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