Avrupa biRLİĞİnde mevduatin korunmasi



Yüklə 72,84 Kb.
Pdf görüntüsü
səhifə7/32
tarix29.05.2018
ölçüsü72,84 Kb.
#46593
1   2   3   4   5   6   7   8   9   10   ...   32

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
olan bağlantıların modifiye edilmesidir. Ayrıca, bu özellik öğrenme kavramı 
açısından da çok büyük önem taşımaktadır. 
 
Plastikliğin, nöronların işlem yapabilmeleri için gerekli bir özellik olduğu 
görülmektedir. Çünkü, öğrenme süreci bağlantı  ağırlıklarının değiştirilmesi veya 
yeni bağlantıların oluşturulması (hatta bazı bağlantıların iptal edilmesi) sayesinde 
gerçekleşmektedir. Bu ilişki, yapay nöronlar kullanarak beyinden esinlenilmiş sinir 
ağları oluşturulabilmesini sağlamaktadır. 
 
Yapay Sinir Ağları, beyinden esinlenildiklerinden dolayı benzer yapıya 
sahiptirler. Fakat, beynin yoğun bağlantılı ve komplike yapısının sadece beyine özel 
bir özellik olduğu belirtilmelidir. Başka hiçbir yerde veya dijital bilgisayarda 
bulunmayan bu yapıya yakınsamak günümüz teknolojisine bile çok uzaktır. Yapay 
sinir ağlarını oluşturmak için kullanılan yapay nöronlar, beyindekilere kıyasla 
oldukça ilkel sayılırlar. Dolayısıyla, yapay nöronlar beynin yoğun bağlantılı ve 
komplike yapısından hala oldukça uzaktırlar ama genel yapı olarak tutarlıdırlar. 
Diğer bir ifadeyle, YSA’lar, komplike, çok yönlü ve güçlü bir organizma olan 
beynin sadece en temel elemanlarını kopyalamaya çalışmaktadır. 
 
Yapay Nöron 
Yapay sinir ağlarının genel yapı olarak beyinden esinlenildiği daha önce 
belirtilmişti. Doğal olarak, YSA’ların temel elemanları da yapay nöronlardır 
(bundan sonra yapay nöron yerine sadece nöron kelimesi kullanılmaktadır). Bu 
nöronlar, aralarındaki bağlantılar oluşturularak ve tabakalar halinde gruplandırılarak 
yapay sinir ağları oluşturulmaktadır. 
 
İnsanın beyinsel gücünün bu yapı taşları birkaç genel işleve sahiptirler. Bir 
biyolojik nöron, temel olarak, diğer kaynaklardan girdiler alır, belirli bir şekilde 
bunları birleştirir, sonuç üzerinde bir işlem (genelde doğrusal olmayan) uygular ve 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
12


Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
nihai sonucu üretir. Şekil 2.3 bir nöronun dört temel elemandan oluşan genel 
yapısını ve bu dört eleman arasındaki ilişkiyi göstermektedir. 
 
Şekilden de görüldüğü gibi, tüm doğal nöronlar dört temel bileşene sahiptir. 
Bu bileşenler biyolojik isimleri ile bilinirler: dentrit (dendrite), çekirdek (soma), 
akson (axon) ve bağlantı veya sinaps (synapse). Dentritler, çekirdeğin saça 
benzeyen uzantılarıdır ve girdi kanalları olarak işlev görürler. Bu girdi kanalları 
diğer nöronların sinapsları aracılığıyla girdilerini alırlar. Daha sonra çekirdek, gelen 
bu sinyalleri zaman içinde işler. Çekirdek, bu işlenmiş değeri bir çıktıya 
dönüştürdükten sonra bu çıktıyı akson ve sinapslar aracılığıyla diğer nöronlara 
gönderir. 
 
Şekil 2.3: Biyolojik Nöronun Genel Yapısı ve İşlevleri 
 
 
Yapay sinir ağlarının temel işlem elemanı olan yapay nöronlar, doğal 
nöronların dört temel fonksiyonunu simüle ederler. Bir yapay nöronun temel yapısı, 
genel haliyle,  Şekil 2.4’te sunulmaktadır. 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
13


Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
Şekil 2.4’te girdi değerler x(i) matematiksel sembolü ile gösterilmiştir ve bu 
gösterimde i = 0,1,2,….,n değerlerini almaktadır. Bu girdi değerlerin her biri bir 
bağlantı  ağırlığıyla çarpılmaktadır. Bu ağırlıklar ise w(i) ile gösterilmektedir. En 
basit yapıda, bu çarpımlar toplanır ve bir transfer fonksiyonuna gönderilerek sonuç 
üretilir. Bu sonuç daha sonra bir çıktıya dönüştürülür. Bu elektronik uygulama 
değişik toplama fonksiyonları ve transfer fonksiyonları kullanabilir ve farklı  ağ 
yapılarında uygulanabilir. 
 
Şekil 2.4: Yapay Nöronun Genel Yapısı 
 
 
Şekil 2.4 McCullogh ve Pitts (1943) tarafından tanımlanan, biyolojik nöronun basit 
matematiksel modelinin gösterimi olarak da düşünülebilir. McCullogh-Pitts modeli 
incelendiğinde, toplama fonksiyonu olarak doğrusal bir fonksiyon ve transfer 
fonksiyonu olarak birim adım fonksiyonu kullanılmış olduğu görülmektedir. 
Temelde biyolojik nörona benzer bir şekilde, işlem elemanı toplama fonksiyonu 
sonucunun belirli bir eşik değerinin altında veya üstünde olmasına göre çıktısını iki 
ihtimal arasından seçerek oluşturmaktadır. Bu matematiksel modelin fonksiyonel 
gösterimi aşağıdaki gibidir. 
 
 
0
1
0
( ( ))
;
(
,
, ...,
)
(1)
(
)
n
i
ij
j
i
i
n
j
y
g x
w x
Q
x
x x
x
=
= Ψ
= Ψ

=
∈ ℜ

http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
14


Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
Bu gösterimde, y
i
  çıktı değeri, 
Ψ
(.) transfer fonksiyonunu, g(.) toplama 
fonksiyonunu,  w
ij
 bağlantı  ağırlıklarını ve Q
i
 ise i nolu nöron için eşik değerini 
göstermektedir. 
Ψ
(.) transfer fonksiyonu birim adım fonksiyonudur: 
 
)
2
(
0
(.)
;
0
0
(.)
;
1
(.)



<

=
Ψ
g
g
 
g(.) toplama fonksiyonu ise x
j
 girdilerinin doğrusal bir bileşimi olarak 
düşünülmüştür: 
 
0
(.)
(3)
n
ij
j
i
j
g
w x
Q
=
=


 
McCullogh-Pitts modelinde transfer fonksiyonu olarak birim adım fonksiyonu 
ve toplama fonksiyonu olarak doğrusal bir fonksiyon kullanılmakla birlikte YSA 
alanındaki gelişmelerle beraber farklı fonksiyonların kullanılabilmesi sağlanmıştır. 
Şekil 2.5 içinde YSA modellerinde kullanılabilecek farklı fonksiyonlara bazı 
örnekler sunulmaktadır. Basitçe görülebileceği gibi, hangi fonksiyon kullanılırsa 
kullanılsın, bir nöron modelinin matematiksel ve fonksiyonel gösterimi 
değişmeyecektir. 
 
Bu yapıda kullanılan fonksiyonlar temelde uygulama konusuna bağlıdır. Bazı 
uygulamalar ikili (binary) veri seti gerektirir. Bu uygulamalara örnek olarak 
konuşma tanımlama ve metin tanıma uygulamaları verilebilir. Bu tür uygulamalar, 
doğal olarak, sadece toplama fonksiyonu içeren nöronlardan oluşan ağları 
kullanamaz. Bu ağlar mantıksal fonksiyonları kullanabilir ve bu fonksiyonlar 
toplama ve transfer fonksiyonlarına dahil edilebilir. Veya bazı uygulamalar basit bir 
şekilde toplama ve belirli bir eşik değeri ile karşılaştırma  şeklinde bir işleme 
gereksinim duyabilirler. Bu şekilde evet/hayır, doğru/yanlış veya 0/1 gibi iki olası 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
15


Yüklə 72,84 Kb.

Dostları ilə paylaş:
1   2   3   4   5   6   7   8   9   10   ...   32




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©genderi.org 2024
rəhbərliyinə müraciət

    Ana səhifə