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
Dostları ilə paylaş: |