri bazında optimum çözüme 
ulaşmaktır. 
 
Bağlantısal Mimariler (Connectionist Architectutures), Adaptif Sistemler 
(Adaptive Systems) veya Paralel Dağıtılmış  İşlemciler (Parallel Distributed 
Processing) olarak da adlandırılan YSA’lar, oldukça fazla bağlantı içeren ve paralel 
yapılandırılmış beyin işlevinden esinlenen bir bilgi işlem paradigmasıdır. Farklı 
isimlerle anılmaları, farklılık sağlayan bazı temel özelliklerinden 
kaynaklanmaktadır.  Bağlantısal Mimari (veya Bağlantısal Sistem) olarak 
anılmalarının temel sebebi, bireysel işlem elemanları (processing nodes) arasındaki 
bağlantılardır. Ayrıca, bu bağlantıların ağırlıkları değişebildiğinden YSA’lar 
çalışma sistemlerini daha da etkinleştirebilmektedirler ve bu yüzden Adaptif Sistem 
olarak da adlandırılmaktadırlar. Paralel Dağıtılmış 
İşlemciler olarak 
adlandırılmalarının sebebi ise ağ içinde çok sayıdaki nod (node) veya nöronların 
hepsinin birbirlerine paralel olarak çalışmalarıdır. Bu yapı, eşanlı bir çözüm 
üretebilme yeteneği sağlamaktadır. 
 
YSA paradigması için anahtar özellik, içerdiği bilgi işleme sisteminin yoğun 
(komplike) yapısıdır.  Bu yapı nöronlara karşılık gelen, oldukça fazla sayıda ve sık 
bir şekilde birbirleri ile bağlantılı işlem elemanları içermektedir. Bu sık bağlantılar 
ise, sinapslara (synapses) karşılık gelen ağırlıklı bağlantılar ile sağlanmaktadır.  
 
Yapay Sinir Ağları hakkında buraya kadar sunulan bilgiler YSA’ların ne 
olduğu hakkında genel bir bilgi sağlamaktadır. Bununla beraber YSA’lar için genel 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
7

---

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
bir tanım vermek de faydalı olacaktır. Yapay Sinir Ağları için üzerinde fikir birliği 
sağlanmış tek bir tanım yoktur. Geniş ya da dar kapsamda bir çok tanımla 
karşılaşılabilmektedir. Hatta, bazı araştırmacılar YSA için genel bir tanım vermek 
yerine, YSA türlerinin kendi içinde tanımlanması gerektiğini savunmaktadır. 
Bununla birlikte, bütünlüğü sağlamak amacıyla çeşitli kapsamlarda bazı genel 
tanımlara bu bölümde yer verilmektedir.  
 
Tanım 1: 
Yapay Sinir Ağları, en kısa ve basit şekilde, bir örnekler kümesi yardımıyla 
parametrelerin uyarlanabilmesini sağlayacak bir matematiksel formül için yazılan 
bilgisayar programı olarak tanımlanabilir. Bu tanım, YSA’yı en basit şekilde ve 
teknik detaya girilmeksizin ifade etmektedir. 
 
Tanım 2: 
Yine basit ama daha teknik ikinci bir tanım ise şu  şekildedir: YSA, ilgili 
bağlantı  ağırlıklarıyla (synaptic wheights) bir ağa bağlanmış basit işlem 
elemanlarından (nöron) oluşan bir sistemdir. 
 
Tanım 3: 
“DARPA Neural Network Study (1988)” isimli yayında ise biraz daha 
açıklayıcı bir tanım kullanılmaktadır: 
“Bir YSA, birbirlerine paralel olarak çalışan bir çok basit işlem elemanından 
oluşan ve fonksiyonu, ağın yapısı, bağlantı  ağırlıkları ve elemanlarda 
gerçekleştirilen işlemler tarafından belirlenen bir sistemdir.” 
 
Tanım 4: 
Daha kapsamlı ve genel kabul gören bir tanım ise Haykin (1999) tarafından 
verilmektedir:  
“Bir sinir ağı, basit işlem birimlerinden oluşan, deneyimsel bilgileri 
biriktirmeye yönelik doğal bir eğilimi olan ve bunların kullanılmasını sağlayan 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
8

---