Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, bir eğitim dersi formatında olup, bir eğitmen tarafından neural network'lerin öğrenme algoritmaları hakkında bilgi verilmektedir.
- Ders, önceki derste verilen kos fonksiyonu ve model tanımlamalarının devamı niteliğindedir. Eğitmen, sigmoid ve lineer aktivasyon fonksiyonlarının kullanımını açıklayarak, learning algoritmasının nasıl oluşturulacağını matematiksel olarak göstermektedir. Özellikle back propagation algoritmasının 1960'lı-1970'li yıllarda Rumelhart tarafından geliştirildiği ve bu algoritmanın neural network'lerin gelişimindeki önemi vurgulanmaktadır. Dersin sonunda, bir sonraki derste bu algoritmanın bir dataset üzerinde nasıl uygulanacağı gösterileceği belirtilmektedir.
- Öğrenme Algoritması ve Modeller
- Bu derste kos fonksiyonunun öğrenme algoritması verilecek.
- Model, cost function ve learning algoritması belirlenmesi gerekiyor.
- Cost function, referans değerler (yt) ile model arasındaki farkın karesinin toplamının yarısı şeklinde ifade ediliyor.
- 00:33Aktivasyon Fonksiyonları
- Sigmoid fonksiyon, 1/(1+exp(-omega*t*x)) şeklinde bir ifade olarak tanımlanıyor.
- Lineer fonksiyon, toplam işareti içinde i*xi+v şeklinde bir ifade olarak tanımlanıyor.
- Line fitting yapacaksak lineer, sadece classification yapacaksak sigmoid fonksiyon seçilmeli.
- 01:18Öğrenme Algoritması
- İki değer birbirine bağımlıysa önce birini optimize etmek gerekiyor.
- Öğrenme algoritmasında min error değeri omega ve v parametrelerine göre optimize edilmeli.
- Öğrenme kuralı: v = v - alfa * (de/dv) ve omega = omega - alfa * (de/domega) şeklinde ifade ediliyor.
- 03:12Öğrenme Kurallarının Uygulanması
- v parametresi için türev alınarak öğrenme kuralı elde ediliyor.
- omega parametresi için türev alınarak öğrenme kuralı elde ediliyor.
- Chain kuralı kullanılarak omega parametresi için türev hesaplanıyor.
- 10:29Back Propagation Algoritması
- Learning rate, alfa çarpı (de/dv) ve (de/domega) ile değiştirilerek cost fonksiyonu minimize ediliyor.
- Bu işlem, neural network'ün en bilinen algoritmalarından olan back propagation algoritmasını oluşturuyor.
- Back propagation algoritması 1960-1970'lerde Rumelhard tarafından bulunmuş ve sigmoid aktivasyon fonksiyonu sayesinde türev alınabilen bir algoritma olarak geliştirilmiş.