Avrupa biRLİĞİnde mevduatin korunmasi
Yüklə 72,84 Kb. Pdf görüntüsü
|
- Bu səhifədəki naviqasiya:
- 2.2. YSA’nın Yapısı: Elemanları ve Mimarisi
- Şekil 2.2: Sinir Sisteminin Blok Diyagramı
Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği yoğun bir şekilde paralel dağıtılmış bir işlemcidir. Bu işlemci iki şekilde beyin ile benzerlik göstermektedir: 1. Bilgi, ağ tarafından bir öğrenme süreciyle çevreden elde edilir. 2. Elde edilen bilgileri biriktirmek için sinaptik ağırlıklar olarak da bilinen nöronlar arası bağlantı güçleri kullanılır.” 1 YSA’lar gerçek hayatta karşılaşılan problemlerde oldukça geniş bir uygulama alanı kazanmışlardır. Bugün, bir çok endüstride başarılı şekilde kullanılmaktadırlar. Uygulama alanları için bir sınır yoktur fakat, öngörü, modelleme ve sınıflandırma gibi bazı alanlarda ağırlıklı olarak kullanılmaktadır. YSA’lar 1950’li yıllarda ortaya çıkmalarına rağmen, ancak 1980’li yılların ortalarında genel amaçlı kullanım için yeterli seviyeye gelmişlerdir. Bugün, YSA’lar bir çok ciddi problem üzerinde uygulanmaktadır ve bu problemlerin sayısı giderek artmaktadır. Verideki trend veya yapıyı (pattern) en iyi tanımlayan yöntem olmaları dolayısıyla, tahmin (prediction) ve öngörü işlemleri için çok uygundurlar. YSA’ların gerçek hayattaki yaygın uygulama alanlarına şu örnekler verilebilir 2 : • Kalite Kontrol • Finansal Öngörü • Ekonomik Öngörü • Kredi Derecelendirme • Konuşma ve Yapı Tanımlama • İşlem Modelleme ve Yönetimi • Laboratuvar Araştırmaları • İflas Tahmini • Petrol ve Gaz Arama 1 Bu tanım, Haykin (1999)’dan alınmıştır. Fakat kaynakta, Alexander ve Morton (1990)’dan alıntı olduğu belirtilmektedir. 2 Uygulama alanlarının listesi daha uzatılabilir çünkü YSA’lar artık hemen hemen her alana girmiş bulunmaktadırlar. Burada, önemli görülen bazı alanlar seçilerek listelenmiştir. http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf 9 Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği YSA’lar, tanımlanmamış girdi veriler hakkında karar verirken genelleme yapabildikleri için iyi birer yapı tanımlayıcısı (pattern recognition engine) ve sağlam sınıflandırıcıdırlar (robust classifier). Fonksiyonel tahmin (prediction) ve sistem modelleme gibi fiziksel işlemin anlaşılamadığı veya aşırı karmaşık olduğu problemler yanında konuşma, karakter ve sinyal tanımlama gibi çeşitli sınıflandırma problemleri için çözüm yolları sağlamaktadırlar. Ayrıca, kontrol problemlerinde de uygulama sahası bulmaktadırlar. YSA’lar yoğun bağlantılı ve komplike işlem yapıları nedeniyle çalışabilecekleri özel ortamlara ihtiyaç duymaktadırlar. Bu yüzden, YSA’lar, bu amaca yönelik olarak hazırlanmış özel yazılımlar ile bilgisayarlarda çalıştırılmaktadırlar. Günümüzde ise, gittikçe artan oranda yoğun ve karmaşık sinir ağlarını çalıştırabilmek ve daha hızlı işlem yapabilmek için özel donanımlar geliştirilmektedir. 2.2. YSA’nın Yapısı: Elemanları ve Mimarisi Önceden de belirtildiği gibi, yapay sinir ağları insan beyninden esinlenilmiş yapılardır. Bu yüzden, YSA’ların yapısını anlamak için insan beyninin yapısını ve çalışma şeklini anlamak önemlidir. Bununla birlikte, tahmin edilebileceği gibi insan beyni, karmaşık yapısı ile anlaşılması ve anlatılması zor bir konudur. Hatta, beynin çalışma şekli hala tam olarak anlaşılamamıştır. Çok farklı bir disiplinin konusu olan bu temanın burada açıklanması gereksiz kalmaktadır. Ancak, en azından konunun özünün anlaşılabilmesi açısından bazı yararlı bilgiler verilebileceği düşüncesi ile genel bir açıklama yapılmaktadır. İnsan beyni, sinir sisteminin merkezini oluşturan temel elemandır. En basit şekilde, sürekli olarak iletilen bilgiyi alır, idrak eder (işler) ve uygun kararları vererek gerekli yerlere iletir. Çok basit görünmekle birlikte aslında oldukça http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf 10 Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği karmaşık olan bu yapının Haykin (1999) tarafından kullanılan basit bir gösterimi Şekil 2.2’de sunulmaktadır. Şekil 2.2: Sinir Sisteminin Blok Diyagramı Şekilden takip edilebileceği gibi, dışarıdan veya başka bir organdan gelen sinyaller (uyarı) alıcılar yoluyla sinir ağına iletilir. Sinyaller burada işlemden geçirilerek çıktı sinyaller oluşturulur. Oluşturulan çıktı sinyaller ise ileticiler yoluyla dış ortama veya diğer organlara iletilirler. Şekil 2.2’de Sinir Ağı olarak gösterilen ortadaki bölüm, yani beyin, sinir sisteminin merkezi konumundadır. Beynin temel yapı taşları ise sinir hücreleri, diğer bir ifadeyle nöronlardır (bkz. Cajal, 1911). Beyin, işlevini birbirleri arasında yoğun bağlantılar bulunan bu yapı taşları ile yerine getirir. Nöronların en belirgin özelliği, vücudun diğer bölümlerinin tersine yeniden üretilmeyen belirli bir hücre türü olmasıdır. Beynin diğer temel yapısal ve fonksiyonel birimleri olan bağlantılar (synapses) nöronlar arası etkileşimi sağlarlar. Dolayısıyla, beynin yapısında bu bağlantılar da önemli bir yer tutmaktadır. Zaten beynin oldukça etkin çalışan bir organ olmasının temel sebebi de bu yoğun bağlantılı yapıdır. Bu yapı sayesinde beyin, bugünkü bilgisayar teknolojisinden kat kat daha etkin bir şekilde çalışabilmektedir. Beynin bu yapısı etkinlik açısından oduğu kadar bir diğer önemli özellik açısından da önem taşımaktadır. Bu yoğun bağlantılı yapı beynin plastiklik (yenilenebilme) özelliğini de beraberinde getirmektedir. Plastiklik özelliği, gelişmekte olan sinir sisteminin kendisini kuşatan çevreye adapte olmasını sağlamaktadır. Gelişmiş bir beyinde, plastiklik iki mekanizma ile izah edilebilmektedir. Bunlar, nöronlar arasında yeni bağlantıların oluşturulması ve var http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf 11 Yüklə 72,84 Kb. Dostları ilə paylaş:
|